Gráfica multi-vari: Dónde nace la variación.
Una gráfica multi-vari es una sencilla herramienta visual de calidad, no un análisis estadístico multivariado. Divide la variación de una característica medida en familias —por ejemplo, dentro de la pieza, de pieza a pieza y a lo largo del tiempo— para que usted pueda ver dónde está la causa dominante antes de realizar un solo experimento.
¿Por qué multi-vari?
Cuando un problema de calidad vuelve una y otra vez —desecho, retrabajo, una dimensión que se va saliendo de tolerancia—, la reacción habitual es una lluvia de ideas: hacer una lista de todas las causas posibles y luego probar las favoritas una por una. Con decenas de sospechosos, eso puede llevar meses, y muchas de las pruebas no cambian nada.
Un estudio multi-vari parte de dos hechos sencillos. La variación rara vez se reparte por igual: una causa suele dominar sobre las demás. Y cada causa deja un patrón en los datos: por ejemplo, actúa dentro de una pieza, de una pieza a la siguiente o a lo largo del tiempo.
Por eso, en lugar de probar las causas una por una, usted mide piezas que el proceso ya está produciendo y descarta familias enteras de causas de una sola vez. Si la variación se da entre una hora y otra, nada que actúe dentro de una sola pieza puede ser la causa principal, y esos sospechosos salen de la lista sin un solo experimento.
- Decenas de causas posibles en la lista
- 1 familia donde nace la variaciónMulti-vari
- Pocos sospechosos dentro de esa familia
- 1 causa dominante, comprobada con una prueba
Dónde encaja en la solución de problemas
Un estudio multi-vari no resuelve el problema por sí solo: le indica dónde buscar. En una búsqueda progresiva, cada paso acota el campo hasta que queda una sola causa. Shainin llama Red X® a esa causa dominante. En los proyectos Six Sigma, este mismo estudio corresponde a la fase Analizar (Analyze) de DMAIC.
Definir el problema
Convierta la queja en una sola característica medible —Shainin la llama Green Y®— y verifique que el sistema de medición pueda detectar la diferencia.
Encontrar dónde nace la variación Multi-vari
Realice un estudio multi-vari e identifique la familia que concentra la mayor parte de la variación.
Acotar la búsqueda
Dentro de esa familia, compare las mejores y las peores piezas para ver en qué se diferencian.
Comprobar la causa
Confírmela con una prueba: active y desactive el factor sospechoso y observe cómo el problema aparece y desaparece.
Corregir y mantener la mejora
Establezca la tolerancia o el control adecuados para la causa y verifique la mejora.
Familias de variación más comunes
Abajo están las tres familias más comunes. Según el proceso, un estudio las divide más o agrega otras, por ejemplo de máquina a máquina, de cavidad a cavidad o de operador a operador. Una gráfica multi-vari las muestra lado a lado, así que la más grande salta a la vista.
Dentro de la pieza
Cambios de un punto a otro de una misma pieza: de un extremo al otro, de lado a lado, alrededor del diámetro.
Ejemplo: conicidad u ovalidad en un eje maquinado.
De pieza a pieza
Diferencias entre piezas consecutivas, o entre cavidades, dispositivos de sujeción o máquinas.
Ejemplo: una cavidad del molde que se comporta de forma distinta a las demás.
A lo largo del tiempo
Cambios de hora en hora, de turno en turno o de lote en lote.
Ejemplo: una dimensión que se va desplazando mientras la máquina se calienta.
Cómo funciona un estudio multi-vari
Sin equipo especial y sin experimentos: solo una forma planeada de muestrear el proceso en marcha.
Elija una sola característica medible
La que muestra el problema, y un sistema de medición capaz de detectar las diferencias.
Mida varias posiciones en cada pieza
En unas cuantas piezas consecutivas, para que se vean tanto la variación dentro de la pieza como la de pieza a pieza.
Repita a lo largo del tiempo
En distintas horas, turnos o lotes, sin ajustar el proceso mientras tanto.
Grafique y compare
Coloque todas las lecturas en una misma gráfica. La causa está en la familia con mayor dispersión.
Cómo interpretar una gráfica multi-vari
Compare la longitud de las líneas, los saltos entre piezas y los cambios entre horas. La mayor dispersión muestra dónde está la causa.
En la piezaLíneas largas, con la misma posición siempre arriba: la causa actúa dentro de la propia pieza.
Entre piezasLíneas cortas, pero grandes saltos de una pieza a la siguiente: la causa cambia de un ciclo a otro.
En el tiempoCada hora queda en su propio nivel: la causa cambia con el tiempo, como una máquina que se va calentando.
Caso de estudio
Un desplazamiento conocido, un patrón desconocido
Un fabricante de motores desechaba árboles de levas porque los lóbulos de leva quedaban fuera de posición. Un estudio multi-vari progresivo —la posición de los lóbulos medida en varios puntos del proceso— ubicó el cambio principal en el temple. En la planta ya se sabía que ahí los lóbulos se desplazaban. Lo que nadie sabía era que lo hacían según un patrón predecible y no aleatorio: siempre la misma cantidad y en la misma dirección. Por eso se reprogramaron las rectificadoras de levas para compensar el desplazamiento. El estudio multi-vari mostró dónde estaba la causa; el patrón, cómo contrarrestarla.
US$560,000menos en desecho al año
US$5,000de costo de implementación
Preguntas frecuentes sobre la gráfica multi-vari
¿Para qué sirve una gráfica multi-vari?
Para ver qué familia de variación —por ejemplo, dentro de la pieza, de pieza a pieza o a lo largo del tiempo— contribuye más a un problema, de modo que la investigación empiece en el lugar correcto y no con una larga lista de suposiciones.
¿Cuándo conviene usar un estudio multi-vari?
Cuando una característica medida varía demasiado y no se conoce la causa, sobre todo en problemas crónicos en los que se ha sospechado de muchas causas sin confirmar ninguna. Funciona con el proceso en marcha, así que no necesita detener la producción ni diseñar experimentos antes.
¿Quién inventó la gráfica multi-vari?
Leonard Seder la publicó en 1950. Dorian Shainin la convirtió en uno de los primeros pasos de su enfoque para encontrar la causa dominante de la variación, a la que llamó Red X®.
¿En qué se diferencia de un diseño de experimentos (DOE)?
Un diseño de experimentos cambia factores de forma deliberada para medir su efecto, así que usted ya debe saber qué factores probar. Un estudio multi-vari solo observa el proceso tal como opera y le indica en qué familia de causas buscar. Haga primero el estudio multi-vari: cualquier experimento que todavía necesite será pequeño y enfocado.
¿El multi-vari forma parte de Six Sigma?
Sí. En los proyectos Six Sigma se usa en la fase Analizar (Analyze) de DMAIC, para acotar las causas posibles antes de cualquier diseño de experimentos. En el enfoque Red X® de Shainin es uno de los primeros pasos: muestra en qué familia de variación hay que buscar.
¿Es lo mismo que el análisis multivariado?
No. Aunque los nombres se parecen, una gráfica multi-vari es un estudio gráfico sencillo de una sola característica medida. El análisis multivariado es un conjunto de métodos estadísticos para muchas variables a la vez.
¿La gráfica multi-vari muestra la causa raíz?
Por sí sola, no. Muestra dónde está la causa: qué familia concentra la variación. Después, al acotar la búsqueda y hacer una prueba de confirmación, se ve cuál es la causa.
¿Cuántos datos necesito?
Los suficientes para ver el proceso en su mejor y en su peor momento. Una regla práctica común es tomar de 2 a 5 lecturas por pieza en 3 a 5 piezas consecutivas, y repetirlo en varios periodos hasta que el estudio cubra la mayor parte del rango habitual.
¿Puedo usar datos de pasa/no pasa?
Una gráfica multi-vari necesita un valor medido: una dimensión, una fuerza, un flujo, una temperatura. Para defectos de tipo pasa/no pasa, busque primero una característica medible detrás del defecto o use otra estrategia.
¿Qué software puedo usar?
Shainin WRXT (Web Red X® Tracker), la aplicación web incluida en la capacitación Red X® de Shainin, trae integrada la gráfica multi-vari. Pregunte a un experto cómo obtener acceso. Los paquetes estadísticos generales también la dibujan: Minitab (Stat > Quality Tools > Multi-Vari Chart; en la interfaz en español, “Gráfica multi-vari”) y JMP, donde se llama gráfico de variabilidad. Para un estudio pequeño basta con una hoja de cálculo. El software solo dibuja la gráfica; lo que encuentra la causa es el plan de muestreo.
Fuentes: Leonard A. Seder, “Diagnosis with Diagrams”, Industrial Quality Control (1950); Multi-vari chart (en inglés), Wikipedia.
¿Variación que no puede explicar?
Los expertos en Red X® de Shainin ayudan a los fabricantes a encontrar la causa dominante y a eliminarla para siempre.