Pรกg. 1
Pรกg. 2
Mรฉtodos estadรญsticos para el control de la calidad y la productividad
Ulises Octavio Irigoin Cabrera, Julio Oswaldo Goicochea Espino, Erlin Guillermo Cabanillas
Oliva, Victor Sรกnchez Cรกceres, Gregorio Rodolfo Heredia Quezada, Keuson Saldaรฑa Ferreyra
ยฉ Ulises Octavio Irigoin Cabrera, Julio Oswaldo Goicochea Espino, Erlin Guillermo Cabanillas
Oliva, Victor Sรกnchez Cรกceres, Gregorio Rodolfo Heredia Quezada, Keuson Saldaรฑa Ferreyra,
2023
Jefe de arte: Yelitza Sรกnchez
Diseรฑo de cubierta: Yelitza Sรกnchez
Ilustraciones: Ysaelen Odor
Editado por: Editorial Mar Caribe de Josefrank Pernalete Lugo
Jr. Leoncio Prado, 1355 โ Magdalena del Mar, Lima-Perรบ. RUC: 15605646601
Libro electrรณnico disponible en http://editorialmarcaribe.es/?page_id=2001
Primera ediciรณn โ diciembre 2023
Formato: electrรณnico
ISBN: 978-612-5124-25-8
Hecho el Depรณsito Legal en la Biblioteca Nacional del Perรบ Nยฐ: 202312115
Pรกg. 3
Mรฉtodos estadรญsticos para el control de la calidad y la productividad
Ulises Octavio Irigoin Cabrera
Julio Oswaldo Goicochea Espino
Erlin Guillermo Cabanillas Oliva
Victor Sรกnchez Cรกceres
Gregorio Rodolfo Heredia Quezada
Keuson Saldaรฑa Ferreyra
Perรบ, 2023
Pรกg. 4
Tabla de Contenido
Introducciรณn .....................................................................................................................................5
Capรญtulo 1 .........................................................................................................................................9
Control de Calidad ...........................................................................................................................9
El triรกngulo de calidad ......................................................................................................... 11
Espiral de calidad ................................................................................................................. 12
El control evolutivo .............................................................................................................. 13
Edwards W. Deming ............................................................................................................. 14
Calidad ................................................................................................................................. 18
La Variabilidad: pensamiento estadรญstico ............................................................................. 24
La estadรญstica descriptiva ..................................................................................................... 28
La aplicaciรณn del control estadรญstico .................................................................................... 40
Capรญtulo 2 .......................................................................................................................................47
Control de Procesos .......................................................................................................................47
El control estadรญstico de los procesos ................................................................................... 47
Procesos en la gestiรณn de calidad ......................................................................................... 67
Mejora y el desarrollo de procesos ....................................................................................... 89
Capรญtulo 3 .....................................................................................................................................103
Productividad ...............................................................................................................................103
Definiciรณn y mediciรณn de la productividad ........................................................................ 103
La estimaciรณn de la eficiencia: datos panel ........................................................................ 107
Los modelos de eficiencia tรฉcnica variante en el tiempo ................................................... 115
La estimaciรณn de la eficiencia y productividad con mรฉtodos no paramรฉtricos .................. 117
Reflexiones finales .......................................................................................................................126
Bibliografรญa ..................................................................................................................................127
Pรกg. 5
Introducciรณn
La definiciรณn de calidad varรญa segรบn la industria o negocio en el que uno participa. En el
รกmbito de la producciรณn, la calidad se puede definir como el grado en que un producto se alinea
con las especificaciones deseadas en tรฉrminos de sus atributos y cumple con las expectativas del
cliente. Como resultado de su naturaleza subjetiva, muchas empresas tienden a pasar por alto la
importancia de gestionar sus procesos, asumiendo que no pueden controlar todos los factores que
impactan la calidad. Sin embargo, esta suposiciรณn es incorrecta ya que una gestiรณn eficaz de los
procesos es esencial para garantizar resultados de alta calidad.
Existen numerosos elementos que juegan un papel en los procesos de producciรณn, y todos
ellos pueden examinarse y rastrearse para mejorar constantemente los procesos. Esto incluye todo,
desde el equipo que se utiliza hasta el seguimiento de los programas de software e incluso la
eficacia de los trabajadores involucrados.
Por lo tanto, es importante seรฑalar que la gestiรณn de la calidad abarca mรกs que simplemente
el aseguramiento de la calidad. Tambiรฉn implica garantizar que todos los productos finales
mantengan un nivel constante de calidad, de modo que cumplan el mismo conjunto de requisitos
en igual medida.
Para evaluar el nivel de calidad es necesario realizar una serie de controles y pruebas. El
control de calidad es el procedimiento vital que garantiza la consistencia, confiabilidad, facilidad
de mantenimiento y producciรณn de un producto o servicio en particular. Para lograrlo, existen
diversas herramientas y metodologรญas estadรญsticas diseรฑadas especรญficamente para la inspecciรณn,
identificaciรณn y gestiรณn de procesos. Al adquirir conocimientos sobre estas herramientas y
comprender su funcionamiento, podemos mejorar la calidad general del producto o servicio, lo
que posteriormente conducirรก a una mayor productividad y rentabilidad.
Asรญ, se puede afirmar que el control de calidad ofrece numerosos beneficios, como
minimizar la necesidad de inspecciones excesivas, evitar retrasos, disminuir la cantidad de
unidades defectuosas que deben descartarse o reelaborarse y optimizar la utilizaciรณn de recursos
humanos, maquinaria y materiales. Si bien, es importante seรฑalar que el alcance de estas ventajas
puede variar dependiendo del modelo de negocio especรญfico en el que se implementen las prรกcticas
de control de calidad.
Lidiar con la fluctuaciรณn inherente en los procesos es un desafรญo que enfrentamos
regularmente. La variabilidad se refiere al grado de diversidad dentro de un conjunto de valores o
puntuaciones, que esencialmente representa el rango entre los valores observados mรกs bajos y mรกs
altos. Tambiรฉn sirve como medida de quรฉ tan bien un proceso puede alcanzar el nivel de calidad
deseado. En esencia, nos enfrentamos a dos formas distintas de variabilidad:
Pรกg. 6
โข Causas comunes o naturales de variaciรณn: Son caracterรญsticas inherentes que surgen debido
a factores fortuitos que afectan a todo el proceso productivo. Aunque suelen ser numerosos,
su contribuciรณn a la variabilidad total no es tan grande, por lo que se observan cuando se
controla el proceso. Son el resultado de cambios inherentes al proceso (por ejemplo,
cambios de temperatura y humedad en las granjas porcinas). Aun asรญ, todavรญa necesitan
realizar anรกlisis de capacidades para minimizar su impacto.
โข Causas de variaciรณn asignables o especiales: Son causas que provocan que un proceso ya
no pueda controlarse y, aunque son raras, su impacto es significativo. La probabilidad de
que los datos superen los lรญmites naturales es muy baja. Entonces, si tomamos una muestra
de datos del proceso y algunos de ellos exceden el lรญmite, es muy probable que algo inusual
estรฉ sucediendo con ese elemento. Se denominan causas especiales, que ocasionalmente
afectan a una etapa concreta del proceso (por ejemplo, error humano o ajuste incorrecto de
una mรกquina).
La variaciรณn es un aspecto inherente de la vida que no puede clasificarse como
inherentemente positivo o negativo. Si bien es un fenรณmeno natural que no podemos eliminar por
completo, tenemos la capacidad de minimizar su impacto. El objetivo principal del control
estadรญstico de procesos es mantener el control sobre el proceso e identificar rรกpidamente cualquier
desviaciรณn causada por factores รบnicos, asรญ como determinar sus causas fundamentales. Hay
circunstancias especรญficas en las que no es posible disminuir la variabilidad y, en algunos casos,
incluso puede ser necesario aumentarla para mejorar la eficiencia del proceso. Uno de esos
escenarios es cuando la reducciรณn de costos conduce a un aumento de la variabilidad, lo que resulta
en un compromiso en la calidad, sin dejar de mantenerse dentro de los lรญmites especificados. Es
esencial que comprendamos y determinemos plenamente hasta quรฉ punto estamos dispuestos a
priorizar ciertos valores sobre otros.
A lo largo de la historia, se han desarrollado e implementado innumerables mรฉtodos y
enfoques para mejorar la calidad general de diversos procesos. Entre ellas, una estrategia
ampliamente reconocida y utilizada se conoce como Six Sigma, que tiene sus raรญces en el idioma
inglรฉs. El objetivo fundamental de Six Sigma es amplificar tanto la productividad como la
rentabilidad minimizando y controlando los niveles de variabilidad que existen dentro de un
sistema u operaciรณn determinado.
Asรญ, las organizaciones que lo integran en sus marcos operativos tienen como objetivo
mejorar cada paso de sus procesos y mejorar constantemente sus productos o servicios para
minimizar cualquier falla en el resultado final. Ademรกs, se esfuerzan por lograr cambios
sostenibles que puedan mantenerse durante un perรญodo prolongado.
Six Sigma es una metodologรญa que tiene como objetivo alcanzar un nivel de calidad en el
que solo hay 3,4 defectos por millรณn de eventos u oportunidades (DPMO), definiรฉndose un defecto
Pรกg. 7
como cualquier caso en el que un producto no cumple con los requisitos especificados. El tรฉrmino
"Six Sigma" en sรญ mismo se refiere a estar a seis desviaciones estรกndar de la media, lo que indica
un alto nivel de precisiรณn y coherencia. Al implementar los principios de Six Sigma, las
organizaciones se esfuerzan por minimizar la variaciรณn en sus procesos, asegurando que la mayorรญa
de los resultados estรฉn dentro del rango deseado y que cualquier desviaciรณn se mantenga al
mรญnimo. Este enfoque riguroso de la gestiรณn de la calidad ha demostrado ser muy exitoso a la hora
de impulsar la eficiencia, reducir los defectos y mejorar la satisfacciรณn del cliente.
El Control Estadรญstico de Procesos (SPC) se basa en el uso de grรกficos de control, que son
herramientas grรกficas con dos dimensiones. El eje vertical de estos grรกficos representa la variable
que se observa o mide. Dentro de este eje se representan tres lรญneas: la lรญnea central (CL), que
significa el valor promedio de la caracterรญstica de calidad que se examina y sirve como medida de
centralizaciรณn; y dos lรญneas adicionales conocidas como lรญmite de control superior (LCS) y lรญmite
de control inferior (LCI). Estos lรญmites de control generalmente se ubican a ยฑ3 desviaciones
estรกndar de la lรญnea central. Esta relaciรณn entre SPC y Six Sigma se basa en que estos lรญmites de
control ayudan a identificar y monitorear variaciones dentro del proceso, contribuyendo asรญ al
objetivo de alcanzar los niveles de calidad Six Sigma.
Los lรญmites de control del proceso se determinan analizando los datos estadรญsticamente.
Estos lรญmites indican el rango en el que deberรญan caer la mayorรญa de los puntos de datos si el proceso
funciona correctamente. Este rango se calcula en base a las mediciones del proceso y abarca mรกs
del 99% de los datos observados.
Se considera que un proceso estรก bajo control o en "estado de control" cuando la
caracterรญstica de calidad que se observa en el proceso permanece consistentemente cerca de un
valor promedio predeterminado y estรก influenciada principalmente por factores aleatorios.
Cuando los valores caen fuera de los lรญmites de control establecidos, indica que el proceso
no estรก operando dentro de parรกmetros aceptables y hay una razรณn especรญfica para esta desviaciรณn
que debe abordarse y resolverse.
En realidad, el CEP (Protocolo de Ambiente Controlado) implica una comparaciรณn
continua de diferentes hipรณtesis para determinar si un proceso determinado estรก operando dentro
de parรกmetros aceptables. Para realizar correctamente este anรกlisis, es necesario recolectar
muestras a intervalos regulares.
Es fundamental enfatizar que el control de procesos y la especificaciรณn de procesos no
deben confundirse, ya que son dos conceptos distintos. Es posible que un proceso cumpla con las
especificaciones sin estar completamente controlado y, a la inversa, es posible que un proceso
controlado no cumpla con todas las especificaciones. Como resultado, los lรญmites de control se
emplean para evaluar el desempeรฑo general de un proceso, mientras que los lรญmites de
Pรกg. 8
especificaciรณn se utilizan para determinar si los productos finales cumplen con los requisitos
necesarios.
El CEP, o proceso de mejora continua, desempeรฑa un papel crucial en nuestra capacidad
de prever problemas potenciales que pueden surgir en el futuro, lo que dificulta nuestra capacidad
para cumplir requisitos especรญficos. Al identificar estos problemas con anticipaciรณn, podemos
tomar acciones correctivas inmediatas, evitando asรญ que afecten el producto final y, en รบltima
instancia, lleguen al cliente. Asimismo, al comparar los lรญmites de control, que estรกn determinados
por la variaciรณn natural del proceso, con los lรญmites de especificaciรณn, podemos medir
efectivamente la capacidad del proceso.
Pรกg. 9
Capรญtulo 1
Control de Calidad
A pesar del reconocimiento y el debate frecuente sobre productividad y calidad, estos
conceptos a menudo no se adoptan plenamente. Lo mismo se aplica al pensamiento cientรญfico.
Numerosos estudios han demostrado que incluso con grandes esfuerzos en educaciรณn y formaciรณn,
existe una renuencia a adoptar estos paradigmas y alinear las acciones en consecuencia. El siglo
actual se caracteriza por rรกpidos avances en ciencia y tecnologรญa, que inevitablemente seguirรกn
remodelando la sociedad y la productividad.
Estos cambios constantes estรกn impulsados por el uso extensivo del conocimiento, lo que
dio lugar al tรฉrmino "el siglo de la informaciรณn y el conocimiento", debido en gran medida a la
capacidad de la tecnologรญa para procesar y comunicar grandes cantidades de datos. La humanidad
estรก adoptando cada vez mรกs una metodologรญa y tecnologรญa generalizadas para aplicar el
conocimiento de manera efectiva en tareas cientรญficas, tรฉcnicas y de la vida cotidiana. Esto requiere
la integraciรณn de ideas y mรฉtodos de diversas disciplinas como la gestiรณn, la informรกtica y la
estadรญstica.
La gestiรณn del conocimiento y sus estrategias, mรฉtodos y herramientas son ahora
consideraciones esenciales. Ya en las dรฉcadas de 1980 y 1990, la Revoluciรณn de la Calidad enfatizรณ
la importancia de la calidad como medio para lograr los objetivos organizacionales. Esta
perspectiva ha tenido un profundo impacto en los logros y desempeรฑos, haciendo de la evaluaciรณn
de la calidad y de las metodologรญas para su diseรฑo, anรกlisis y mejora conocimientos fundamentales
para los profesionales de todos los niveles.
Asรญ, la productividad ha sido un objetivo de larga data de la humanidad, con tรฉcnicas y
metodologรญas desarrolladas para analizarla y mejorarla en diversos campos. La ingenierรญa y la
tecnologรญa han desempeรฑado un papel importante en esta bรบsqueda, y disciplinas como la
investigaciรณn de operaciones y la optimizaciรณn han ganado importancia en los รกmbitos cientรญfico
y profesional. Por lo tanto, los estadรญsticos, ha adquirido conocimientos sobre los desafรญos que
implica aprender conceptos estadรญsticos clave, entendiรฉndose la estadรญstica como una metodologรญa
y tecnologรญa que permite la adquisiciรณn y aplicaciรณn del conocimiento.
En consecuencia, gran parte del trabajo se ha centrado en organizaciones productivas como
industrias y empresas. Si bien, tambiรฉn se ha reconocido la importancia de las estadรญsticas, sus
principios y mรฉtodos en sectores gubernamentales como la educaciรณn. Entre tanto, se enfatiza la
importancia de promover el pensamiento estadรญstico entre profesores y estudiantes de nivel
secundario y superior; siendo en este contexto fundamental comprender que los datos por sรญ solos
no constituyen informaciรณn y que la informaciรณn en sรญ misma no es conocimiento. Ya que, el valor
Pรกg. 10
del conocimiento radica en su asociaciรณn con la acciรณn y su capacidad para regular y guiar la toma
de decisiones.
En el mundo actual, las herramientas estadรญsticas se han vuelto cada vez mรกs populares y
son muy valoradas por su capacidad para respaldar el diagnรณstico, identificar problemas y mejorar
procesos. Esto no sรณlo es cierto en entornos industriales y manufactureros, donde las estadรญsticas
se han aplicado y desarrollado ampliamente, sino tambiรฉn en otros campos del desarrollo
empresarial. Es importante seรฑalar que se necesita una comprensiรณn integral de la metodologรญa
estadรญstica, no sรณlo para herramientas especializadas, sino tambiรฉn para herramientas y mรฉtodos
bรกsicos que han demostrado valor prรกctico en paรญses como Japรณn y Estados Unidos.
En Japรณn, por ejemplo, el conocimiento estadรญstico se enseรฑa en el nivel medio y superior
y se aplica en todas las รกreas de las organizaciones productivas. Incluso el pรบblico en general
conoce y aplica mรฉtodos estadรญsticos. Esto se debe a que la toma de decisiones en la sociedad
actual requiere de racionalidad y del uso de conocimientos tรฉcnicos y cientรญficos. El uso de la
metodologรญa estadรญstica es fundamental para mejorar la eficiencia y la productividad dentro de una
organizaciรณn. Sin embargo, aprender y utilizar estadรญsticas puede resultar un desafรญo debido a
varios mitos y dificultades.
El mito mรกs comรบn es que las estadรญsticas son difรญciles y requieren cรกlculos complejos. Sin
embargo, esto estรก lejos de la verdad. Hoy en dรญa, el software estadรญstico y el acceso a
computadoras hacen que el aprendizaje de estadรญsticas sea mucho mรกs simple y menos laborioso.
La atenciรณn ya no debe centrarse en procedimientos de cรกlculo o en la creaciรณn de tablas y grรกficos,
ya que estas tareas se pueden realizar fรกcilmente con soporte informรกtico.
En cambio, el รฉnfasis deberรญa estar en desarrollar las habilidades para identificar y plantear
problemas, asรญ como diseรฑar estrategias eficientes para resolverlos. Comprender cuรกndo y cรณmo
utilizar un mรฉtodo o herramienta estadรญstica, asรญ como interpretar los resultados correctamente, es
fundamental. Esto requiere una sรณlida comprensiรณn de la metodologรญa estadรญstica y el proceso de
aplicaciรณn de la misma. Si bien estos conceptos no son difรญciles de comprender o poner en prรกctica,
sรญ requieren un cambio de perspectiva sobre la disciplina de la estadรญstica.
Las estadรญsticas han adquirido cada vez mรกs importancia en diversas รกreas de la actividad
productiva, incluidas la manufactura, las industrias de servicios y las empresas en su conjunto.
Este movimiento global, conocido como La Revoluciรณn de la Calidad, enfatiza conceptos como
productividad, competitividad, excelencia y calidad total, y los sitรบa a la vanguardia de los modelos
de mejora continua. Aunque estas ideas y procedimientos existen desde hace dรฉcadas, enfoques
filosรณficos recientes los han revitalizado y presentado como algo nuevo. Aun cuando, es importante
seรฑalar que las herramientas y tรฉcnicas utilizadas en estadรญstica no son realmente nuevas, aunque
algunas pueden haber sido propuestas mรกs recientemente. Esta revaluaciรณn de la metodologรญa
Pรกg. 11
establecida ha resaltado la importancia de la capacitaciรณn y el desarrollo, aunque los principios y
mรฉtodos estadรญsticos a menudo se presentan de manera no relacionada.
El triรกngulo de calidad
La gestiรณn de la calidad abarca diversas disciplinas, incluidas la psicologรญa, la
administraciรณn, la estadรญstica y la ingenierรญa. La calidad total, que forma parte de la gestiรณn de la
calidad, es un enfoque que tiene en cuenta la naturaleza holรญstica de la calidad, reconoce que la
calidad no es estรกtica, sino mรกs bien un concepto dinรกmico que implica satisfacer continuamente
los requisitos del cliente. Ademรกs, la calidad total enfatiza la importancia de la optimizaciรณn de
costos, buscando el precio mรกs bajo posible. Para lograrlo, es crucial que todas las partes
involucradas en el proceso estรฉn comprometidas y participen activamente. Este enfoque se basa
en tres aspectos complementarios que contribuyen a la mejora continua y estรกn representados en
el triรกngulo de la calidad.
La clave para la mejora continua radica en definir claramente los objetivos, propรณsitos y
metas del sistema, ya sea un proceso, empresa, fรกbrica o cualquier otra entidad. Sin embargo, no
basta con tener el simple deseo de mejorar. Es igualmente importante entender cรณmo lograr esas
mejoras, y esto es posible gracias al mรฉtodo cientรญfico y al conocimiento de los principios,
procedimientos y tรฉcnicas utilizados para diagnosticar, intervenir y monitorear el proceso. Esta
metodologรญa, a su vez, tambiรฉn debe considerar el factor humano como aspecto fundamental para
alcanzar el objetivo deseado.
Es crucial que todos los involucrados en el sistema comprendan y estรฉn comprometidos
con su rol, ademรกs de estar motivados para contribuir a los esfuerzos de mejora continua. Cuando
se trata de lograr una mejora en la calidad, no existen modelos establecidos a seguir. Mรกs bien, es
necesario buscarlos sistemรกticamente a medida que avanza el conocimiento del proceso,
Pรกg. 12
registrando y analizando datos e interpretando los resultados. Esta bรบsqueda de mejora puede darse
en diversos contextos, como dentro de las instituciones educativas o en el lugar de trabajo. Existen
herramientas estadรญsticas y tecnologรญas avanzadas para brindar apoyo en este esfuerzo.
Si bien las estadรญsticas pueden competir con la provisiรณn de metodologรญas, tambiรฉn ofrecen
apoyo al proporcionar los principios y conceptos bรกsicos necesarios para adoptar una metodologรญa
adecuada. Esto incluye considerar causas tanto atribuibles como aleatorias que puedan afectar la
operaciรณn del proceso. Ademรกs, existen principios y mรฉtodos de diversos campos, como el trabajo
gerencial, la ingenierรญa y la gestiรณn de recursos humanos, que deben tenerse en cuenta al diseรฑar
un sistema adaptado a las necesidades y condiciones especรญficas de una organizaciรณn. Para
garantizar la calidad, una instituciรณn educativa, por ejemplo, requiere un sistema de gestiรณn que se
centre en el desempeรฑo y los resultados, asรญ como en la mejora continua.
Espiral de calidad
La introducciรณn de tendencias de la moda en el uso de modelos para garantizar la calidad
ha dado lugar a una gran cantidad de malentendidos en lo que respecta al control de calidad, la
mejora continua y la gestiรณn de la calidad. El control de calidad total, o gestiรณn de la calidad, como
se le conoce comรบnmente, es un enfoque lรณgico y sistemรกtico que enfatiza la importancia de que
los tres aspectos trabajen juntos en armonรญa. Si bien pueden existir modelos generales para diseรฑar
e implementar sistemas para el control de calidad total, es crucial considerar siempre las
caracterรญsticas รบnicas del proceso especรญfico que se controla y mejora.
Esto requiere considerar tres aspectos fundamentales: una comprensiรณn integral del
proceso, incluyendo su propรณsito, funcionamiento y puntos crรญticos, lo que requiere una fase de
diagnรณstico exhaustivo; la implementaciรณn de intervenciones estratรฉgicas para lograr los cambios
deseados en el proceso; y la evaluaciรณn del impacto de estas intervenciones a travรฉs de medidas
de diagnรณstico posteriores.
Pรกg. 13
El concepto de mejora continua constituye la base de esta idea, ya que supone avanzar
hacia un mayor nivel de calidad en cada ciclo completado. Las herramientas estadรญsticas juegan
un papel crucial en el proceso de diagnรณstico. Para describir con precisiรณn el proceso e identificar
puntos crรญticos, es necesario utilizar tรฉcnicas estadรญsticas para el anรกlisis de datos. Ademรกs, se
emplean principios estadรญsticos para definir variables y recopilar datos mediante muestreo y diseรฑo
experimental.
Un diagnรณstico integral del funcionamiento del proceso implica identificar factores que
influyen en las revisiones de calidad y seรฑalar puntos crรญticos o problemas dentro del proceso. A
partir de la informaciรณn obtenida se realiza una interpretaciรณn racional para crear un plan de
intervenciรณn que mejore la eficiencia del proceso. Si bien muchas de las tรฉcnicas utilizadas en esta
fase son fundamentales y requieren conocimientos estadรญsticos bรกsicos, tambiรฉn requieren una
comprensiรณn profunda del proceso en sรญ. La fase de intervenciรณn implica el seguimiento, que
tambiรฉn debe realizarse utilizando principios y tรฉcnicas estadรญsticas. La espiral de calidad,
propuesta por el estadรญstico Shewhart en la dรฉcada de 1930, estรก estrechamente relacionada con
esta idea y se explorarรก mรกs a fondo en el quinto capรญtulo, junto con el anรกlisis de los grรกficos de
control.
El control evolutivo
Entre los diversos enfoques estadรญsticos para la mejora continua, una de las propuestas es
el llamado control evolutivo, tambiรฉn conocido como EVOP (Evolutionary Operation) en inglรฉs.
Este enfoque proporciona un conjunto de principios y procedimientos que sirven como pautas
generales para diagnosticar, intervenir y monitorear la evoluciรณn de un proceso con el objetivo de
mejorar sus รญndices de calidad. Ademรกs, este enfoque incorpora el uso de diseรฑo estadรญstico de
Pรกg. 14
experimentos y tรฉcnicas de planificaciรณn para modelar, ajustar y diagnosticar modelos estadรญsticos
lineales. Sin embargo, debido al alcance de este texto, sรณlo se mencionarรกn algunas generalidades.
Es evidente que este enfoque ha sido ampliamente estudiado y aplicado en procesos
industriales. Su mayor ventaja reside en que los experimentos se realizan a gran escala, es decir,
se planifican y ejecutan mientras la planta estรก en funcionamiento. Aun cuando, estas metodologรญas
tambiรฉn se pueden aplicar a innovaciones educativas a nivel de subsistema. Trabajar con estas
metodologรญas requiere pasar por una serie de etapas en el diagnรณstico e intervenciรณn de procesos,
que son similares a establecer un sistema de mejora de la calidad y la productividad.
Por lo tanto, es crucial considerar el marco de referencia para la gestiรณn de la calidad
educativa. Tanto en Japรณn como en Estados Unidos, donde se recomienda encarecidamente el uso
de herramientas estadรญsticas en tareas de mejora de la calidad, se emplean ampliamente diseรฑos
experimentales y la construcciรณn de modelos empรญricos. Ademรกs de EVOP, otro enfoque notable
de experimentaciรณn es el Mรฉtodo Taguchi, que enfatiza el diseรฑo de calidad en tres รกreas: diseรฑo
de sistemas, diseรฑo de parรกmetros y diseรฑo de tolerancias. Ambos enfoques enfatizan el valor de
la metodologรญa estadรญstica. Para aplicar el enfoque de control evolutivo, se deben cumplir ciertas
condiciones:
โข En primer lugar, la persona que ocupa el mรกximo cargo de responsabilidad del proceso
debe comprender el concepto y reconocer su utilidad.
โข En segundo lugar, los superintendentes de procesos y los ingenieros deben poseer
conocimientos suficientes para iniciar, desarrollar e interpretar el programa.
โข Por รบltimo, los operadores de procesos deben tener una comprensiรณn clara de los objetivos
del programa y recibir una formaciรณn adecuada sobre el mรฉtodo operativo y la evaluaciรณn
de sus efectos.
No se puede negar la importancia de la experimentaciรณn en el diseรฑo y mejora de la calidad,
y se basa en dos aspectos clave:
โข Existe una necesidad continua de estudiar y centrarse en mejorar el proceso para identificar
oportunidades de mejora. Esto tambiรฉn implica identificar factores que influyen en el
proceso y proponer estrategias de mejora.
โข Existe un reconocimiento cada vez mayor de la necesidad de un enfoque centrado en la
calidad en el diseรฑo de procesos en lugar de depender รบnicamente de la inspecciรณn masiva.
Edwards W. Deming
El aventura de Deming comenzรณ cuando viajรณ por primera vez a Japรณn con la misiรณn de
ayudar a la naciรณn en la reconstrucciรณn despuรฉs de la devastaciรณn de la Segunda Guerra Mundial.
Pรกg. 15
Su conocimiento y experiencia fueron muy valorados por cientรญficos, ingenieros y empresarios que
escucharon con entusiasmo sus seminarios. A travรฉs de sus enseรฑanzas, Deming explicรณ por quรฉ
Estados Unidos habรญa abandonado la prรกctica del control de calidad e introdujo su visiรณn a travรฉs
de las Siete Enfermedades Mortales y sus obstรกculos.
Tambiรฉn presentรณ los famosos Catorce Puntos, un mรฉtodo general para establecer y
fortalecer un sistema que priorice la mejora continua de la calidad. Nacido en el siglo XX, Deming
hizo importantes contribuciones a las tรฉcnicas estadรญsticas y publicรณ numerosos artรญculos
cientรญficos y libros tรฉcnicos. Sin embargo, su verdadera fama radica en su filosofรญa del control de
calidad, lo que le valiรณ el tรญtulo de padre del control de calidad. Sus ideas fueron fundamentales
para el milagro japonรฉs de la dรฉcada de 1980, una รฉpoca en la que la experiencia de Deming saliรณ
a la luz en su propio paรญs, Estados Unidos.
Antes de eso, era conocido principalmente en un pequeรฑo sector industrial y en la
comunidad estadรญstica. Ademรกs, Deming revolucionรณ el concepto de administraciรณn al introducir
un enfoque sistรฉmico y enfatizar el papel esencial de las herramientas estadรญsticas en el diagnรณstico
y diseรฑo de procesos. Todas estas enseรฑanzas que impartiรณ en Japรณn se derivaron de la observaciรณn
de las prรกcticas defectuosas de la gestiรณn empresarial estadounidense. A pesar de que las tรฉcnicas
estadรญsticas se utilizan desde 1936, fueron abandonadas en la dรฉcada de 1940 por considerarse
innecesarias debido a la gran demanda de productos.
Deming creรญa que la causa fundamental de la mala calidad residรญa en prรกcticas poco รฉticas
y una filosofรญa de gestiรณn inadecuada. El estadรญstico Edwards W. Deming falleciรณ en diciembre de
1993, pero su impacto en el campo de la estadรญstica y el control de calidad todavรญa se siente hoy.
A lo largo de su vida, Deming se dedicรณ incansablemente a su trabajo, dejando un legado notable
que resuena en personas de todo el mundo. Las ideas de Deming enfrentaron crรญticas,
particularmente en relaciรณn con sus puntos de vista sobre la gestiรณn organizacional, lo que llevรณ al
desarrollo de un nuevo mรฉtodo de gestiรณn. Despuรฉs de 1980, colaborรณ con varias empresas
estadounidenses destacadas, guiรกndolas en la implementaciรณn de sistemas de mejora de la calidad
y enseรฑรกndoles los principios de sus Catorce Puntos. A travรฉs de multitud de seminarios, Deming
pretendรญa convencer a las empresas de los beneficios de adoptar su filosofรญa, dejando tras de sรญ un
legado duradero que aรบn espera el reconocimiento total de su verdadero valor para la humanidad.
Pรกg. 16
En conclusiรณn, la vida y obra de Edwards W. Deming estuvieron dedicadas al avance del
campo de la estadรญstica y el control de calidad. Sus aportes a la filosofรญa de la calidad y sus
enseรฑanzas sobre la mejora continua han dejado una huella imborrable en el mundo. A pesar de su
fallecimiento, las ideas de Deming continรบan dando forma a la forma en que las organizaciones
abordan el control y la gestiรณn de calidad, un testimonio del profundo impacto que tuvo en este
campo.
Es importante seรฑalar que tanto la filosofรญa como la metodologรญa del enfoque de Deming
deben basarse en el mรฉtodo cientรญfico, teniendo en cuenta tambiรฉn el factor humano. En esencia,
la clave es trabajar sistemรกticamente, sin perder nunca de vista la idea central dentro del proceso
de mejora de la calidad. Implementar un cambio basado en la teorรญa de Deming requiere la
adopciรณn de una mentalidad revolucionaria dentro de la organizaciรณn. Implica establecer objetivos
a mediano y largo plazo, adoptar un enfoque sistรฉmico y considerar la dimensiรณn humana de la
fuerza laboral. Tambiรฉn implica repensar la estructura organizacional en funciรณn de procesos y
flujos.
Como primer paso en la implementaciรณn de un programa basado en los Catorce Puntos, las
organizaciones deben tomar conciencia de las llamadas Siete Enfermedades Fatales y los
obstรกculos a la calidad que prevalecen en muchas organizaciones. Estas son prรกcticas comunes que
deben abordarse y superarse. El segundo paso implica adoptar la filosofรญa y metodologรญa
propuestas por Deming, que no es un modelo รบnico ni un conjunto de instrucciones rรญgidas. Mรกs
bien, requiere un enfoque integral que involucre a toda la organizaciรณn. Al tomar en consideraciรณn
una lectura descontextualizada de los Catorce Puntos, se puede argumentar que estas
recomendaciones, como afirma Deming, pueden parecer inicialmente un buen consejo. Sin
embargo, en muchas situaciones, no son fรกcilmente aplicables y pueden parecer tareas difรญciles de
llevar a cabo, como se observa en seminarios o cursos.
Los participantes suelen expresar escepticismo sobre la viabilidad de adaptar un sistema
basรกndose en estas recomendaciones a menos que se realicen cambios significativos. Este fue
precisamente el enfoque adoptado por el propio Deming, quien, en una entrevista, revelรณ que
aconsejรณ a los japoneses en 1945 que si seguรญan sus recomendaciones verรญan resultados positivos
en cinco aรฑos, y le creyeron. Durante ese tiempo, las ideas de Deming no fueron bien recibidas en
Estados Unidos. Sin embargo, despuรฉs de presenciar el รฉxito de las empresas japonesas y enfrentar
una situaciรณn de crisis en la dรฉcada de 1980, la filosofรญa de Deming finalmente fue adoptada en su
paรญs de origen. Actualmente existe un importante esfuerzo por parte de administradores, ingenieros
y promotores de calidad para promover las enseรฑanzas de Deming y adaptarlas a diversos modelos
de gestiรณn mediante la creaciรณn de manuales y procedimientos.
En el enfoque de Deming, la participaciรณn de consultores externos juega un papel crucial
e indispensable. El individuo encargado de gestionar las tecnologรญas y metodologรญas para
implementar un sistema de mejora continua dentro de una organizaciรณn debe ser quien diseรฑe una
Pรกg. 17
estrategia especรญfica y supervise su implementaciรณn a lo largo de las distintas fases y componentes
vitales de la organizaciรณn. Por lo tanto, los consultores a los que se les ha confiado esta
responsabilidad tienen un nivel significativo de responsabilidad y dedicaciรณn hacia la organizaciรณn
que asesoran.
Cabe mencionar que los Catorce Puntos han sido adaptados y sirven como marco general
para las organizaciones, interpretando cada punto de manera que se adapte a sus actividades
especรญficas. Algunos de estos puntos pueden estar sujetos a controversia, pero en general han sido
reconocidos como una contribuciรณn significativa hacia un nuevo enfoque en la administraciรณn de
los procesos de producciรณn y servicios. La ausencia de estadรญsticas es evidente en esta situaciรณn.
Sin embargo, Deming pudo revolucionar el concepto de control de calidad al enfatizar la
importancia del diseรฑo y la operaciรณn del proceso en lugar de depender รบnicamente de las
inspecciones finales. Presentรณ un diagrama de flujo integral que incorporaba el proceso productivo
y destacรณ el papel crucial de las estadรญsticas en la identificaciรณn y resoluciรณn de problemas.
Tras un examen cuidadoso de la obra filosรณfica de Deming, resulta evidente que sus
enseรฑanzas tenรญan como objetivo reevaluar la importancia de la cultura estadรญstica y disipar la
nociรณn de soluciones rรกpidas, soluciones mรกgicas y modelos de moda. Destacรณ la importancia de
la educaciรณn, la formaciรณn y el mรฉtodo cientรญfico en el proceso de superaciรณn.
Desafortunadamente, a menudo se pasa por alto el alcance total de su legado, ya que sus propuestas
van mรกs allรก del mejoramiento personal para abarcar familias, organizaciones e incluso naciones.
En sus conferencias finales, Deming criticรณ la insuficiente atenciรณn prestada a la educaciรณn
en el desarrollo de las naciones, incluido su propio paรญs, los Estados Unidos de Amรฉrica. Considerรณ
que la educaciรณn desempeรฑaba un papel crucial en el progreso social y pidiรณ que se le prestara
mayor atenciรณn. Las enseรฑanzas de Deming giran en torno a la comprensiรณn de que los procesos
exhiben inherentemente variabilidad. Sin embargo, creรญa que esta variabilidad puede explicarse y
controlarse mediante el uso de tรฉcnicas estadรญsticas apropiadas, lo que conducirรญa a mejoras en la
calidad. Ilustrรณ este concepto a travรฉs de su famoso diagrama de reacciรณn en cadena, demostrando
cรณmo las mejoras en la calidad tienen un impacto positivo en los indicadores de crecimiento de las
organizaciones.
Pรกg. 18
Es crucial enfatizar la importancia y utilidad de las estadรญsticas en el contexto de la
Revoluciรณn de la Calidad. Esta revoluciรณn no sรณlo es aplicable a los procesos de fabricaciรณn, sino
que abarca todo tipo de procesos, incluidos los servicios, la administraciรณn y la educaciรณn.
Comprender el proceso que se aborda es fundamental, y aquรญ es donde entran en juego las
herramientas bรกsicas. Estas herramientas estรกn diseรฑadas para identificar el proceso y sus
principales aspectos, y consisten en tรฉcnicas de recolecciรณn, organizaciรณn, anรกlisis e interpretaciรณn
de datos.
En el siglo XXI, es importante que los educadores y estudiantes de todos los niveles tengan
una visiรณn integrada de la calidad. Todavรญa existen tendencias y enfoques que ven la calidad como
un รกrea especializada reservada a los expertos. No obstante, con el aumento de la estandarizaciรณn
y la certificaciรณn de procesos utilizando estรกndares internacionales ISO, es fundamental no pasar
por alto la importancia de la calidad. De hecho, ha ganado protagonismo un paradigma de mejora
continua y de implementaciรณn de sistemas de gestiรณn de la calidad hacia la excelencia conocido
como Metodologรญa Seis Sigma. Esta metodologรญa se basa en un enfoque sistรฉmico, metodologรญa
cientรญfica y pensamiento estadรญstico.
La estadรญstica, en este sentido, sirve como una herramienta poderosa en todos los niveles
de una organizaciรณn. Por lo tanto, es deseable que los miembros de una organizaciรณn tengan una
comprensiรณn general de cuรกndo y cรณmo utilizar las herramientas estadรญsticas de manera efectiva y
cรณmo tomar decisiones informadas basadas en los resultados. A medida que el sistema de mejora
se vuelve mรกs avanzado, aumenta la necesidad de mรกs y mejores herramientas estadรญsticas. En
algunos casos, incluso puede ser necesario buscar la orientaciรณn de un experto en anรกlisis
estadรญstico.
Existen determinadas corrientes que abogan por la importancia de la calidad y su principal
objetivo es inculcar una alta motivaciรณn en las personas. Sin embargo, estas corrientes a menudo
restan importancia a la importancia de las estadรญsticas y a los mรฉtodos necesarios para lograr
mejoras. Como resultado, las personas que estรกn expuestas a estas "promociones positivas" pueden
sentirse frustradas cuando carecen del conocimiento y las herramientas para diagnosticar e
intervenir en el proceso. Esta contradicciรณn entre el deseo de mejorar, que se encuentra
comรบnmente en individuos y organizaciones, y la falta de una orientaciรณn adecuada pone de relieve
la necesidad de diferenciar entre un "predicador de calidad" y un asesor o formador que posee
tanto las ideas como las herramientas necesarias para mejorar.
Calidad
La dinรกmica sociocultural de la sociedad tambiรฉn ha desempeรฑado un papel significativo
en la formaciรณn de los patrones de consumo y la relaciรณn entre productores y consumidores. Estas
Pรกg. 19
dinรกmicas han llevado a cambios importantes en la forma en que percibimos y evaluamos la
calidad. El cliente, usuario o beneficiario puede interpretarse en un sentido amplio y puede referirse
a diferentes tipos de individuos. Por ejemplo, el cliente externo es la persona que compra, utiliza
o disfruta del producto o servicio final. Sin embargo, en algunos casos puede ser difรญcil determinar
quiรฉn es el cliente real. Asรญ, una ama de casa que compra paรฑales para su bebรฉ es la cliente externa,
pero el bebรฉ es el usuario y beneficiario final. De manera similar, en el caso de un hospital privado
especializado en atenciรณn mรฉdica, el paciente a menudo se considera el cliente, cuando en realidad,
el cuerpo mรฉdico especializado es el cliente.
Existe una falta de consenso cuando se trata de definir la calidad debido a varios factores.
En primer lugar, la calidad no es un concepto absoluto y no se puede ver como un objetivo
independiente, es necesario considerar no solo el producto o servicio en sรญ, sino tambiรฉn las formas
en que se utiliza y se consumรณ determinar la calidad de algo implica "juicios de valor" subjetivos,
que pueden variar de una persona a otra. Ademรกs, el concepto de calidad se puede entender y
apreciar desde mรบltiples perspectivas y puntos de vista.
Desde el punto de vista de la producciรณn, hay varios aspectos que se consideran en relaciรณn
con la calidad. Estos incluyen la reducciรณn y eliminaciรณn de desperdicios, la eliminaciรณn de quejas,
la eliminaciรณn de operaciones de reprocesamiento, el cumplimiento de garantรญas y plazos de
entrega, cero defectos y la importancia de hacer las cosas bien desde el principio. En esencia, el
concepto de calidad es complejo y multifacรฉtico, con diferentes perspectivas, criterios y elementos
a considerar. Estรก influenciado por las dinรกmicas socioculturales y abarca varios conceptos
asociados.
Definir la calidad requiere entender las necesidades del cliente, usuario o beneficiario y
asegurar que el producto o servicio posea las caracterรญsticas necesarias para satisfacer esas
necesidades. Al discutir sobre la calidad, entran en juego varios conceptos asociados, como la
perfecciรณn, la consistencia, la puntualidad, la satisfacciรณn, la confiabilidad, el servicio, la atenciรณn,
la disponibilidad, la seguridad y la comodidad, entre otros. Cada uno de estos conceptos contribuye
a nuestra comprensiรณn de la calidad y agrega complejidad a su definiciรณn.
Se reconocen diferentes criterios o puntos de vista al evaluar la calidad. Estos incluyen
criterios basados en el producto, criterios basados en el usuario, criterios basados en el valor y
criterios basados en la fabricaciรณn. Cada criterio ofrece una perspectiva รบnica sobre la calidad y
enfatiza diferentes aspectos del producto o servicio. Asimismo, el producto o servicio es el
elemento clave que permite satisfacer las necesidades del cliente; y posee una variedad de
caracterรญsticas y propiedades, que pueden variar en naturaleza, relevancia e importancia. Estas
caracterรญsticas incluyen rendimiento, confiabilidad, apariencia, seguridad, durabilidad, facilidad
de reparaciรณn y mantenimiento, facilidad de uso, servicio al cliente, disponibilidad, cumplimiento,
garantรญas, instrucciones y documentaciรณn, relaciรณn costo-beneficio, compatibilidad, amigabilidad,
Pรกg. 20
comodidad, textura, sabor, olor, precisiรณn, tamaรฑo, peso, volumen, fidelidad, eficiencia, dureza,
pureza, exclusividad, elegancia, resistencia, flexibilidad y muchas otras.
En tรฉrminos de definiciรณn, la norma ISO 8402 define la calidad como el conjunto de
propiedades o caracterรญsticas de un producto o servicio que le permiten satisfacer necesidades
expresas o implรญcitas. Esta definiciรณn destaca la importancia de entender las necesidades del
cliente, usuario o beneficiario y asegurar que el producto o servicio posea las caracterรญsticas
necesarias para satisfacer esas necesidades. Sin embargo, identificar estos elementos y comprender
sus interrelaciones puede ser desafiante, ya que a menudo son complejos y dinรกmicos.
El ciclo de la calidad
El Ciclo de la Calidad, se define como el proceso en el que un productor asegura la
idoneidad de un producto o servicio para su uso, abarca una serie de actividades que involucran
varios pasos, como realizar investigaciones de mercado para comprender las necesidades del
cliente o usuario, crear un producto o servicio que satisfaga esas necesidades, desarrollar procesos
de producciรณn, adquirir recursos esenciales como talento, tecnologรญa, equipos, materias primas e
insumos, ejecutar el fase de producciรณn, inspeccionando las entradas y salidas del proceso
productivo para mantener el control de calidad, comercializando y vendiendo el producto o
servicio, y ofreciendo servicios postventa. La idea del ciclo de calidad, implica reformular
informaciรณn o ideas de una manera que las haga mรกs claras y fรกciles de entender; esto es
particularmente importante en el ciclo de la calidad, ya que una comunicaciรณn precisa es vital para
la implementaciรณn exitosa de iniciativas de mejora de la calidad.
La calidad del diseรฑo es un aspecto fundamental para garantizar la satisfacciรณn del cliente.
Para satisfacer las expectativas de los clientes, las organizaciones deben identificar su pรบblico
objetivo y comprender sus necesidades, lo que permite diseรฑar productos o servicios que se alineen
con las expectativas del cliente incorporando los atributos requeridos y garantizando el
cumplimiento de las demandas del cliente. Asรญ, el objetivo de cualquier sistema de calidad es
proporcionar satisfacciรณn continua al cliente, logrรกndolo mediante el aseguramiento de la calidad,
que abarca acciones planificadas y sistemรกticas para garantizar que los productos o servicios
cumplan con los requisitos de calidad establecidos.
Por lo tanto, al implementar medidas de garantรญa de calidad, las organizaciones pueden
infundir confianza en sus productos o servicios y mantener la satisfacciรณn del cliente. Asimismo,
la calidad del suministro juega un papel fundamental en el mantenimiento de la calidad general del
producto, implicando establecer una comunicaciรณn efectiva con los proveedores e implementar
procedimientos para asegurar el cumplimiento de las especificaciones de las materias primas e
insumos necesarios para la producciรณn. Al mantener relaciones sรณlidas con los proveedores y
monitorear la calidad de los insumos, las organizaciones pueden garantizar la calidad de sus
productos finales.
Pรกg. 21
Asรญ, un sistema integral de gestiรณn de la calidad abarca varios elementos como
procedimientos, calidad del diseรฑo, aseguramiento de la calidad, calidad del proceso, servicio al
cliente, estructura organizacional, cultura de la calidad, calidad del suministro, registros de calidad
y calidad de conformidad. Al implementar e integrar eficazmente estos elementos dentro de una
organizaciรณn, las empresas pueden lograr resultados de calidad consistentes, garantizando la
satisfacciรณn del cliente y manteniendo una ventaja competitiva en el mercado. Por รบltimo, la
calidad de conformidad se refiere al cumplimiento continuo de las especificaciones y
caracterรญsticas requeridas por el producto. Implica monitorear y mantener continuamente la calidad
del producto para cumplir con los estรกndares deseados.
Al evaluar y ajustar constantemente los procesos, las organizaciones pueden garantizar que
sus productos cumplan constantemente con las expectativas de los clientes y cumplan con los
requisitos de calidad. La integraciรณn de estos elementos de calidad dentro de una organizaciรณn da
lugar al concepto de sistema de calidad. Segรบn la norma ISO 8402, un sistema de calidad se define
como la estructura organizativa de responsabilidades, procedimientos, procesos y recursos
establecidos para llevar a cabo la gestiรณn de la calidad. Este sistema garantiza que la calidad se
gestione eficazmente en todos los niveles de la organizaciรณn, promoviendo la coherencia y el
cumplimiento de los estรกndares de calidad.
Los registros de calidad tambiรฉn son esenciales para mantener la integridad del sistema de
calidad; y definen los procedimientos, formatos y mรฉtodos de almacenamiento de la
documentaciรณn relacionada con la calidad. Al mantener registros precisos y organizados, las
organizaciones pueden rastrear y monitorear la calidad de sus productos o servicios, asegurando
que cumplan constantemente con los estรกndares deseados.
La calidad del proceso es otro factor crucial para lograr los resultados de calidad deseados.
Es esencial diseรฑar e implementar procesos de producciรณn efectivos que entreguen
consistentemente productos de alta calidad, requiriendo establecer procesos eficientes que
garanticen la producciรณn de productos con los atributos requeridos. Al centrarse en la calidad del
proceso, las organizaciones pueden garantizar la producciรณn de productos confiables y
satisfactorios.
La implementaciรณn de un sistema de calidad requiere componentes especรญficos. En primer
lugar, las organizaciones deben definir su estrategia, objetivos y polรญticas de calidad para garantizar
que la concepciรณn de calidad sea compartida por todos sus miembros. Ademรกs, el sistema de
calidad requiere el diseรฑo de una estructura organizacional que defina claramente
responsabilidades, niveles de autoridad y formas de relaciรณn con otras unidades y รกreas de la
empresa.
Construir una cultura de calidad dentro de la organizaciรณn tambiรฉn es crucial para la mejora
continua, esto se trata de diseรฑar y ejecutar acciones para promover una cultura de calidad en todos
Pรกg. 22
los niveles y รกreas de la organizaciรณn, puesto que al inculcar una cultura de calidad, las
organizaciones pueden esforzarse continuamente por lograr la mejora y la excelencia. Entonces,
se tiene que en torno a la calidad del producto, las organizaciones tambiรฉn deben priorizar un
servicio al cliente de calidad para garantizar la satisfacciรณn del cliente, implicando diseรฑar e
implementar sistemas de informaciรณn y procesos de comunicaciรณn que brinden soporte, atenciรณn,
resoluciรณn de problemas y asesoramiento oportuno a los clientes durante todo su recorrido, desde
la reventa hasta la posventa. Al fomentar relaciones sรณlidas con los clientes y abordar sus
necesidades de manera efectiva, las organizaciones pueden mejorar la satisfacciรณn y lealtad del
cliente.
Los procedimientos desempeรฑan un papel crucial en el mantenimiento de una gestiรณn de
calidad coherente dentro de las organizaciones, puesto que describen los pasos y actividades
necesarios para diversos procesos, asegurando que las operaciones se lleven a cabo de manera
eficiente y efectiva. Dependiendo de la estructura organizacional, los procedimientos se clasifican
en diferentes niveles, que van desde procedimientos de nivel gerencial que involucran
planificaciรณn y establecimiento de objetivos, hasta procedimientos de nivel operativo que
pertenecen a actividades especรญficas de producciรณn, compras y ventas.
La utilizaciรณn de mรฉtodos estadรญsticos en el control de calidad se remonta hasta la dรฉcada
de 1930 en los Laboratorios Bell de Estados Unidos, cuando el Dr. W. A Shewhart introdujo un
grรกfico de control. Este enfoque de control de calidad se adoptรณ ampliamente durante la Segunda
Guerra Mundial, ya que ayudรณ a optimizar la producciรณn en las industrias norteamericanas.
Posteriormente, Japรณn adoptรณ este mรฉtodo y su implementaciรณn mejorรณ enormemente la
fabricaciรณn de diversos productos, lo que llevรณ a un aumento significativo de las exportaciones del
paรญs. Los estรกndares industriales japoneses definen el control de calidad como un sistema de
mรฉtodos de producciรณn que produce econรณmicamente bienes o servicios de alta calidad,
cumpliendo con los requisitos del consumidor. En la actualidad el enfoque moderno del control de
calidad incorpora mรฉtodos estadรญsticos y comรบnmente se lo conoce como control de calidad
estadรญstico.
Este cambio de enfoque ha llevado a que las actividades de control de calidad sean
manejadas principalmente por niveles de supervisiรณn y ha llamado la atenciรณn de la direcciรณn de
las empresas, cambiando por completo sus concepciones sobre la administraciรณn. Figuras
influyentes en este movimiento, como el Dr. W. Edwards Deming, el Dr. J. M. Juran y el Dr. Kaoru
Ishikawa, han introducido conceptos novedosos, incluida la consideraciรณn de los clientes como
parte del proceso y la implementaciรณn de cรญrculos voluntarios de control de calidad. Asimismo, se
han utilizado herramientas estadรญsticas relativamente simples para tomar decisiones mรกs racionales
en lugar de confiar รบnicamente en la intuiciรณn.
El control estadรญstico de calidad en su forma japonesa se centra principalmente en el control
de procesos, lo que implica investigaciรณn de mercado, diseรฑo, producciรณn y ventas. El enfoque
Pรกg. 23
difiere de los mรฉtodos tradicionales de control de calidad que se basan รบnicamente en la inspecciรณn
de los productos terminados. Segรบn K. Ishikawa, si las empresas pueden evitar la producciรณn de
artรญculos defectuosos desde el principio controlando los factores del proceso que causan los
defectos, pueden ahorrar una cantidad significativa de dinero que de otro modo se gastarรญa en
inspecciรณn.
Ishikawa clasifica estas herramientas como mรฉtodos estadรญsticos elementales debido a su
facilidad de uso, incluyen:
โข teorรญa del muestreo,
โข inspecciรณn estadรญstica por muestreo,
โข estimaciones y pruebas estadรญsticas,
โข pruebas sensoriales y
โข diseรฑo de experimentos.
Los mรฉtodos estadรญsticos avanzados incluyen:
โข mรฉtodos avanzados de diseรฑo experimental,
โข anรกlisis multivariado e
โข investigaciรณn de operaciones.
Se aplica control estadรญstico en cada fase, considerando la variabilidad natural del proceso,
proporcionando a los decisores la informaciรณn necesaria para tomar decisiones ante variaciones
que no son inherentes al sistema. Tambiรฉn permite a la gerencia innovar y realizar cambios que
reduzcan la variabilidad natural, mejorando asรญ continuamente la calidad en funciรณn de los
requisitos del consumidor final.
Las herramientas fundamentales para lograrlo son: los grรกficos de control, que son el foco
de este trabajo. En cuanto a la aceptaciรณn de lotes mediante planes de muestreo, el Dr. Deming
destaca su importancia afirmando que parafraseando: es un aspecto importante para considerar en
las prรกcticas de control de calidad. Implementar prรกcticas de control de calidad segรบn este marco
significa ejercer control en cada fase del proceso de producciรณn, expandiendo el concepto de
calidad mรกs allรก de un solo componente a toda la cadena de producciรณn.
Cada grupo de trabajo involucrado en agregar valor a las materias primas se convierte en
โclienteโ del grupo anterior y atiende al siguiente hasta llegar al consumidor final. Ishikawa destaca
que hasta el 95% de los problemas de una empresa se pueden resolver utilizando estas
herramientas. Algunas de estas herramientas incluyen el diagrama de Pareto, que sigue el principio
vital de pocos y trivial de muchos, el diagrama de causa y efecto (tambiรฉn conocido como diagrama
Pรกg. 24
de espina de pescado), estratificaciรณn, hojas de verificaciรณn, hojas de verificaciรณn, diagramas de
dispersiรณn y grรกficos de control (que se originan a partir de Shewart).
La Variabilidad: pensamiento estadรญstico
La variabilidad es algo comรบn en nuestra vida diaria, lo experimentamos en varios
aspectos, como el tiempo que lleva viajar de casa al trabajo o la escuela, la temperatura ambiente
fluctuante a lo largo del dรญa e incluso el dulzor inconsistente de una bebida preparada en casa. La
variaciรณn no se limita a las experiencias personales, sino que tambiรฉn existe dentro de los procesos
de las empresas, razรณn por la cual el control estadรญstico de los procesos es crucial. No sรณlo es
importante determinar la tendencia central, o media, de un proceso sino tambiรฉn comprender su
variabilidad.
Para ilustrar la importancia de los procesos de baja variaciรณn, consideremos dos empresas
que ofrecen el mismo producto. La empresa A tarda entre 10 y 22 dรญas en procesar los pedidos,
mientras que la empresa B tarda entre 13 y 19 dรญas. Aunque ambas empresas tienen el mismo
tiempo promedio de cumplimiento de 16 dรญas, los clientes de la Empresa B tendrรญan menos
incertidumbre sobre cuรกndo se completarรญan sus pedidos debido a la menor variaciรณn en el proceso.
En la bรบsqueda de mejorar la calidad y la productividad de los procesos, como lo defiende la
metodologรญa Six Sigma
1
, las tรฉcnicas y el pensamiento estadรญstico son invaluables. Estas tรฉcnicas
proporcionan metodologรญas que ayudan en la planificaciรณn, el anรกlisis y la toma de decisiones.
Al utilizar herramientas estadรญsticas, podemos identificar รกreas problemรกticas, analizar
datos para comprender las fuentes de variabilidad, detectar anomalรญas y evaluar objetivamente el
impacto de las acciones. Este enfoque nos permite centrarnos en los problemas y causas mรกs
crรญticos, analizar las mejoras sistemรกticamente y basar las decisiones en datos fรกcticos en lugar de
creencias o experiencias personales. Cada una de las 6 M
2
introduce su propia variaciรณn en un
proceso. Por ejemplo, los materiales utilizados pueden no ser idรฉnticos y las personas involucradas
pueden poseer diferentes habilidades y niveles de capacitaciรณn. Por lo tanto, se hace necesario
comprender y minimizar la variaciรณn asociada con cada una de las 6 M. Ademรกs, el monitoreo
continuo de los procesos es vital, ya que pueden ocurrir cambios en las 6 M con el tiempo.
Los cambios pueden incluir la introducciรณn de materiales inadecuados, errores humanos,
desequilibrios de las mรกquinas y deterioro de las herramientas. Para monitorear eficazmente los
procesos y detectar cambios, comรบnmente se utilizan grรกficos de control. Por ejemplo, en un
1
Six Sigma es un enfoque muy eficaz para mejorar los procesos de negocio que tiene como objetivo aportar
coherencia y reducir las inconsistencias en el producto final. Es una metodologรญa sรณlida que las organizaciones
adoptan para perfeccionar sus operaciones y lograr resultados รณptimos. Al implementar Six Sigma, las empresas
pueden optimizar eficazmente sus procesos, minimizar las variaciones y, en รบltima instancia, mejorar la calidad
de su resultado final.
2
Estรกn conformada por: los materiales, la mano de obra, las mediciones, el medio ambiente, las mรกquinas y los
mรฉtodos que conforman un proceso.
Pรกg. 25
hospital se lleva un registro del tiempo que los pacientes esperan para ser atendidos, esto se puede
analizar de la siguiente forma: se toma una selecciรณn aleatoria de 40 tiempos de espera y los
resultados pueden variar mucho. Los tiempos de espera oscilaron entre 0,7 minutos y 18,1 minutos.
Aunque el tiempo de espera promedio se calculรณ en 11,1 minutos, es evidente que existe una
variaciรณn significativa entre los tiempos de espera de los clientes.
Reducir la variaciรณn del proceso es un objetivo principal del control estadรญstico y Six
Sigma. Para lograrlo, es esencial comprender los factores que contribuyen a la variaciรณn. En
cualquier proceso, ya sea industrial o administrativo, la interacciรณn de materiales, mรกquinas, mano
de obra, mediciones, entorno y mรฉtodos influye en la variabilidad y calidad del resultado del
proceso. Estos seis elementos, conocidos como las 6 M, determinan colectivamente el resultado
de cada proceso.
El pensamiento de tipo estadรญstico
El concepto de pensamiento estadรญstico abarca una filosofรญa que gira en torno a tres
principios fundamentales: el reconocimiento de que todo trabajo se lleva a cabo dentro de un
sistema de procesos interconectados, la comprensiรณn de que existe variaciรณn en todos los procesos
y la creencia de que comprender y reducir esta variaciรณn es crucial para lograr el รฉxito. Para pensar
estadรญsticamente, uno debe recopilar informaciรณn sobre un proceso para comprenderlo y luego
actuar de acuerdo con ese conocimiento adquirido:
โข El primer principio del pensamiento estadรญstico enfatiza la naturaleza interconectada de los
procesos internos. Destaca que los procesos no operan de forma aislada; en cambio,
interactรบan con el sistema mรกs grande. Esto resalta la importancia de considerar cรณmo se
relaciona un proceso con el resto del sistema. No tener esto en cuenta puede tener
consecuencias no deseadas, ya que la optimizaciรณn de una parte del sistema puede tener
efectos perjudiciales en otros componentes. Por lo tanto, es necesario un enfoque holรญstico
para garantizar la eficiencia y eficacia generales del sistema.
โข El segundo principio reconoce el hecho de que los resultados de todos los procesos estรกn
sujetos a variaciรณn, como hemos discutido anteriormente y continuaremos explorando a lo
largo de este libro.
โข El tercer principio, se centra en minimizar la variabilidad para alcanzar el nivel deseado de
calidad Six Sigma.
El desafรญo importante radica en alentar a las empresas a adoptar la filosofรญa del pensamiento
estadรญstico, ya que no sรณlo facilita una mejor comprensiรณn de la realidad con su variaciรณn inherente
sino que tambiรฉn permite una direcciรณn mรกs efectiva de los esfuerzos de mejora.
La soluciรณn de problemas en el ciclo de calidad
Pรกg. 26
Para mejorar la calidad y abordar eficazmente los problemas persistentes y de larga data,
es fundamental adherirse a una metodologรญa bien estructurada que profundice en las causas
fundamentales de los problemas importantes en lugar de limitarse a abordar los sรญntomas y las
consecuencias. Muchos mรฉtodos de resoluciรณn de problemas se inspiran en el ciclo de la calidad
o ciclo PHVA (planificar, hacer, verificar, actuar). Este enfoque implica desarrollar un plan
detallado para abordar el problema, implementarlo a pequeรฑa escala o mediante pruebas, evaluar
si se han logrado los resultados deseados y evaluar el alcance de las mejoras. Con base en este
anรกlisis, se toman las acciones apropiadas, como ampliar el plan exitoso, implementar medidas
preventivas para garantizar que las mejoras sean sostenidas o revisar el plan si los resultados no
son satisfactorios. Este proceso iterativo permite la mejora continua. El ciclo PHVA se puede
dividir en ocho pasos o actividades:
โข El primer paso en el proyecto de mejora es elegir y definir cuidadosamente el problema en
cuestiรณn. Esto implica identificar un problema importante, determinar su alcance e
importancia y comprender su impacto en los clientes internos y externos. Los datos
estadรญsticos son cruciales para cuantificar la frecuencia con la que ocurre el problema, al
mismo tiempo que brindan informaciรณn sobre el costo anual estimado asociado con รฉl. Una
vez que el problema se caracteriza completamente, se establece el objetivo del proyecto de
mejora y se reรบne un equipo dedicado de personas para abordar el problema de frente.
โข Para identificar eficazmente la causa raรญz de un problema, es importante explorar a fondo
todas las causas potenciales sin entablar discusiones sobre ellas. Esto se puede lograr
mediante la aplicaciรณn de una sesiรณn de lluvia de ideas. Durante esta sesiรณn, es fundamental
centrarse en hechos generales en lugar de detalles especรญficos. Por ejemplo, si el problema
en cuestiรณn implica el rechazo de lotes debido a su mala calidad, es mรกs beneficioso
preguntar acerca de las razones detrรกs del rechazo general de los lotes, en lugar de centrarse
en un lote en particular. Al adoptar este enfoque, se puede lograr una comprensiรณn integral
de todas las causas posibles.
โข El tercer paso implica realizar una investigaciรณn en profundidad sobre las posibles causas
identificadas en el paso anterior. El objetivo es determinar las causas mรกs significativas de
la lista. Siempre que sea posible, se deben utilizar tรฉcnicas de anรกlisis estadรญstico como el
anรกlisis de Pareto o la estratificaciรณn para hacer esta determinaciรณn. En los casos en que el
anรกlisis estadรญstico no sea factible, se puede emplear un enfoque de consenso o votaciรณn,
similar a la tรฉcnica de lluvia de ideas. Al final de este paso, el equipo deberรญa haber
identificado las causas especรญficas que serรกn objeto de acciones correctivas para abordar el
problema de manera efectiva.
โข En el cuarto paso del proceso de resoluciรณn de problemas, es importante considerar la
posibilidad de tomar medidas correctivas. Durante este paso, es necesario determinar las
acciones especรญficas que se tomarรกn para cada causa que requiere acciรณn. Es crucial
Pรกg. 27
encontrar medidas que aborden la causa raรญz del problema y modifiquen la estructura
subyacente, en lugar de optar por soluciones superficiales que solo aborden los sรญntomas.
Para identificar las soluciones adecuadas para cada causa, es รบtil consultar los anรกlisis
realizados en el paso anterior o participar en una sesiรณn de lluvia de ideas para generar
ideas. Para cada causa, es importante brindar informaciรณn detallada sobre las soluciones,
incluyendo el objetivo que se pretende lograr, dรณnde se implementarรกn, quiรฉn serรก el
responsable de llevarlas a cabo, un plan detallado que describa cรณmo se ejecutarรกn, el costo
estimado costo asociado con la implementaciรณn de la soluciรณn, el mรฉtodo para verificar su
efectividad y cualquier efecto secundario esperado que pueda surgir. Tomar estos pasos
garantizarรก que las medidas correctivas elegidas sean exhaustivas, efectivas y tengan un
impacto positivo en la resoluciรณn del problema en cuestiรณn.
โข El paso cinco implica la implementaciรณn de medidas correctivas. Es crucial llevar a cabo
estas medidas segรบn lo acordado de antemano, comenzando con un ensayo a pequeรฑa
escala. Ademรกs, se recomienda encarecidamente cumplir estrictamente el plan desarrollado
en el paso anterior e involucrar a todas las personas afectadas por las medidas. Tambiรฉn es
importante proporcionar una comunicaciรณn y explicaciรณn clara de los objetivos que se
persiguen a travรฉs de estas medidas correctivas. Si surge la necesidad de realizar
modificaciones al plan original, es imperativo obtener el acuerdo del equipo del proyecto
responsable de su ejecuciรณn.
โข Revisiรณn de resultados. Aquรญ es necesario comprobar con datos estadรญsticos si las medidas
correctivas funcionaron. Una forma prรกctica es hacer una comparaciรณn estadรญstica de la
magnitud del problema antes y despuรฉs de tomar medidas. Si se encuentra resultados
positivos, deben cuantificarse en tรฉrminos monetarios (si es posible).
โข Para evitar que vuelva a ocurrir el mismo problema, es importante revisar y evaluar
minuciosamente todas las acciones tomadas. Si las soluciones implementadas no dieron el
resultado deseado, es necesario analizar cuidadosamente todo lo que se hizo, aprender de
ello, reflexionar sobre las lecciones aprendidas y sacar conclusiones significativas. A partir
de esta reflexiรณn, es crucial empezar de nuevo con un enfoque renovado. Por otro lado, si
las soluciones resultan efectivas, es esencial analizar y estandarizar la aplicaciรณn de esas
medidas correctivas. Asimismo, es vital acordar e implementar acciones para garantizar
que el problema no se repita en el futuro. Esto puede implicar estandarizar la nueva forma
de operar el proceso, documentar el procedimiento y establecer un sistema sรณlido de control
o monitoreo del proceso para garantizar la prevenciรณn continua del problema.
โข La conclusiรณn, el paso final del proceso implica una revisiรณn y documentaciรณn exhaustiva
de todo lo que se ha logrado. Esto incluye cuantificar los resultados y evaluar el logro de
los objetivos del proyecto, tanto mensurables como no mensurables. Ademรกs, es esencial
identificar cualquier causa o problema persistente que aรบn pueda persistir y sugerir posibles
Pรกg. 28
soluciones para abordarlos. Por รบltimo, es crucial compilar una lista de los beneficios
indirectos e intangibles que se han logrado mediante la implementaciรณn del plan de mejora.
Este paso garantiza que todos los aspectos del proyecto se analicen y documenten
minuciosamente, proporcionando una comprensiรณn integral del รฉxito general y el impacto
de los esfuerzos de mejora.
Estos ocho pasos, cuando se aplican a problemas recurrentes o proyectos de mejora, pueden
parecer inicialmente una carga adicional con desviaciones innecesarias. Sin embargo, a largo
plazo, tienen el potencial de aliviar la necesidad de diversas actividades que actualmente no tienen
ningรบn impacto positivo en la calidad. En tรฉrminos mรกs simples, al seguir estos ocho pasos, el
enfoque pasa de la cantidad de acciones inmediatas a la calidad de esas acciones, lo que resulta en
soluciones mรกs efectivas e impactantes. Es esencial que la adopciรณn de estos ocho pasos se
convierta en una prรกctica habitual que sea fomentada y adoptada por todos los individuos dentro
de la empresa, independientemente de su puesto o nivel de gestiรณn.
La estadรญstica descriptiva
Para determinar si un proceso estรก funcionando bien, es importante asegurarse de que las
variables de salida o respuesta cumplan con ciertos objetivos y especificaciones. Para ello, el
control de calidad se centra en comprender la capacidad o habilidad del proceso; lo que implica
determinar el alcance de la variaciรณn natural en el proceso para una caracterรญstica de calidad
especรญfica. Al estudiar tรฉcnicas de estadรญstica descriptiva se logra comprender mejor la capacidad
del proceso y determinar si la caracterรญstica de calidad es satisfactoria, siendo particularmente
รบtiles estas tรฉcnicas al momento de analizar variables continuas.
En la realizaciรณn de un estudio de capacidad, normalmente es necesario recopilar datos del
proceso durante un perรญodo prolongado, y la duraciรณn dependerรก de la velocidad del proceso. Para
procesos de alta velocidad que generan una gran cantidad de productos cada dรญa, comรบnmente se
utiliza un perรญodo de referencia de cuatro a 10 dรญas, muestreando una pequeรฑa porciรณn de los
productos producidos en intervalos especรญficos, con un tamaรฑo de muestra total que oscila entre
120 y 150. Por otro lado, para procesos mรกs lentos que producen sรณlo unos pocos productos por
dรญa, el perรญodo de estudio necesita ampliarse para reunir un tamaรฑo de muestra de al menos 50 o
60 productos. En ambos casos, recopilar mรกs datos durante un perรญodo de tiempo mรกs largo permite
una mejor comprensiรณn del verdadero desempeรฑo del proceso.
La medidas de tendencia central
Al analizar mediciones de una caracterรญstica de calidad, el primer aspecto a explorar es
determinar la tendencia central de los datos. Esto implica identificar un valor que represente el
valor promedio o tรญpico alrededor del cual los datos tienden a agruparse. Este conocimiento es
Pรกg. 29
crucial para comprender si el proceso estรก enfocado o no. En otras palabras, ayuda a determinar si
la tendencia central de la variable de salida se alinea estrechamente con un valor nominal deseado.
La media muestral
Cundo se tiene un conjunto de observaciones numรฉricas x1, x2, x3,..., xn que representan
una muestra. Para determinar la tendencia central de esta muestra, generalmente se utiliza la media
(o promedio) muestral, que se calcula encontrando la media aritmรฉtica de todos los puntos de
datos: la suma de x1, x2,.. xn dividida por el nรบmero total de puntos de datos n. Sumando todos
los datos y dividiรฉndolos por n, obtenemos la media muestral.
Por ejemplo:
En la anterior tabla que mide el grosos de los discos producidos, la media de los datos es
๐= 1,179 mm, lo que indica que el espesor promedio de los discos de muestra es 1,179 mm. Sin
embargo, es importante seรฑalar que esto no significa que todos o la mayorรญa de los discos tengan
un espesor de 1.179 mm. De hecho, ninguno de los discos del ejemplo tiene tal espesor. En este
caso particular, donde la media de la muestra se deriva de una muestra grande en el lapso de una
semana, podemos inferir que el proceso podrรญa estar ligeramente sesgado hacia valores mรกs bajos
o desplazado hacia la izquierda, ya que el objetivo deseado para el espesor es 1,20 mm.
La Media poblacional o del proceso, ฮผ
Pรกg. 30
Al calcular la media utilizando todos los elementos de la poblaciรณn, lo que se refiere a todos
los indicadores posibles, implica considerar todos los individuos, especรญmenes, objetos o
mediciones de interรฉs en un estudio. Por ejemplo, esto podrรญa incluir el espesor de todos los discos
producidos en un perรญodo de tiempo determinado. La media calculada en este caso se conoce como
media del proceso o media poblacional, representada por la letra griega ฮผ (mu). Es importante
tener en cuenta que la media del proceso ฮผ representa un valor especรญfico, aunque no siempre se
conoce. Por otro lado, el valor de ๐ , se obtiene para cada muestra y varรญa de una muestra a otra,
ya que depende de las piezas concretas seleccionadas. ๐ se considera una variable y aleatoria.
Debido a esto, el valor observado de la media de la muestra es diferente de la media del proceso
ฮผ.
Es fundamental tener cuidado al hacer afirmaciones basadas en la media muestral ๐, ya
que es posible que no representen con precisiรณn la media de todo el proceso o la poblaciรณn.
Generalmente, las observaciones realizadas a partir de estadรญsticas muestrales reflejan el
comportamiento de los datos dentro de la propia muestra. Cuando la muestra es representativa y
grande, estas observaciones pueden proporcionar un cierto grado de aproximaciรณn a todo el
proceso. Sin embargo, es necesario utilizar tรฉcnicas estadรญsticas para evaluar el significado general
de estas observaciones dentro de todo el proceso.
La mediana o el percentil 50
La mediana X~ es otra forma de medir la tendencia central de un conjunto de datos. Es el
valor que divide los datos por la mitad cuando se ordenan de menor a mayor. El cรกlculo de la
mediana depende de si el nรบmero de puntos de datos es par o impar. Si es impar, la mediana es el
valor medio de la lista ordenada. Si es par, la mediana se calcula hallando el promedio de los dos
valores medios. Por ejemplo, en la tabla anterior, se determina que la mediana es 1,18 mm. Esto
significa que el 50% de los espesores de los discos de la muestra son menores o iguales a 1,18 mm,
mientras que el otro 50% son mayores o iguales a este valor.
La moda
La moda, que representa el punto de datos que aparece con mรกs frecuencia. Si hay varios
puntos de datos con la misma frecuencia mรกs alta, cada uno de ellos se considera una moda y el
conjunto de datos se denomina multimodal. Un factor importante por considerar al utilizar la media
es su susceptibilidad a datos extremos o atรญpicos. Por ejemplo, al calcular la media y la mediana
para el siguiente conjunto de datos: 100, 300, 1000, 1500, 800, 1600, 1100, la media es 1200 y la
mediana es 1100. Sin embargo, si agregamos un valor atรญpico como 2000, la media cambia
drรกsticamente a 2000, mientras que la mediana no se ve afectada. Esta situaciรณn no es aplicable
cuando la distribuciรณn de datos estรก sesgada. Por tanto, en tales casos, la mediana es una medida
de tendencia central mรกs fiable. Con base en las observaciones anteriores, es crucial considerar
Pรกg. 31
tanto la media como la mediana, junto con la moda, al describir la tendencia central de un conjunto
de datos.
Cuando la media difiere significativamente de la mediana, indica la presencia de datos
atรญpicos o un sesgo significativo. En estas situaciones, es preferible informar la mediana como
medida de tendencia central e investigar la causa de los datos atรญpicos, ya que podrรญa revelar ideas
importantes sobre el proceso subyacente. En el ejemplo de las medidas del disco, solo hay un modo
que es 1,17. Esta mediciรณn en particular ocurriรณ con mayor frecuencia, apareciendo 23 veces. Por
lo tanto, en este ejemplo, la media es 1,179, la mediana es 1,18 y la moda es 1,17. Es importante
seรฑalar que la media a menudo se confunde con dividir los datos por la mitad o ser el punto de
datos mรกs frecuente. Esta confusiรณn surge al mezclar el concepto de media con el de mediana y
moda, respectivamente.
Las medidas de tendencia central, como la media, la mediana y la moda, no son suficientes
para determinar la calidad de un conjunto de datos. Por ejemplo, se requiere que un dato tenga una
longitud entre 800 ยฑ 5. Para comprobar si se cumple este requisito, se toma una muestra aleatoria
grande y se obtienen los siguientes estadรญsticos: la media (Xโ) es 801 , la mediana (X~) es 801 y
la moda es 800. Segรบn estas estadรญsticas, se podrรญa suponer que los datos cumplen con las
especificaciones. Sin embargo, esta suposiciรณn puede no ser exacta porque la muestra podrรญa
contener puntos de datos que van desde 750 a 850, con un promedio de 801. Por otro lado, el rango
de variaciรณn dentro de los datos podrรญa ser tan estrecho como 797 a 803, aun cumpliendo las
especificaciones. Esto demuestra que las medidas de tendencia central por sรญ solas son insuficientes
como criterio de calidad porque no consideran la dispersiรณn o dispersiรณn de los datos, lo cual es
crucial para evaluar la calidad.
Las Medidas de dispersiรณn o variabilidad
Para comprender completamente un conjunto de datos, es importante no sรณlo conocer la
tendencia central sino tambiรฉn comprender cuรกnto se desvรญan los valores entre sรญ. Esta medida de
variabilidad o dispersiรณn es crucial para evaluar la capacidad del proceso. En este sentido, existen
cuatro mรฉtodos comรบnmente utilizados para cuantificar la variabilidad. Aquรญ, x1, x2,..., xn
representan las observaciones numรฉricas de la muestra, n representa el tamaรฑo de la muestra y x
๎น
denota la media de la muestra. La desviaciรณn estรกndar, S, esencialmente mide la distancia promedio
entre cada punto de datos y la media.
Por tanto, un valor mayor de S indica una mayor variabilidad en los datos. Es importante
tener en cuenta que la desviaciรณn estรกndar se expresa en las mismas unidades de medida que los
Pรกg. 32
datos (por ejemplo, gramos, milรญmetros). Ademรกs, la desviaciรณn estรกndar no proporciona
informaciรณn sobre la magnitud de los datos; รบnicamente refleja quรฉ tan lejos estรก cada punto de
datos de la media. De manera similar a la media, la desviaciรณn estรกndar estรก influenciada por
valores atรญpicos en los datos.
La Desviaciรณn estรกndar poblacional o del proceso, ฯ
Si la desviaciรณn estรกndar se calcula utilizando todos los elementos de la poblaciรณn o
proceso, se la denomina desviaciรณn estรกndar de la poblaciรณn, denotada con la letra griega sigma
(ฯ). Esto se puede lograr considerando como poblaciรณn las mediciones de toda la producciรณn de
las รบltimas semanas u obteniendo los parรกmetros poblacionales (ฮผ y ฯ) utilizando una gran cantidad
de mediciones tomadas como muestras, que generalmente oscilan entre 120 y 150 mediciones.
Esto se considera una buena cantidad de mediciones.
El coeficiente de variaciรณn, CV, es una medida de variaciรณn que tiene en cuenta la magnitud
de los datos. Compara la desviaciรณn estรกndar relativa a la media de los datos y se calcula de la
siguiente manera: CV = (S/ x) * 100. El CV es particularmente รบtil para comparar la variaciรณn de
variables que se miden en diferentes escalas o unidades, como metros versus segundos.
Por otro lado, el cuadrado de la desviaciรณn estรกndar, S2, se conoce como varianza muestral
y es crucial para la inferencia estadรญstica. De manera similar, ฯ2 representa la varianza poblacional.
Otra medida de dispersiรณn es el rango o camino, R, que calcula la diferencia entre los puntos de
datos mรกs grandes y mรกs pequeรฑos de un conjunto de datos. El rango indica el grado de variaciรณn
de los datos y no estรก influenciado por la magnitud de los datos. Por ejemplo, si tenemos dos
conjuntos de datos: A = {10, 12, 14} y B = {159, 161, 163}, es evidente que las magnitudes de los
datos son diferentes, reflejado por sus respectivas medias de 12 y 161. Sin embargo, en tรฉrminos
de variabilidad, ambos conjuntos de datos exhiben el mismo nivel de dispersiรณn, como lo indica
la desviaciรณn estรกndar de 2 y el rango de 4 en ambos casos.
Relaciรณn entre ๐ฟ y S: interpretaciรณn de la desviaciรณn estรกndar
Para comprender claramente la importancia de la desviaciรณn estรกndar como medida de cuรกn
dispersos estรกn los datos alrededor del promedio, es necesario examinar la relaciรณn entre la media
y la desviaciรณn estรกndar. Esta relaciรณn puede explicarse mediante la desigualdad de Chebyshev y
la regla empรญrica. La desigualdad de Chebyshev proporciona dos hechos importantes: primero,
entre la media menos dos veces la desviaciรณn estรกndar y la media mรกs dos veces la desviaciรณn
estรกndar, al menos el 75% de los datos muestrales estarรกn dentro de este rango. En segundo lugar,
dentro de este rango, existe la garantรญa de que no habrรก valores que estรฉn mรกs alejados de la media
que este rango. La regla empรญrica, por otro lado, se basa en observaciones prรกcticas y establece
que en muchos conjuntos de datos de la vida real, los siguientes patrones son vรกlidos:
aproximadamente el 68% de los datos de la muestra se encuentran dentro de una desviaciรณn
Pรกg. 33
estรกndar de la media en cualquier direcciรณn, aproximadamente. El 95% se encuentra dentro de dos
desviaciones estรกndar y aproximadamente el 99,7% se encuentra dentro de tres desviaciones
estรกndar. Estos principios nos ayudan a comprender hasta quรฉ punto los puntos de datos se desvรญan
del promedio y brindan informaciรณn valiosa sobre la distribuciรณn del conjunto de datos.
Los intervalos mencionados anteriormente solo son aplicables a los datos de muestra y no
necesariamente se aplican a toda la poblaciรณn o proceso. Sin embargo, si los intervalos se calculan
utilizando el promedio y la desviaciรณn estรกndar de toda la poblaciรณn o proceso, entonces serรกn
vรกlidos para toda la poblaciรณn. Por tanto, si se dispone de muestras aleatorias grandes y
representativas, los intervalos anteriores pueden proporcionar una comprensiรณn aproximada de lo
que ocurre en el proceso.
El teorema de Chebyshev se aplica a todo tipo de datos, independientemente de su
comportamiento o distribuciรณn. La regla empรญrica, por otro lado, se derivรณ mediante observaciรณn
empรญrica y es mรกs aplicable a casos que exhiben una distribuciรณn normal o de campana. Sin
embargo, ambos conceptos ilustran efectivamente cรณmo la desviaciรณn estรกndar mide la
variabilidad alrededor de la media. En el caso de los datos del espesor del disco, la aplicaciรณn de
la regla general revela que casi el 99% de las mediciones se encuentran dentro del rango de 1.098
a 1.260 mm. Este cรกlculo se deriva de restar 3 veces la desviaciรณn estรกndar (0,027) de la media
(1,179) para obtener el lรญmite inferior de 1,098 y sumar 3 veces la desviaciรณn estรกndar a la media
para obtener el lรญmite superior de 1,260. Al comparar estos lรญmites con las especificaciones (EI =
1,10 y ES = 1,30), resulta evidente que 1,098 cae por debajo de la especificaciรณn inferior, lo que
indica que el proceso de inyecciรณn tiene una capacidad limitada para cumplir con las
especificaciones.
Lรญmites reales o naturales
En un proceso, los lรญmites reales o naturales representan el rango dentro del cual puede
variar el resultado del proceso; se determinan mediante la fรณrmula: Lรญmite real inferior (LRI) = ฮผ
โ 3ฯ y Lรญmite real superior (LRS) = ฮผ + 3ฯ. El cรกlculo de estos lรญmites se basa en la regla empรญrica,
que se alinea con las propiedades de la distribuciรณn normal. En un estudio de capacidad, estos
lรญmites reales se comparan con las especificaciones de calidad para una caracterรญstica particular.
Por ejemplo, si la caracterรญstica de calidad debe tener dimensiones de 800 ยฑ 5, la especificaciรณn
inferior serรญa 795 y la especificaciรณn superior serรญa 805. Si se sabe que la media y la desviaciรณn
estรกndar para esta caracterรญstica son ฮผ = 800,6 y ฯ = 1,2 respectivamente, los lรญmites reales serรญan:
LRI = 800,6 โ 3(1,2) = 797,0 y LRS = 800,6 + 3(1,2) = 804,2. Por lo tanto, se espera que esta
caracterรญstica de calidad oscile entre 797,0 y 804,2, con una media de 800,6. Al comparar estos
lรญmites con las especificaciones, si los lรญmites reales caen dentro del rango especificado, se puede
concluir que el proceso es capaz de cumplir con las especificaciones dadas.
Pรกg. 34
Los Histogramas y tablas de frecuencias
En los pรกrrafos anteriores, se discutiรณ la importancia de comprender la tendencia central y
la dispersiรณn de un conjunto de datos para fines de anรกlisis. Ahora, exploraremos cรณmo el
histograma y la tabla de frecuencia pueden ayudarnos a visualizar estos aspectos y obtener
informaciรณn sobre la distribuciรณn de los datos dentro de su rango. El histograma, que consta de
barras, proporciona una representaciรณn grรกfica de los datos o la distribuciรณn de variables. Clasifica
los datos en funciรณn de su magnitud en varios grupos o clases, estando cada clase representada por
una barra proporcional a la frecuencia de los valores que representa. Normalmente, el eje
horizontal muestra una escala numรฉrica que indica la magnitud de los datos, mientras que el eje
vertical representa las frecuencias.
El histograma se deriva comรบnmente de la tabla de frecuencia, que implica dividir el rango
de variaciรณn de los datos en un nรบmero especรญfico de intervalos que abarcan todo el rango. Dentro
de cada intervalo, se determina la cantidad de datos que caen en รฉl. Generalmente se recomienda
tener entre 5 y 15 intervalos o clases. Para determinar el nรบmero especรญfico dentro de este rango,
hay varios criterios a considerar. Por ejemplo, un criterio sugiere que el nรบmero de clases debe ser
aproximadamente igual a la raรญz cuadrada del nรบmero total de puntos de datos. Otro criterio,
conocido como regla de Sturgess, propone que el nรบmero de clases es igual a 1 mรกs 3,3
multiplicado por el logaritmo en base 10 del nรบmero total de puntos de datos.
Con esta tabla de frecuencias, se puede elaborar un histograma que representa los mismos
datos.
El eje vertical del histograma representa la frecuencia, aunque tambiรฉn podrรญa haberse
utilizado una frecuencia relativa o porcentual. El histograma revela que la tendencia central de los
datos se centra en torno a 1,18. Ademรกs, no se observan puntos de datos inusuales o atรญpicos y la
distribuciรณn de los datos muestra un patrรณn en forma de campana.
Pรกg. 35
Si insertamos las especificaciones de espesor del disco de 1,10 y 1,30 en el histograma
podemos ver que la variaciรณn de los datos (amplitud del histograma) estรก ligeramente por debajo
de las especificaciones. Sin embargo, en comparaciรณn con el espesor รณptimo de 1,20, el proceso
se desplaza moderadamente hacia la izquierda, lo que ya era evidente al calcular el promedio.
Ademรกs, el espesor del disco no es satisfactorio porque el lado izquierdo del histograma deberรญa
estar mรกs alejado de la especificaciรณn inferior (EI = 1,10), lo cual no es el caso. Es importante
seรฑalar que si bien no existen datos por debajo del IE, debemos considerar que este estudio se
realizรณ con una muestra. Por lo tanto, si se recopilan mรกs datos, es muy probable que se encuentren
mediciones fuera de las especificaciones, como lo sugiere la cola izquierda extendida de la curva
hipotรฉtica que suaviza el histograma. Con base en este anรกlisis, el primer paso para mejorar la
capacidad del proceso de inyecciรณn del disco es mejorar su centrado.
El ejemplo anterior ilustra claramente los beneficios de utilizar un histograma. No solo nos
permite determinar fรกcilmente la tendencia central de los datos, sino que tambiรฉn mejora nuestra
comprensiรณn de la variabilidad y promueve el pensamiento estadรญstico. Con solo un vistazo rรกpido
al histograma, podemos obtener informaciรณn sobre la capacidad general de un proceso, lo que nos
ayuda a tomar decisiones informadas. Ademรกs, se evita depender รบnicamente de datos promedio o
raros, y podemos identificar patrones o distribuciones รบnicos en los datos. En las siguientes
secciones, profundizaremos en las complejidades de interpretar un histograma para comprender
plenamente su significado.
El histograma y su interpretaciรณn
Al crear un histograma, es importante tener una cantidad sustancial de datos, idealmente
mรกs de 100 puntos de datos, para garantizar que represente con precisiรณn el proceso que se analiza
durante un perรญodo de tiempo especรญfico. En consecuencia, es recomendable tener en cuenta los
siguientes factores a la hora de interpretar el histograma:
โข En primer lugar, es importante analizar la tendencia central de los datos. Se trata de
identificar las barras en el eje horizontal o escala de mediciรณn que representan las
Pรกg. 36
frecuencias mรกs altas. En el histograma anterior se puede observar que una porciรณn
importante de las mediciones se encuentran dentro del rango de 1,14 a 1,20 mm.
โข Centrarse en procesos. Para ello es necesario confiar en el punto anterior y observar la
posiciรณn central del cuerpo del histograma con respecto a la calidad y caracterรญsticas
tรฉcnicas รณptimas. Por ejemplo, en el histograma anterior las regiones a) y b) muestra los
procesos centrados, donde la primera representa poca variabilidad y la segunda muestra lo
contrario. Mientras que en las รกreas b) y d) se observan procesos descentrados, el primero
con pequeรฑa variabilidad, el segundo con grande. Incluso si se cumplen las
especificaciones, si el proceso no estรก dirigido, la calidad del producto no es la adecuada
porque cuanto mรกs se aleje del รณptimo peor serรก la calidad. Por lo tanto, si se tiene un
proceso descentralizado, se realizan los ajustes o cambios necesarios para centralizarlo.
โข Para evaluar la variabilidad de un proceso, es importante comparar el rango de
especificaciones con el rango representado en el histograma. Para garantizar que la
dispersiรณn estรฉ dentro de lรญmites aceptables, el ancho del histograma debe ajustarse
cรณmodamente a las especificaciones dadas. Los ejemplos proporcionados en la figura
demuestran este concepto, con las secciones a) y b) mostrando una variaciรณn mรญnima,
mientras que las secciones c) y d) muestran el patrรณn opuesto.
โข Para analizar la forma de un histograma, es importante considerar la apariciรณn de una
distribuciรณn en forma de campana. Este tipo de distribuciรณn se observa comรบnmente en las
salidas de los procesos y comparte caracterรญsticas similares con la distribuciรณn normal. En
las regiones a), b), c) y d), es evidente que la distribuciรณn en forma de campana es el
resultado mรกs comรบn y esperado. Sin embargo, cuando la distribuciรณn se desvรญa de esta
forma, podrรญa indicar que estรก teniendo lugar un evento importante en el proceso, que puede
tener un impacto negativo en la calidad. Por tanto, resulta fundamental evaluar si la forma
del histograma difiere mucho de la forma de campana. Hay varias formas que no se alinean
con una distribuciรณn de campana, y estas formas atรญpicas deben observarse e investigarse
mรกs a fondo.
โข El histograma en la regiรณn e) muestra una distribuciรณn sesgada, donde la cola derecha de
la distribuciรณn es mรกs grande que la izquierda. Esto indica que existe un sesgo en la variable
de salida. Este sesgo puede deberse a factores como el desgaste y los desequilibrios en el
proceso, procedimientos de mediciรณn defectuosos o ciertos desempeรฑos excepcionales del
proceso donde valores inusualmente altos solo aparecen en un lado de la distribuciรณn. Es
importante seรฑalar que ciertas caracterรญsticas de calidad, como la vida รบtil y la resistencia
a la fatiga, naturalmente presentan sesgos. Para determinar si una distribuciรณn sesgada
significa una situaciรณn especial que debe abordarse, es aconsejable compararla con la
distribuciรณn de la misma caracterรญstica o variables similares de un perรญodo de tiempo
Pรกg. 37
diferente. En general, si se sospecha que algo excepcional estรก causando la distribuciรณn
sesgada, se recomienda realizar mรกs investigaciones para confirmar su presencia.
โข Distribuciรณn multimodal. En la regiรณn f) se puede ver un histograma que muestra
claramente dos modos o picos que muestran dos tendencias centrales diferentes. Este tipo
de distribuciรณn con dos o mรกs modas refleja la presencia de dos o mรกs realidades o
condiciones diferentes. Algunas situaciones que conducen a la distribuciรณn multimodal:
โฆ Una de las principales razones de las variaciones significativas en las materias primas
utilizadas en el proceso es el hecho de que provienen de diferentes proveedores o que
existe una variabilidad excesiva dentro de la oferta del mismo proveedor. Esto da como
resultado diferencias notables entre lotes del producto final.
โฆ Cuando en el proceso intervienen varios operadores, cada uno con su propio conjunto
de criterios y mรฉtodos de trabajo.
โฆ El histograma muestra mediciones de la variable de salida realizadas por varios
individuos o instrumentos. Como resultado, durante el proceso se utilizaron diferentes
estรกndares o instrumentos insuficientemente calibrados.
โฆ El procedimiento, si bien produjo los resultados de la distribuciรณn multimodal,
funcionรณ en circunstancias distintas (y cada modo tenรญa su propio conjunto de
condiciones).
โฆ En la mayorรญa de los casos, cuando una distribuciรณn es multimodal, significa que hay
factores claros y distintos que contribuyen a la variaciรณn y que deben identificarse y
abordarse. Esto es vital para mejorar la eficacia y eficiencia del proceso relacionado.
Para identificar estos factores, un enfoque eficaz es analizar los datos por separado en
funciรณn de varios factores, como diferentes lotes de materias primas, operadores,
instrumentos de mediciรณn, turnos de producciรณn o dรญas especรญficos. Al comparar los
resultados obtenidos de estos anรกlisis separados, es posible determinar si existen
variaciones o discrepancias sustanciales que deban abordarse.
โข El histograma en la regiรณn g) muestra una distribuciรณn extremadamente plana, que carece
de la tรญpica forma de campana. Este tipo de distribuciรณn puede ocurrir debido a factores
similares a los que causan una distribuciรณn multimodal, aunque las diferencias entre los
modos son menos pronunciadas. No obstante, estas variaciones pueden afectar
significativamente la eficiencia de un proceso y, por lo tanto, deben identificarse y
rectificarse utilizando el enfoque sugerido.
โข El histograma en la regiรณn h) muestra una distribuciรณn con un acantilado distinto en el lado
derecho. Este acantilado representa una caรญda o ruptura repentina en el declive de la
distribuciรณn. Varios factores podrรญan contribuir a la presencia de un acantilado, incluida la
Pรกg. 38
exclusiรณn de artรญculos que no cumplan con las medidas mรญnimas o excedan las mรกximas
despuรฉs de someterse a una inspecciรณn del 100% (como se muestra en la figura). Otras
causas potenciales pueden incluir problemas con el equipo de mediciรณn, errores en la
mediciรณn o inspecciรณn, o juicios sesgados de los inspectores que tienden a aceptar artรญculos
que casi cumplen con los requisitos y registran la mediciรณn mรญnima aceptable.
Generalmente, un acantilado se considera anormal y es importante investigar su causa
subyacente.
Pรกg. 39
โข Datos raros o atรญpicos. Los histogramas facilitan la identificaciรณn de un pequeรฑo nรบmero
de mediciones muy extremas o atรญpicas porque una o mรกs barras pequeรฑas aparecen
completamente separadas o aisladas del resto de las barras. Los datos poco comunes
reflejan circunstancias especiales que deben investigarse por posibles razones:
โฆ El motivo de los datos incorrectos podrรญa atribuirse a varios factores, como
imprecisiones en el proceso de mediciรณn, errores cometidos durante el registro o errores
cometidos durante la entrada de datos en el sistema informรกtico.
โฆ La mediciรณn se realizรณ sobre un objeto o persona que no estรก incluido en el mismo
grupo o poblaciรณn que los demรกs en el proceso.
โฆ Si ninguno de los dos escenarios anteriores puede explicar la mediciรณn, entonces se
debe atribuir a un hecho poco comรบn o excepcional. En otras palabras, en el momento
de la mediciรณn, se estaba produciendo una situaciรณn รบnica o extraordinaria dentro del
proceso
โข La estratificaciรณn puede ser una tรฉcnica รบtil cuando falta una forma especรญfica en un
histograma, pero hay una cantidad significativa de variaciรณn, lo que indica una baja
capacidad del proceso. Al crear histogramas separados para diferentes fuentes, como
mรกquinas, proveedores, lotes, turnos u operadores, se puede obtener informaciรณn valiosa
sobre quรฉ fuente especรญfica puede estar causando problemas. Este enfoque se alinea con
los puntos anteriores mencionados y se recomienda encarecidamente utilizar histogramas
y analizarlos en detalle al estudiar el resultado de un proceso. Al hacerlo, se pueden
identificar situaciones problemรกticas y desarrollar posibles soluciones. Ademรกs, este
mรฉtodo proporciona una forma concreta de transformar los abundantes datos y mediciones
de procesos en informaciรณn procesable para la toma de decisiones. Sin embargo, es esencial
garantizar que el histograma se obtenga con precisiรณn, particularmente en tรฉrminos de
seleccionar el nรบmero apropiado de clases y administrar el volumen de datos.
A pesar de ser una herramienta fundamental para analizar el desempeรฑo de los procesos, el
histograma tiene ciertas limitaciones:
โข El histograma no tiene en cuenta el perรญodo de tiempo durante el cual se recopilaron los
datos. Como resultado, resulta difรญcil identificar patrones o tendencias que puedan haber
ocurrido a lo largo del tiempo. En consecuencia, no es una herramienta eficaz para estudiar
la estabilidad de un proceso en el tiempo, que se analiza mejor utilizando grรกficos de
control.
โข El uso de esta tรฉcnica no es el mรกs adecuado cuando se trata de comparar prรกcticamente
mรบltiples procesos o grupos de datos. En tales casos, se considera mรกs apropiado y eficaz
el diagrama de caja o el diagrama de media.
Pรกg. 40
โข La forma de un histograma estรก influenciada por la cantidad de clases o barras que contiene.
Se recomienda analizar el histograma con un nรบmero de clases ligeramente menor y un
nรบmero de clases ligeramente mayor que el sugerido inicialmente por el software. Esto se
hace para garantizar que se puedan observar posibles variaciones o desviaciones de la
norma.
La aplicaciรณn del control estadรญstico
En los รบltimos aรฑos, ha habido un aumento significativo en la investigaciรณn y los avances
tecnolรณgicos en el sector industrial. Este crecimiento puede atribuirse a la bรบsqueda de la
estabilidad del proceso, lo que a su vez ha llevado a la producciรณn de productos seguros y de alta
calidad. Las empresas que son capaces de alcanzar mayores niveles de productividad tambiรฉn
experimentan una mayor generaciรณn de oportunidades de empleo y estabilidad del mercado.
Ademรกs, estas empresas pueden satisfacer a sus clientes reduciendo los costos de producciรณn.
En la actualidad, existe una amplia gama de herramientas que pueden aprovecharse para
lograr posibles mejoras y diagnรณsticos. Si bien, en medio de esta plรฉtora de opciones, las tรฉcnicas
estadรญsticas emergen como una herramienta destacada e indispensable. A lo largo de numerosos
aรฑos, estas tรฉcnicas se han perfeccionado y mejorado, lo que les permite contribuir
significativamente a la optimizaciรณn de los sistemas operativos. Ademรกs, estas tรฉcnicas estadรญsticas
han desempeรฑado un papel fundamental en el aumento de la competitividad de los productos
manufacturados en el mercado.
Asรญ que la implementaciรณn de un control estadรญstico de procesos dentro de una empresa
garantiza la estabilidad del proceso y minimiza la variabilidad. Simplemente cumplir los requisitos
necesarios ya no es suficiente; en cambio, cuanto mayor es la reducciรณn en la variabilidad del
proceso, mayor serรก el desempeรฑo de la empresa, lo que resulta en una imagen positiva en el
mercado y una ventaja competitiva en tรฉrminos de entrega de productos excepcionales. Una
herramienta importante que destaca es la utilizaciรณn de mรฉtodos estadรญsticos. Estas tรฉcnicas se han
perfeccionado y utilizado durante muchos aรฑos, permitiendo no sรณlo mejorar los sistemas
operativos sino tambiรฉn hacer que los productos manufacturados sean mรกs competitivos en el
mercado.
Una herramienta frecuentemente utilizada en este รกmbito es el Control Estadรญstico de
Procesos (CEP), que abarca la recopilaciรณn, examen y comprensiรณn de datos, asรญ como el
establecimiento de estรกndares, comparaciones de desempeรฑo, identificaciรณn de desviaciones, todo
con el objetivo de mejorar las actividades y asegurar el control de calidad en la producciรณn de
bienes, prestaciรณn de servicios e identificaciรณn de defectos.
Incorporar el uso de CEP no sรณlo asegura la adquisiciรณn de productos de mayor calidad
sino que tambiรฉn conlleva una disminuciรณn de costos, debido principalmente a dos factores:
Pรกg. 41
inspecciรณn por muestreo y reducciรณn en las tasas de rechazo. La selecciรณn de muestras mรกs
pequeรฑas en comparaciรณn con toda la poblaciรณn ayuda a reducir costos y sorprendentemente
proporciona una representaciรณn mรกs precisa de las caracterรญsticas generales de la poblaciรณn.
Asimismo, la implementaciรณn de CEP da como resultado una disminuciรณn en el nรบmero y
proporciรณn de piezas defectuosas que se producen en la fรกbrica, gracias a las mejoras continuas en
la lรญnea de producciรณn. Estas ventajas contribuyen aรบn mรกs a la reducciรณn de costes.
El sistema de Acciones Correctivas y Preventivas (CEP) estรก diseรฑado para abordar de
manera proactiva problemas potenciales y garantizar que los procesos funcionen de acuerdo con
el plan y dentro de los estรกndares de calidad. Al identificar y abordar cualquier desviaciรณn de los
resultados esperados, el CEP ayuda a mantener un estado de control estadรญstico. Este sistema no
sรณlo permite tomar acciones correctivas inmediatas, sino que tambiรฉn ayuda a evitar que se
produzcan no conformidades en primer lugar. En esencia, el CEP desempeรฑa un papel crucial para
garantizar que los procesos funcionen sin problemas y cumplan con las especificaciones de calidad
deseadas.
La utilizaciรณn de esta herramienta particular permite adquirir conocimientos sobre el
comportamiento de un proceso y hacer predicciones sobre su desempeรฑo. Este comportamiento se
examina considerando diversas medidas asociadas al mismo, teniendo en cuenta tambiรฉn los
conceptos de estabilidad y capacidad. Un proceso se considera estable cuando puede replicarse de
manera consistente. Esta estabilidad es crucial ya que nos permite anticipar el desempeรฑo del
proceso en instancias futuras y formular planes realistas. Asรญ, la capacidad de predecir resultados
es fundamental para mantener el control estadรญstico. Por otro lado, un proceso sรณlo puede
considerarse eficaz si es estable y logra con รฉxito todos los objetivos y metas marcados por la
empresa y el cliente. Es importante seรฑalar que todos los procesos estรกn sujetos a variaciones en
su comportamiento. Por lo tanto, un proceso estable no es aquel que carece de variaciones, sino
uno que exhibe variaciones aceptables dentro de lรญmites predecibles, demostrando asรญ la
repetibilidad de su comportamiento.
En las fรกbricas es bastante frecuente tener procesos industriales que no estรกn optimizados
en tรฉrminos de eficiencia. Sin embargo, el Proceso de Evaluaciรณn Continua (CEP) ofrece diversas
herramientas para monitorear estos procesos y posteriormente mejorarlos. El seguimiento requiere
muestreos periรณdicos y garantizar un tamaรฑo de muestra adecuado. El principal beneficio de esta
herramienta es la provisiรณn de retroalimentaciรณn en tiempo real sobre el proceso, que debe ser
continua y basada en anรกlisis estadรญstico.
Los datos recopilados sirven como vรญa principal para realizar el estudio, ya que es a travรฉs
de estos datos que obtendremos informaciรณn sobre las acciones adecuadas a tomar. Ademรกs, es
crucial para nosotros determinar los datos especรญficos que deben recopilarse, incluso si la
informaciรณn se ha recopilado con precisiรณn, la credibilidad del trabajo quedarรก en duda si los
mรฉtodos de mediciรณn y presentaciรณn de informes no son fiables.
Pรกg. 42
Al recopilar datos, es fundamental garantizar que se obtenerlos en un formato claro y fรกcil
de comprender, lo que implica registrar con precisiรณn el origen de los datos, ya que los datos con
orรญgenes no identificados son esencialmente inรบtiles. De igual forma, es importante registrar los
datos de una manera que permita una fรกcil utilizaciรณn. Por lo que las hojas de registro
estandarizadas se utilizan comรบnmente en diversas industrias para mantener la organizaciรณn de la
informaciรณn. Aunque los datos de muestreo pueden parecer sencillos, a menudo involucran a varias
personas que pueden introducir errores. Por lo tanto, la estandarizaciรณn de las hojas de registro es
necesaria ya que permite registrar los datos mediante marcas o sรญmbolos simples, facilitando una
organizaciรณn inmediata sin necesidad de modificaciones manuales. Asรญ, estas hojas estandarizadas
sirven como herramientas poderosas para registrar datos de manera eficiente.
Se pueden obtener datos de un proceso donde todos los factores (personas, mรกquinas,
materias primas, mรฉtodos, etc.) son constantes, entonces todos los datos tendrรกn el mismo valor.
Pero en realidad eso no siempre es posible. Si bien hay factores que se determinan que sean
constantes, no son exactos y sus valores nunca son los mismos, pero eso no quiere decir que se
determinen de forma caรณtica. Los valores cambian constantemente, pero siguen una distribuciรณn
constante. Por lo tanto, el control estadรญstico de procesos es un mรฉtodo estadรญstico ampliamente
utilizado para garantizar una mejor calidad del proceso. Todos los procesos estรกn sujetos a algรบn
grado de variaciรณn. acompaรฑa.
El concepto de variabilidad es importante en diversos campos y disciplinas, incluidas la
biologรญa, la psicologรญa, la sociologรญa y la educaciรณn. En biologรญa, por ejemplo, ayuda a los
cientรญficos a comprender la diversidad de especies y cรณmo los distintos organismos se adaptan a
sus entornos. En psicologรญa, el concepto de variabilidad es crucial para estudiar las diferencias
individuales en los rasgos de personalidad, las capacidades cognitivas y los trastornos mentales,
Asรญ, tambiรฉn se tiene que la variabilidad es un hecho que se observa con frecuencia en los procesos
industriales y abarca una variedad de factores. Se manifiesta en los indicadores de desempeรฑo de
las operaciones del proceso, asรญ como en los indicadores de calidad de los productos resultantes.
Es importante destacar que es crucial mantener el control sobre el proceso para gestionar y mitigar
eficazmente el impacto de esta variabilidad.
En cualquier proceso de producciรณn, independientemente de sus caracterรญsticas รบnicas,
existen mรบltiples factores que contribuyen a la variabilidad. Aunque el proceso estรฉ bien ajustado,
siempre habrรก diferencias entre los productos, ya sean significativas o menores. Para controlar
eficazmente el proceso y reducir la variabilidad, es crucial investigar las causas fundamentales que
dan lugar a estas diferencias. El paso inicial de cualquier investigaciรณn es diferenciar entre causas
comunes y causas especiales. No distinguir entre los dos puede resultar en una mayor variabilidad
y mayores costos. Por lo tanto, tratar las causas comunes como si fueran causas especiales puede
conducir a un aumento indeseable de la variaciรณn y a gastos innecesarios.
Pรกg. 43
Las causas comunes son inherentes al proceso y no pueden evitarse. Cuando el proceso se
ve afectado รบnicamente por causas comunes, las variables del proceso siguen una distribuciรณn
normal. Por otro lado, las causas especiales pueden identificarse y eliminarse a medida que surgen,
ya que son causadas por razones especรญficas e identificables. Sin embargo, si estas causas
especiales pasan desapercibidas, pueden pasar a formar parte del producto final, dando lugar a la
aceptaciรณn de defectos que deberรญan haber sido rechazados. Ademรกs, pasar por alto causas
especiales tambiรฉn significa perder oportunidades de mejora del producto. El Control de Procesos
Experimentales (CEP) se emplea comรบnmente para gestionar las variabilidades del proceso, siendo
su objetivo principal mantener el control sobre el proceso. Esto se logra identificando y eliminando
cualquier fuente de variaciรณn que no estรฉ asociada con el proceso en sรญ.
El anรกlisis de capacidad del proceso es una herramienta estadรญstica que se utiliza para
determinar si un proceso es capaz de producir productos o servicios dentro de lรญmites especรญficos.
Implica recopilar datos sobre el desempeรฑo del proceso y analizarlos para determinar la capacidad
del proceso para cumplir con los requisitos del cliente. Este anรกlisis ayuda a identificar cualquier
variaciรณn o desviaciรณn de los resultados deseados y proporciona informaciรณn sobre cรณmo se puede
mejorar el proceso para lograr mejores resultados. Al cuantificar la capacidad del proceso, las
organizaciones pueden tomar decisiones informadas y tomar las acciones adecuadas para
garantizar que sus procesos cumplan consistentemente con las expectativas de los clientes. El
Anรกlisis de Capacidad de Procesos es una herramienta valiosa en la gestiรณn de la calidad y los
esfuerzos de mejora continua. Permite a las organizaciones monitorear y controlar sus procesos de
manera efectiva, reducir el desperdicio y mejorar la calidad general del producto o servicio.
El รญndice de capacidad del proceso es una herramienta matemรกtica que cuantifica la
relaciรณn entre los parรกmetros del proceso ((ฮผ, ฯ) y las especificaciones del proceso (LSE, VN,
LIE), con el objetivo de establecer una forma estandarizada de evaluar el desempeรฑo del proceso.
Su propรณsito es facilitar la comunicaciรณn y la comprensiรณn al evaluar la capacidad de un proceso.
โข El sรญmbolo ฮผ representa el promedio de un proceso.
โข El sรญmbolo ฯ representa la varianza de las variables de calidad del proceso. Esta varianza
se refiere a la mediciรณn de quรฉ tan dispersos estรกn los valores de estas variables con
respecto al valor promedio o medio. En otras palabras, cuantifica el nivel de variabilidad o
inconsistencia en las variables de calidad del proceso. Un valor de varianza mรกs alto indica
un mayor grado de dispersiรณn, lo que significa que las variables de calidad del proceso
tienen un rango mรกs amplio de valores. Por el contrario, un valor de varianza mรกs bajo
sugiere que las variables de calidad del proceso estรกn mรกs estrechamente agrupadas
alrededor del valor medio, lo que indica un mayor nivel de consistencia. Al calcular y
analizar la variaciรณn de las variables de calidad del proceso, las organizaciones pueden
obtener informaciรณn sobre el rendimiento general y la confiabilidad de sus procesos, lo que
Pรกg. 44
les permite identificar รกreas de mejora e implementar medidas adecuadas para mejorar la
calidad y la eficiencia de sus operaciones.
โข LSE se refiere al lรญmite superior que se establece como especificaciรณn para una mediciรณn
o parรกmetro en particular. Representa el valor mรกximo que se considera aceptable o dentro
del rango deseado.
โข LIE se refiere al lรญmite establecido para la calidad o el rendimiento mรญnimo aceptable de
un producto o servicio en particular. Se establece como punto de referencia para garantizar
que el producto o servicio cumpla con los requisitos mรญnimos y no caiga por debajo de los
estรกndares especificados. En otras palabras, el LiE actรบa como un umbral que debe
alcanzarse para que el producto o servicio se considere satisfactorio y aceptable. Al
establecer un lรญmite de especificaciรณn mรกs bajo, las organizaciones pueden garantizar que
sus ofertas cumplan con las expectativas bรกsicas de los clientes y evitar entregar productos
o servicios deficientes.
โข El tรฉrmino "VN" se refiere al valor nominal de algo, que es el valor especificado o
declarado de un objeto o activo. Asรญ, VN representa el valor o precio asignado a un artรญculo
en particular, generalmente en funciรณn de sus caracterรญsticas, calidad o cualquier otro factor
relevante. Es importante tener en cuenta que el VN puede no siempre ser el mismo que el
valor de mercado o el valor real del objeto, ya que a menudo estรก determinado por diversos
factores externos, como la oferta y la demanda, las condiciones econรณmicas y el valor
percibido por los compradores potenciales. o consumidores. Por lo tanto, el VN sirve como
punto de referencia o punto de referencia para evaluar el valor relativo de un artรญculo dentro
de un contexto o mercado especรญfico.
Los รญndices Cp y Cpk son herramientas esenciales para evaluar la capacidad del proceso y
garantizar que los productos cumplan con las especificaciones del cliente. Su cรกlculo y anรกlisis
permiten a las organizaciones tomar decisiones basadas en datos, mejorar procesos y lograr
mayores niveles de calidad y satisfacciรณn del cliente. Los รญndices Cp y Cpk son herramientas
estadรญsticas que se utilizan para medir la capacidad de un proceso para cumplir con las
especificaciones del cliente. Estos รญndices proporcionan informaciรณn valiosa sobre el rendimiento
y el potencial de un proceso, lo que permite a las organizaciones tomar decisiones informadas y
mejorar sus procesos.
Por otro lado, Cpk es una medida de la capacidad del proceso que toma en cuenta el
desplazamiento medio del proceso ademรกs de su dispersiรณn. Compara la distancia entre la media
del proceso y el lรญmite de especificaciรณn mรกs cercano a la dispersiรณn del proceso. Cpk se calcula
tomando el valor mรญnimo de dos ratios: uno que mide la capacidad del proceso para producir
artรญculos dentro del lรญmite superior de especificaciรณn y otro que mide su capacidad para producir
artรญculos dentro del lรญmite inferior de especificaciรณn. De manera similar a Cp, un valor de Cpk de
Pรกg. 45
1 indica que el proceso apenas es capaz de cumplir con las especificaciones, mientras que valores
mayores que 1 indican una mayor capacidad.
Los รญndices Cp y Cpk proporcionan a las organizaciones medidas cuantitativas para evaluar
y comparar diferentes procesos. Al analizar estos รญndices, las organizaciones pueden identificar
รกreas de mejora, optimizar procesos y garantizar que los productos cumplan constantemente con
los requisitos de los clientes. Ademรกs, estos รญndices se pueden utilizar para monitorear el
desempeรฑo del proceso a lo largo del tiempo y detectar cualquier desviaciรณn de los niveles de
capacidad deseados. Los รญndices Cp, tambiรฉn conocidos como รญndices de capacidad del proceso,
evalรบan la extensiรณn de la variaciรณn del proceso en relaciรณn con los lรญmites de tolerancia
establecidos por el cliente. Se calculan dividiendo la diferencia entre los lรญmites de especificaciรณn
superior e inferior por seis veces la desviaciรณn estรกndar del proceso. Esta relaciรณn indica la
capacidad del proceso para producir productos dentro de los lรญmites especificados, y los valores
mรกs altos indican una mejor capacidad. Un รญndice Cp de 1 significa que el proceso es apenas capaz
de cumplir con las especificaciones, mientras que valores mayores que 1 sugieren que el proceso
tiene una capacidad mayor.
Para cumplir mejor con el propรณsito de predecir con precisiรณn la cantidad de productos de
proceso que cumplirรกn con las especificaciones requeridas, se desarrollรณ el รญndice Cp, tambiรฉn
conocido como รญndice de capacidad potencial de proceso. Este รญndice evalรบa la variabilidad
permitida del proceso midiendo la variabilidad real observada en el proceso. La variabilidad estรก
directamente asociada con los lรญmites especificados, aunque la situaciรณn general del proceso no se
tiene en cuenta en la definiciรณn o cรกlculo de Cp.
Los grรกficos de control
Es una representaciรณn grรกfica de un proceso que muestra una lรญnea central, lรญmites de
control por encima y por debajo de la lรญnea central y valores caracterรญsticos trazados en el grรกfico.
Los lรญmites de control sirven como lรญmites para el proceso, y si todos los valores trazados caen
dentro de estos lรญmites sin ninguna tendencia especรญfica, se considera que el proceso estรก bajo
control. Sin embargo, si alguno de los puntos queda fuera de los lรญmites de control o si hay un
patrรณn inusual en la disposiciรณn de los puntos, se considera que el proceso estรก fuera de control.
Las variaciones en un proceso o producto se pueden atribuir a dos tipos distintos de causas:
Pรกg. 46
โข Una causa especial se refiere a una variaciรณn que seguramente ocurrirรก y que, en รบltima
instancia, es perjudicial para un proceso. Esta variaciรณn se produce independientemente de
si la operaciรณn se realiza utilizando materias primas o mรฉtodos estandarizados.
โข Una causa comรบn se refiere a una fuente de variaciรณn que puede identificarse y
especificarse. Implica que hay factores importantes que deben examinarse y, si bien puede
prevenirse, no debe subestimarse. Cuando los puntos de datos quedan fuera de los lรญmites
de control establecidos o exhiben un patrรณn distintivo, indica que el proceso no estรก
operando dentro de parรกmetros aceptables y se considera que estรก fuera de control.
Evaluar un proceso inestable que exhibe causas especiales no tiene sentido porque solo
refleja un momento especรญfico en el tiempo y no demuestra un comportamiento consistente. Sin
embargo, una vez eliminadas todas las causas especiales, el proceso funcionarรก bajo control
estadรญstico. Un proceso en control estadรญstico o estable significa que su variabilidad se atribuye
รบnicamente a causas comunes y sigue un patrรณn predecible a lo largo del tiempo. Sin embargo,
esta calidad estable del proceso no garantiza necesariamente que pueda producir de manera
consistente piezas que cumplan con las especificaciones del cliente o del proyecto. Una vez que se
han eliminado las causas especiales, se puede evaluar la verdadera capacidad del proceso
comparando su variabilidad resultante de causas comunes con los requisitos especificados.
Pรกg. 47
Capรญtulo 2
Control de Procesos
El control estadรญstico de los procesos
La metodologรญa de "Control estadรญstico de procesos" se originรณ a finales de la dรฉcada de
1920 en los Laboratorios Bell, gracias a la brillante mente de W. A. Shewhart. En su libro "Control
econรณmico de la calidad de los productos manufacturados" publicado en 1931, Shewhart estableciรณ
un estรกndar que serรญa seguido por otras figuras influyentes en el campo como Joseph Juran y W.E.
Deming. Sorprendentemente, incluso despuรฉs de mรกs de 70 aรฑos, el libro de Shewhart continรบa
cautivando a los lectores con su relevancia y enfoque innovador. A pesar de las limitaciones
tecnolรณgicas de esa รฉpoca, el ingenio de Shewhart brilla cuando presenta mรฉtodos efectivos para
resolver problemas numรฉricos.
Desafortunadamente, Shewhart a menudo sรณlo es reconocido por su creaciรณn de grรกficos
de control, como el grรกfico X-R. Sin embargo, es desalentador ver que estos grรกficos
frecuentemente se usan mal o no se comprenden completamente sus limitaciones. Este mal uso es
a menudo el resultado de una falta de conocimiento sobre los fundamentos estadรญsticos que
sustentan estos grรกficos. Para abordar esta cuestiรณn, es crucial enfatizar los principios estadรญsticos
discutidos en los pรกrrafos 3 y 5, asรญ como resaltar el problema del sobreajuste en el proceso y las
limitaciones de los grรกficos de control para detectar desviaciones y cambios en el proceso.
variaciones. Al comprender y respetar estos fundamentos estadรญsticos, se garantiza el uso preciso
y eficaz de los grรกficos de control en los procesos de control de calidad.
El proceso de fabricaciรณn en un entorno industrial estรก influenciado por numerosos factores
impredecibles, lo que da como resultado productos que nunca son exactamente iguales. Esta falta
de uniformidad y la presencia de variabilidad es altamente indeseable y se deben hacer esfuerzos
para minimizarla o mantenerla dentro de lรญmites aceptables. Una herramienta eficaz para lograr
este objetivo es el Control Estadรญstico de Procesos (CEP). Al implementar CEP durante el proceso
de fabricaciรณn, es posible mejorar la calidad general de los productos que se fabrican. Ademรกs, el
CEP permite una comprensiรณn mรกs profunda del proceso de fabricaciรณn, ya que el monitoreo
regular proporciona informaciรณn valiosa que potencialmente puede conducir a mejoras en el
proceso.
Para una correcta compresiรณn de control estadรญsticos de procesos, es necesario tener en
consideraciรณn los siguientes puntos:
โข La distribuciรณn norma o tambiรฉn llamada campana de Gauss: La distribuciรณn normal se
considera ampliamente como el pinรกculo de las funciones de densidad de probabilidad en
el campo de la estadรญstica. Se caracteriza por dos parรกmetros esenciales, a saber, ฮผ (la
Pรกg. 48
media) y ฯ (la desviaciรณn estรกndar). Esta distribuciรณn muestra una curva distintiva en forma
de campana, de ahรญ su nombre, y demuestra una simetrรญa perfecta en relaciรณn con la media,
ฮผ. Al examinar varios mรบltiplos de la desviaciรณn estรกndar, ฯ, de ambos lados de la media,
descubrimos ideas fascinantes sobre la poblaciรณn dentro de estos intervalos.
Sorprendentemente, aproximadamente el 68% de la poblaciรณn se encuentra dentro del
rango de ยฑ1ฯ de la media, ฮผ, lo que ilustra una dispersiรณn relativamente estrecha.
Si ampliamos nuestro anรกlisis a ยฑ2ฯ desde ฮผ, observamos que un impresionante 95% de la
poblaciรณn se encuentra dentro de esta regiรณn, lo que significa una dispersiรณn mรกs amplia.
Sin embargo, es el notable rango de ยฑ3ฯ alrededor de ฮผ el que encapsula a un asombroso
99,73% de la poblaciรณn, lo que demuestra una dispersiรณn aรบn mรกs amplia. Estas estadรญsticas
ofrecen informaciรณn valiosa sobre la distribuciรณn de datos y proporcionan una comprensiรณn
integral de las caracterรญsticas de la distribuciรณn normal.
โข El teorema de lรญmite central: El teorema del lรญmite central (TLC) establece que cuando una
variable aleatoria (va) se forma sumando numerosas causas independientes, cada una de
las cuales tiene un impacto mรญnimo en el resultado general, la distribuciรณn de esta variable
se aproximarรก a una distribuciรณn normal a medida que aumenta el nรบmero de causas. En
tรฉrminos mรกs simples, el TLC explica que si realizamos repetidamente un experimento con
muchos factores pequeรฑos e independientes, la distribuciรณn resultante de los resultados se
parecerรก a una curva de campana.
โข La distribuciรณn de las medias muestrales: Si tenemos una variable aleatoria X que sigue
una distribuciรณn normal con media ฮผ y desviaciรณn estรกndar ฯ, y extraemos muestras de
Pรกg. 49
tamaรฑo n de esta distribuciรณn, entonces las medias muestrales tambiรฉn seguirรกn una
distribuciรณn normal:
Es importante reconocer que el teorema del lรญmite central tiene un impacto significativo en
la distribuciรณn de las medias muestrales. El TLC establece que, independientemente de la
distribuciรณn de la poblaciรณn subyacente, la distribuciรณn de las medias muestrales tenderรก a
aproximarse a una distribuciรณn normal siempre que el tamaรฑo de la muestra sea
suficientemente grande, normalmente con un requisito mรญnimo de nโฅ25. Sin embargo, vale
la pena seรฑalar que el tamaรฑo de muestra especรญfico necesario puede variar dependiendo
de la asimetrรญa de la distribuciรณn.
Las causas comunes y causas asignables o especiales
En los pรกrrafos anteriores se dijo que el proceso de fabricaciรณn estรก influenciado por
numerosos factores que pueden variar, como las propiedades del material utilizado, las variaciones
de temperatura y humedad, la variabilidad del operador, la repetibilidad de la maquinaria y mรกs.
Estos factores pueden afectar las caracterรญsticas del producto final, generando variabilidad. Si el
proceso se desarrolla con pequeรฑas oscilaciones en todos estos factores, sin que ningรบn factor
tenga un efecto dominante, entonces se espera que la calidad del producto se distribuya
uniformemente segรบn una distribuciรณn normal. Estos factores, conocidos como causas comunes,
contribuyen a la variabilidad general. Si bien, surge un factor con un impacto significativo, la
distribuciรณn de la caracterรญstica de calidad del producto puede desviarse de una distribuciรณn
normal, indicando la presencia de una causa especial o asignable. Por ejemplo, si un proceso de
fabricaciรณn pasa de utilizar materias primas de un lote consistente a otro con caracterรญsticas muy
diferentes, es muy probable que los productos resultantes presenten diferencias notables debido al
uso del nuevo lote.
Pรกg. 50
Segรบn su definiciรณn, se considera que un proceso se encuentra en estado de control
estadรญstico cuando no existen razones identificables que puedan atribuirse a variaciones en sus
resultados. Para determinar si un proceso estรก bajo control estadรญstico, se emplea el Control
Estadรญstico de Procesos (CEP), que implica examinar los datos generados por el proceso e
identificar las posibles causas que puedan ser responsables de las desviaciones. Este anรกlisis
generalmente se facilita mediante el uso de una herramienta grรกfica conocida como Grรกfico de
control. Cuando se determina que un proceso estรก bajo control estadรญstico, es posible hacer
predicciones sobre el rango dentro del cual se espera que caigan las caracterรญsticas de una pieza
fabricada.
Condiciones en la aplicaciรณn de los grรกficos de control
Para que los grรกficos de control sean aplicables, es necesario que el proceso muestre un
nivel de estabilidad que permita cierto grado de previsibilidad, a pesar de su naturaleza aleatoria.
Generalmente, un proceso de naturaleza caรณtica no se puede predecir ni controlar. En
consecuencia, los grรกficos de control no son adecuados para tales procesos y serรญa inรบtil discutir
su capacidad. En cambio, un proceso caรณtico requiere un anรกlisis en profundidad utilizando
tรฉcnicas estadรญsticas avanzadas hasta que se obtenga suficiente conocimiento empรญrico para
comprender los factores que contribuyen a su estabilidad y tomar medidas para eliminarlos.
En lo que sigue se asumirรก un cierto grado de estabilidad del proceso. Podemos distinguir
dos situaciones:
โข El proceso opera segรบn una funciรณn de probabilidad que no cambia con el tiempo. Esto
significa que el proceso sigue una distribuciรณn normal con un promedio y una desviaciรณn
estรกndar fijos. Este escenario se considera ideal porque permite el uso de grรกficos de control
para identificar cualquier factor externo que pueda estar afectando el proceso.
โข El proceso estรก controlado por una funciรณn de probabilidad y ciertos parรกmetros de esta
funciรณn experimentan ligeros cambios con el tiempo. Un ejemplo de tal proceso serรญa aquel
en el que el valor promedio fluctรบa con el tiempo, como una herramienta de corte que se
desgasta gradualmente. Tรฉcnicamente, este desgaste se considerarรญa una causa especial de
variaciones en el proceso. Sin embargo, si se conoce el ritmo al que se desgasta la
herramienta, es posible ajustarlo o compensarlo, dando lugar a un proceso similar al
escenario anterior.
Es posible que la naturaleza de un proceso dรฉ como resultado que ciertos factores
inherentes de variabilidad ejerzan una mayor influencia, desviรกndose asรญ de una distribuciรณn
normal. Por ejemplo, considere la distribuciรณn de diรกmetros en un proceso de perforaciรณn. El lรญmite
inferior de esta distribuciรณn estรก determinado por el diรกmetro de la propia broca, mientras que la
presencia de incidencias oblicuas durante la perforaciรณn puede provocar una cola hacia diรกmetros
Pรกg. 51
mayores. En tales casos, se considera que el proceso estรก bajo control estadรญstico cuando no existen
causas externas identificables. Esto implica que el proceso permanece estable, con los parรกmetros
de la distribuciรณn constantes, lo que permite hacer predicciones sobre el rango dentro del cual
caerรกn los valores de la caracterรญstica de respuesta.
Es esencial tener una comprensiรณn integral de los fundamentos tecnolรณgicos de un proceso
para obtener informaciรณn sobre el patrรณn de distribuciรณn probable de los datos. Es imperativo no
asumir que los datos seguirรกn una distribuciรณn normal sin verificarlo. En cambio, se deben
examinar minuciosamente los datos y, si no se ajustan a la normalidad, implementar tรฉcnicas y
metodologรญas especializadas.
Por todos los factores antes mencionados, se puede inferir que cuando un proceso normal
estรก bajo control estadรญstico, aproximadamente el 99,73% de los elementos fabricados exhibirรกn
una caracterรญstica de calidad dentro del rango de ฮผ - 3ฯ a ฮผ + 3ฯ. El valor especรญfico de ฮผ dependerรก
del punto especรญfico de enfoque dentro del proceso, mientras que ฯ estรก determinado por el nรบmero
y la variabilidad de las causas comunes inherentes al proceso mismo. En consecuencia, el rango
de 6ฯ puede identificarse como la Variabilidad Natural del Proceso o Capacidad del Proceso. En
esencia, la capacidad del proceso se define como igual a 6ฯ.
Es importante enfatizar que la variaciรณn natural inherente de un proceso, a menudo
representada por la medida estadรญstica 6ฯ, es independiente de las tolerancias especรญficas
establecidas para ese proceso. Esto significa que incluso si las tolerancias se definen
cuidadosamente, seguirรก habiendo casos en los que los productos fabricados queden fuera del
rango aceptable y se consideren no conformes. Si se pasa por alto este aspecto esencial y se busca
la soluciรณn ajustando el proceso para que vuelva a estar dentro de la tolerancia, como modificando
el centrado o la media, la consecuencia no deseada es en realidad un aumento en la variabilidad
general del proceso.
El รญndice de capacidad del proceso se define como un medio para evaluar la relaciรณn entre
la capacidad del proceso y el grado de tolerancias que deben cumplirse:
Para que la producciรณn cumpla con los estรกndares deseados, es fundamental que el valor
de Cp sea superior a 1.
Si el proceso no estuviera alineado adecuadamente, el valor de este รญndice representarรญa de
manera inexacta el grado en que las piezas de fabricaciรณn caen dentro de las tolerancias aceptables.
En tales casos, el รญndice Cpk, que se define de manera diferente, se vuelve mรกs significativo y
relevante:
Pรกg. 52
De esta manera, un proceso competente se caracteriza por tener un valor Cpk mayor que 1.
Al extender estos principios a la variabilidad mensurable atribuible a la mรกquina especรญfica
involucrada en el proceso de fabricaciรณn, podemos establecer la capacidad de la mรกquina. Esta
capacidad de la mรกquina se cuantifica a travรฉs del รญndice de capacidad de la mรกquina, denotado
como CM y CMk.
La variabilidad: corto y mediano plazo
Normalmente hay dos tipos de variabilidad involucrados en un proceso de producciรณn:
โข La variabilidad inherente de un proceso se refiere a la variaciรณn natural que ocurre dentro
del sistema. Esta variabilidad es causada por factores comunes y no estรก influenciada por
ningรบn factor externo especรญfico. Representa la variaciรณn que se puede observar entre
elementos producidos muy cerca unos de otros, durante un corto perรญodo de tiempo.
Pรกg. 53
Algunos investigadores se refieren a este tipo de variabilidad como "ruido blanco",
enfatizando su naturaleza aleatoria e impredecible.
โข La variabilidad total de un proceso se refiere a la variaciรณn global causada por factores
tanto comunes como especiales, tomando en consideraciรณn factores como el desgaste y los
cambios en los lotes de materia prima. Esta variabilidad engloba todas las posibles
variaciones que pueden impactar en la calidad de los elementos fabricados recibidos por el
cliente durante un largo perรญodo de tiempo. En cierta literatura, este componente de
variabilidad se denomina "ruido negro".
La potencialidad de un proceso: รญndice Pp y Ppk
Ha habido un problema de larga data en torno a la selecciรณn de una estimaciรณn de la
variabilidad para calcular Cp y Cpk, lo que genera confusiรณn entre los profesionales. Para aclarar
esta cuestiรณn, la introducciรณn de los รญndices Pp y Ppk ha tenido como objetivo establecer un
enfoque estructurado basado en determinados criterios:
โข Cp y Cpk se determinan teniendo en cuenta la variabilidad natural del proceso,
especรญficamente la variabilidad a corto plazo. Esto implica considerar la variaciรณn
observada entre elementos dentro de la misma muestra o aquellos que se encuentran muy
prรณximos.
โข Los cรกlculos para Pp y Ppk implican considerar la variabilidad general del proceso, que
incluye factores como la deriva del centrado del proceso y su inestabilidad.
Generalmente se reconoce que Cp suele ser mayor que Pp y que Cpk suele ser mayor que
Ppk.
La ecuaciรณn del รญndice es:
Pรกg. 54
Los sรญmbolos circunflejos, tambiรฉn conocidos como "^", se utilizan para indicar un valor
aproximado de la desviaciรณn estรกndar que se estรก considerando. Es importante mencionar que el
uso de los coeficientes Pp y Ppk no estรก universalmente acordado. Si bien son ampliamente
aceptados en la industria automotriz (como en QS 9000 / TS 16949), su uso no es tan frecuente en
otros campos o sectores.
El grupo homogรฉneo racional
Al prepararse para recolectar muestras para realizar un estudio de capacidad de proceso o
implementar un cuadro de control, es crucial considerar el concepto de grupo homogรฉneo racional
(RHG). Profundicemos en una ilustraciรณn para entender mejor. Imaginemos que tenemos una
mรกquina de inyecciรณn de piezas de plรกstico con 16 cabezales. Para definir el grรกfico de control
establecemos un muestreo horario de 16 unidades, al que denominamos clรบster de inyecciรณn. Es
evidente que los diferentes tamaรฑos de las cabezas pueden introducir una variabilidad que
probablemente estรฉ presente. Por lo tanto, al recolectar muestras, es imperativo examinar no sรณlo
la variabilidad entre inyecciones sino tambiรฉn la variabilidad entre cabezas.
Grรกficos de Shewhart: grรกficos de control por variables:
Imaginemos una situaciรณn en la que se considera que un proceso estรก bajo control
estadรญstico, es decir, que su distribuciรณn sigue una distribuciรณn normal con una media de ฮผ y una
desviaciรณn estรกndar de ฯ. Ahora, si tomamos una muestra de tamaรฑo n de este proceso y
encontramos que la media muestral queda fuera del intervalo entre n โ3ฯ ฮผโ y n โ3ฯ ฮผ+ (que se
conocen como lรญmites de control inferior y superior, respectivamente) , podemos dar dos
explicaciones diferentes para justificar esta observaciรณn:
โข Con base en el modelo teรณrico, se establece que aproximadamente el 0,27% de las
muestras, lo que equivale a 27 muestras de cada 10.000, poseerรกn una media que queda
fuera de este intervalo especรญfico. En el caso que nos ocupa, la muestra que hemos extraรญdo
es uno de esos casos.
โข Es muy improbable obtener una muestra con estas propiedades si efectivamente el modelo
es el supuesto, por lo que parece mรกs razonable creer que el proceso no estรก bajo control
estadรญstico y por tanto la hipรณtesis de que se distribuye en ese momento segรบn N (ฮผ, ฯ) es
incorrecto.
Pรกg. 55
Por el contrario, si el valor promedio de la muestra cae dentro del rango del intervalo
anterior, no tendremos motivos sรณlidos para creer que el proceso no se encuentra en un estado de
control estadรญstico (el resultado se alinea con el patrรณn esperado). Sin embargo, es importante
seรฑalar que esto no garantiza con absoluta certeza que el proceso estรฉ efectivamente bajo control
estadรญstico, sino que indica que carecemos de evidencia que sugiera lo contrario.
El control estadรญstico de procesos se basa en la realizaciรณn regular de muestreos, donde la
media de la muestra se calcula y se representa en un grรกfico, similar a la Figura 12. Si la media
supera los lรญmites de control, indica la presencia de una causa asignable, lo que sugiere un proceso
fuera de control. Este grรกfico se conoce comรบnmente como grรกfico de media o ๐.
El anรกlisis de las muestras no puede limitarse a construir un grรกfico de medias. Todavรญa
hay mรกs informaciรณn que se puede recopilar sobre el comportamiento del proceso. De hecho, la
dispersiรณn de los valores muestrales puede proporcionarnos una estimaciรณn de la dispersiรณn del
proceso y sus cambios en el tiempo. Es bien sabido que la dispersiรณn de una poblaciรณn se puede
medir por su desviaciรณn estรกndar ฯ. Para estimar esta dispersiรณn, los estimadores de muestreo mรกs
comรบnmente utilizados son la ruta R (que darรก como resultado el Grรกfico de Rango o Ruta, tambiรฉn
conocido como Grรกfico R) y la desviaciรณn muestral tรญpica S (que darรก como resultado el Grรกfico
de Desviaciones Estรกndar, o Grรกfico S). Antes de continuar, resulta รบtil revisar algunas propiedades
de estas estadรญsticas para comprender completamente la construcciรณn de estos grรกficos.
โข El rango o ruta de muestra se refiere a la diferencia entre los valores mรกs altos y mรกs bajos
de una muestra. Esta estadรญstica se utiliza para estimar la dispersiรณn de la poblaciรณn de la
que se toma la muestra. Una ventaja de esta estadรญstica es que es fรกcil de calcular,
especialmente para muestras pequeรฑas con nโค8. Sin embargo, para tamaรฑos de muestra
mรกs grandes, tiende a sobreestimar la dispersiรณn de la poblaciรณn. Hay tablas disponibles
para procesos normales que proporcionan la funciรณn de distribuciรณn del estadรญstico w =
R/ฯ, conocida como "camino relativo", asรญ como el valor esperado E(w) = d2 y la ฯw =
d3.
Pรกg. 56
โข La desviaciรณn tรญpica muestral. Conviene recordar que en los textos se utilizan dos
estadรญsticas diferentes. El primero estรก definido:
La expectativa matemรกtica de la varianza muestral es el valor promedio que esperarรญamos
obtener si calculรกramos repetidamente la varianza muestral para una gran cantidad de procesos
normales:
Como resultado, el estimador de la varianza poblacional ฯ2 se inclina hacia un resultado
particular, lo que lo hace sesgado. Para abordar este problema, a menudo se utiliza otro estimador
conocido como estimador insesgado, que es equivalente a la varianza muestral:
El estimador de la varianza ฯ2 no estรก sesgado y la muestra tiene n โ 1 grados de libertad,
razรณn por la cual a menudo se prefiere s* en ingenierรญa de calidad.
Las variaciones de ambas estadรญsticas generalmente se calculan para procesos normales:
Es evidente que el error cuadrรกtico medio de s2 es menor en comparaciรณn con el de s*2.
En el campo del Control Estadรญstico de Procesos, se acostumbra a trabajar con desviaciones
estรกndar en lugar de varianzas. Por lo tanto, se vuelve esencial tener conocimientos sobre E(s),
E(s*), ฯs y ฯ*s.
Pรกg. 57
En este escenario particular, vale la pena seรฑalar que ambas estadรญsticas tienden a
proporcionar estimaciones inexactas de ฯ.
Las curvas de operaciรณn del grรกfico de control
Las curvas operativas o de operaciรณn son herramientas valiosas para evaluar quรฉ tan
sensible es un grรกfico de control a los cambios en el desplazamiento o la variabilidad de un proceso.
Al examinar estas curvas, resulta evidente que el simple hecho de que los puntos de datos caigan
dentro de los lรญmites de control ofrece poca garantรญa de que el proceso estรฉ realmente bajo control
estadรญstico. Esto enfatiza las limitaciones de confiar รบnicamente en grรกficos de control. Para ganar
mรกs confianza en el control de un proceso, es necesario aplicar tรฉcnicas estadรญsticas mรกs avanzadas
que investiguen los factores que influyen en el proceso (conocidas como CTP en la terminologรญa
Six Sigma) y apunten a reducir la variabilidad, aumentando en รบltima instancia el nivel de control.
La curva de operaciรณn del grรกfico de medias
El desplazamiento del proceso se puede medir en unidades de desviaciรณn estรกndar y la
deformaciรณn se puede determinar comparando las desviaciones estรกndar final e inicial. En otras
palabras, la relaciรณn entre estas dos desviaciones estรกndar puede proporcionar informaciรณn sobre
el alcance de la deformaciรณn.
La probabilidad de que la media muestral estรฉ dentro de los lรญmites de control depende de
los valores de (d, ฮป).
Pรกg. 58
Al realizar un anรกlisis exhaustivo de los efectos individuales y trazar las curvas
correspondientes para diferentes tamaรฑos de muestra, se hace evidente que el grรกfico promedio
responde altamente al desplazamiento mientras muestra una sensibilidad mรญnima hacia las
alteraciones en la variabilidad (consulte la Figura 15 y la Figura 16).
La curva de operaciรณn del grรกfico de dispersiรณn
Pรกg. 59
La curva operativa del grรกfico de trayectoria se genera aprovechando el estadรญstico w =
R/ฯ. La ecuaciรณn de la curva serรก:
Cuando se trata del grรกfico S, la probabilidad de que una muestra caiga dentro de los lรญmites
de control se puede determinar utilizando una medida estadรญstica especรญfica:
La curva de operaciรณn se puede representar mediante la siguiente ecuaciรณn.
Es evidente que el comportamiento sigue siendo consistente para muestras pequeรฑas, pero
para muestras con un tamaรฑo mayor que 6, la efectividad del grรกfico S se vuelve mรกs pronunciada.
Pรกg. 60
La interpretaciรณn del grรกfico de control
Una seรฑal inequรญvoca de que el proceso se ha vuelto inmanejable es cuando cualquiera de
los puntos de datos excede sus lรญmites prescritos. Ademรกs, las anomalรญas en la apariencia de los
grรกficos tambiรฉn pueden servir como seรฑal de advertencia de que algo anda mal con el proceso.
Para profundizar mรกs, si dividimos el grรกfico en zonas distintas etiquetadas como A, B y C, la
proporciรณn de puntos de datos que caen dentro de cada zona debe alinearse estrechamente con el
รกrea correspondiente bajo la curva de campana de Gauss que cada zona representa.
La siguiente tabla consiste en una recopilaciรณn integral de reglas comรบnmente utilizadas
destinadas a analizar exhaustivamente el grรกfico promedio y determinar si el proceso estรก operando
dentro de niveles aceptables de control. La inclusiรณn de una columna a la derecha en la tabla sirve
para proporcionar informaciรณn valiosa sobre la probabilidad de encontrar circunstancias
especรญficas en un proceso tรญpico y bien enfocado, que potencialmente podrรญa resultar en una
determinaciรณn incorrecta. Es crucial que cualquier procedimiento de control de procesos
Pรกg. 61
estadรญsticos (CPE) describa y detalle claramente las diversas indicaciones que deben considerarse
indicativas de un proceso fuera de control, garantizando asรญ una toma de decisiones precisa.
La interpretaciรณn:
โข Se deben considerar las siguientes reglas: reglas 1, 2, 3, 3', 4, 4', 4'' y 7. En los casos en que
el grรกfico de media presente cualquiera de estas indicaciones y no existan anomalรญas en la
S o Grรกfico R, es muy probable que el proceso haya sido desplazado. Sin embargo, si tanto
el grรกfico S como el R tambiรฉn muestran indicaciones, sugiere que el proceso no sรณlo ha
experimentado un aumento en la variabilidad sino que tambiรฉn puede haber cambiado.
โข Segรบn las reglas 5, 6, 6 ๎ช y 6 ๎ช ๎ช, es muy probable que el proceso estรฉ sufriendo un patrรณn
cambiante.
โข La regla 7 establece que cuando no hay anomalรญas en el grรกfico S o R, sugiere que el
proceso es altamente inestable en tรฉrminos de su centrado. Por otro lado, si el grรกfico S o
R muestra indicaciones, indica que es probable que el proceso estรฉ experimentando una
mayor variabilidad.
Pรกg. 62
โข La regla 8 sugiere que si el grรกfico S o R indica una disminuciรณn en la variabilidad de la
muestra, podrรญa ser una indicaciรณn de que la variabilidad del proceso tambiรฉn se ha
reducido. Por otro lado, si el grรกfico S o R no muestra una disminuciรณn en la variabilidad
de la muestra, podrรญa significar que se estรกn combinando dos poblaciones distintas, lo que
da como resultado una distribuciรณn bimodal con dos picos distintos.
โข La regla 9 destaca la presencia de inestabilidad del proceso tal como se manifiesta en un
sรญntoma particular.
Al considerar el grรกfico S o R, es importante considerar los siguientes factores para
establecer un conjunto de reglas similares:
โข La comprensiรณn de la indicaciรณn debe determinarse considerando las caracterรญsticas del
grรกfico S o R. Estos grรกficos no significan cambios en el valor promedio del proceso, sino
que indican fluctuaciones en su variabilidad, ya sea creciente o decreciente.
โข La distribuciรณn de S o R no es normal, lo que significa que no sigue una curva tรญpica en
forma de campana. Ademรกs, no es simรฉtrico, lo que complica aรบn mรกs la determinaciรณn de
probabilidades. Por lo tanto, las probabilidades enumeradas en la columna de la derecha
no se pueden aplicar a este escenario en particular.
Capacidad de procesos: su estudio
Un estudio de capacidad de proceso es un anรกlisis realizado para medir la capacidad de un
proceso para producir productos o servicios de manera consistente dentro de lรญmites especรญficos.
La investigaciรณn de la capacidad del proceso tiene como objetivo comprender:
โข La distribuciรณn estadรญstica que caracteriza un conjunto de datos puede ser normal o
anormal.
Pรกg. 63
โข La tendencia de las fluctuaciones en un proceso y los elementos primarios que contribuyen
a estas fluctuaciones.
โข Comprender los fenรณmenos fรญsicos y tรฉcnicos importantes para el proceso.
El proceso de toma de muestras para evaluar la producciรณn puede variar de muchas
maneras. Un requisito comรบn es que el proceso estรฉ bajo control estadรญstico, lo cual es necesario
para calcular รญndices como cp y cpk que miden la variabilidad a corto plazo. Sin embargo, al
intentar estimar la variabilidad total del proceso, tambiรฉn conocida como variabilidad a largo
plazo, las muestras deben representar con precisiรณn la producciรณn. Esto implica incluir
producciones con diferentes lotes de materia prima, diferentes operadores y mรบltiples turnos, entre
otros factores. Es importante tener en cuenta que la forma en que se toman las muestras afectarรก
en gran medida los resultados obtenidos. Para ayudar a diseรฑar un estudio de capacidad de proceso
e interpretar sus resultados, los siguientes pรกrrafos ofrecen algunas pautas รบtiles.
En general, un estudio de capacidad de proceso es un enfoque sistemรกtico y analรญtico para
comprender y mejorar la eficiencia de un proceso. Al identificar cuellos de botella y รกreas de
mejora, las organizaciones pueden optimizar sus procesos y aumentar la productividad y la
satisfacciรณn del cliente. Se lleva a cabo un estudio de capacidad del proceso para determinar quรฉ
tan eficientemente se estรก desempeรฑando un proceso e identificar cuellos de botella o รกreas de
mejora. El estudio generalmente implica analizar datos y medir varios factores, como el tiempo
del ciclo, el rendimiento y la utilizaciรณn de recursos.
Al realizar un estudio de capacidad de un proceso, es fundamental tener una comprensiรณn
integral de las siguientes etapas.
โข Comprender los fenรณmenos fรญsicos y tรฉcnicos importantes para el proceso. Por supuesto,
no se sabe todo sobre el proceso. Si es asรญ, no tiene sentido hacer otro estudio al respecto.
Sin embargo, se suelen conocer algunos aspectos que afectan a los datos y por tanto es
necesario considerarlos. Por ejemplo, en procesos de mecanizado, se puede esperar una
desalineaciรณn de los medios debido al desgaste de las herramientas. Luego de revisar el
conocimiento disponible, encontramos que:
โฆ Identificar posibles fuentes de variabilidad del proceso (por ejemplo, variaciรณn del
tiempo de mecanizado, variabilidad entre lotes, variabilidad de la posiciรณn de las
piezas, etc.).
โฆ Se puede evaluar la probabilidad de que los datos sigan una distribuciรณn normal o, a la
inversa, si existen factores como asimetrรญas que indiquen un patrรณn de distribuciรณn
diferente.
โข Para garantizar datos precisos y confiables, es importante definir el Grupo Racional
Homogรฉneo (GHR) del cual se tomarรกn las muestras. Lo ideal es que este grupo estรฉ libre
Pรกg. 64
de causas especiales que puedan introducir variabilidad en las mediciones. Al seleccionar
un GHR que sea representativo de la variaciรณn general del proceso, podemos asegurar que
la variaciรณn dentro de estos grupos refleje con precisiรณn la verdadera variaciรณn del proceso
cuando se eliminan todas las causas especiales. A modo de ilustraciรณn, consideremos un
proceso de mecanizado para un mango cilรญndrico, donde hemos identificado varias fuentes
potenciales de variabilidad:
โฆ El desgaste de la herramienta estรก relacionado con la cantidad de tiempo que se utiliza
la herramienta. Se refiere al deterioro o daรฑo gradual que se produce en una herramienta
a medida que se utiliza repetidamente durante un perรญodo de tiempo determinado.
โฆ El proveedor de los materiales sin procesar necesarios para la producciรณn.
โฆ El lote entregado por el proveedor.
โฆ Cuando el diรกmetro medido corresponde a la primera o segunda superficie (posiciรณn
sobre la pieza de trabajo).
En este escenario particular, al realizar una mediciรณn en una muestra, resulta imperativo
determinar el momento especรญfico en el que se produjo la pieza respectiva, el proveedor
particular responsable de su fabricaciรณn y el lote especรญfico de materias primas empleadas.
Ademรกs, es crucial determinar el lado o aspecto de la mediciรณn que se estรก realizando, ya
que cualquier omisiรณn de esta informaciรณn harรญa completamente imposible cuantificar y
evaluar con precisiรณn las diversas fuentes de variabilidad. Es esencial seรฑalar que incluso
el propio acto de mediciรณn puede introducir una variabilidad adicional, lo que obliga a
adoptar ciertas medidas de precauciรณn:
โฆ Para garantizar la precisiรณn y la coherencia, es imperativo tener un procedimiento de
mediciรณn bien definido. En un escenario sencillo como este, puede ser suficiente dar
instrucciones a un tรฉcnico de taller para que utilice un micrรณmetro calibrado y mida dos
diรกmetros en un รกngulo de 90ยบ y luego calcule el promedio. Sin embargo, si la tarea de
mediciรณn se vuelve mรกs compleja, resulta esencial establecer un procedimiento escrito
integral.
โฆ Si se desconoce la repetibilidad y reproducibilidad del mรฉtodo de mediciรณn utilizado,
se debe realizar un estudio R&R (repetibilidad y reproducibilidad). Los estudios R&R
tambiรฉn se conocen como estudios MSA (Anรกlisis de sistemas de mediciรณn).
Debido a esta etapa, es necesario crear al menos una plantilla de recolecciรณn de datos para
evitar posibles errores durante el proceso de recolecciรณn o registro de datos.
โข Para recopilar datos precisos, es esencial que el proceso funcione sin ninguna interferencia
de factores externos. El proceso debe ser lo suficientemente estable para que los grรกficos
de control sean efectivos y proporcionen cierto nivel de previsibilidad, aunque sea
Pรกg. 65
inherentemente aleatorio. Si un proceso es caรณtico e impredecible, no se pueden aplicar
grรกficos de control y realizar un estudio de capacidad no tendrรญa sentido. Para estabilizar
dicho proceso, se deben utilizar herramientas estadรญsticas avanzadas y se debe obtener una
comprensiรณn profunda del proceso a travรฉs del conocimiento empรญrico.
โข La recopilaciรณn de datos suele ocurrir durante un perรญodo prolongado y la lleva a cabo un
individuo. Si el objetivo es captar diversas fuentes de variabilidad cรญclica, el proceso de
recopilaciรณn de datos puede ser largo. Como resultado, existe una mayor probabilidad de
que se produzcan errores debido a malentendidos. Para mitigar este riesgo, es fundamental
establecer una plantilla de recopilaciรณn de datos clara y detallada en lugar de esperar hasta
que se hayan recopilado todos los datos antes de revisarlos. Es importante evitar la
desafortunada situaciรณn de darse cuenta de que los datos recopilados durante semanas no
tienen valor.
โข Para lograr las metas uno de los objetivos principales del estudio es determinar el patrรณn
de variabilidad y los factores clave que contribuyen a esta variabilidad. Para ello, los
investigadores se apoyan en diversas herramientas como el grรกfico Multivar y la tรฉcnica de
anรกlisis de componentes de la varianza, que han demostrado ser muy eficaces en este
sentido. Estas herramientas permiten a los investigadores obtener una comprensiรณn integral
de los patrones de fluctuaciรณn y determinar los principales impulsores detrรกs de ellos. Al
emplear estos enfoques analรญticos, el estudio pretende desentraรฑar las complejidades de la
variabilidad y arrojar luz sobre los factores fundamentales que influyen en ella.
โข Una vez recopilados los datos, es necesario comprobar la normalidad. En concreto, los
datos correspondientes a un mismo GHR deben presentar normalidad. Si el conjunto de
datos general no es normal pero los datos de GHR sรญ lo son, indica que uno de los criterios
utilizados para estratificar las muestras es una causa especial. Sin embargo, si se determina
que los datos no son normales debido a limitaciones tecnolรณgicas o mediante anรกlisis de
datos, se debe realizar una transformaciรณn de normalizaciรณn. Es importante seรฑalar que si
los datos no son normales, cualquier predicciรณn hecha con respecto a la fracciรณn defectuosa
en el estudio no es vรกlida. El pรกrrafo 11 proporciona orientaciรณn sobre cรณmo proceder
cuando los datos no son normales. Se pueden utilizar varias pruebas de ajuste, como ฯ2 y
Kolmogorov-Smirnov, para comprobar la normalidad. Una prueba comรบnmente empleada
en ingenierรญa de calidad se basa en el "artรญculo probabilรญstico normal", que alinea las
probabilidades acumuladas de datos de una muestra con una distribuciรณn normal en una
escala de ordenadas modificada.
Los procesos no normales
Hay ciertos procesos que poseen una caracterรญstica inherente que se desvรญa de la
normalidad, por lo que es inรบtil esperar que se ajusten a una distribuciรณn normal o implementar
Pรกg. 66
medidas correctivas para establecer un control estadรญstico sobre el proceso. Un escenario comรบn
involucra procesos que encuentran una "barrera" que impide que la variable aleatoria asuma
valores que van desde el infinito negativo hasta el infinito positivo. Por ejemplo, considere un
proceso de perforaciรณn en el que el diรกmetro mรญnimo de la broca sirve como lรญmite inferior, o
procesos quรญmicos que implican la adiciรณn de capas gruesas.
Si el proceso no sigue una distribuciรณn normal por causas inherentes a la naturaleza del
propio proceso, lo anterior se afecta de la siguiente manera:
โข Para determinar el significado de los รญndices y la proporciรณn de productos que quedan fuera
del rango aceptable, es necesario considerar la distribuciรณn que sigue el proceso de
fabricaciรณn. Si se desconoce la distribuciรณn, se puede utilizar la desigualdad de Tchebichef
para establecer que la porciรณn de la distribuciรณn que se extiende mรกs allรก de 3 ฯ
(desviaciones estรกndar) de la media no es mรกs de 1/9, lo que equivale al 11% (a diferencia
de la 0,135% observado en un proceso distribuido normalmente).
โข Los coeficientes utilizados para estimar ฯS y ฯR carecen de validez, lo que hace que los
lรญmites de control calculados para el grรกfico de media y rango no sean confiables.
โข Existe la posibilidad de que el grรกfico de medias muestre una distribuciรณn normal a pesar
de la presencia del TLC. Sin embargo, si la distribuciรณn del proceso estรก muy sesgada, serรญa
esencial tener un tamaรฑo de muestra mayor, normalmente superior a 25 o 30 en lugar de
los habituales 4 o 5, para considerar que la distribuciรณn de medias es normal.
En tales situaciones, lo mejor es hacer lo siguiente:
โข Debido a que la causa subyacente de la no normalidad es inherente al proceso mismo, es
esencial recolectar una muestra de al menos 25 o 30 unidades para minimizar la desviaciรณn
de una distribuciรณn normal. Al hacerlo, es posible gestionar eficazmente cualquier cambio
o fluctuaciรณn en el proceso.
โข Es importante analizar la distribuciรณn de los datos calculando la media, la desviaciรณn
estรกndar y el coeficiente de asimetrรญa. Al hacerlo, podemos determinar si el proceso es
capaz de cumplir con las especificaciones requeridas. Si la distribuciรณn queda fuera del
rango de tolerancia aceptable, sugiere que el proceso es incapaz de producir los resultados
deseados. Por otro lado, si la distribuciรณn estรก estrechamente contenida dentro del rango de
tolerancia, es posible que otros factores o variaciones inherentes al funcionamiento normal
del proceso puedan estar provocando que ciertas partes de la producciรณn se desvรญen de las
especificaciones deseadas.
โข Un paso recomendado es aplicar una transformaciรณn de normalizaciรณn a los datos. Se sabe
que las transformaciones BoxCox, en particular, son efectivas para este propรณsito.
Pรกg. 67
โข Una vez determinada la transformaciรณn de normalizaciรณn numรฉrica, si los valores de las
muestras estรกn codificados, se pueden tratar de manera similar a los procesos anteriores.
Sin embargo, para interpretar los valores de los lรญmites de control y la fracciรณn fuera de
tolerancia, es necesario invertir la transformaciรณn.
Procesos en la gestiรณn de calidad
En el competitivo panorama empresarial actual, la gestiรณn de procesos se ha convertido en
una prรกctica comรบn para las empresas que se esfuerzan por mantenerse a la vanguardia. Representa
un cambio de paradigma en cรณmo se definen y gestionan las organizaciones. En lugar de ver la
organizaciรณn como un conjunto de entidades separadas, ahora se la ve como una red de procesos
interconectados que funcionan en armonรญa. La atenciรณn se centra en cada proceso individual, con
el objetivo de minimizar las variaciones no deseadas y maximizar la eficiencia.
Este nuevo enfoque cambia fundamentalmente la forma en que percibimos y operamos
dentro de una organizaciรณn. Requiere un conocimiento profundo de los procesos, sus
caracterรญsticas y los distintos tipos que existen. La gestiรณn eficaz de estos procesos es crucial para
lograr una mayor satisfacciรณn del cliente e impulsar la mejora continua. Ya no se refiere
รบnicamente a los clientes externos sino que tambiรฉn incluye a los clientes internos dentro de la
organizaciรณn. En este contexto, una empresa puede verse como una vasta red de relaciones internas
cliente-proveedor. Cada tarea o actividad se considera parte de un proceso mรกs amplio y los
involucrados son conscientes de que estรกn contribuyendo a la cadena de valor de un cliente. El
resultado de un proceso se convierte en el insumo de otro, y todos en la organizaciรณn comprenden
que son clientes y proveedores simultรกneamente.
Un proceso puede definirse como una serie de acciones llevadas a cabo por individuos o
un grupo con el objetivo de transformar entradas en salidas que sean beneficiosas para un cliente.
Esta definiciรณn enfatiza la transformaciรณn esencial que implica todo proceso. Ampliando esta idea,
se tiene ademรกs que un proceso implica convertir diversos insumos, como operaciones, mรฉtodos o
acciones, en resultados que satisfagan las necesidades y expectativas de los clientes en tรฉrminos
de productos, informaciรณn, servicios o resultados generales.
Por lo tanto, es importante reconocer que una organizaciรณn estรก compuesta por mรบltiples
procesos que ocurren simultรกneamente y estรกn interconectados, lo que permite el potencial de la
gestiรณn de procesos, como se explorarรก en secciones posteriores. Ademรกs, la inclusiรณn del tรฉrmino
"cliente" nos lleva a considerar que todos los miembros de una organizaciรณn sirven directamente
a los clientes o indirectamente sirven a alguien que sirve a los clientes.
Esto lleva a la distinciรณn entre clientes internos y externos, destacando el hecho de que los
individuos dentro de la organizaciรณn siempre suministran directa o indirectamente a un cliente.
Partiendo de la definiciรณn de proceso, se puede agregar que cada grupo de actividades o procesos
Pรกg. 68
conforma una cadena de valor, con el objetivo final de satisfacer al cliente generando valor
agregado en cada actividad. Simplificando esta nociรณn, ISO 9000:2000 define cualquier actividad
que recibe entradas y las convierte en salidas como un proceso. Ademรกs, el modelo EFQM
incorpora los conceptos de "generar valor para los clientes y otras partes interesadas" y "apoyar la
polรญtica y la estrategia". Introduce asรญ un elemento crucial que no puede pasarse por alto: el "valor
aรฑadido" que aportan los distintos procesos dentro de una organizaciรณn.
Considerando esto, el Club de Excelencia en Gestiรณn presenta la siguiente definiciรณn de
proceso: "un conjunto de recursos y actividades interconectados que transforman elementos de
entrada en elementos de salida, proporcionando valor agregado para el cliente". En conclusiรณn, un
proceso puede entenderse como una secuencia lรณgica de actividades diseรฑadas para producir un
resultado predeterminado para los clientes identificados, utilizando los insumos necesarios que
aportan valor. Ejemplos de procesos incluyen desarrollo de productos, producciรณn, distribuciรณn,
ventas, facturaciรณn y mรกs.
Para ser considerado como tal, cada proceso debe cumplir una serie de caracterรญsticas, tales
como:
โข La posibilidad de ser definido es un aspecto fundamental que requiere tener una misiรณn o
propรณsito claro.
โข Los lรญmites se presentan de manera clara y explรญcita, con una indicaciรณn clara de dรณnde
comienzan y dรณnde terminan.
โข El potencial de ser representado visualmente.
โข El potencial de mediciรณn y control existe dentro del รกmbito de lo posible, ya que hay
indicadores disponibles que permiten monitorear el progreso y los resultados, e incluso
ofrecen oportunidades de mejora.
โข Un factor importante por considerar es la presencia de una persona designada como
responsable, que supervisa la eficiencia y eficacia general del proceso. Esta persona tiene
asignadas una multitud de responsabilidades, que incluyen, entre otras, garantizar la
adecuada ejecuciรณn y control del proceso a lo largo de sus diversas fases.
Ademรกs de las caracterรญsticas antes mencionadas, todo proceso conlleva varios
componentes esenciales. En primer lugar, hay un insumo que es proporcionado por un proveedor,
ya sea externo o interno a la organizaciรณn, y estos insumos deben cumplir con criterios especรญficos
predeterminados. En segundo lugar, el proceso en sรญ comprende una serie de actividades que se
llevan a cabo con la ayuda de diversos factores, incluidos individuos, metodologรญas y recursos. Por
รบltimo, hay un producto o resultado que se produce como consecuencia directa del proceso, y este
producto estรก destinado a un destinatario, ya sea externo o interno a la organizaciรณn. Ademรกs, este
producto posee un valor inherente que el receptor puede medir o evaluar objetivamente.
Pรกg. 69
Las entradas y salidas de un procedimiento particular forman correspondientemente las
salidas y entradas de otros procedimientos. Los diversos procedimientos dentro de una
organizaciรณn estรกn interconectados, lo que significa que el resultado de un procedimiento se
convierte directamente en el insumo del procedimiento siguiente. Esto enfatiza la importancia de
identificar y comprender con precisiรณn estos procesos y sus lรญmites para poder gestionarlos de
forma eficaz.
De manera similar, los procesos tienen la capacidad de fusionarse para formar una cadena
de procesos, donde el resultado del proceso del proveedor sirve como insumo para el proceso de
la organizaciรณn, y el resultado del proceso de la organizaciรณn sirve como insumo para el proceso
del cliente. Cuando se trata de limitaciones de los procesos, es crucial determinar la unidad
adecuada para su gestiรณn en los diferentes niveles de responsabilidad. Ademรกs, los factores de un
proceso abarcan personas, materiales, recursos humanos y las metodologรญas utilizadas en รฉl. El
control de estos factores permite la regulaciรณn del proceso. En consecuencia, si se produce algรบn
resultado no deseado o una operaciรณn incorrecta, identificar el factor especรญfico que lo causรณ se
vuelve vital para guiar las medidas correctivas o de mejora. La siguiente figura ilustra los lรญmites,
componentes y factores de un proceso, asรญ como los proveedores y clientes previstos, que pueden
clasificarse como internos o externos.
Los tipos de procesos
Pรกg. 70
Actualmente no existe una forma universalmente aceptada de clasificar los procesos, ya
que se pueden utilizar diferentes criterios. Una posible clasificaciรณn se basa en si las actividades o
procesos involucrados son simples o complejos, y si pertenecen a una sola funciรณn dentro de una
organizaciรณn o involucran mรบltiples funciones. Segรบn las estructuras tradicionales de organizaciรณn
departamental, los procesos se pueden clasificar en intrafuncionales o interfuncionales, es decir,
involucran a uno o varios departamentos. Sin embargo, dada la naturaleza jerรกrquica de las
organizaciones, los procesos tambiรฉn tienen una dimensiรณn vertical, involucrando diferentes
niveles de responsabilidad dentro de la organizaciรณn. Esta perspectiva sobre los procesos resalta
los potenciales conflictos que pueden surgir durante su desarrollo o al intentar implementar
mejoras. En el caso de procesos interfuncionales, pueden surgir problemas debido a barreras
interdepartamentales y, debido a la naturaleza vertical de los procesos, pueden surgir problemas al
asignar responsabilidades entre departamentos.
Otra forma de categorizar los procesos es considerando su propรณsito u objetivo. Como
menciona Pรฉrez en su estudio realizado en 2004, este mรฉtodo de clasificaciรณn tambiรฉn estรก
disponible:
โข Los procesos operativos desempeรฑan un papel crucial en la transformaciรณn de los recursos
para ofrecer productos y servicios que satisfagan los requisitos del cliente y ofrezcan un
valor significativo. Estos procesos se conocen colectivamente como "Proceso de Negocio"
y abarcan todo el recorrido desde el inicio hasta la finalizaciรณn con el cliente en el centro.
La ejecuciรณn de estos procesos requiere la asignaciรณn de recursos y la gestiรณn de
informaciรณn relevante. Estos procesos se alinean con las especificaciones descritas en el
รกrea 7 de la norma ISO 9001:2000. En el contexto de una empresa industrial, estos procesos
abarcan actividades tales como identificar y evaluar los requisitos del producto, diseรฑar y
desarrollar productos, adquisiciรณn, producciรณn y entrega, y mantener canales de
comunicaciรณn efectivos con los clientes.
โข Los procesos de soporte son esenciales para el funcionamiento de otros procesos dentro de
una empresa. Estos procesos proporcionan los recursos tanto fรญsicos como humanos que
son necesarios para la organizaciรณn. Se consideran procesos transversales porque
proporcionan recursos en diferentes etapas del proceso empresarial general. Estos procesos
se alinean con los requisitos descritos en el รกrea 6 de la norma ISO 9001:2000, con la
excepciรณn de "compras" que se clasifica como un proceso operativo. Algunos ejemplos de
procesos de apoyo incluyen la gestiรณn de recursos humanos, que engloba actividades como
reclutamiento, promociones internas, integraciรณn de nuevos empleados, comunicaciรณn
interna, capacitaciรณn y garantรญa de seguridad laboral. Otros procesos de apoyo incluyen el
suministro de bienes de inversiรณn, el mantenimiento de infraestructura y servicios
generales, y la gestiรณn de proveedores de materiales.
Pรกg. 71
โข Los procesos de gestiรณn son cruciales para el buen funcionamiento de otros procesos dentro
de una organizaciรณn. Desempeรฑan un papel vital al proporcionar la informaciรณn necesaria
para la toma de decisiones y la formulaciรณn de planes de mejora. Estos procesos abarcan
actividades de evaluaciรณn, control, seguimiento y mediciรณn. Tienen un carรกcter
multifuncional y se alinean con los requisitos descritos en el รกrea 8 de la norma ISO
9001:2000. Especรญficamente, los procesos de gestiรณn incluyen gestiรณn econรณmica, gestiรณn
de calidad/ambiental (que incorpora procesos de control de documentos y control de
registros, mediciรณn de la satisfacciรณn del cliente, auditorรญa interna, seguimiento y mediciรณn
de productos y procesos, anรกlisis y mejora de datos). Vale la pena seรฑalar que algunas
organizaciones pueden tener procesos de gestiรณn adicionales, como la gestiรณn de clientes
(para una interacciรณn efectiva con los clientes a lo largo del Proceso de Negocio) o la
gestiรณn de proyectos (en empresas estructuradas en torno a proyectos).
โข Los procesos de gestiรณn tienen un impacto significativo en todas las operaciones realizadas
dentro de la empresa y se caracterizan por su carรกcter transversal. Estos procesos abarcan
una gama de actividades que incluyen el desarrollo, la comunicaciรณn y la evaluaciรณn
periรณdica de los planes estratรฉgicos de la empresa. Ademรกs, abarcan el establecimiento,
implementaciรณn, seguimiento y evaluaciรณn de diversos objetivos. La comunicaciรณn interna
y la revisiรณn periรณdica de los resultados por parte del equipo directivo tambiรฉn caen bajo
el paraguas de los procesos de gestiรณn.
Sin embargo, a menudo ocurre que la categorizaciรณn mรกs frecuente de procesos en
aplicaciones prรกcticas es diferenciarlos como procesos estratรฉgicos, claves o de apoyo:
โข Los procesos operativos, tambiรฉn conocidos como procesos clave, abarcan las actividades
centrales de una empresa. Estos procesos son indicativos de las operaciones habituales de
la empresa y pueden incluir el proceso de suministro, el proceso de producciรณn, el proceso
de prestaciรณn de servicios, el proceso de marketing y varios otros. Los procesos estratรฉgicos
abarcan las diversas actividades que realiza una empresa para formular sus estrategias y
establecer sus objetivos. Estos procesos abarcan una variedad de tareas, como la
planificaciรณn meticulosa de presupuestos, el diseรฑo complejo de productos y/o servicios, y
muchos otros.
โข Los procesos de soporte son esenciales para permitir que se ejecuten procesos clave
proporcionando los recursos y el soporte necesarios. Estos procesos clave abarcan varios
aspectos como capacitaciรณn, operaciones informรกticas, logรญstica y mรกs. Ademรกs, es
importante diferenciar entre procesos clave y procesos crรญticos. Los procesos clave
generalmente se alinean con la definiciรณn antes mencionada y tienen un enfoque principal
en la satisfacciรณn del cliente, al tiempo que utilizan ampliamente los recursos disponibles
de la empresa. Por el contrario, un proceso se considera crรญtico cuando el logro de los
objetivos y estรกndares de calidad de la empresa dependen en gran medida de su ejecuciรณn.
Pรกg. 72
La relaciรณn entre el cliente y el proveedor interno
En cada proceso, la persona a cargo del mismo tiene la tarea vital de apoyar y coordinar las
distintas funciones involucradas para garantizar la satisfacciรณn del cliente. Por lo tanto, se puede
argumentar que uno de los objetivos clave de la gestiรณn de procesos es priorizar las necesidades y
deseos de los clientes, con una comprensiรณn integral del tรฉrmino "cliente" que abarca a todos los
individuos que se ven afectados por los procesos o productos de la empresa. De ahรญ que sea
aconsejable distinguir entre diferentes tipos de clientes que pueden verse influenciados por uno o
mรกs procesos. En consecuencia, podemos identificar dos categorรญas de clientes: clientes externos
y clientes internos. Un cliente externo se refiere a cualquier persona que no forma parte de la
empresa pero compra sus productos y/o servicios.
Por otro lado, se define cliente interno como cualquier persona dentro de la empresa que
obtiene documentos, informaciรณn, procedimientos, materiales o piezas para incorporar a su propio
trabajo y posteriormente vender a otro cliente. Este concepto surge al reconocer que todos los
empleados estรกn involucrados en una relaciรณn interna dinรกmica cliente-proveedor. Dentro de la
empresa, cada miembro es al mismo tiempo cliente y proveedor de otros dentro de la organizaciรณn.
La razรณn detrรกs de considerar a los empleados como clientes internos es garantizar la satisfacciรณn
de todos los individuos involucrados, de modo que cuando estas relaciones se extiendan a los
clientes externos, se logre el mรกs alto nivel de satisfacciรณn.
En el รกmbito de la gestiรณn corporativa convencional, los individuos suelen dedicar su
energรญa a las tareas especรญficas que se les asignan, esforzรกndose diligentemente por ejecutarlas de
acuerdo con las instrucciones o especificaciones proporcionadas. Sin embargo, muchas veces
permanecen ajenos o poseen un conocimiento limitado sobre el impacto de sus contribuciones en
el resultado final de toda la organizaciรณn.
En el รกmbito de la gestiรณn de procesos, es evidente que el trabajo de cada individuo se
considera un proceso que produce un producto o servicio de valor inherente para un cliente, ya sea
interno o externo. En tales circunstancias, las personas que reconocen su papel dentro de una
cadena de valor agregado asumen voluntariamente deberes y asumen la responsabilidad para
mejorar su productividad y alcanzar colectivamente objetivos compartidos.
El nuevo enfoque de trabajo implica un cambio en la forma en que se gestionan las
interacciones a diario, centrรกndose en el nivel de proceso y exigiendo cambios en el
comportamiento de los individuos. En este marco, cada individuo asume el doble papel de cliente
y proveedor.
La base de un sistema operativo que opera en equipos de trabajo es el modelo โcliente-
proveedor internoโ. Para implementar con รฉxito este modelo, es crucial iniciar el proceso desde la
perspectiva del cliente externo, centrรกndose en el rol del proveedor interno y entendiendo sus
requisitos durante todo el proceso (Camisรณn et al., 2006).
Pรกg. 73
El modelo ยซcliente interno-proveedorยป, ofrece numerosos beneficios a una organizaciรณn
en tรฉrminos de mejorar su eficiencia y eficacia. Este modelo fomenta una cultura de aprendizaje
continuo y garantiza un flujo fluido de informaciรณn dentro de la organizaciรณn. Ademรกs, promueve
una mayor cohesiรณn interna al fomentar la colaboraciรณn y comunicaciรณn entre proveedores y
clientes internos. A nivel individual, este modelo facilita una comprensiรณn integral de las
operaciones de la organizaciรณn, permitiendo a los empleados tener una visiรณn holรญstica que abarca
tanto a sus proveedores como a sus clientes (Camisรณn et al., 2006). A travรฉs de la interacciรณn
constante y el intercambio de comentarios, los proveedores y los clientes internos desempeรฑan un
papel fundamental a la hora de impulsar el รฉxito de este modelo.
Los procesos y su representaciรณn grรกfica
Como se mencionรณ anteriormente, todos los procesos se pueden representar visualmente
mediante diagramas. El mรฉtodo mรกs utilizado para la representaciรณn grรกfica es la utilizaciรณn de
diagramas, que ayudan en la comprensiรณn general del proceso al proporcionar una presentaciรณn
visual que facilita la comunicaciรณn, ejecuciรณn y anรกlisis de los procesos. Dos tipos notables de
diagramas son el diagrama de bloques y el diagrama de flujo. Sin embargo, el aspecto clave no es
el mรฉtodo especรญfico de representaciรณn, sino mรกs bien la claridad de cรณmo se representan los
procesos, funciones, operaciones y actividades. Es fundamental que el mรฉtodo de representaciรณn
elegido sea fรกcilmente comprensible para una comunicaciรณn eficaz. Entre las diversas opciones,
mรกs ampliamente utilizada, se encuentra el mรฉtodo Qualigramme debido a las numerosas ventajas
que ofrece.
La representaciรณn grรกfica de Qualigramme se basa en una estructura piramidal que
categoriza el modelado en tres niveles: el nivel 1, que se centra en los procesos de la empresa; el
nivel 2, que se ocupa de los procedimientos organizativos; y el nivel 3, que involucra instrucciones
de trabajo:
โข En el primer nivel, se examinan los procesos de la empresa, incluido el enfoque estratรฉgico
de la organizaciรณn, como su misiรณn, polรญticas, objetivos y las relaciones entre estos
objetivos. Normalmente, estos elementos se pueden encontrar en el manual de calidad de
la empresa.
โข El segundo nivel se refiere a los procedimientos organizacionales y representa cรณmo estรก
estructurada la empresa. Este nivel define las relaciones entre clientes internos y
proveedores, delineando las acciones necesarias, el intercambio de informaciรณn y las
herramientas a utilizar.
โข Finalmente, el tercer nivel consta de instrucciones de trabajo y se centra en el aspecto
prรกctico. Implica identificar las tareas esenciales a realizar, asรญ como los controles y
acciones correctivas adecuadas para asegurar su finalizaciรณn exitosa.
Pรกg. 74
La descripciรณn del proceso
El mรฉtodo de descripciรณn grรกfica Qualigramme ofrece mรบltiples opciones para representar
procesos, cada una con distintos niveles de detalle. Un enfoque es la cartografรญa macroscรณpica, que
proporciona una visiรณn general de los procesos de la empresa. Otra opciรณn es la cartografรญa
relacional, que se centra en identificar las conexiones entre procesos. Por รบltimo, la cartografรญa
detallada profundiza en los subprocesos y procedimientos especรญficos que componen un proceso,
asรญ como en sus interrelaciones. A continuaciรณn se presenta los sรญmbolos fundamentales utilizados
para representar todos los aspectos relacionados con los procesos.
โข La cartografรญa macroscรณpica; este modo de representaciรณn es extremadamente completo y
abarca varios procesos realizados dentro de la organizaciรณn, ademรกs de mantener relaciones
cruciales con entidades externas.
โข La cartografรญa relacional; es un mรฉtodo que permite comprender las relaciones entre varios
procesos. Al observar cรณmo estos procesos interactรบan entre sรญ y sus conexiones con
entidades externas, podemos obtener informaciรณn valiosa. En lugar de crear un รบnico
Pรกg. 75
grรกfico complejo y confuso, suele ser mรกs eficaz crear mรบltiples grรกficos claros y concisos
que representen las diferentes relaciones entre los procesos. El principal objetivo de este
enfoque es garantizar una comprensiรณn rรกpida y sencilla de los objetivos del proceso
examinado. Para lograrlo, podemos crear dos grรกficos separados que examinen las
relaciones desde dos perspectivas diferentes: la "visiรณn del proveedor" y la "visiรณn del
cliente". En la "visiรณn del proveedor", el proceso que se examina se considera el proveedor
o productor de otros procesos y entidades externas. Esto estรก representado por las flechas
que se originan en รฉl. Por el contrario, en la "vista del cliente", el proceso examinado se ve
como el cliente o destinatario de otros procesos y entidades externas. Esto estรก representado
por las flechas que apuntan hacia รฉl.
โข La cartografรญa detallada; se refiere a un tipo de mapa o diagrama que proporciona un nivel
extenso de detalle sobre el proceso de nivel 1 de la pirรกmide Qualigramme. Esta cartografรญa
describe los subprocesos y procedimientos especรญficos que deben ejecutarse para lograr
con รฉxito los objetivos designados. En esta forma particular de cartografรญa, el intercambio
de informaciรณn entre procesos, subprocesos y procedimientos se representa visualmente
mediante el uso de flechas de entrada y salida. El primer tipo de indicador, conocido como
indicador de resultados, estรก asociado con procesos, subprocesos, procedimientos o
instrucciones y se representa con formas rectangulares en el grรกfico. Su propรณsito es medir
el grado en que se ha logrado un objetivo asignado. Siempre que este sรญmbolo estรก presente,
siempre lo acompaรฑa una hoja descriptiva del indicador. Por otro lado, el segundo tipo de
indicador, denominado indicador de interfaz, estรก vinculado a las relaciones entre clientes
y proveedores. Este sรญmbolo, a menudo denominado "contrato", siempre estรก colocado
encima de las flechas de informaciรณn. Significa que una de las partes involucradas en el
contrato se ha comprometido a proporcionar la informaciรณn necesaria a la otra parte en
condiciones preestablecidas. Es posible crear una ficha de indicadores para controlar el
cumplimiento del contrato, aunque es mรกs habitual incluir un texto escrito que detalle los
detalles concretos, como la naturaleza del suministro, criterios de aceptaciรณn
(conformidad), plazos de suministro de informaciรณn, y la forma o medio de transmisiรณn
preferido.
La descripciรณn de los procedimientos
Los procedimientos nos proporcionan una comprensiรณn clara de las personas responsables
de realizar tareas especรญficas y las acciones realizadas en relaciรณn con un objetivo particular. Un
procedimiento abarca mรบltiples roles o funciones, las acciones especรญficas que realizan, los
recursos principales que utilizan (como herramientas, materiales y documentos) y una secuencia
cronolรณgica de ejecuciรณn de estas acciones.
Pรกg. 76
Para crear un procedimiento utilizando el lenguaje Qualigramme en formato grรกfico, es
fundamental seguir las instrucciones descritas por Berger y Guillard en su publicaciรณn de 2001.
Estas instrucciones sirven como guรญa para representar de manera efectiva y precisa los pasos del
procedimiento de una manera visualmente atractiva. Siguiendo estas pautas, se puede garantizar
la claridad y comprensibilidad del procedimiento, haciendo que sea mรกs fรกcil de entender y seguir
para otros:
โข Identificar el elemento que finaliza el procedimiento. Identificar los roles o roles
involucrados: rol externo; roles internos; unidades.
โข Identificar el elemento motivador: informaciรณn procedente de un rol externo o actividad
previa.
โข El primer paso es reconocer y enumerar todas las direcciones que constituyen el
procedimiento.
โข Para cada instrucciรณn, se debe complete el cuestionario.
โข La distribuciรณn y provisiรณn de los recursos necesarios (como materiales y documentos)
para ejecutar eficazmente las instrucciones dadas.
โข Una discusiรณn sobre la importancia del comentario de las formas grรกficas que lo requieran,
brindando una explicaciรณn concisa para mejorar la comprensiรณn de la forma en cuestiรณn.
โข Definiciรณn de las instrucciones a desarrollar. Aquellas instrucciones que presenten riesgos
o requieran un seguimiento especial deberรกn dictarse tal y como se especifica en el apartado
de instrucciones). Tambiรฉn existen otras formas de explicar cรณmo se deben ejecutar las
instrucciones, como por ejemplo: comentarios (texto breve explicativo), documentaciรณn de
soporte (en forma de "herramienta de documentaciรณn") o macros (que incluyen tres
instrucciones que detallan) o permiten la ejecuciรณn y el control. cuatro operaciones
principales de instrucciones).
โข Encuentra el componente que marca la conclusiรณn del proceso.
โข Identificar responsabilidades: Indicar los roles responsables del procedimiento, asรญ como
los propietarios y participantes de las actividades compartidas.
La descripciรณn de una instrucciรณn
A la hora de representar visualmente instrucciones de trabajo, es fundamental seguir un
mรฉtodo especรญfico. Este mรฉtodo implica parafrasear la informaciรณn en un formato grรกfico, lo que
ayuda a una mejor comprensiรณn. Mediante el uso de grรกficos, las personas pueden comprender
fรกcilmente la secuencia de pasos y el flujo general de la actividad que se describe en las
instrucciones de trabajo. Las instrucciones de trabajo nos brindan informaciรณn sobre cรณmo realizar
Pรกg. 77
una tarea particular y generalmente se asignan a una funciรณn especรญfica dentro de una organizaciรณn.
Estas instrucciones deben ser muy detalladas y abarcar todos los pasos y procedimientos necesarios
para completar con รฉxito la actividad.
Las instrucciones de trabajo se clasifican como parte del tercer nivel dentro de la pirรกmide
Qualigramme, que es un modelo jerรกrquico que se utiliza para categorizar y organizar diferentes
tipos de documentaciรณn de procesos. En esencia, las instrucciones de trabajo sirven como una guรญa
integral que permite a las personas realizar tareas especรญficas de manera precisa y eficiente. Sirven
como una herramienta vital para garantizar la coherencia, reducir errores y mantener los estรกndares
de calidad dentro de una organizaciรณn. Por lo tanto, es fundamental invertir tiempo y esfuerzo en
crear instrucciones de trabajo detalladas y bien estructuradas que no dejen lugar a ambigรผedades
o confusiรณn:
โข Uno de los primeros pasos es determinar el puesto o trabajo especรญfico involucrado en la
situaciรณn.
โข Enumerar las diversas operaciones que ocurren en una secuencia cronolรณgica.
โข Para realizar eficazmente las tareas en cuestiรณn, es esencial enfatizar y enumerar las
diversas herramientas, materiales y documentos necesarios para completar las operaciones
con รฉxito.
Las instrucciones de trabajo sรณlo deben describirse si suponen un riesgo potencial de
disfunciones o no conformidades y, por tanto, requieren un seguimiento especial. Utilizando los
sรญmbolos bรกsicos utilizados para la representaciรณn grรกfica, se pueden representar eficazmente todas
las situaciones posibles.
Ademรกs de los sรญmbolos bรกsicos, Qualigramme utiliza otros mรฉtodos para indicar
diferentes elementos como el inicio, el final, los imperativos, las operaciones de control, las
operaciones correctivas, etc. Es imprescindible que todas las instrucciones de trabajo se presenten
en un formato que no supere una pรกgina A4 y estรฉn organizadas en tres columnas. Estas columnas
incluyen el papel que juega la instrucciรณn en relaciรณn con las distintas operaciones a realizar, el
plan de autocontrol y las acciones correctivas que pueden surgir de controles inadecuados.
Los procesos y su gestiรณn
El concepto de gestiรณn es uno que ha estado sujeto a diversas interpretaciones, llevando a
que cada individuo lo defina segรบn su propio entendimiento. Esta divergencia en la interpretaciรณn
hace que sea difรญcil lograr una comprensiรณn unรกnime de su significado. La norma ISO 9000:2000
intenta proporcionar una definiciรณn clara al afirmar que la gestiรณn implica la coordinaciรณn de
actividades destinadas a dirigir y controlar una organizaciรณn. Otra perspectiva de la gestiรณn, es que
Pรกg. 78
implica ejecutar tareas de manera minuciosa, apegรกndose a planes preestablecidos, con el objetivo
final de alcanzar los objetivos y posteriormente evaluar el nivel de consecuciรณn.
Existen algunas definiciones de gestiรณn, pero es necesario destacar dos aspectos
importantes:
โข En primer lugar, la existencia de una gestiรณn depende de que tenga objetivos claros.
โข En segundo lugar, la gestiรณn va mรกs allรก de la simple mediciรณn del desempeรฑo; tambiรฉn
debe abarcar la nociรณn de mejora continua.
En muchas organizaciones es comรบn manejar los procesos de producciรณn y el รกrea de
ventas, pero no es tรญpico manejar otros procesos internos de servicios o relaciones internas cliente-
proveedor. Sin embargo, ahora es posible y necesario gestionar variables como la satisfacciรณn del
cliente y todos los procesos dentro de la organizaciรณn. En el pasado, esto no era una prioridad,
principalmente porque encontrar sistemas de mediciรณn y evaluaciรณn adecuados era un desafรญo.
Empero ahora, gestionar la satisfacciรณn del cliente significa comprender y abordar la percepciรณn
que tiene el cliente de sus verdaderas necesidades, no sรณlo del producto o servicio que adquiriรณ.
La gestiรณn de procesos implica implementar sistemas para medir y evaluar la efectividad
de los procesos, no solo el resultado final. La mediciรณn es crucial para una gestiรณn eficaz. Como
dice el refrรกn, โno se puede controlar lo que no se mide, y no se puede gestionar lo que no se
controlaโ. La gestiรณn de procesos es una prรกctica que supone una gestiรณn integral de todos los
procesos dentro de la empresa, no sรณlo de los procesos de producciรณn y ventas en los que
tradicionalmente se ha centrado.
Cuando se considera la gestiรณn de procesos, la empresa se ve como un sistema complejo
que consta de procesos interconectados que trabajan juntos para mejorar la satisfacciรณn del cliente
(Casadesรบs et al., 2005). Es crucial reconocer que un enfoque centrado en procesos implica integrar
la gestiรณn de procesos con la estrategia general de la empresa, en lugar de simplemente cambiar el
nombre de los procedimientos o departamentos existentes a "procesos". Una genuina orientaciรณn
a procesos requiere la identificaciรณn sistemรกtica y la gestiรณn efectiva de todos los procesos dentro
de la organizaciรณn, con รฉnfasis especรญfico en comprender y optimizar las interacciones entre estos
procesos.
Las etapas en la gestiรณn de un proceso
Para manejar eficazmente cualquier proceso, es fundamental tener una comprensiรณn
integral tanto de los principios de gestiรณn como de los procesos preestablecidos involucrados. Esta
comprensiรณn sirve como base para gestionar y ejecutar con รฉxito diversas tareas. Como se describe
en la figura (Pรฉrez, 2004), es necesario seguir una serie de pasos para garantizar un proceso de
gestiรณn fluido y eficiente.
Pรกg. 79
Estos pasos actรบan como una hoja de ruta, guiando a los gerentes a travรฉs de las acciones
y decisiones necesarias para lograr los resultados deseados. Al seguir estos pasos, los gerentes
pueden navegar eficazmente por las complejidades de la gestiรณn de procesos y garantizar que los
objetivos se cumplan de manera oportuna y organizada:
โข En primer lugar, es esencial asignar y transmitir eficazmente el propรณsito y objetivo del
proceso, ademรกs de delinear el nivel deseado de calidad, tiempo o servicio y los objetivos
de costos que deben alcanzarse. Estos objetivos deben alinearse con las necesidades y
demandas especรญficas de los clientes, al mismo tiempo que deben estar en armonรญa con la
direcciรณn estratรฉgica general de la empresa.
โข Definir los lรญmites o restricciones del proceso, utilizando la terminologรญa analizada en la
secciรณn inicial de este capรญtulo.
โข Planificar el proceso, crear una representaciรณn grรกfica del proceso y aclarar indicadores y
mediciones del proceso y del producto.
โข Establecer la secuencia de los procesos y las diversas interacciones que se producen entre
ellos es fundamental. Es importante identificar y comprender el orden especรญfico en el que
Pรกg. 80
ocurren estos procesos y cรณmo se conectan y comunican entre sรญ. Al hacerlo, podemos
obtener una comprensiรณn integral del flujo general y la dinรกmica del sistema. Este
conocimiento nos permite analizar y optimizar eficazmente los procesos, asรญ como
identificar posibles cuellos de botella o รกreas de mejora. Ademรกs, comprender las
interacciones entre procesos permite una mejor coordinaciรณn y colaboraciรณn entre
diferentes equipos o departamentos involucrados en el proceso general. Esto garantiza un
funcionamiento fluido y eficiente, asรญ como una resoluciรณn de problemas y una toma de
decisiones eficaces cuando surgen problemas. Por lo tanto, establecer una secuencia clara
y bien definida de procesos y sus interacciones es crucial para operaciones exitosas y
optimizadas.
โข El paso 5 implica asignar los recursos esenciales, tanto tangibles como intangibles, para
ejecutar y supervisar el proceso de manera efectiva.
โข La ejecuciรณn del proceso.
โข El acto de evaluar y observar la progresiรณn del procedimiento.
โข En caso de cualquier desviaciรณn de los objetivos establecidos, es importante proponer
acciones correctivas adecuadas e implementarlas de manera efectiva para abordar y
rectificar la situaciรณn.
โข Mejora y refinamiento constante en los procesos.
โข En ciertos casos, resulta necesario que la empresa contemple la posible implementaciรณn de
mejoras identificadas o acciones correctivas en otras operaciones.
Los siguientes son los atributos que definen un proceso bien gestionado, es crucial
identificar y reconocer con precisiรณn a los clientes y proveedores involucrados en el proceso:
โข Tener una misiรณn claramente definida.
โข Poseer metas cuantitativas y cualitativas, asรญ como indicadores que miden el nivel de
cumplimiento.
โข Contar con una persona responsable y controladora del proceso.
โข Establecimiento de lรญmites iniciales y finales especรญficos.
โข Obtenciรณn de los recursos y la tecnologรญa de la informaciรณn necesarios para poder hacerlo.
โข Implementaciรณn de un conjunto integral de medidas para garantizar un control efectivo.
โข Puntos mรญnimos de control, revisiรณn y espera.
Pรกg. 81
โข ``Bajo control estadรญstico'', es decir, que no existe variaciรณn por causas especiales.
โข Es importante que algo estรฉ estandarizado y documentado.
โข Mostrar relaciones con otros procesos internos y del cliente.
โข Contribuir al desarrollo de nuestra propia ventaja competitiva sostenible y de largo plazo.
โข Ser lo mรกs simple y fรกcil de realizar posible.
Control de la gestiรณn por procesos
Como se mencionรณ anteriormente, la gestiรณn de procesos implica la creaciรณn de un sistema
de control integral que permita el monitoreo y evaluaciรณn de los resultados y el desempeรฑo del
proceso. Ademรกs, facilita la mediciรณn de la satisfacciรณn del cliente, ya sea que se trate de partes
interesadas internas o externas. Al aprovechar este sistema de control, las organizaciones pueden
identificar eficazmente รกreas de mejora o rediseรฑo dentro de sus procesos. Esto, a su vez, permite
establecer prioridades y crea un entorno propicio para planificar e implementar acciones destinadas
a mejorar la eficiencia y eficacia de los procesos.
Tener un sistema de control ineficaz o incompleto es mucho mรกs perjudicial que no tener
ningรบn sistema de control. Cuando somos conscientes de que una puerta carece de llave,
naturalmente nos abstenemos de dejar objetos de valor detrรกs. Sin embargo, si confiamos
errรณneamente en que la cerradura estรก segura cuando en realidad estรก defectuosa, los riesgos y
peligros potenciales aumentan significativamente.
Por tanto, el sistema de gestiรณn del control de procesos abarca un enfoque integral que se
centra en evaluar el nivel de satisfacciรณn del cliente alcanzado a travรฉs de los distintos procesos
ejecutados dentro de la organizaciรณn. Este sistema comprende una multitud de componentes
interconectados que trabajan juntos hacia un objetivo compartido: mejorar la efectividad y
eficiencia de estos procesos para, en รบltima instancia, elevar la satisfacciรณn del cliente. En
consecuencia, el sistema de control pone รฉnfasis en monitorear factores que ofrecen informaciรณn
tanto sobre los resultados como sobre la funcionalidad de los procesos, asรญ como factores que estรกn
estrechamente relacionados con la satisfacciรณn del cliente.
El sistema de control convencional enfatiza principalmente la evaluaciรณn de variables
financieras. Sin embargo, un sistema de control integral requiere no sรณlo la evaluaciรณn de estas
variables sino tambiรฉn la inclusiรณn de otras medidas e indicadores significativos. Estas medidas e
indicadores adicionales ofrecen informaciรณn valiosa para tomar decisiones informadas, lo que
lleva a la implementaciรณn de acciones proactivas en lugar de depender รบnicamente de respuestas
reactivas como se ve en el sistema de control tradicional.
Pรกg. 82
El concepto de "control de procesos" implica identificar y especificar los elementos que
deben regularse para lograr con รฉxito los objetivos deseados de cada proceso individual. En
tรฉrminos mรกs simples, implica establecer y delinear los objetivos especรญficos que deben controlarse
y monitorearse.
Hay varias razones importantes para medir varios procesos dentro de una empresa. La
primera razรณn es mantener el control sobre estos procesos, asegurando que cualquier variabilidad
no deseada o planificada se minimice o elimine por completo. Esto ayuda a garantizar la coherencia
y eficiencia en las operaciones de la empresa. La segunda razรณn para la mediciรณn es recopilar
informaciรณn valiosa sobre estos procesos, que luego pueda utilizarse para gestionarlos de forma
eficaz. Al comprender cรณmo se estรก desempeรฑando cada proceso, las empresas pueden identificar
รกreas de mejora y trabajar para lograr los objetivos planificados. En resumen, la mediciรณn de
procesos es vital para mantener el control, evitar la variabilidad, recopilar informaciรณn, alcanzar
objetivos e impulsar la mejora. Es necesario que las empresas establezcan criterios para monitorear
y medir los procesos, asegurando que sean efectivamente gestionados y optimizados para el รฉxito.
Cuando una empresa tiene identificados todos sus procesos, es fundamental establecer criterios
que permitan monitorear y medir el dinamismo de los procesos y la mejora continua de los
resultados. Esto significa determinar quรฉ aspectos especรญficos de cada proceso deben medirse para
evaluar con precisiรณn su desempeรฑo. Se trata de una desviaciรณn del sistema de control tradicional,
que puede haberse centrado en mediciones mรกs limitadas.
La siguiente figura (Camisรณn et al., 2006) muestra un ejemplo de una hoja de indicadores
de Qualigramme.
En el grรกfico del proceso, los puntos de control y los indicadores asociados estรกn
representados por sรญmbolos especรญficos, como se muestra en la prรณxima figura.
Pรกg. 83
Sin embargo, en los procedimientos e instrucciones se utilizan diferentes sรญmbolos para
representar diferentes controles durante la ejecuciรณn de las tareas. Estos sรญmbolos contienen una
letra que indica la naturaleza del control. El Qualigramme, una representaciรณn grรกfica de
indicadores de proceso, proporciona una herramienta รบtil para medir la efectividad de las acciones
tomadas y determinar si se han alcanzado los objetivos planificados para cada acciรณn. Cabe
destacar que el Qualigramme asigna indicadores tanto a procesos y procedimientos como a
instrucciones de trabajo, para asegurar la efectividad y optimizar los recursos.
En las instrucciones, las operaciones de autocontrol sรณlo se exigen en aquellas operaciones
que presenten riesgo o requieran una vigilancia especial. Estas operaciones de autocontrol siempre
tienen asociada al menos una operaciรณn correctora. Las caracterรญsticas objetivas del producto del
proceso son un aspecto importante de la gestiรณn de procesos. Es necesario formalizar los productos
de los procesos para poder realizar mediciones de manera efectiva. Esto implica responder cuatro
preguntas clave: quรฉ se debe medir, quรฉ herramientas o mรฉtodos se utilizarรกn para la mediciรณn,
cuรกndo se deben tomar las mediciones y dรณnde se deben realizar las mediciones. Una vez
respondidas estas preguntas, es importante demostrar el cumplimiento del proceso de mediciรณn
formalizado.
El funcionamiento del proceso puede evaluarse mediante indicadores de seguimiento y
medidas de resultados. Estos dos conceptos estรกn estrechamente relacionados, ya que los
indicadores de seguimiento demuestran los mรฉtodos utilizados para lograr resultados, mientras que
las medidas de resultados muestran los logros reales. En general, la utilizaciรณn de indicadores y
medidas debe centrarse en variables significativas que permitan la identificaciรณn de prioridades y
el descubrimiento de oportunidades para mejorar los procesos. Para lograrlo, es fundamental que
los indicadores, asรญ como las acciones de control y mediciรณn, sean aprobados por los responsables
de supervisar el proceso.
El proceso de medir la satisfacciรณn del cliente implica recopilar comentarios de los clientes
sobre los atributos o dimensiones de calidad que mรกs les importan. Esta informaciรณn luego sirve
Pรกg. 84
como insumo para otro proceso importante llamado mejora continua. A travรฉs de este enfoque
sistemรกtico, las empresas pueden recopilar constantemente informaciรณn de los clientes y utilizarla
para mejorar sus productos o servicios.
Durante este proceso particular, los indicadores que se utilizan suelen implicar medidas
subjetivas, ya que se basan en percepciones. Estos indicadores particulares plantean un desafรญo
mayor cuando se trata de mediciรณn en comparaciรณn con los indicadores objetivos y, por lo tanto,
deben emplearse como indicadores complementarios o como indicadores primarios para aspectos
que no pueden evaluarse por ningรบn otro medio.
Al determinar los indicadores, es importante considerar que el costo de recopilar
informaciรณn no debe exceder el valor de la informaciรณn obtenida. Existen diversos mรฉtodos para
recopilar informaciรณn, como realizar entrevistas a clientes, encuestas o analizar sugerencias y
opiniones para implementar el proceso de mejora continua.
La empresa cuenta con diversos instrumentos para la realizaciรณn de evaluaciones de
procesos, destacando la auditorรญa interna y la autoevaluaciรณn. Estas herramientas deben utilizarse
en conjunto, ya que tienen diferentes propรณsitos. Ademรกs, tambiรฉn discutimos la ecoauditorรญa
como una herramienta de gestiรณn crucial para los procesos vinculados a preocupaciones
ambientales.
Auditorรญa interna
La auditorรญa interna no es una tarea รบnica, sino un proceso integral que consta de una serie
de actividades. Estas actividades producen un resultado valioso para el usuario o cliente y se inician
con una entrada. Para gestionar eficazmente este proceso, se utiliza el ciclo PDCA (Plan, Do,
Check, Act)
3
, al igual que con otros procesos. Ademรกs, dentro del sistema de gestiรณn de calidad,
la auditorรญa interna estรก interconectada con los demรกs procesos y sirve como una poderosa
herramienta para implementar la fase "C" del ciclo PDCA. Esta fase requiere tomar algรบn tipo de
acciรณn, ya sea correctiva, preventiva o de mejora, para completar el ciclo de gestiรณn.
La auditorรญa interna sirve como un mecanismo valioso para evaluar y supervisar diversos
procesos dentro de una organizaciรณn. Es esencial reconocer que la auditorรญa interna en sรญ misma es
un proceso que genera resultados informativos y posteriormente facilita la creaciรณn de procesos de
mejora innovadores. A diferencia de la auditorรญa externa, la auditorรญa interna la llevan a cabo
personas dentro de la organizaciรณn y se centra principalmente en el control. En consecuencia, se
considera ampliamente como un medio eficaz para garantizar un control integral. De hecho, a
3
El ciclo PDCA, tambiรฉn conocido como Ciclo de Deming, se considera una metodologรญa de gestiรณn que busca la
mejora constante de los procesos; consta de cuatro pasos: planificar (plan), hacer (do), verificar (check) y actuar
(act).
Pรกg. 85
menudo se hace referencia a la auditorรญa interna como "el control de controles" debido a su papel
fundamental en el seguimiento y la gestiรณn de los controles organizacionales.
Es importante seรฑalar que, si bien los tres tipos de auditorรญas son esenciales en la gestiรณn
de procesos, las auditorรญas operativas o de gestiรณn son particularmente cruciales. Estas auditorรญas
no sรณlo aseguran la rentabilidad sino que tambiรฉn garantizan la estabilidad y continuidad de los
procesos. En el รกmbito de la gestiรณn de procesos, las auditorรญas internas se llevan a cabo para cada
proceso individual dentro de una organizaciรณn.
Las auditorรญas tienen como objetivo determinar si los procesos contribuyen a los objetivos
y la misiรณn general de la organizaciรณn. Es crucial garantizar que todos los procesos funcionen
juntos de manera armoniosa para crear un sistema cohesivo. Esto se logra mediante un examen
exhaustivo de los propรณsitos de cada proceso y cรณmo se alinean con la misiรณn de la organizaciรณn.
Asรญ, en la gestiรณn de procesos, el mรฉtodo de "confiabilidad de los controles" se emplea
comรบnmente para integrar auditorรญas de verificaciรณn, de procedimiento y operativas. Este mรฉtodo
implica analizar los objetivos de los controles para garantizar que estรฉn bien definidos, sean lรณgicos
y capaces de lograr el propรณsito del proceso. Asimismo, verifica la existencia y adecuaciรณn de las
tรฉcnicas de control y vela por su correcta aplicaciรณn. Finalmente, el anรกlisis de resultados
determina si el objetivo de control auditado se ha cumplido exitosamente.
Existen varios tipos de auditorรญas, tal como lo seรฑalan Camisรณn et al.. (2003):
โข El primer tipo es la auditorรญa de verificaciรณn, que evalรบa si el proceso auditado ha logrado
sus objetivos planificados en funciรณn de la informaciรณn que utiliza.
โข El segundo tipo es la auditorรญa de procedimientos, que verifica el cumplimiento de los
procedimientos establecidos. Garantiza que el proceso se ejecute segรบn las pautas
predeterminadas por personas autorizadas.
โข Por รบltimo, la auditorรญa operativa o de gestiรณn evalรบa la idoneidad y exactitud de las
actividades realizadas dentro del proceso, asรญ como la utilizaciรณn eficiente de los recursos.
Se centra en garantizar la rentabilidad de la empresa.
Para proporcionar una comprensiรณn mรกs clara de estos conceptos, consideremos un
ejemplo de cada tipo de auditorรญa dentro del proceso de "compra de materias primas" de una
hipotรฉtica empresa industrial. En la auditorรญa de verificaciรณn el objetivo es confirmar si se han
adquirido las materias primas requeridas para el proceso productivo, si se ha realizado el pago y si
se han tomado las medidas contables adecuadas para reconocer los activos. La auditorรญa operativa
se centra en determinar si las materias primas se adquirieron al mejor precio posible, si el pedido
se realizรณ en el momento adecuado y si se pudieron optimizar los tiempos de entrega al proceso de
producciรณn. La auditorรญa de procedimientos, por otro lado, examina si se han seguido todos los
pasos necesarios para una operaciรณn especรญfica segรบn lo establecido en los procedimientos y
Pรกg. 86
estรกndares de la empresa. Por ejemplo, verifica si quienes realizaron el pedido estaban autorizados
para hacerlo, si se consideraron los tiempos de entrega de la mercancรญa al seleccionar al proveedor
y si los materiales estรกn llegando a tiempo al proceso productivo.
Normalmente, el proceso de auditorรญa interna consta de varias etapas que se ejecutan de
forma secuencial:
โข La etapa inicial de planificaciรณn y preparaciรณn para una auditorรญa interna implica realizar
una investigaciรณn exhaustiva. Durante esta fase, el auditor se familiariza con el proceso
especรญfico que va a ser auditado, asรญ como con la informaciรณn, procedimientos,
instrucciones y responsabilidades disponibles relacionadas con el proceso. En esencia, el
auditor pretende obtener una comprensiรณn integral de los procesos involucrados. El
objetivo principal de esta etapa es desarrollar un plan de auditorรญa bien estructurado que
facilitarรก la ejecuciรณn fluida de las fases posteriores del proceso de auditorรญa.
โข La segunda etapa de la auditorรญa interna implica un examen y una documentaciรณn
exhaustivos de los procesos dentro de la organizaciรณn. Durante esta fase, el foco estรก en
obtener informaciรณn relevante y determinar si los procesos estรกn alineados con las
expectativas y lineamientos. Esto incluye revisar las diversas definiciones y descripciones
de los procesos como se describe en la documentaciรณn del sistema. Ademรกs, es crucial
garantizar que todas las actividades y funciones asociadas con cada proceso estรฉn
claramente asignadas a personas especรญficas dentro de la organizaciรณn, quedando en รบltima
instancia bajo la responsabilidad de la persona encargada de supervisar el proceso.
โข El auditor prepara un informe que resume sus hallazgos de manera concisa y comprensible.
Este informe destaca cualquier debilidad identificada en el proceso y sugiere acciones
correctivas o de mejora si es necesario. Asimismo, para garantizar la eficacia del proceso
de auditorรญa interna, es necesaria una mediciรณn y un seguimiento periรณdicos segรบn el
calendario anual. Es importante repetir el proceso de auditorรญa periรณdicamente para
minimizar la dificultad, el tiempo y el costo involucrados en auditorรญas sucesivas. Esto se
debe a que no todas las auditorรญas requieren la misma cantidad de pasos y anรกlisis que las
anteriores. Durante la fase de ejecuciรณn, la atenciรณn debe centrarse en identificar cualquier
posible desviaciรณn con respecto a la รบltima revisiรณn o auditorรญa realizada.
Eco auditorรญa
Con el tiempo, el propรณsito y la sustancia de las auditorรญas ambientales han sufrido
transformaciones significativas, paralelas a los avances en las polรญticas ambientales. Inicialmente,
las auditorรญas se centraron principalmente en evaluar el cumplimiento de la normativa legal. Sin
embargo, con el advenimiento de enfoques proactivos y la anticipaciรณn de las expectativas
sociales, estas auditorรญas se han convertido en componentes integrales de un Sistema de Gestiรณn
Pรกg. 87
Ambiental (SIGMA) mรกs amplio. Ahora, sirven como una herramienta de gestiรณn integral, que
abarca una evaluaciรณn metรณdica, bien documentada, regular e imparcial de las acciones
ambientales de una organizaciรณn, encaminadas a salvaguardar el medio ambiente:
โข Al facilitar el control de gestiรณn, las organizaciones estรกn mejor equipadas para supervisar
y regular sus prรกcticas ambientales, asegurando que estรฉn en lรญnea con los objetivos y
regulaciones de sostenibilidad. Esto incluye implementar sistemas de monitoreo eficientes,
establecer pautas y protocolos claros y proporcionar los recursos y el apoyo necesarios para
una gestiรณn ambiental efectiva. Con un control mejorado, las organizaciones pueden
realizar un seguimiento mรกs eficaz de su impacto ambiental, identificar รกreas de mejora e
implementar estrategias para mitigar los efectos negativos en el medio ambiente. En รบltima
instancia, esto conduce a prรกcticas comerciales mรกs responsables y sostenibles que
benefician tanto a la organizaciรณn como al medio ambiente.
โข Es importante evaluar en quรฉ medida las organizaciones cumplen con sus polรญticas internas,
asegurando que cumplen con los estรกndares marcados por la legislaciรณn. La evaluaciรณn del
cumplimiento se vuelve crucial para garantizar que las empresas operen dentro del marco
legal, evitando posibles violaciones o sanciones. Al examinar el grado en que las polรญticas
de la empresa se alinean con los requisitos legislativos, las organizaciones pueden evaluar
su eficacia en el cumplimiento de las regulaciones necesarias y realizar los ajustes
necesarios para garantizar el pleno cumplimiento. Este proceso de evaluaciรณn sirve como
una herramienta vital para que las organizaciones monitoreen la implementaciรณn de sus
polรญticas e identifiquen รกreas de mejora para alcanzar el grado de cumplimiento requerido.
El Reglamento EMAS
4
proporciona una definiciรณn de auditorรญa medioambiental muy
similar a la anterior. Segรบn esta normativa, se considera una auditorรญa ambiental una herramienta
de gestiรณn que implica una evaluaciรณn sistemรกtica, documentada, regular e imparcial de la eficacia
de una organizaciรณn en tรฉrminos de su sistema de gestiรณn y procedimientos para salvaguardar el
medio ambiente. En otras palabras, una auditorรญa ambiental tiene como objetivo evaluar quรฉ tan
bien se estรก desempeรฑando una organizaciรณn en tรฉrminos de protecciรณn ambiental:
โข La auditorรญa debe seguir un enfoque sistemรกtico que incorpore una metodologรญa particular,
asegurando que su proceso estรฉ estandarizado. Esta estandarizaciรณn no sรณlo mejora la
confiabilidad y objetividad de la auditorรญa sino que tambiรฉn facilita la capacidad de realizar
anรกlisis comparativos.
4
El Reglamento EMAS, tambiรฉn conocido como Sistema de Gestiรณn y Auditorรญa Medioambientales, es un marco
integral establecido por la Uniรณn Europea. Proporciona directrices para que las organizaciones,
independientemente de su naturaleza o ubicaciรณn, implementen un sistema eficaz de gestiรณn y auditorรญa ambiental.
Este esquema opera a escala global, asegurando que organizaciones de todos los sectores puedan participar y
contribuir a prรกcticas sostenibles.
Pรกg. 88
โข La documentaciรณn es un aspecto crucial del proceso de auditorรญa, ya que garantiza que toda
la informaciรณn relacionada con la auditorรญa, incluido el procedimiento seguido y los
resultados obtenidos, se registre en un formato al que pueda acceder fรกcilmente cualquier
persona involucrada o interesada en la auditorรญa. Esta documentaciรณn sirve como un
registro integral que brinda transparencia y responsabilidad, permitiendo a las partes
interesadas comprender el proceso de auditorรญa y sus hallazgos. Al tener una auditorรญa bien
documentada, resulta mรกs fรกcil compartir informaciรณn, comunicar hallazgos y abordar
cualquier inquietud o pregunta que pueda surgir. Ademรกs, una documentaciรณn exhaustiva
ayuda a facilitar auditorรญas futuras, ya que proporciona un punto de referencia histรณrico y
permite a los auditores aprovechar el trabajo anterior. Por lo tanto, el acto de documentar
la auditorรญa no es sรณlo un requisito necesario sino tambiรฉn una prรกctica esencial que
contribuye a la eficacia y credibilidad generales del proceso de auditorรญa.
โข Fiabilidad; la recopilaciรณn y el procesamiento de datos deben ser rigurosos y creรญbles,
proporcionando una imagen verdadera y completa de la organizaciรณn en tรฉrminos de su
relaciรณn con el medio natural.
โข La periodicidad se refiere a la prรกctica de realizar auditorรญas periรณdicas, que tienen como
objetivo monitorear el funcionamiento de SIGMA y evaluar la eficacia de las decisiones
tomadas. Al realizar estas auditorรญas a intervalos establecidos, las organizaciones pueden
obtener informaciรณn valiosa sobre cรณmo estรก operando SIGMA y determinar si las
decisiones tomadas estรกn produciendo los resultados deseados. Este anรกlisis periรณdico
permite a las empresas realizar ajustes y mejoras informados para mejorar la eficacia
general de SIGMA.
โข La objetividad es un aspecto crucial al realizar una auditorรญa. Es fundamental que la
auditorรญa se guรญe por principios de independencia y profesionalismo, con fuerte รฉnfasis en
evitar prรกcticas poco รฉticas que puedan tener como objetivo ocultar o manipular la
verdadera situaciรณn dentro de la empresa. Al adherirse a estos criterios, el proceso de
auditorรญa puede garantizar la transparencia y precisiรณn en la evaluaciรณn de la situaciรณn
financiera y el desempeรฑo de la empresa. Mantener la objetividad durante toda la auditorรญa
es de suma importancia, ya que ayuda a proporcionar una evaluaciรณn confiable e imparcial,
lo que permite a las partes interesadas tomar decisiones informadas basadas en la imagen
real de los asuntos de la empresa. Es vital defender estos principios para defender la
integridad de la auditorรญa y mantener la confianza pรบblica en el sistema de informaciรณn
financiera.
Entre los objetivos de la auditorรญa SIGMA cabe destacar los siguientes puntos:
โข Comprobar el cumplimiento por parte de SIGMA de su normativa.
โข Evaluar el cumplimiento por parte de SIGMA de los requisitos de una norma especรญfica.
Pรกg. 89
โข Determinar la efectividad de SIGMA en el logro de objetivos de gestiรณn ambiental
preestablecidos.
โข Evaluar el nivel de logro en el cumplimiento de las metas y objetivos ambientales.
โข Una forma de facilitar la mejora continua es ofreciendo oportunidades para mejorar
SIGMA. El proceso de realizaciรณn de una auditorรญa ambiental comparte muchas similitudes
con el de una auditorรญa de calidad. Estas auditorรญas pueden ser realizadas tanto por expertos
internos como por consultores externos contratados por la empresa.
Autoevaluaciรณn
La autoevaluaciรณn sirve como una herramienta valiosa en el รกmbito de la gestiรณn de
procesos. Al realizar un examen sistemรกtico y periรณdico de los procesos y sus resultados, permite
identificar รกreas que requieren correcciรณn, prevenciรณn o mejora. Esencialmente, la autoevaluaciรณn
funciona como un proceso de diagnรณstico que evalรบa la eficacia de la gestiรณn de la organizaciรณn
dentro de la empresa.
Hay varios beneficios que se obtienen al utilizar este enfoque. Una de las principales
ventajas es la capacidad de identificar รกreas que necesitan mejora y tomar las acciones necesarias
en funciรณn de esos hallazgos. Esto no sรณlo se aplica a las personas responsables de la
autoevaluaciรณn sino tambiรฉn a los equipos con los que trabajan. Al utilizar este mรฉtodo, resulta
mรกs fรกcil cultivar una cultura compartida dentro de la organizaciรณn. Ademรกs, refuerza
constantemente el proceso de cambio y facilita el crecimiento y el aprendizaje continuos al
identificar y resolver cualquier problema que surja. La autoevaluaciรณn constituye un valioso
complemento de la auditorรญa interna y complementa eficazmente sus funciones. Ofrece un enfoque
sistemรกtico para la evaluaciรณn y seguimiento de procesos, y ha sido incorporado en el marco de
las normas ISO 9000.
Mejora y el desarrollo de procesos
La Gestiรณn de la Calidad Total (TQM) es un enfoque integral que tiene como objetivo
mejorar los procesos de una organizaciรณn mediante la aplicaciรณn de diversos principios,
herramientas y tรฉcnicas. Estas tรฉcnicas abarcan tanto mรฉtodos estadรญsticos como estrategias
creativas de resoluciรณn de problemas. Al centrarnos en estas tรฉcnicas especรญficas, nuestro objetivo
es proporcionar una comprensiรณn profunda de cรณmo se pueden utilizar de manera efectiva para
optimizar los procesos organizacionales.
A la hora de realizar un anรกlisis de los procesos de una organizaciรณn y su potencial de
mejora, podemos encontrarnos con varios escenarios. Como resultado, hay dos tipos de mejoras
que se pueden implementar: mejoras estructurales y mejoras operativas. Se requieren mejoras
estructurales cuando un proceso opera a un nivel muy bajo en mรบltiples aspectos y no logra cumplir
Pรกg. 90
sus objetivos. Asimismo, estas mejoras son necesarias cuando un proceso carece de estructura, las
personas no siguen procedimientos consistentes y el proceso no se encuentra en un estado estable
y controlado. Estos temas son principalmente de naturaleza conceptual y requieren el uso de
herramientas y tรฉcnicas creativas o conceptuales, como las siete Nuevas Herramientas para la
Gestiรณn de la Calidad, encuestas a clientes, reingenierรญa y otros mรฉtodos aplicables.
Por otro lado, las mejoras funcionales son necesarias cuando un proceso tiene un
desempeรฑo deficiente y no logra sus objetivos de efectividad o eficiencia. En este caso, el objetivo
es hacer que el proceso funcione de manera mรกs efectiva o eficiente. Para lograrlo, puede resultar
valioso el uso de las siete herramientas clรกsicas para la gestiรณn de la calidad, los sistemas de
sugerencias, el diseรฑo de experimentos y otros enfoques basados en datos.
Mejora continua: PDCA
El ciclo PDCA, tambiรฉn conocido como ciclo Planificar, Hacer, Verificar, Actuar, es un
proceso eficaz que, cuando se combina con el enfoque tradicional de resoluciรณn de problemas,
permite a las organizaciones mejorar la calidad de sus operaciones. Esta metodologรญa sirve como
marco para la mejora continua y resulta muy ventajosa en la gestiรณn de diversos procesos dentro
de una organizaciรณn. Al seguir el ciclo PDCA, las organizaciones pueden esforzarse
constantemente por alcanzar la excelencia y lograr avances significativos en su desempeรฑo
general.
En la dรฉcada de 1950, Deming introdujo el ciclo PDCA en Japรณn, reconociendo que W. A.
Shewhart fue el creador original que lo habรญa dado a conocer al pรบblico allรก por 1939. Comรบnmente
se lo conoce como el "ciclo de Shewhart" o el "Ciclo de Deming". Esta nomenclatura
intercambiable fue destacada por Ishikawa en 1986 (Camisรณn et al., 2006).
El ciclo PDCA, que se ha utilizado en Japรณn como metodologรญa para la mejora continua
desde sus inicios, encuentra aplicaciรณn en varios escenarios. La versiรณn original de este ciclo, como
se muestra en la figura, se basa en la divisiรณn del trabajo entre la gerencia, los inspectores y los
operadores, y abarca cuatro fases o etapas distintas. Para iniciar el ciclo, la direcciรณn examina
cuidadosamente la situaciรณn actual para diseรฑar un plan de mejora integral. Posteriormente, es
responsabilidad de los operadores realizar el plan con diligencia.
Pรกg. 91
Despuรฉs de la ejecuciรณn, los inspectores evalรบan meticulosamente el proceso de
implementaciรณn para determinar si los objetivos previstos se han logrado con รฉxito. Finalmente,
la direcciรณn realiza un anรกlisis exhaustivo de los resultados, con el objetivo de estandarizar el
mรฉtodo y garantizar que las mejoras realizadas sean sostenibles. En el raro caso de que no se hayan
logrado los resultados deseados, la gerencia trabaja para desarrollar acciones correctivas.
Sin embargo, la implementaciรณn de este ciclo en Japรณn revelรณ deficiencias en las acciones
preventivas, lo cual es un factor importante que considerar si el objetivo es la mejora continua
(Imai, 1991). Como resultado, el ciclo se modificรณ, dando lugar al nuevo ciclo PDCA, Bajo este
nuevo enfoque, la gerencia formula planes de mejora utilizando herramientas estadรญsticas como
diagramas de Pareto, diagramas de columna e histogramas. Luego, los operadores ponen en
prรกctica estos planes en sus รกreas de trabajo especรญficas, completando el ciclo PDCA completo. La
gerencia y los inspectores evalรบan si se han logrado las mejoras deseadas y, si es necesario, la
gerencia hace correcciones y establece mรฉtodos estandarizados para evitar problemas futuros. Este
proceso continรบa, asegurando que cada vez que se identifica una mejora, el mรฉtodo se estandariza
y analiza para futuras mejoras a travรฉs de nuevos planes.
Segรบn la investigaciรณn de Ishikawa en 1989, el ciclo se puede dividir en varias etapas y
pasos:
โข El primer paso es crear un plan detallado. Este plan actรบa como una hoja de ruta para lograr
sus objetivos y le ayuda a mantenerse concentrado y organizado. Implica dividir sus
objetivos en tareas mรกs pequeรฑas y manejables y establecer plazos para cada una. Ademรกs,
incluye identificar posibles obstรกculos o desafรญos que puedan surgir y desarrollar
estrategias para superarlos. Al contar con un plan bien pensado, aumenta sus posibilidades
de รฉxito y minimiza el riesgo de desviarse. La planificaciรณn tambiรฉn le permite asignar su
tiempo y recursos de manera efectiva, asegurando que estรฉ trabajando para alcanzar sus
objetivos de la manera mรกs eficiente posible. Por lo tanto, es necesario tomar el tiempo
para planificar y delinear cuidadosamente tu camino hacia el รฉxito antes de sumergirte en
cualquier proyecto o esfuerzo. Recuerde, no planificar es planificar el fracaso:
Pรกg. 92
โฆ Establecer las metas u objetivos de un esfuerzo o proyecto en particular.
โฆ Tomar una determinaciรณn con respecto a las estrategias y tรฉcnicas que se emplearรกn
para lograr el objetivo deseado.
โข Realizar o llevar a cabo una acciรณn (do):
โฆ Implementaciรณn de educaciรณn y formaciรณn.
โฆ Cumplimiento de la tarea en cuestiรณn.
โข Asegurarse de que todo estรฉ correcto o en orden (check):
โฆ Verificar los resultados.
โข El cuarto elemento es el acto (act), que se refiere a las acciones fรญsicas o verbales que
realizan los personajes en una obra de teatro o representaciรณn. Implica el movimiento, los
gestos y el diรกlogo utilizados para transmitir la historia y expresar las emociones de los
personajes. El acto es un componente crucial de cualquier producciรณn teatral, ya que da
vida al guiรณn escrito y permite al pรบblico involucrarse con la narrativa a nivel visual y
auditivo. A travรฉs de sus acciones, los actores pueden comunicar las intenciones, deseos y
conflictos de sus personajes, creando una experiencia convincente e inmersiva para la
audiencia. El acto tambiรฉn ayuda a establecer el ritmo y la estructura de la actuaciรณn, y
cada acto suele representar una parte especรญfica de la historia o un punto de inflexiรณn
significativo. Ademรกs, el acto se puede utilizar para establecer el escenario, el perรญodo de
tiempo y la atmรณsfera de la obra, mejorando aรบn mรกs la experiencia teatral general. Ya sea
que se trate de un monรณlogo dramรกtico, una intensa escena de pelea o una conversaciรณn
sincera, el acto es un elemento fundamental del teatro que permite a los artistas darle vida
a la historia y cautivar la atenciรณn del pรบblico:
โฆ Aplicaciรณn de una acciรณn
Despuรฉs de implementar las medidas necesarias para la aplicaciรณn de una acciรณn, el paso
siguiente implica reevaluar el plan para determinar la efectividad de la acciรณn correctiva tomada.
El plan (primera etapa)
El primer paso del proceso es definir y articular claramente los objetivos y metas que deben
alcanzarse. Es importante garantizar que estos objetivos sean especรญficos y mensurables, en lugar
de vagos y abstractos. Por ejemplo, en lugar de establecer el objetivo de "obtener buena calidad",
serรญa mรกs eficaz especificar un objetivo como "reducir el nรบmero de piezas defectuosas en un 50%
con respecto al trimestre anterior entre enero y marzo". Del mismo modo, en lugar de un objetivo
de "reducir costes", serรญa mรกs preciso fijarse el objetivo de lograr una reducciรณn de costes del 5%
Pรกg. 93
a partir de abril. Al establecer objetivos especรญficos con plazos claros, resulta mรกs fรกcil realizar un
seguimiento del progreso y evaluar la eficacia de las estrategias implementadas.
El segundo paso del proceso es determinar las estrategias y tรฉcnicas que se utilizarรกn para
alcanzar los objetivos deseados. Simplemente establecer objetivos y metas es insuficiente; es
imperativo definir los mรฉtodos y enfoques especรญficos que se emplearรกn para lograrlos con รฉxito.
Estos mรฉtodos abarcan los estรกndares tรฉcnicos y operativos que abordan los factores
fundamentales o las causas fundamentales que impactan los procesos generales. Es esencial que
estas reglas y estรกndares se alineen de manera coherente entre sรญ y faciliten la delegaciรณn adecuada
de autoridad y responsabilidad.
Para abordar eficazmente cualquier problema o problema potencial, es fundamental seguir
un enfoque sistemรกtico que implique priorizar en funciรณn de criterios especรญficos, establecer
objetivos claros, analizar exhaustivamente la situaciรณn actual e identificar las causas potenciales.
Es importante diferenciar entre causas comunes, que son inherentes al proceso, y causas especiales,
que son esporรกdicas e inesperadas. Ademรกs, para formular un plan de mejora o acciรณn correctiva,
se pueden utilizar tanto las siete herramientas de calidad clรกsicas como las siete herramientas
nuevas, como se muestra en la figura.
Estas herramientas proporcionan informaciรณn y tรฉcnicas valiosas que ayudan a identificar
y resolver inquietudes relacionadas con la calidad.
Hacer (segunda etapa)
Proporcionar formaciรณn y educaciรณn. Para implementar el plan desarrollado en la etapa
anterior es necesario entender los estรกndares establecidos y saber aplicarlos. En esta etapa, todas
las personas involucradas reciben la educaciรณn y capacitaciรณn necesarias, y la capacitaciรณn es de
tres tipos:
โข Colectivo;
Pรกg. 94
โข de superior a subordinado en el lugar de trabajo, y
โข empoderar a las personas otorgรกndoles autoridad sobre su propio trabajo.
Luego se requiere realmente llevar a cabo el trabajo poniendo en prรกctica los estรกndares
que se establecieron durante la fase de planificaciรณn.
Chequear (tercera etapa)
Lo primero del proceso es comprobar los resultados y garantizar que el trabajo se estรฉ
llevando a cabo segรบn lo previsto. Esto implica observar el lugar de trabajo para garantizar que
todo funcione segรบn lo previsto y que los factores clave estรฉn bajo control. Ademรกs, implica
examinar los resultados del trabajo para identificar cualquier anomalรญa o problema que pueda haber
ocurrido. Es esencial comprender la diferencia entre controlar a travรฉs de algo y controlar ese algo,
ya que el control no requiere necesariamente inspecciรณn. En cambio, implica monitorear los
procesos y actividades comerciales mediante el anรกlisis de los resultados y el uso de esa
informaciรณn para realizar mejoras y eliminar cualquier causa de anomalรญas. Esta etapa no se limita
solo al control de calidad, sino que tambiรฉn puede incluir la verificaciรณn de los costos unitarios, el
volumen de producciรณn, el volumen de ventas y otros factores relevantes. Los grรกficos de control,
entre otras herramientas, son รบtiles para detectar anomalรญas y estratificar los datos recopilados para
identificar sus causas.
Acto (cuarta etapa)
En la etapa final del ciclo PDCA, se aplica una acciรณn para confirmar el logro del objetivo
o identificar que no se ha cumplido. En el primer escenario, donde se ha logrado el objetivo, se
debe tener cautela al considerar el รฉxito. La atenciรณn se centra ahora en normalizar los
procedimientos y establecer condiciones que permitan mantener el objetivo. Esto implica
implementar acciones correctivas a procesos, operaciones y procedimientos, asรญ como ampliar la
capacitaciรณn y las medidas correctivas si es necesario. Ademรกs, es crucial asegurar que estas
medidas se estรฉn aplicando correctamente y sean efectivas, permitiendo que la organizaciรณn
continรบe operando segรบn lo planeado. Por otro lado, si no se ha logrado el objetivo, se deben
identificar y eliminar las anomalรญas en los procesos y sus causas subyacentes. Esto iniciarรก un
nuevo ciclo PDCA, comenzando nuevamente desde la etapa de Planificaciรณn.
La representaciรณn grรกfica se ilustra cรณmo la organizaciรณn puede mejorar consistentemente
su desempeรฑo mediante la implementaciรณn de una serie de ciclos PDCA ininterrumpidos. Al
garantizar que estos ciclos funcionen continuamente sin interrupciones, la organizaciรณn gestiona
eficazmente el proceso de mejora continua.
Pรกg. 95
La reingenierรญa en los procesos
El concepto de Reingenierรญa de Procesos de Negocio (BPR) surgiรณ a finales de los aรฑos
1980 y ganรณ impulso a lo largo de los aรฑos 1990. En particular, fue popularizado por Hammer y
Champy, quienes lo definieron como una evaluaciรณn y rediseรฑo integral de procesos con el objetivo
de lograr mejoras significativas en mรฉtricas crรญticas de desempeรฑo como costo, calidad, servicio y
velocidad. BPR sirve como un sistema que mejora la competitividad y rentabilidad de una empresa
al reducir costos, optimizar los tiempos de entrega y mejorar la calidad del producto y el servicio
al cliente.
Hoy en dรญa, BPR se considera una tรฉcnica para optimizar todos los procesos
organizacionales mediante la realizaciรณn de rediseรฑos radicales que conduzcan a avances
sustanciales en los estรกndares de calidad o la eliminaciรณn de procesos que no agregan valor, en
contraposiciรณn a la mera reestructuraciรณn de procesos que normalmente se ve en los mรฉtodos
tradicionales. La Gestiรณn de la Calidad Total (TQM), como filosofรญa de gestiรณn, proporciona un
marco ideal para respaldar la BPR, ya que requiere principios como la orientaciรณn al cliente, el
liderazgo de la direcciรณn, cambios en los valores y creencias organizacionales, el compromiso de
los empleados y un enfoque en los procesos en lugar de las funciones. .
Asimismo, la reingenierรญa estรก impulsada por la tecnologรญa y la automatizaciรณn. Aprovecha
herramientas y tecnologรญas innovadoras para optimizar procesos, eliminar actividades redundantes
y mejorar la eficiencia. La automatizaciรณn desempeรฑa un papel crucial en la reducciรณn de la
intervenciรณn manual y el error humano, lo que permite a las organizaciones alcanzar mayores
niveles de productividad y precisiรณn. En segundo lugar, la reingenierรญa enfatiza una perspectiva
centrada en el cliente. Al centrarse en las necesidades y expectativas del cliente, la reingenierรญa
tiene como objetivo rediseรฑar los procesos para ofrecer valor y satisfacciรณn superiores. Esto
Pรกg. 96
implica una comprensiรณn profunda de los requisitos del cliente y alinear los procesos en
consecuencia para satisfacer esas demandas de manera efectiva.
En esencia, la reingenierรญa se destaca por su enfoque integral, perspectiva centrada en el
cliente, colaboraciรณn interdisciplinaria, enfoque impulsado por la tecnologรญa, mentalidad de mejora
continua y la necesidad de un fuerte liderazgo y habilidades de gestiรณn del cambio. Estas
caracterรญsticas hacen de la reingenierรญa una metodologรญa poderosa para las organizaciones que
buscan un cambio transformador y un รฉxito sostenible en el dinรกmico entorno empresarial actual.
Otra caracterรญstica de la reingenierรญa es su naturaleza multifuncional. Requiere colaboraciรณn y
coordinaciรณn entre varios departamentos y funciones dentro de una organizaciรณn para garantizar
una transformaciรณn holรญstica. Este esfuerzo colaborativo garantiza que los procesos rediseรฑados se
integren y alineen perfectamente en toda la organizaciรณn.
La reingenierรญa posee varias caracterรญsticas รบnicas que la distinguen de otras metodologรญas
de mejora empresarial. En primer lugar, la reingenierรญa es un enfoque integral que apunta a
transformar y revolucionar completamente los procesos de una organizaciรณn en lugar de realizar
cambios incrementales. Implica un examen crรญtico de los procesos existentes y la identificaciรณn de
oportunidades para mejoras y mejoras radicales.
Por รบltimo, la reingenierรญa requiere un fuerte liderazgo y capacidades de gestiรณn del
cambio. La implementaciรณn de iniciativas de reingenierรญa a menudo implica cambios
organizacionales significativos, que pueden encontrar resistencia. Las habilidades efectivas de
liderazgo y gestiรณn del cambio son esenciales para superar la resistencia, lograr la aceptaciรณn de
las partes interesadas e impulsar con รฉxito el proceso de reingenierรญa. Ademรกs, la reingenierรญa es
un proceso continuo e iterativo. Implica un seguimiento y una evaluaciรณn continuos para
identificar รกreas que requieren mejoras adicionales. Este enfoque iterativo permite a las
organizaciones adaptarse y responder eficazmente a las dinรกmicas cambiantes del mercado y a las
necesidades de los clientes.
Para llevar a cabo con รฉxito el proceso de reingenierรญa, es importante comprender y
considerar las caracterรญsticas clave que tรญpicamente se asocian con este enfoque. Estas
caracterรญsticas, que son compartidas por los procesos de reingenierรญa en diversas industrias y
sectores, se describen en detalle a continuaciรณn.
Una estrategia para aumentar la eficiencia y eficacia en el lugar de trabajo es consolidar
mรบltiples puestos en una sola funciรณn. Esto se puede lograr minimizando la distinciรณn entre tareas
y promoviendo un enfoque mรกs colaborativo dentro de un equipo. Al unificar tareas, los equipos
pueden optimizar su flujo de trabajo, lo que reduce las limitaciones de tiempo y mejora la calidad
general. Ademรกs, esta consolidaciรณn elimina la necesidad de una supervisiรณn constante, lo que
permite a las personas apropiarse de su trabajo y cometer menos errores.
Pรกg. 97
Una forma de aumentar la eficiencia y optimizar las operaciones dentro de una
organizaciรณn es combinar las funciones de toma de decisiones y ejecuciรณn. Esto significa reducir
el nivel de especializaciรณn dentro de la jerarquรญa y permitir que los trabajadores tengan mรกs
autonomรญa en sus procesos de toma de decisiones. En este escenario, los trabajadores se convierten
esencialmente en sus propios jefes, asumiendo la responsabilidad de su trabajo y tomando
decisiones relacionadas con el mismo. Este enfoque aporta varias ventajas, incluido el ahorro de
costes y tiempo, ya que la estructura organizativa se simplifica y se hace mรกs eficiente tanto vertical
como horizontalmente. Al empoderar a los empleados para que se apropien de su trabajo, las
organizaciones pueden lograr una mayor agilidad y capacidad de respuesta, lo que conduce a
mejores resultados y al รฉxito general.
El orden natural de las fases de los procesos permite un flujo de trabajo mรกs eficiente, ya
que elimina la necesidad de una secuencia lineal y por tanto reduce los plazos:
โข Un aspecto de los procesos que las empresas deberรญan considerar es la existencia de
mรบltiples versiones. Estas versiones se implementan dependiendo de las caracterรญsticas
especรญficas del producto o servicio que se ofrece. Al hacerlo, las empresas pueden adaptarse
mejor a las necesidades y preferencias individuales de sus clientes. Es crucial que el diseรฑo
del proceso abarque la amplia gama de segmentos de mercado a los que atiende la empresa.
โข El trabajo se lleva a cabo en los lugares mรกs lรณgicos, lo que significa que la disminuciรณn
del nivel de especializaciรณn requerido para ciertos roles tambiรฉn disminuye la necesidad
de transferir trabajo entre varios departamentos.
โข Una forma de mejorar la flexibilidad organizacional es reduciendo los controles y
verificaciones, implementรกndolos sรณlo cuando su justificaciรณn econรณmica sea evidente. Al
eliminar las actividades de control y revisiรณn que no aportan valor, la estructura
organizacional general se vuelve mรกs adaptable.
โข El proceso de conciliaciรณn, que involucra actividades que no aportan valor, se minimiza
reduciendo el nรบmero de puntos de contacto externos. Esta disminuciรณn de los puntos de
contacto reduce la probabilidad de encontrar informaciรณn contradictoria que requerirรญa la
necesidad de una conciliaciรณn.
โข El gestor de contactos es un individuo que funciona como puente entre un agente externo
y un proceso, sirviendo como dispositivo de conexiรณn. Desde la perspectiva del agente
externo, el gestor de contactos asume el rol de responsable de todo el proceso. Sin embargo,
dentro de la empresa, el responsable de contactos asume la responsabilidad de coordinar
varios aspectos del proceso.
โข Alternativamente, existe otro enfoque en el que las actividades iniciales de la cadena de
valor estรกn centralizadas, pero a medida que el proceso se acerca al cliente, la
Pรกg. 98
descentralizaciรณn se convierte en la norma. Esta distinciรณn resalta la importancia de
encontrar el equilibrio adecuado entre centralizaciรณn y descentralizaciรณn para satisfacer
eficazmente las necesidades tanto de la organizaciรณn como de los usuarios finales. En el
รกmbito del desarrollo de software, existen dos tipos de organizaciones que operan
basรกndose en el concepto de โFront-End/Back-Endโ. Estas organizaciones pasan por un
proceso de reingenierรญa, que conduce al establecimiento de una estructura que gira en torno
a una serie de procesos. Inicialmente, estos procesos estรกn centralizados, pero a medida
que avanza el desarrollo, se vuelven mรกs descentralizados.
Fundamentos de la reingenierรญa
Los principios clave en los que se basa la reingenierรญa son :
โข La direcciรณn desempeรฑa un papel crucial a la hora de liderar y supervisar el desarrollo de
todo el programa. Su orientaciรณn y direcciรณn son necesarias para garantizar el รฉxito del
programa y su implementaciรณn efectiva.
โข La estrategia de la empresa juega un papel crucial en la direcciรณn e impulso de los
programas de reingenierรญa, ya que apuntan a establecer y mantener una ventaja competitiva.
El objetivo general de estos programas es generar valor sustancial para el cliente. Al alinear
las iniciativas estratรฉgicas con los esfuerzos de reingenierรญa, la empresa puede mejorar
efectivamente su posiciรณn en el mercado y satisfacer las necesidades y preferencias
cambiantes de su pรบblico objetivo. Este enfoque estratรฉgico no sรณlo permite a la
organizaciรณn mantenerse por delante de sus competidores sino que tambiรฉn fomenta la
lealtad y satisfacciรณn del cliente a largo plazo. En consecuencia, la empresa puede
prosperar en el panorama empresarial altamente competitivo de hoy si se esfuerza
continuamente por crear soluciones innovadoras y valiosas que satisfagan las demandas
siempre cambiantes de los clientes.
โข Seguimiento y evaluaciรณn continua de las necesidades de los clientes y del nivel de
satisfacciรณn que experimentan.
โข Existe una demanda creciente de equipos de trabajo que no sรณlo posean habilidades y
capacidades excepcionales sino que tambiรฉn demuestren un fuerte sentido de
responsabilidad.
โข Para implementar efectivamente el programa de reingenierรญa, es esencial tener flexibilidad.
Esto significa que los planes de acciรณn deben ser adaptables y abiertos a modificaciones a
medida que avanza el programa y se observan y evalรบan los resultados.
โข Establecer sistemas adecuados para medir el cumplimiento de los objetivos.
Pรกg. 99
โข Es fundamental prestar la debida consideraciรณn al cambio, particularmente en tรฉrminos de
su impacto en las personas, para mitigar cualquier resistencia que pueda surgir. Esta
resistencia puede provocar potencialmente retrasos o incluso el fracaso del programa. Por
lo tanto, es fundamental evaluar, planificar y ejecutar minuciosamente el cambio. Esto
implica la capacidad de visualizar y simular los cambios propuestos, asรญ como analizar su
impacto general.
โข La reingenierรญa debe verse como un proceso continuo y perpetuo dentro de una
organizaciรณn, en lugar de verse como un evento รบnico. Implica enfrentar y abordar
constantemente nuevos desafรญos que surgen con el tiempo.
โข La comunicaciรณn efectiva es un componente vital que juega un papel crucial en el correcto
funcionamiento y el triunfo final del programa. Esto no se limita a la comunicaciรณn interna
dentro de los diferentes niveles de la organizaciรณn, sino que se extiende mรกs allรก de sus
lรญmites para abarcar tambiรฉn la comunicaciรณn externa.
Implantaciรณn de la reingenierรญa de proceso
El programa de reingenierรญa implica una serie de ocho pasos que deben implementarse. Es
importante seรฑalar que estos pasos no necesariamente tienen que realizarse en un orden especรญfico,
ya que algunos de ellos se pueden realizar simultรกneamente. Es crucial enfatizar que el foco de la
reingenierรญa debe estar en lograr resultados en lugar de completar tareas individuales:
โข La identificaciรณn de los diversos procesos que ocurren dentro de la organizaciรณn. Esto
implica realizar un anรกlisis integral de cada proceso en su estado actual de desarrollo. Este
anรกlisis implica examinar minuciosamente las diferentes tareas, flujos de informaciรณn,
procedimientos y tรฉcnicas que se utilizan, y comprender las razones subyacentes de su
implementaciรณn actual. Al hacerlo, es posible identificar tareas repetitivas, asรญ como
posibles problemas o disfunciones que puedan existir dentro de los procesos.
โข La identificaciรณn y selecciรณn de los procesos que requieren mejora. Esto incluye identificar
procesos que actualmente son ineficientes, ineficaces o que enfrentan problemas o
disfunciones. Ademรกs, tambiรฉn se seleccionan procesos con potencial de mejora. Ademรกs,
es importante determinar el nivel apropiado de autoridad formal que deberรญa ser
responsable de modificar estos procesos.
โข Es crucial comprender a fondo los diversos procesos involucrados. Cada proceso
seleccionado es examinado cuidadosamente una vez mรกs, con un nivel de detalle aรบn
mayor si es posible. Se evalรบa el objetivo de cada proceso para determinar si es adecuado.
Ademรกs, se cuestiona la necesidad de que se realicen todas las tareas. ยฟEs esencial que la
unidad realice todas las tareas que actualmente realiza o podrรญan ser ejecutadas por otras
unidades de manera mรกs satisfactoria? Ademรกs, es importante considerar la perspectiva del
Pรกg. 100
cliente al evaluar el proceso. En definitiva, satisfacer las necesidades del cliente es de suma
importancia y, por tanto, se debe tener en cuenta su punto de vista.
โข Para renovar el proceso, se implementan los principios que se discutieron previamente en
la secciรณn anterior para aplicar principios de reingenierรญa. Al incorporar estos principios,
se puede lograr un rediseรฑo exhaustivo del proceso.
โข Uno de los aspectos clave del programa es buscar y desmantelar activamente cualquier
nociรณn o suposiciรณn preconcebida que pueda obstaculizar la innovaciรณn dentro de la
organizaciรณn. Es fundamental eliminar cualquier prejuicio, restricciรณn y barrera que pueda
estar impidiendo el progreso. Para lograr esto, es necesario recordarnos constantemente
nuestros nuevos objetivos y el papel vital que desempeรฑan las tecnologรญas de la
informaciรณn para lograrlos.
โข Una forma de mejorar las capacidades de la organizaciรณn es utilizar creativamente nuevas
tecnologรญas que estรฉn disponibles para nosotros. Al explorar formas innovadoras de aplicar
estas tecnologรญas, podemos mejorar eficazmente nuestras operaciones y lograr un mayor
รฉxito.
โข La fase de prueba del proceso rediseรฑado implica la realizaciรณn de mรบltiples pruebas para
identificar posibles defectos o fallas. El objetivo principal de esta fase es validar la
eficiencia y eficacia del proceso recientemente rediseรฑado.
โข La revisiรณn del nuevo proceso la lleva a cabo el lรญder de la unidad, quien tal vez no haya
estado directamente involucrado en el proceso de reingenierรญa. El objetivo principal de esta
revisiรณn es identificar posibles errores o fallas en el nuevo proceso y ofrecer informaciรณn
valiosa, sugerencias y recomendaciones para mejorar.
Existen varias tรฉcnicas que los autores consideran cruciales para asegurar el รฉxito de un
programa de reingenierรญa. Estas tรฉcnicas incluyen la visualizaciรณn de procesos, la utilizaciรณn de
Investigaciรณn Operativa, la integraciรณn de Tecnologรญas de la Informaciรณn, la implementaciรณn de
estrategias de gestiรณn del Cambio, la adopciรณn de prรกcticas de Benchmarking, la aplicaciรณn de
principios de Ingenierรญa Industrial y la priorizaciรณn del enfoque al cliente.
Se estima que la tasa de รฉxito de los programas de reingenierรญa estรก entre el 50 y el 70%,
lo que indica que un nรบmero significativo de estos programas no logran los objetivos previstos.
Para garantizar una implementaciรณn exitosa, es fundamental evitar errores comunes que a menudo
resultan en fracaso. Por ejemplo, adoptar un enfoque de abajo hacia arriba para la reingenierรญa es
un error comรบn, ya que el proceso deberรญa comenzar con un fuerte compromiso y liderazgo por
parte de la alta direcciรณn dentro de la organizaciรณn. Ademรกs, es importante no subestimar los
recursos necesarios para la implementaciรณn ni abandonar prematuramente el esfuerzo. Se debe
prestar especial atenciรณn al elemento humano dentro de la organizaciรณn, ya que descuidarlo
Pรกg. 101
tambiรฉn puede conducir al fracaso. Por รบltimo, centrarse รบnicamente en la reducciรณn de costos y
descuidar otros aspectos de la creaciรณn de valor tambiรฉn puede ser perjudicial para el รฉxito del
programa de reingenierรญa.
Uno de los errores mรกs importantes que se pueden cometer es considerar la reingenierรญa
como una estrategia independiente. Es importante comprender que la reingenierรญa no es una
estrategia en sรญ misma, sino que depende de una estrategia bien definida para guiar su
implementaciรณn de manera efectiva. Sin una comprensiรณn clara del producto o resultado final
deseado, resulta difรญcil determinar los pasos apropiados a seguir durante el proceso de reingenierรญa.
Por el contrario, la estrategia en sรญ debe estar respaldada por esfuerzos de reingenierรญa, ya que
puede contribuir a mejorar la rentabilidad y el รฉxito general de la empresa. Sin embargo, es esencial
reconocer que la reingenierรญa se ocupa principalmente del "cรณmo" realizar tareas y procesos, mรกs
que de determinar las tareas y procesos especรญficos que deben emprenderse. Este aspecto de la
toma de decisiones cae dentro del รกmbito del desarrollo de estrategias. Como destaca Mateos
(2001), la reingenierรญa y la estrategia deben verse como elementos complementarios, cada uno con
sus distintos roles y responsabilidades dentro del marco organizacional general.
Por lo tanto, es crucial subrayar el impacto significativo de las tecnologรญas de la
informaciรณn emergentes para facilitar la reingenierรญa de procesos. Numerosos acadรฉmicos han
reconocido que los avances en las tecnologรญas de la informaciรณn y las comunicaciones han
desempeรฑado un papel fundamental a la hora de permitir los esfuerzos de reingenierรญa. En los
รบltimos aรฑos, estas tecnologรญas han logrado avances notables, revolucionando la forma en que
operan las empresas y transformando estructuras rรญgidas convencionales en estructuras adaptables
y flexibles que pueden responder eficazmente a los entornos contemporรกneos a travรฉs de enfoques
innovadores.
La orientaciรณn al cliente es un objetivo clave de la gestiรณn de procesos, y el concepto de
cliente abarca tanto a los clientes internos como a los externos. La relaciรณn entre proveedores
internos y clientes es crucial para mejorar la eficiencia y eficacia de la organizaciรณn. Las
representaciones grรกficas, como los diagramas de flujo, se utilizan comรบnmente para comunicar,
ejecutar y analizar procesos. Sin embargo, Qualigramme es una herramienta de representaciรณn
grรกfica mรกs nueva que ofrece varias ventajas sobre otros mรฉtodos. Utiliza una estructura piramidal
con tres niveles de modelado: procesos de la empresa, procedimientos organizacionales e
instrucciones de trabajo.
Cada nivel representa diferentes aspectos del enfoque de la organizaciรณn y proporciona una
representaciรณn integral de los procesos. Un proceso es una serie de actividades que estรกn diseรฑadas
para producir un resultado especรญfico para los clientes, basado en ciertos insumos que agregan
valor. Dentro de un proceso, hay tres elementos principales: un insumo proporcionado por un
proveedor, el proceso en sรญ, que involucra diversas actividades y recursos, y un resultado que se
entrega a un cliente. Estos procesos estรกn interconectados dentro de una organizaciรณn, y el
Pรกg. 102
resultado de un proceso se convierte en el insumo del siguiente. La gestiรณn eficaz de estos procesos
se conoce como gestiรณn de procesos.
La gestiรณn de procesos tambiรฉn implica la implementaciรณn de un sistema de control para
medir y evaluar los resultados y las operaciones del proceso, asรญ como la satisfacciรณn del cliente.
Las auditorรญas internas y las autoevaluaciones son herramientas que se pueden utilizar para medir
los procesos dentro de una empresa. La mejora continua y el desarrollo de procesos se pueden
lograr mediante mรฉtodos como el ciclo PDCA y la reingenierรญa de procesos. El ciclo PDCA es un
proceso de cuatro pasos que incluye planificaciรณn, ejecuciรณn, verificaciรณn y actuaciรณn, y es
particularmente รบtil para la mejora de la calidad en cualquier proceso dentro de la organizaciรณn.
Para gestionar eficazmente los procesos, es importante identificar y definir todos los procesos
dentro de la organizaciรณn.
Estos procesos deben tener ciertas caracterรญsticas, como poder representarse grรกficamente,
medirse, controlarse y tener un responsable designado. Los procesos se pueden clasificar en
diferentes tipos, incluidos procesos clave, estratรฉgicos y de soporte. Los procesos clave estรกn
directamente relacionados con las actividades principales de la empresa, mientras que los procesos
estratรฉgicos se centran en desarrollar estrategias y establecer objetivos. Los procesos de soporte
proporcionan los recursos necesarios para que se lleven a cabo los procesos clave.
Actualmente se defiende la reingenierรญa de procesos como un mรฉtodo para mejorar la
eficiencia y eficacia de diversos procesos organizacionales. Este enfoque implica una revisiรณn y
transformaciรณn completa de estos procesos, incorporando cambios innovadores que conduzcan a
mejoras sustanciales en los estรกndares de calidad. Ademรกs, implica la eliminaciรณn de cualquier
proceso redundante que no aporte valor a las operaciones generales de la empresa. Esto contrasta
marcadamente con la prรกctica convencional de simplemente reestructurar procesos, como se ve en
las metodologรญas tradicionales.
Pรกg. 103
Capรญtulo 3
Productividad
Definiciรณn y mediciรณn de la productividad
La terminologรญa "eficiente", "ineficiente" y "alta eficiencia" se utilizan comรบnmente en
nuestro lenguaje cotidiano para describir diversas situaciones. A menudo escuchamos frases como
"necesitamos mejorar la eficiencia de nuestra empresa", "la industria A es mรกs eficiente que la
industria B" y "necesitamos alcanzar un alto nivel de eficiencia de producciรณn". Estas frases se
utilizan con tanta frecuencia que parece fรกcil entender lo que significa "eficiencia". Sin embargo,
en realidad, el concepto teรณrico de eficiencia a menudo se malinterpreta y la mediciรณn de la
eficiencia, que puede ser una herramienta valiosa en muchos campos y profesiones, a veces se
utiliza incorrectamente, lo que lleva a la creaciรณn de indicadores artificiales.
En tรฉrminos simples, la eficiencia puede definirse como la relaciรณn entre ingresos y gastos,
insumos y productos, o recursos y productos. Esta relaciรณn se expresa como una proporciรณn, con
la producciรณn dividida por la entrada, y se puede representar matemรกticamente como F = E/I,
donde F representa la eficiencia, I representa la salida especificada y E representa la entrada
especificada (Parra Rodrรญguez, s.f.).
Numerosos estudios sobre eficiencia en la economรญa se han basado en el cรกlculo de ratios
como Tm de producto por trabajador. Si bien, esto proporciona informaciรณn sobre el desempeรฑo
laboral, no considera otros factores cruciales como la maquinaria, la energรญa y el capital invertido.
En 1957, Farrell introdujo un mรฉtodo para medir la eficiencia que tiene en cuenta mรบltiples factores
de producciรณn simultรกneamente. El enfoque de Farrell divide la eficiencia de una empresa en dos
componentes: eficiencia tรฉcnica, que mide la capacidad de lograr el mรกximo rendimiento con un
nivel determinado de insumos, y eficiencia asignativa, que evalรบa la capacidad de utilizar insumos
en una proporciรณn รณptima considerando los precios de los insumos. Cuando se combinan, estos
dos conceptos forman la base de la eficiencia econรณmica (Parra Rodrรญguez, s.f.).
Hay dos enfoques principales para estimar la eficiencia:
โข El primer enfoque son los mรฉtodos paramรฉtricos, que implican el uso de tรฉcnicas
economรฉtricas para estimar una frontera estocรกstica.
โข El segundo enfoque son los mรฉtodos no paramรฉtricos, especรญficamente el uso del Anรกlisis
Envolvente de Datos (DEA), que se basa en resolver el modelo mediante programaciรณn
lineal.
El modelo economรฉtrico inicial de frontera, conocido como frontera determinista, suponรญa
que la eficiencia estaba determinada por una variable aleatoria que no podรญa ser negativa. Sin
Pรกg. 104
embargo, posteriormente, se propuso la funciรณn de frontera de producciรณn estocรกstica. Este nuevo
modelo se diferenciaba del anterior en cuanto a la estructura de los tรฉrminos de error. El tรฉrmino
de error ahora constaba de dos componentes: una variable aleatoria no negativa que representaba
la ineficiencia tรฉcnica en la producciรณn, y un error aleatorio simรฉtrico que daba cuenta de factores
externos fuera del control de la empresa, como errores de mediciรณn en las variables, omisiรณn de
importantes variables del modelo, variaciones en el tiempo, eventos fortuitos, etc.
Uno de los principales beneficios de la DEA es su alto nivel de flexibilidad. Esta
flexibilidad es evidente en el hecho de que no impone condiciones excesivamente restrictivas a la
tecnologรญa de referencia, que es la forma de la funciรณn de producciรณn. Ademรกs, DEA es capaz de
adaptarse a contextos multiproducto e incluso situaciones donde los precios no estรกn disponibles,
manteniendo una relativa simplicidad en su enfoque. Otro aspecto ventajoso de DEA es su
capacidad de considerar simultรกneamente todas las entradas en relaciรณn con las salidas. Esta
caracterรญstica permite la identificaciรณn de entradas que estรกn siendo subutilizadas, proporcionando
informaciรณn valiosa para la optimizaciรณn.
Input: las medidas
Farrell proporcionรณ un claro ejemplo para ilustrar sus ideas. En este ejemplo, las empresas
utilizan dos insumos (xl y x2) para producir un producto (y), suponiendo que hay rendimientos
constantes a escala. Para medir la eficiencia tรฉcnica es necesario tener conocimiento de la unidad
isocuรกntica, que representa una empresa o economรญa completamente eficiente. Esta unidad
isocuรกntica se representa como SS' en el Grรกfico 1. Al examinar las cantidades de insumos
utilizadas por una empresa en el punto P para producir una unidad de producciรณn, se puede
determinar el nivel de ineficiencia tรฉcnica. Esta ineficiencia estรก representada por la distancia QP,
que significa la cantidad en la que todos los insumos podrรญan reducirse proporcionalmente sin
afectar la producciรณn. Normalmente, esta reducciรณn se expresa como un porcentaje utilizando la
relaciรณn QP/OP, que representa el porcentaje en el que se podrรญan reducir todos los insumos.
La eficiencia tรฉcnica (TE) generalmente se mide mediante la siguiente relaciรณn: La
ecuaciรณn establece que el TEI (รndice de Eficiencia Total) es igual al cociente de OQ (Cantidad de
Salida) dividido por OP (Cantidad de Entrada). En otras palabras, el TEI se puede calcular
comparando la cantidad de producciรณn producida con la cantidad de insumos utilizados. Esta
ecuaciรณn se usa comรบnmente en diversas industrias y sectores para medir y evaluar la eficiencia y
productividad general de un sistema o proceso. Al comprender y analizar el TEI, las organizaciones
pueden identificar รกreas de mejora e implementar estrategias para mejorar su desempeรฑo y
eficacia. Ademรกs, la ecuaciรณn TEI sirve como una herramienta valiosa para la toma de decisiones,
ya que proporciona una medida cuantitativa que puede usarse para comparar diferentes sistemas,
procesos o proyectos. En general, la ecuaciรณn TEI ofrece una forma integral y objetiva de evaluar
y optimizar la eficiencia, lo que en รบltima instancia conduce a mejores resultados y รฉxito.
Pรกg. 105
Esto se puede expresar como 1 menos el cociente de QP dividido por OP, multiplicado por
3. Esta medida evaluarรก el nivel de ineficiencia tรฉcnica de una unidad, en un rango de 0 a 1. Un
valor de 1 representa una empresa que es totalmente eficiente tรฉcnicamente. Por ejemplo, el punto
Q demuestra eficiencia tรฉcnica ya que cae sobre el isocuanta eficiente.
Si tenemos informaciรณn sobre la fluctuaciรณn en el precio del insumo, que se muestra en la
lรญnea AA' del grรกfico, podemos determinar la eficiencia asignativa. La eficiencia asignativa (AE)
de la empresa que opera en el punto P se define como el ratio: AEI = OR/OQ . Esto significa que
la distancia RQ representa la disminuciรณn en los costos de producciรณn que se producirรญa si la
empresa asignara eficientemente sus recursos. En otras palabras, el punto Q' serรญa tanto tรฉcnica
como asignativamente eficiente, y la relaciรณn RQ/OQ indicarรญa la proporciรณn de reducciรณn de
costos al pasar del punto Q a Q'.
El concepto de eficiencia econรณmica total se
puede medir utilizando la fรณrmula EEI = OR/OP, donde
OR representa el ratio de producciรณn y OP representa
el ratio de insumos. La distancia RP puede entenderse
como una medida de cuรกnto se pueden reducir los
costos. Es importante mencionar que la eficiencia
econรณmica se puede determinar multiplicando la
eficiencia tรฉcnica por la eficiencia asignativa, cuyo
valor oscila entre 0 y 1. Esto se puede expresar como
TEIxAEI = (OQ/OP)x(OR/OQ) = (OR/ OP) = ISS.
Las medidas de eficiencia se basan en el supuesto de que tenemos un conocimiento
completo de la funciรณn de producciรณn de una empresa perfectamente eficiente. Aun cuando, en la
realidad, tal escenario rara vez existe y tenemos que confiar en datos de muestra para estimar la
isocuanta de la empresa eficiente.
Output: medidas
Pรกg. 106
La eficiencia tรฉcnica orientada a los insumos se relaciona con la cantidad de insumos que
se puede disminuir proporcionalmente manteniendo el mismo nivel de producciรณn. En otras
palabras, determina hasta quรฉ punto se pueden reducir los insumos sin afectar la cantidad de
producciรณn producida. Por otro lado, la eficiencia orientada a la producciรณn se centra en aumentar
la producciรณn sin alterar las cantidades de insumos utilizados. Al responder a esta pregunta,
obtenemos una medida de la eficiencia con la que una organizaciรณn utiliza sus recursos para lograr
el mรกximo rendimiento. Es importante seรฑalar que existe una distinciรณn entre medidas orientadas
a los insumos y medidas orientadas a los resultados, que se pueden ejemplificar mediante un
escenario sencillo que involucre una industria especรญfica que genera un รบnico producto utilizando
un รบnico insumo.
En el grรกfico, hay una representaciรณn de una tecnologรญa f(x)
que exhibe rendimientos decrecientes a escala. El grรกfico tambiรฉn
muestra una empresa ineficiente que opera en el punto P. Segรบn la
medida TE orientada a los insumos de Farrell, deberรญa ser igual a
la relaciรณn entre AB y AP, mientras que la medida TE orientada a
la producciรณn deberรญa ser igual a la relaciรณn entre CP y AP. CD. Es
importante seรฑalar que las medidas orientadas a los insumos y a
los productos sรณlo serรกn equivalentes cuando haya rendimientos de escala constantes. Sin embargo,
si los rendimientos aumentan o disminuyen a escala, estas medidas serรกn diferentes. Esta
informaciรณn fue expuesta por Fare y Lovell en 1978.
Por otro lado, en este grรกfico, se representa una tecnologรญa con rendimientos de escala
constantes. En el punto P, se puede observar que AB/AP es igual a
CP/CD.
Examinado, a continuaciรณn una industria que
genera dos productos diferentes, y1 e y2, utilizando un
รบnico insumo, x. Suponiendo rendimientos constantes a
escala, podemos representar el aspecto tecnolรณgico de
esta industria a travรฉs de una curva de posibilidades de
producciรณn en dos dimensiones. El grรกfico ilustra este
ejemplo, donde la lรญnea ZZ' representa la curva de
posibilidades de producciรณn unitaria y el punto A
Pรกg. 107
significa la producciรณn de una unidad ineficiente. Es importante seรฑalar que el punto A se sitรบa por
debajo de la curva ZZ', ya que esta รบltima representa el rango mรกximo de producciรณn potencial.
Las medidas de eficiencia orientadas a la producciรณn de Farrell se pueden describir de la
siguiente manera. En el contexto del grรกfico anterior, donde la distancia AB sirve como indicador
de ineficiencia tรฉcnica. Esta distancia representa el aumento potencial de los resultados que se
pueden lograr sin necesidad de insumos adicionales. Esencialmente, cuantifica en quรฉ medida se
pueden maximizar los productos sin necesidad de utilizar recursos adicionales. De hecho, se puede
emplear un ratio como medida orientada a la producciรณn para medir el nivel de eficiencia tรฉcnica.
El valor de TEo equivale a la relaciรณn de OA dividida por OB
Considerando los datos de precios, podemos construir la lรญnea de ingreso isocuรกntica DD',
que nos permite determinar la eficiencia asignativa. La eficiencia asignativa se refiere a la
asignaciรณn รณptima de recursos de tal manera que se logre la mรกxima producciรณn posible, dados los
insumos disponibles y los precios predominantes. En tรฉrminos mรกs simples, es la capacidad de
asignar recursos de una manera que maximice la productividad y minimice el desperdicio, teniendo
en cuenta los precios relativos de bienes y servicios. Al analizar y trazar la lรญnea de ingreso
isocuรกntica DD', podemos evaluar quรฉ tan bien se estรกn asignando los recursos y si es necesario
hacer ajustes para mejorar la eficiencia. Este mรฉtodo proporciona una comprensiรณn integral de
cรณmo la informaciรณn de precios influye en la asignaciรณn de recursos y, posteriormente, impacta la
productividad general y el desempeรฑo econรณmico.
AEo es igual a OB dividido por OC
El concepto de aumento del ingreso puede entenderse de manera similar a cรณmo se
interpreta la reducciรณn de costos en el contexto de la eficiencia asignativa en la mediciรณn orientada
a los insumos. Del mismo modo, la eficiencia econรณmica total se puede definir multiplicando estas
dos medidas.
EEo es igual a la relaciรณn de OA a OC, que se puede expresar como el producto de las
relaciones OA a 0B y 0B a OC. Esto tambiรฉn se puede escribir como el producto de TEo y Aeo.
Es importante comprender que todas estas medidas se encuentran dentro del rango de 0 a 1.
La estimaciรณn de la eficiencia: datos panel
La tรฉcnica de datos panel
Un modelo de datos de panel es un tipo de modelo que utiliza datos recopilados de
individuos en diferentes momentos. Este tipo de modelo incorpora tanto el aspecto temporal
(tiempo) como el aspecto estructural (individuos) de los datos, lo que lo convierte en una poderosa
herramienta de anรกlisis. Los modelos de datos de panel se utilizan comรบnmente en estudios
econรณmicos y se pueden aplicar a varios tipos de conjuntos de datos, como paneles de hogares,
Pรกg. 108
encuestas de opiniรณn empresarial o mediciones de audiencia televisiva. Los conjuntos de datos
suelen consistir en una gran cantidad de individuos con observaciones limitadas a lo largo del
tiempo o una gran cantidad de perรญodos de tiempo con una pequeรฑa cantidad de individuos.
Es importante distinguir los datos de panel de las encuestas transversales, que se repiten en
el tiempo pero no se centran en los mismos individuos. El principal objetivo del estudio de datos
de panel es capturar las diferencias o heterogeneidades no observables entre agentes econรณmicos
(individuos, empresas, bancos) y a lo largo de perรญodos de tiempo. Esta heterogeneidad no puede
entenderse completamente mediante estudios de series temporales o estudios transversales
รบnicamente.
Por tanto, incorporar la dimensiรณn temporal en los estudios transversales permite un
anรกlisis mรกs dinรกmico de los datos. Este enfoque es particularmente valioso en estudios
empresariales, ya que permite examinar los efectos individuales especรญficos de cada empresa y los
efectos temporales del entorno. Los efectos individuales especรญficos se refieren a factores que
impactan de manera diferencial a las unidades de la muestra, como la capacidad comercial, la
eficiencia operativa, el acceso a la tecnologรญa y la experiencia.
Se supone que estos efectos desempeรฑan un papel directo en los procesos de toma de
decisiones de estas unidades. Por otro lado, los efectos temporales son factores que afectan a todas
las unidades por igual pero varรญan en el tiempo. Pueden atribuirse a shocks macroeconรณmicos (por
ejemplo, cambios en las tasas de interรฉs, precios de la energรญa, inflaciรณn) o alteraciones en las
regulaciones del mercado (por ejemplo, expansiรณn de la UE, reducciones de las tasas arancelarias,
cambios en los impuestos).
Especificaciones
La especificaciรณn general de un modelo de regresiรณn con datos de panel involucra mรบltiples
dimensiones: el individuo o unidad de estudio (secciรณn transversal)
y el tiempo. La variable por explicar, denotada como Yit, estรก
asociada a cada unidad de estudio. El escalar ฮฑ representa una
colecciรณn de N parรกmetros que capturan los efectos especรญficos del
i-รฉsimo individuo, mientras que el vector ฮฒ consta de K parรกmetros que estรกn vinculados a las j-
รฉsimas variables explicativas, denotadas como X.
En un modelo de datos de panel, las variables explicativas pueden clasificarse en tres
categorรญas o tipos distintos:
โข Cada unidad transversal tiene su propia variable que no incluye informaciรณn temporal.
Estas variables permanecen consistentes entre todos los individuos y pertenecen a atributos
especรญficos del individuo o agente, como el tipo, tamaรฑo y estructura gerencial de la
Pรกg. 109
empresa. Otras variables pueden incluir el gรฉnero del trabajador, el nivel de educaciรณn, la
profesiรณn y diversas caracterรญsticas sociales.
โข En este escenario, cada perรญodo de tiempo estรก asociado con una variable distinta, pero
estas variables no cambian de valor entre los individuos. Mรกs bien, asumen valores
diferentes con el tiempo. Ejemplos de tales variables incluyen la tasa de inflaciรณn y la tasa
de interรฉs.
โข Una variable que estรก sujeta a cambios tanto entre diferentes individuos en un momento
especรญfico como durante un perรญodo de tiempo se conoce como variable dinรกmica.
Ejemplos de tales variables incluyen el ingreso general, el nivel de rentabilidad, el monto
de la inversiรณn de capital y los niveles de deuda. Estas variables no sรณlo varรญan entre los
individuos en un momento dado sino que tambiรฉn sufren fluctuaciones y modificaciones a
lo largo del tiempo.
Los modelos de datos de panel se comprenden y analizan examinando sus componentes de
error. Esto se puede hacer utilizando la notaciรณn matricial abreviada de un modelo de datos de
panel tรญpico:
El tรฉrmino de error, representado por la uit en la ecuaciรณn (1), se puede descomponer asรญ:
el sรญmbolo ฮผi se utiliza para representar los factores no observables que distinguen una unidad de
estudio de otra, como su capacidad empresarial y eficiencia. Por otro lado, el sรญmbolo ฮปt se utiliza
para identificar los efectos no mensurables que cambian con el tiempo pero que permanecen
constantes en las unidades de estudio. Por รบltimo, el sรญmbolo eit se refiere al componente
puramente aleatorio del error.
La mayorรญa de los anรกlisis realizados sobre datos de panel utilizan el modelo de
componentes de error, conocido como ruta para la cual ฮปt = 0 (Modelo A). Las diferentes variantes
para el modelo unidireccional de los componentes del error resultan de los diferentes supuestos
sobre el tรฉrmino ฮผi, y se pueden presentar tres posibilidades:
โข El escenario mรกs bรกsico por considerar es cuando no existe una heterogeneidad no
observable entre individuos o empresas, lo que puede representarse mediante la ecuaciรณn
0 = i ฮผ.
Pรกg. 110
โข La segunda opciรณn implica considerar un impacto distinto e invariable para cada individuo
o empresa, denotado como i ฮผ. En este escenario, la variabilidad oculta se incluye en la
constante del modelo, representada como i ฮฑ.
โข Por รบltimo, la tercera opciรณn implica considerar i ฮผ como un factor oculto e impredecible
que fluctรบa entre individuos o empresas, manteniรฉndose constante a lo largo del tiempo.
Segรบn la especificaciรณn inicial, ฮผit cumple todos los supuestos necesarios del modelo lineal
general. En consecuencia, se emplea como mรฉtodo de estimaciรณn MCO, que permite la adquisiciรณn
de estimadores lineales e insesgados. Ademรกs, este enfoque ofrece el beneficio adicional de grados
de libertad crecientes.
En situaciones donde el supuesto de homogeneidad no se mantiene en un sistema de datos
de panel, lo que significa que hay una variaciรณn no observable ya sea a lo largo del tiempo, entre
unidades de estudio (individuos) o ambos, se hace necesario encontrar una especificaciรณn adecuada
que incorpore adecuadamente esta heterogeneidad. Esto es importante para garantizar que los
estimadores de los parรกmetros de las variables explicativas no sufran sesgos.
Las ventajas y desventajas
Los modelos de datos de panel ofrecen varias ventajas y tambiรฉn tienen desventajas en
comparaciรณn con las series temporales y los modelos transversales. A continuaciรณn, comentaremos
los mรกs significativos.
Las ventajas:
โข La utilizaciรณn de esta tรฉcnica permite al investigador econรณmico ampliar su conjunto de
datos, lo que da como resultado un conjunto mรกs grande de observaciones. Este aumento
en el nรบmero de observaciones mejora los grados de libertad, disminuyendo asรญ la presencia
de multicolinealidad entre las variables explicativas. En consecuencia, estas mejoras
conducen en รบltima instancia a una mayor eficiencia en la estimaciรณn de valores
economรฉtricos.
โข Como se indicรณ anteriormente, la tรฉcnica de datos de panel proporciona un medio para
capturar diferencias o variaciones no observables que pueden existir entre unidades de
estudio individuales o durante un perรญodo de tiempo. Partiendo de este concepto, la
utilizaciรณn de datos de panel permite a los investigadores emplear una variedad de
comparaciones para validar o descartar la presencia de dicha heterogeneidad y determinar
los mรฉtodos mรกs efectivos para capturarla.
โข El anรกlisis de datos de panel tiene en cuenta la heterogeneidad entre individuos o agentes
econรณmicos, como consumidores, empresas, regiones y paรญses. Este reconocimiento de la
heterogeneidad es crucial ya que permite un anรกlisis mรกs completo y preciso. Por el
Pรกg. 111
contrario, las series temporales y los anรกlisis transversales pasan por alto esta
heterogeneidad, lo que puede dar lugar a resultados sesgados y poco fiables. Por lo tanto,
el anรกlisis de datos de panel proporciona un enfoque mรกs sรณlido y completo para
comprender e interpretar los datos.
โข La inclusiรณn de estos procesos de ajuste permite un estudio mรกs completo de la dinรกmica,
ya que permiten analizar los cambios en las distribuciones transversales a lo largo del
tiempo.
โข Una ventaja de utilizar estos modelos es que brindan la oportunidad de construir y evaluar
patrones complejos de comportamiento, lo que no es fรกcil de lograr mediante series
temporales y anรกlisis transversales. Un excelente ejemplo de tal modelo es el que apunta a
evaluar el grado de eficiencia tรฉcnica exhibida por cada unidad econรณmica a nivel
individual.
โข En esencia, la utilizaciรณn de unidades transversales en un panel de datos, que generalmente
denotan individuos, familias o empresas, elimina efectivamente cualquier sesgo que pueda
surgir al tratar con variables agregadas.
Las desventajas:
โข La tรฉcnica de datos de panel suele estar sujeta a diversas limitaciones y desafรญos cuando se
trata de obtener y procesar informaciรณn estadรญstica sobre unidades de estudio individuales.
Estas limitaciones pueden surgir de los mรฉtodos utilizados para recopilar datos, como
encuestas, entrevistas u otras formas de inferencia estadรญstica. Algunos ejemplos de estas
limitaciones incluyen la posibilidad de una selecciรณn no aleatoria de la muestra, tasas de
cobertura poblacional inadecuadas en la recopilaciรณn de datos, altos porcentajes de falta de
respuesta, preguntas de encuesta ambiguas o confusas y la posibilidad de distorsiรณn
deliberada de las respuestas. Estas desventajas resaltan los posibles obstรกculos y
complejidades asociados con la utilizaciรณn de datos de panel en la investigaciรณn y el
anรกlisis.
โข Ademรกs, la existencia de una dimensiรณn temporal restringida tiene el potencial de invalidar
ciertos aspectos teรณricos de los modelos de datos de panel.
โข Tambiรฉn, a travรฉs de investigaciones extensas se ha observado que al estimar una ecuaciรณn
utilizando una muestra que comprende numerosas unidades transversales pero perรญodos de
tiempo limitados (como 700 individuos en un lapso de 5 perรญodos), la utilizaciรณn de
modelos de efectos fijos produce resultados marcadamente distintos. en comparaciรณn con
modelos que incorporan efectos aleatorios.
Los modelos de efectos fijos
Pรกg. 112
Como se indicรณ anteriormente, los modelos de datos de panel nos brindan la capacidad de
considerar la presencia de efectos individuales que son รบnicos para cada unidad y permanecen
constantes en el tiempo. Estos efectos individuales juegan un papel crucial al influir en el proceso
de toma de decisiones de cada unidad transversal.
Estos modelos operan bajo el supuesto de que el impacto de las variables que han sido
omitidas, ya sean รบnicas para cada individuo o fluctรบen en el tiempo, no son significativas por sรญ
solas, pero llegan a ser significativas cuando se consideran en su conjunto.
Por el contrario, considerando que se cree que el impacto de las variables que se omitieron
permanece constante a lo largo del tiempo para cada persona, o no difiere entre individuos en un
momento particular en el tiempo, o posiblemente una combinaciรณn de ambas, estas variables
pueden ser incluido en el modelo de regresiรณn como un tรฉrmino constante. Este tรฉrmino constante
es un promedio que reconoce las diferencias entre individuos y/o a lo largo del tiempo que existen
dentro de los datos.
La distinciรณn entre modelos de efectos fijos y modelos de efectos aleatorios radica en la
manera en que incorporan la heterogeneidad no observada. Los modelos de efectos fijos, tambiรฉn
denominados modelos de mรญnimos cuadrados con variables ficticias, difieren de los modelos de
efectos aleatorios en su enfoque.
Los modelos de datos del panel de efectos fijos se pueden representar mediante la siguiente
expresiรณn general:
En esta ecuaciรณn, la variable dependiente, Y, estรก influenciada por varios factores. El
escalar, ฮฑ, representa los efectos especรญficos del iรฉsimo individuo, que permanecen constantes en
el tiempo. El vector X representa las k variables explicativas, y los parรกmetros ฮฒ recogen los efectos
de estas variables. El tรฉrmino de error, uit, se distribuye aleatoriamente con una media de cero y
una varianza constante de valor 2ฯ. El panel de datos consta de N unidades transversales o
individuos observados durante T perรญodos.
Asรญ, el objetivo es abordar un sistema complejo que consta de numerosas regresiones
especรญficas, cada una con N ecuaciones de secciรณn transversal denotadas por:
La notaciรณn matricial abreviada serรญa:
Pรกg. 113
Cuando agrupamos las observaciones temporales para cada unidad transversal, podemos
establecer el siguiente modelo:
suponiendo una รบnica variable explicativa, la ecuaciรณn queda:
Este modelo supone que las variables explicativas tienen el mismo impacto en todas las
unidades transversales. Sin embargo, cada unidad tiene sus propias caracterรญsticas รบnicas que se
miden mediante la intersecciรณn en el origen. Para tener en cuenta estas diferencias, el modelo
incluye N intersecciones que estรกn asociadas con variables ficticias. Estas variables ficticias tienen
coeficientes especรญficos para cada unidad, que deben estimarse.
La estimaciรณn de i ฮฑ y ฮฒ se realiza utilizando el mรฉtodo de mรญnimos cuadrados ordinarios
(MCO). Sin embargo, es importante considerar que este modelo resulta en una reducciรณn
considerable de los grados de libertad. Para evaluar la validez del modelo, se recomienda realizar
una prueba F para determinar si ฮฑ ฮฑ= i para cualquier i. Ademรกs, al incorporar un tรฉrmino constante,
cabe seรฑalar que sรณlo es necesario introducir N-1 variables ficticias.
La utilizaciรณn de este modelo es mรกs extensa debido a la reducciรณn de los grados de libertad
causada por la estimaciรณn, por lo que se emplea comรบnmente para describir el modelo general de
efectos fijos restando la media de cada variable.
Los modelos de efectos aleatorios
A diferencia del modelo de efectos fijos, el modelo de efectos aleatorios tiene en cuenta
que los efectos individuales no son independientes entre sรญ, sino que se distribuyen aleatoriamente
alrededor de un determinado valor. Al realizar un anรกlisis de regresiรณn, a menudo se supone que
existen numerosos factores que influyen en la variable dependiente pero que no se han incluido
explรญcitamente como variables independientes en el modelo.
Pรกg. 114
Se cree que estos factores son capturados adecuadamente por la perturbaciรณn aleatoria. Por
tanto, en el modelo de efectos aleatorios se considera diferente tanto el impacto de las variables
explicativas como las caracterรญsticas de cada unidad. El modelo supone que el tรฉrmino ฮฑ es la suma
de una constante comรบn ฮฑ, una variable aleatoria especรญfica de secciรณn transversal e invariante en
el tiempo ฮผ asociada a cada individuo, que no estรก correlacionada con el residual u, y otra variable
aleatoria ฮปt asociada al tiempo, tampoco correlacionado con el residual u. En lugar de tratar a ฮผ
como una constante fija, esta especificaciรณn supone que ฮผ sigue una distribuciรณn normal con media
0 y varianza ฯยฒ, independiente y distribuida equitativamente entre los individuos, y no
correlacionada tanto con u como con X.
La elecciรณn del tipo de modelo
La elecciรณn entre modelos de efectos fijos y de efectos aleatorios para el anรกlisis depende
de los objetivos especรญficos del estudio. Rl modelo de efectos fijos se recomienda cuando se hacen
inferencias sobre la muestra, mientras que el modelo de efectos aleatorios es mรกs adecuado para
hacer inferencias sobre la poblaciรณn en su conjunto. Ademรกs, si el estudio se centra principalmente
en los coeficientes de las pendientes de los parรกmetros y no en las diferencias individuales, se debe
seleccionar un mรฉtodo que considere estas diferencias como aleatorias y trate la heterogeneidad
no observable como tal.
La elecciรณn del modelo en el anรกlisis de datos depende en gran medida del contexto en el
que se obtuvieron los datos y del entorno en el que existen. El modelo de efectos fijos incorpora
heterogeneidad no observable en la intersecciรณn y del modelo, mientras que el modelo de efectos
aleatorios la incorpora en el tรฉrmino de error, lo que a su vez modifica la varianza del modelo.
Cuando se trata de una T pequeรฑa y una N grande, el uso de un modelo de efectos fijos o aleatorios
puede generar diferencias en las estimaciones de los parรกmetros. En tales casos, es esencial utilizar
eficazmente la informaciรณn disponible para estimar la relaciรณn de comportamiento que varรญa
significativamente entre los individuos. A primera vista, el enfoque de efectos fijos parece mรกs
atractivo ya que no requiere hacer supuestos paramรฉtricos sobre la distribuciรณn condicional de la
heterogeneidad no observable. Sin embargo, tiene sus inconvenientes, ya que sรณlo se puede aplicar
a determinadas distribuciones y requiere hacer suposiciones restrictivas sobre la distribuciรณn del
tรฉrmino de error, similares a las requeridas por el mรฉtodo MCO. Es importante seรฑalar que el
modelo de efectos fijos supone la presencia de diferencias entre unidades, las cuales se reflejan a
travรฉs de movimientos en la curva de regresiรณn.
El modelo de efectos fijos, cuando se utilizan variables ficticias para la estimaciรณn, no
proporciona una explicaciรณn directa de los cambios en la variaciรณn observados a lo largo del
tiempo y entre los individuos. Esto tambiรฉn implica que hay una pรฉrdida importante de
informaciรณn debido a los limitados grados de libertad. En situaciones donde la estructura de datos
es importante, es necesario tener en cuenta el hecho de que si el nรบmero de individuos (N) es
Pรกg. 115
grande y el nรบmero de perรญodos de tiempo (T) es pequeรฑo, el modelo de efectos fijos puede tener
un nรบmero grande. de parรกmetros en relaciรณn con los datos disponibles. En consecuencia, esto
puede dar como resultado parรกmetros que no son estadรญsticamente significativos y una estimaciรณn
ineficiente.
La estimaciรณn de la eficiencia
Hay varias formas de medir la ineficiencia y las tรฉcnicas utilizadas dependen de las
unidades econรณmicas o de negocios especรญficas que se analizan. Se hace una distinciรณn entre
tรฉcnicas paramรฉtricas, que evalรบan la eficiencia especificando una relaciรณn matemรกtica particular
entre variables, y tรฉcnicas no paramรฉtricas, que evalรบan la eficiencia sin especificar dicha relaciรณn.
Ejemplos de tรฉcnicas paramรฉtricas incluyen el anรกlisis estocรกstico de la frontera de producciรณn
(SFA), mientras que el anรกlisis envolvente de datos (DEA) es una tรฉcnica no paramรฉtrica
destacada.
La aproximaciรณn paramรฉtrica de la funciรณn estocรกstica es un mรฉtodo utilizado para estimar
una funciรณn de producciรณn de frontera. Esta funciรณn calcula la diferencia entre el nivel de salida
real y el nivel de salida potencial mรกximo. Esta diferencia se compone de dos tรฉrminos: un tรฉrmino
de error, que da cuenta de variables que estรกn fuera del control de la unidad productiva analizada,
y un tรฉrmino de ineficiencia.
Los modelos de eficiencia tรฉcnica variante en el tiempo
Como se indicรณ anteriormente, la utilizaciรณn de la tรฉcnica de datos de panel nos permite
considerar la presencia de efectos individuales รบnicos asociados con cada empresa que permanecen
consistentes en el tiempo, influyendo asรญ en el proceso de toma de decisiones de cada unidad
respectiva dentro del conjunto de datos transversales.
Una forma sencilla de dar cuenta de esta heterogeneidad (y de hecho, la forma mรกs comรบn)
es utilizar un modelo de intercepciรณn variable. Asรญ, el modelo lineal es el mismo para todas las
unidades o individuos estudiados, pero la ordenada en el origen es especรญfica para cada uno de
ellos. Con base en el modelo general, esta situaciรณn queda representada por la siguiente ecuaciรณn:
la variable ฮผt representa una perturbaciรณn aleatoria que nos brinda la capacidad de diferenciar y
comprender el impacto de cada individuo dentro del panel. Este factor de perturbaciรณn juega un
papel crucial en el anรกlisis y evaluaciรณn de las contribuciones individuales dentro del panel, lo que
nos permite obtener una comprensiรณn mรกs profunda de los efectos generales.
Pรกg. 116
Para hacer una estimaciรณn, los componentes estocรกsticos se clasifican y de esta agrupaciรณn
se deriva una relaciรณn:
aquรญ Uit = ฮดt+ut + eit ahora incluye un nuevo tรฉrmino llamado tรฉrmino de perturbaciรณn,
que representa el efecto combinado del error asociado con la serie de tiempo (ฮดt), la perturbaciรณn
de secciรณn transversal (ut) y el efecto combinado de ambos (ei). Es importante mencionar que la
variable U no presenta homocedasticidad.
El mรฉtodo de mรญnimos cuadrados ordinarios (MCO) no es aplicable para estimar este tipo
de modelos debido a la violaciรณn de supuestos necesarios para una estimaciรณn consistente. Por lo
tanto, es mรกs ventajoso emplear el mรฉtodo de mรญnimos cuadrados generalizados (GLS) en tales
escenarios.
La elecciรณn entre utilizar efectos fijos o efectos aleatorios en el anรกlisis depende de los
objetivos especรญficos del estudio. Si el objetivo es sacar conclusiones sobre la poblaciรณn general,
como cuando se trabaja con una muestra seleccionada al azar, se recomienda utilizar un modelo
de efectos aleatorios. Por otro lado, si la atenciรณn se centra en una muestra particular que ha sido
convenientemente seleccionada o si el anรกlisis se realiza en toda la poblaciรณn, entonces la
estimaciรณn de efectos fijos serรญa apropiada.
Ademรกs, si el estudio se centra principalmente en los valores asignados a las pendientes de
los parรกmetros mรกs que en las caracterรญsticas รบnicas de cada individuo, es importante seleccionar
un mรฉtodo que minimice el impacto de estas diferencias y trate la heterogeneidad no observable
como un problema. factor aleatorio. El modelo de efectos fijos supone que el investigador saca
conclusiones basadas en los efectos observados dentro de la muestra. Por otro lado, el modelo de
efectos aleatorios permite al investigador sacar conclusiones ya sea de forma condicional o
marginal, teniendo en cuenta toda la poblaciรณn objeto de estudio.
La elecciรณn del modelo al analizar datos depende del contexto en el que se recopilaron los
datos y del entorno en el que se originan. El modelo de efectos fijos incorpora diferencias no
observables entre individuos en el intercepto del modelo, mientras que el modelo de efectos
aleatorios incorpora estas diferencias en el tรฉrmino de error, afectando la varianza del modelo.
Cuando se trata de un nรบmero pequeรฑo de perรญodos de tiempo (T) y un nรบmero grande de
individuos (N), el uso de un modelo de efectos fijos o aleatorios puede llevar a estimaciones de
parรกmetros diferentes. En tales casos, es importante utilizar eficazmente la informaciรณn disponible
para estimar la relaciรณn de comportamiento que varรญa significativamente de un individuo a otro.
Sin embargo, el modelo de efectos fijos tiene limitaciones ya que no identifica directamente la
causa de la variaciรณn a lo largo del tiempo y entre individuos, y tambiรฉn resulta en una pรฉrdida de
grados de libertad.
Pรกg. 117
Si bien, es importante tener en cuenta la estructura de los datos en este escenario. Si N (el
nรบmero de observaciones) es grande y T (el nรบmero de perรญodos de tiempo) es pequeรฑo, existe la
posibilidad de que el modelo de efectos fijos tenga un nรบmero excesivo de parรกmetros en
comparaciรณn con la cantidad limitada de datos disponibles. Como resultado, esto podrรญa conducir
a parรกmetros que no son estadรญsticamente significativos y a una estimaciรณn ineficiente.
La estimaciรณn de la eficiencia y productividad con mรฉtodos no paramรฉtricos
El anรกlisis envolvente de datos
El anรกlisis envolvente de datos (DEA) es una tรฉcnica de programaciรณn matemรกtica que no
se basa en suposiciones especรญficas sobre la forma funcional del proceso de producciรณn. Su
principal objetivo es estimar la frontera de producciรณn eficiente comparando el desempeรฑo de
diferentes unidades organizativas. El enfoque DEA, que fue introducido por primera vez por
Charnes, Cooper y Rhodes en 1978, ha ganado una atenciรณn significativa en el campo del anรกlisis
de eficiencia. Se ha aplicado ampliamente en diversas industrias y sectores para evaluar los niveles
de eficiencia de las unidades organizativas. Cooper (1999) ha explorado ampliamente las
aplicaciones potenciales de la DEA en diferentes campos, demostrando aรบn mรกs su versatilidad y
utilidad (Parra Rodrรญguez, s.f.).
El objetivo es encontrar un valor รบnico que represente la menor reducciรณn posible en el
consumo de insumos sin disminuir la cantidad de producciรณn producida. Para determinar la
eficiencia relativa de varias unidades, calculamos ratios que miden la relaciรณn entre insumos y
productos:
No obstante, calcular este tipo de ratios como indicadores de eficiencia relativa no es
suficiente cuando las unidades organizativas, por ejemplo, utilizan varios insumos para obtener
varios productos simultรกneamente. En principio, esta dificultad se puede evitar generalizando la
expresiรณn anterior de la siguiente manera:
El problema con la medida de eficiencia mencionada en la declaraciรณn anterior es que los
productos y los insumos no tienen dimensiones consistentes. Para abordar este problema, se
propone una soluciรณn incorporando un conjunto de pesos adecuados que estandaricen tanto el
numerador como el denominador en la ecuaciรณn final:
Pรกg. 118
En este campo particular, cuando nos referimos a la notaciรณn estรกndar, vale la pena seรฑalar
que cuando hay m salidas y n entradas, se pueden hacer ciertas observaciones:
En donde:
โข Ej representa el nivel de eficacia de la j-รฉsima unidad organizativa.
โข Ui significa la importancia o valor asignado al iรฉsimo resultado general.
โข Vi representa el significado o valor asignado al iรฉsimo insumo general.
โข Yij denota la cantidad o importe de la i-รฉsima producciรณn general presente en la j-รฉsima
unidad organizativa.
โข Xij indica el nรบmero o cantidad del i-รฉsimo insumo general presente en la j-รฉsima.
La definiciรณn de eficiencia relativa plantea la cuestiรณn de encontrar los conjuntos de
ponderaciones apropiados, Ui y Vi, que permitan la normalizaciรณn tanto de los insumos como de
los productos. Una pregunta que surge es si las ponderaciones asignadas a diferentes unidades
organizativas deberรญan ser uniformes. Los primeros investigadores en esta รกrea, como Farrell
(1957) y Farrell y Fieldhouse (1962), intentaron resolver este problema proponiendo un conjunto
รบnico de ponderaciones que se aplicarรญa a todas las unidades organizativas. Sin embargo, Charnes
et al (1978) sostienen que cada unidad organizacional puede tener su propia valoraciรณn รบnica de
productos e insumos (Parra Rodrรญguez, s.f.).
El mรฉtodo de determinaciรณn de las mejores combinaciones de ponderaciones para los
productos e insumos de cada unidad organizacional constituye el nรบcleo analรญtico del anรกlisis de
la metodologรญa DEA. De esta forma, la eficiencia de la unidad se obtendrรก maximizando el
cociente que mide la eficiencia de dicha unidad, supeditando el proceso de mejora a si la eficiencia
de todas las unidades organizativas, incluida la propia unidad, es menor o similar a la eficiencia de
la unidad organizativa. . soledad. Analรญticamente se formulรณ un modelo de programaciรณn
matemรกtica cuyas variables representan los pesos mรกs adecuados para la unidad organizacional.
La estructura algebraica del modelo, propuesta por Charness et al. (1978), para la unidad J es el
siguiente:
Pรกg. 119
En el modelo anterior, la soluciรณn no sรณlo proporciona una medida de la eficiencia relativa
de la j-รฉsima unidad organizativa en comparaciรณn con el resto, sino que tambiรฉn identifica los
pesos รณptimos que han contribuido a esta eficiencia. Si Ej = 1 en el รณptimo, indica que la j-รฉsima
unidad es relativamente eficiente en comparaciรณn con las otras k-1 unidades. Por otro lado, si Ej <
1, significa que a pesar de elegir ponderaciones favorables, hay otras unidades organizativas en la
muestra que combinan insumos en productos de una manera mรกs eficiente. Para empezar,
profundizaremos en el modelo CRS orientado a entradas, que fue el modelo inicial ampliamente
implementado.
Modelo de rendimientos constantes a escala (CRS): orientaciรณn a Inputs
Consideremos un escenario en el que tenemos N empresas, tambiรฉn conocidas como DMU,
cada una de las cuales posee K entradas y M salidas. Cada DMU individual se identifica mediante
los vectores xi para entradas e yยก para salidas. Los datos para todas las N DMU estรกn representados
por la matriz de entrada X (con dimensiones KxN) y la matriz de salida Y (con dimensiones MxN).
El principal objetivo de la tรฉcnica del Anรกlisis Envolvente de Datos (DEA) es crear una
frontera no paramรฉtrica, que es una lรญnea lรญmite que abarca un conjunto de puntos de referencia.
Esta frontera estรก construida de tal manera que todos los puntos de datos observados estรกn en la
frontera o debajo de ella. Para comprender mejor este concepto, consideremos un escenario
simplificado en una industria donde se utilizan dos insumos para producir un producto. En este
caso, el enfoque DEA visualiza la construcciรณn de mรบltiples planos que se cruzan entre sรญ,
formando una estructura similar a una envoltura sobre una colecciรณn de puntos dispersos en un
espacio tridimensional.
Es importante tener en cuenta que esta visualizaciรณn asume el supuesto de rendimientos
constantes a escala (CRS), lo que significa que la producciรณn se puede ampliar o reducir
proporcionalmente cambiando las cantidades de insumos utilizados. Alternativamente, esta unidad
isocuรกntica tambiรฉn se puede representar en un grรกfico donde las entradas se comparan entre sรญ.
Pรกg. 120
La eficiencia de cada DMU se obtiene midiendo la relaciรณn entre todas las salidas y todas
las entradas u'yi/v'xi, donde u es un vector dimensional Mx1 de pesos de salida y v es un vector
Kx1 de pesos de entrada. Para seleccionar los pesos รณptimos, especificamos el siguiente problema
de programaciรณn matemรกtica:
El objetivo de esta tarea es determinar los valores รณptimos para u y v para maximizar la
medida de eficiencia de la i-รฉsima DMU, asegurando al mismo tiempo que todas las medidas de
eficiencia permanezcan por debajo o iguales a uno. Sin embargo, un inconveniente de esta
formulaciรณn es que presenta un nรบmero infinito de soluciones posibles. Para superar este problema,
se introduce la restricciรณn vxi = 1, lo que ayuda a solucionar el problema:
El cambio de notaciรณn de u y v a ฮผ y v es un reflejo de la transformaciรณn que tiene lugar.
Esta forma particular del problema se conoce comรบnmente como forma multiplicadora en el
contexto de la programaciรณn lineal.
Utilizando el concepto de dualidad en programaciรณn lineal, se puede lograr un enfoque
alternativo para representar el problema antes mencionado:
En este problema, ฮธ representa un valor o cantidad รบnico, mientras que ฮป es un vector que
consta de N elementos, cada uno de los cuales representa un valor constante. Este mรฉtodo de
plantear el problema tiene menos limitaciones en comparaciรณn con la forma multiplicadora, que
Pรกg. 121
requiere que la suma de K y M sea menor que N+1. Debido a su aplicabilidad mรกs amplia,
comรบnmente se prefiere esta formulaciรณn.
La eficiencia de la i-รฉsima DMU se puede determinar calculando el valor de ฮธ, que oscila
entre 0 y 1. Si la DMU estรก ubicada en el lรญmite de referencia, el valor de ฮธ serรก 1, lo que indica
que es tรฉcnicamente. Es importante tener en cuenta que el problema de programaciรณn lineal debe
resolverse N veces, y cada iteraciรณn proporciona un valor ฮธ รบnico para cada DMU de la muestra.
El lรญmite no paramรฉtrico DEA, que se compone de segmentos de lรญnea, puede plantear
desafรญos a la hora de medir la eficiencia. Este problema surge porque hay secciones del lรญmite que
corren paralelas a los ejes, a diferencia de la mayorรญa de las funciones paramรฉtricas. Para demostrar
este problema, en el siguiente grรกfico, hay dos DMU eficientes (aquellas que logran el mรกximo
rendimiento con los insumos dados) representadas por las combinaciones de insumos C y D, que
definen la frontera. Por otro lado, las DMU A y B se consideran ineficientes ya que no logran el
mรกximo rendimiento con sus respectivos insumos.
En el estudio de Farrell (1957), la eficiencia tรฉcnica de A y B estรก determinada por las
relaciones OA'/OA y OB'/OB, respectivamente. Si bien, existe incertidumbre en torno a la
eficiencia del punto A', ya que es posible disminuir la entrada x2 (en la cantidad CA') y aun asรญ
lograr la misma salida. Este fenรณmeno se conoce como holgura de entrada en la literatura. De
manera similar, el concepto de brechas de producciรณn se define de manera similar.
Por lo tanto, se puede sostener que para obtener una evaluaciรณn precisa de la eficiencia
tรฉcnica de una DMU en el anรกlisis DEA, es imperativo calcular la medida de Farrell de eficiencia
tรฉcnica (ฮธ) junto con cualquier holgura distinta de cero presente en la entrada. o salida. Al tener en
cuenta estos factores, se puede obtener una medida mรกs completa y confiable de la eficiencia
tรฉcnica de la DMU.
Cabe seรฑalar que las holguras de salida para la i-รฉsima DMU solo serรกn cero si la diferencia
entre el valor de salida รณptimo Yฮป y el valor de salida real yi es cero. De manera similar, las
holguras de entrada serรกn cero si la diferencia entre el valor de entrada รณptimo ฮธxi y el valor de
entrada real Xฮป es cero, considerando los valores รณptimos dados de ฮธ y ฮป.
Pรกg. 122
En el anterior grรกfico, la holgura de insumos x2 vinculada al punto A' estรก determinada por
la distancia desde el punto C. Cuando se trata de mรกs insumos y productos, determinar el punto
mรกs eficiente en la frontera, como el punto C, se convierte en una tarea compleja, lo que hace que
El cรกlculo de la holgura es un desafรญo.
Para lograr la mรกxima eficiencia en la frontera, se propone una soluciรณn que implica un
problema de programaciรณn lineal de segunda etapa. Este enfoque apunta a maximizar la holgura
acumulada requerida para la transiciรณn de un punto ineficiente en la frontera (representado como
A' en el grรกfico) a un punto eficiente en la frontera (como el punto C):
La holgura de salida estรก representada por un vector OS de tamaรฑo Mx1, mientras que la
holgura de entrada estรก representada por un vector IS de tamaรฑo Kx1. Ademรกs, existen vectores
unitarios M1 y K1, que tienen las mismas dimensiones que los vectores OS e IS respectivamente.
Es importante seรฑalar que en esta etapa el valor de ฮธ no es variable y se obtiene de los resultados
obtenidos en la primera etapa. Ademรกs, este problema debe resolverse para cada una de las DMU
presentes en la muestra.
Hay dos cuestiones importantes relacionadas con esta segunda etapa que deben
considerarse. El problema inicial es bastante evidente, ya que se centra en maximizar la cantidad
total de holgura en lugar de minimizarla. En consecuencia, en lugar de identificar el punto eficiente
mรกs cercano, termina seรฑalando el punto eficiente mรกs lejano. El segundo problema radica en su
falta de invariancia con las unidades de medida. Cualquier cambio realizado en las unidades de
medida podrรญa dar lugar a la identificaciรณn de fronteras de eficiencia distintas, lo que darรญa lugar a
diferentes niveles de autorizaciones y mediciones de eficiencia.
No obstante, las preocupaciones antes mencionadas no plantean un desafรญo en el ejemplo
ilustrado en la grรกfica anterior debido a la presencia de una sola soluciรณn รณptima. Sin embargo, si
la holgura se produce en dos o mรกs dimensiones, como suele ocurrir, pueden surgir los problemas
antes mencionados. Debido a esta cuestiรณn, numerosos estudios optan por resolver รบnicamente el
problema lineal inicial para determinar los valores de las medidas tรฉcnicas radiales de eficiencia
de Farrell (ฮธ) para cada DMU, ignorando por completo los espacios libres. Alternativamente,
calculan la medida de eficiencia Farrell (ฮธ) y las holguras residuales, que se calculan como OS = -
Pรกg. 123
yi + Yฮป e IS = ฮธxi -Xฮป. Sin embargo, este enfoque de obtener holgura no estรก exento de desafรญos,
ya que no garantiza que se proporcione toda la holgura. En consecuencia, no siempre es posible
identificar el punto eficiente mรกs cercano para cada DMU.
Un posible enfoque para abordar el problema antes mencionado implica emplear mรบltiples
etapas del problema de programaciรณn lineal. El mรฉtodo DEA de mรบltiples etapas requiere un nivel
significativamente mayor de esfuerzo computacional en comparaciรณn con los otros dos mรฉtodos,
como se explica en el estudio de Coelli de 1997. Sin embargo, esta soluciรณn ofrece varios
beneficios. En primer lugar, permite identificar puntos eficientes que involucran mรบltiples entradas
y salidas. Ademรกs, estos puntos no se ven afectados por variaciones en las unidades de medida.
Las holguras son el resultado directo del uso del mรฉtodo de construcciรณn de lรญmites de la
DEA y del trabajo con tamaรฑos de muestra limitados. Sin embargo, si tuviรฉramos acceso a un
tamaรฑo de muestra infinito o usรกramos un mรฉtodo diferente de construcciรณn de lรญmites que
involucrara una superficie funcional suave, el problema de holgura dejarรญa de existir. Ademรกs, es
completamente lรณgico estar de acuerdo con Ferrier y Lovell (1990), quienes sostienen que las
holguras indican un problema de ineficiencia asignativa (Parra Rodrรญguez, s.f.).
Como tal, al realizar un anรกlisis de eficiencia tรฉcnica, se recomienda utilizar principalmente
la medida de eficiencia radial descrita en la ecuaciรณn 12 de la DEA. Sin embargo, para aquellos
que estรฉn decididos a identificar puntos proyectados eficientes segรบn Koopmans, es aconsejable
emplear el mรฉtodo multietapa debido a las justificaciones explicadas anteriormente.
Modelo de rendimientos variables a escala
El supuesto de CRS es vรกlido sรณlo si todas las DMU funcionan a su escala รณptima. Sin
embargo, en casos de competencia imperfecta, es posible que las DMU no estรฉn operando a su
escala รณptima. Para abordar esto, Banker, Charnes y Cooper (1984) propusieron una extensiรณn del
modelo CRS DEA llamada rendimientos variables a escala (VRS). Si se utiliza la especificaciรณn
CRS cuando las DMU no funcionan a una escala รณptima, las mediciones de eficiencia tรฉcnica (TE)
pueden verse distorsionadas por las eficiencias de escala (SE). Al utilizar la especificaciรณn VRS,
se puede calcular TE sin la influencia de SE.
El programa lineal CRS se cambia a VRS incluyendo una restricciรณn de convexidad:
N1'ฮป=1 en la ecuaciรณn:
Pรกg. 124
con lo que:
El enfoque implica el uso de un vector N1, que es un vector columna que consta de unos.
Este mรฉtodo construye un casco convexo formado por planos que se cruzan y que estรกn mรกs
alineados con los puntos de referencia en comparaciรณn con el casco cรณnico del CRS. Como
resultado, las medidas de eficiencia obtenidas utilizando este enfoque son iguales o mayores que
las logradas con el modelo CRS. El mรฉtodo VRS ha ganado una gran popularidad en los รบltimos
aรฑos y se utiliza ampliamente en diversas aplicaciones.
Las orientaciones al Input y al Output
En los modelos orientados a insumos, la identificaciรณn de la ineficiencia tรฉcnica implica
calcular la reducciรณn proporcional en el uso de insumos, lo que se alinea con la medida de
ineficiencia tรฉcnica basada en insumos de Farrell. Vale la pena seรฑalar que la ineficiencia tรฉcnica
tambiรฉn se puede medir como un aumento proporcional en la producciรณn. Estas dos medidas
arrojan el mismo valor cuando se aplica el supuesto de rendimientos constantes a escala (CRS),
pero difieren cuando se utiliza el supuesto de rendimientos variables a escala (VRS). La elecciรณn
de una orientaciรณn apropiada en la programaciรณn lineal no es tan crรญtica como lo es en la evaluaciรณn
economรฉtrica, ya que la programaciรณn lineal no requiere las mismas cualidades que los mรฉtodos
estadรญsticos. En determinadas industrias, puede haber una cantidad fija de recursos disponibles
para la producciรณn de productos, lo que hace mรกs adecuada una orientaciรณn hacia la producciรณn.
En รบltima instancia, la elecciรณn entre orientaciรณn hacia los insumos y hacia los resultados depende
de quรฉ aspecto tienen los gerentes mayor control. Ademรกs, a menudo se observa que la elecciรณn
de la orientaciรณn tiene un impacto mรญnimo en las puntuaciones obtenidas.
Los modelos orientados a resultados, como el modelo VRS orientado a resultados,
comparten muchas similitudes con sus modelos homรณlogos orientados a insumos:
Pรกg. 125
El valor de ั, donde ั es mayor o igual a 1 y menor que infinito, representa el aumento
proporcional en los resultados que puede lograr una DMU sin cambiar las cantidades de insumos
utilizados. Es importante seรฑalar que el recรญproco de ั, que es 1/ั, define una puntuaciรณn de
eficiencia tรฉcnica entre 0 y 1.
Un ejemplo de un problema de Anรกlisis Envolvente de Datos (DEA) centrado en la
producciรณn que involucra dos productos se puede representar mediante una curva de posibilidad
de producciรณn segmentada lineal, como se ilustra en el grรกfico que sigue.
En este grรกfico, el punto P se proyecta al punto P', que se encuentra en la frontera pero no
en la frontera eficiente. Esto se debe al hecho de que la producciรณn de y1 puede mejorarse con la
cantidad AP' sin requerir insumos adicionales. Esto representa el excedente de producciรณn,
especรญficamente el excedente de AP' en relaciรณn tanto con la producciรณn como con los insumos.
Vale la pena seรฑalar que los modelos orientados a insumos y orientados a productos
producirรกn estimaciones idรฉnticas de la frontera, lo que significa que identificarรกn el mismo
conjunto de Unidades de Toma de Decisiones (DMU) eficientes de acuerdo con sus respectivas
definiciones. Sin embargo, la distinciรณn entre estos dos mรฉtodos radica en las puntuaciones
asignadas a las DMU ineficientes.
Pรกg. 126
Reflexiones finales
En el รกmbito de la producciรณn, la calidad se puede definir como el grado en que un producto
se alinea con las especificaciones deseadas en tรฉrminos de sus atributos y cumple con las
expectativas del cliente. Al adquirir conocimientos sobre estas herramientas y comprender su
funcionamiento, podemos mejorar la calidad general del producto o servicio, lo que posteriormente
conducirรก a una mayor productividad y rentabilidad. โข Causas de variaciรณn asignables o especiales:
Son causas que provocan que un proceso ya no pueda controlarse y, aunque son raras, su impacto
es significativo. La probabilidad de que los datos superen los lรญmites naturales es muy baja. Six
Sigma es una metodologรญa que tiene como objetivo alcanzar un nivel de calidad en el que solo hay
3,4 defectos por millรณn de eventos u oportunidades (DPMO), definiรฉndose un defecto como
cualquier caso en el que un producto no cumple con los requisitos especificados. Esta relaciรณn
entre SPC y Six Sigma se basa en que estos lรญmites de control ayudan a identificar y monitorear
variaciones dentro del proceso, contribuyendo asรญ al objetivo de alcanzar los niveles de calidad Six
Sigma. Como resultado, los lรญmites de control se emplean para evaluar el desempeรฑo general de
un proceso, mientras que los lรญmites de especificaciรณn se utilizan para determinar si los productos
finales cumplen con los requisitos necesarios.
Pรกg. 127
Bibliografรญa
Bravo Balseca, J. C., & Herrera Sรกnchez, D. M. (2018). Diseรฑo e implementaciรณn de un sistema
de control estadรญstico de procesos en la platanera san Eduardo provincia de Manabรญ
recinto la valencia (Bachelor's thesis, Ecuador: Latacunga: Universidad Tรฉcnica de
Cotopaxi (UTC).
Camisรณn, C., Cruz, S., y Gonzรกlez, T. (2006). GESTIรN DE LA CALIDAD: CONCEPTOS,
ENFOQUES, MODELOS Y SISTEMAS. Pearson, Prentice Hill.
Casadesรบs, M.; Heras, I. y Merino, J. (2005). Calidad prรกctica. Una guรญa para no perderse en el
mundo de la calidad. Prentice Hall / Financial Times, Madrid
Control Estadรญstico de la Calidad en los procesos de producciรณn. (s/f). Farmaindustrial.com.
Recuperado el 6 de noviembre de 2023, de https://www.farmaindustrial.com/articulos-
online/control-estadistico-de-la-calidad-en-los-procesos-de-produccion-Xx7IE
Guerrero Valencia, B. E. G. (2019). Control estadรญstico de procesos y la productividad en la
empresa talabarterรญa y artesanรญas Valencia, Huacho 2018.
Gutiรฉrrez Pulido, H. (2010). Calidad total y productividad.
Gutiรฉrrez Pulido, H. (2014). Calidad y productividad.
Hernรกndez-Pedrera, C., & Da Silva-Portofilipe, F. (2016). Aplicaciรณn del control estadรญstico de
procesos (CEP) en el control de su calidad. Tecnologรญa Quรญmica, XXXVI(1), 130-145.
Herrera Astudillo, E. Y. (2020). Estudio del proceso de fabricaciรณn de perfiles laminados en
caliente, para el control estadรญstico del producto en la empresa Novacero SA (Bachelor's
thesis, Ecuador: Latacunga: Universidad Tรฉcnica de Cotopaxi: UTC.).
Imai, M. (1991). Kaizen: the key to Japanโs competitive success. Random House, Nueva York.
Ediciรณn espaรฑola: KAIZEN, la clave de la ventaja competitiva japonesa. Compaรฑรญa
Editorial Continental S.A. (CECSA), Mรฉxico.
Ishikawa, K. (1989). How to apply company-wide quality control in foreign countries. Quality
Progress, 22 (9), pp. 70-74.
Laoyan, S. (2022, noviembre 2). Todo lo que necesitas saber sobre Six Sigma [2022]. Asana.
https://asana.com/es/resources/six-sigma
Pรกg. 128
Lara Contreras, D. D. C., & Tache Jimenez, M. R. (2002). Laboratorio de prรกcticas de control
estadรญstico para la Facultad de Ciencias Econรณmicas de la Universidad de Cartagena
(Doctoral dissertation, Universidad de Cartagena).
Llanos Torres, J. A., & Rodriguez Ledezma, J. N. (2023). Propuesta de mejora en la gestiรณn de la
calidad para incrementar la productividad de una empresa panadera, Trujillo 2021.
Lรณpez Villarroel, P. M., & Gรณmez Sancho, M. D. L. ร. (2019). El control de calidad y la
productividad en las empresas textiles productoras de la provincia de Tungurahua
(Bachelor's thesis, Universidad Tรฉcnica de Ambato. Facultad de Ciencias Administrativas.
Carrera Organizaciรณn de Empresas).
Martel, W. A. R. (2013). Incremento de la productividad a travรฉs de la mejora continua en calidad
en la subunidad de procesamiento de datos en una empresa courier: el caso Perรบ Courier.
Industrial data, 16(2), 59-66.
Mateos, P. (2001). Direcciรณn y objetivos de la empresa actual. Centro de Estudios Ramรณn Areces,
Madrid.
Merl, G. O. (2012). Gestiรณn de la calidad: Control estadรญstico y Seis Sigma. Telos: Revista de
Estudios Interdisciplinarios en Ciencias Sociales, 14(2), 269-286.
Montgomery, D. C., & Garcรญa, R. P. (2004). Control estadรญstico de la calidad (No. 658.562 M66
2004.). Limusa Wiley.
Ormaza Morejรณn, M. F. (2017). La calidad del proceso productivo y la aplicaciรณn del control
estadรญstico en el sector de la confecciรณn textil (Master's thesis, Universidad Tรฉcnica de
Ambato. Facultad de Ciencias Administrativas. Maestrรญa en Gestiรณn Empresarial basado
en Mรฉtodos Cuantitativos).
Parra Rodrรญguez, F.J. (s.f.). Anรกlisis de eficiencia y productividad.
Pรฉrez, J.M. (2004), La relaciรณn de EMAS e ISO 14000: algunos apuntes sobre la
complementariedad. En Betancor,A. y Larrinaga, C. (dirs., 2004), EMAS: anรกlisis,
experiencias e implantaciรณn. ECOIURIS, Madrid.
Pincay Reyes, M. G. (2017). Anรกlisis a travรฉs del control estadรญstico en el proceso de envasado
de GMS en una empresa del sector alimenticio (Bachelor's thesis, Universidad de
Guayaquil, Facultad de Ingenierรญa Industrial, Trabajo de Titulaciรณn Ingenieros
Industriales).
Pรกg. 129
Pierdant Rodrรญguez, A. I., & Rodrรญguez Franco, J. (2009). Control estadรญstico de la calidad de un
servicio mediante Grรกficas X y R. Polรญtica y Cultura, (32), 151-169.
Sanchez Gomez, L. A. (2018). Aplicaciรณn de metodologรญa DMAIC, para aumentar la
productividad en el รกrea de corte, de la empresa FITESA PERร, Cajamarquilla, 2017-2018.
Pรกg. 131
