Las 7 herramientas bsicasde la calidad con R

Emilio L. Cano, Javier M. Moguerza y Mariano Prieto

VI Jornadas de Usuarios de RSantiago de Compostela 23-24 de octubre de 2014

El Origen

Kaoro IshikawaThe term 7 tools for QC is namedafter the 7 tools of the famouswarrior, Benkei. Benkei owned 7weapons, which he used to win allhis battles. Similarly, from my ownexperience, you will find that you willbe able to solve 95 % of theproblems around you if you wiselyuse the 7 tools of QC.

ISHIKAWA KAORU,Professor Emeritus,University of Tokyo

Imagen: http://asq.org/about-asq/who-we-are/bio_ishikawa.html2

http://asq.org/about-asq/who-we-are/bio_ishikawa.html

7 poderosas armas 7

Benkey (S. XII)

I Slo 7 herramientas

I Bsicas: las puede utilizar cualquiera, singrandes conocimientos

I Permiten resolver el 95 % de losproblemas . . .

I . . . Si se utilizan de forma inteligente

Y las tenemos en R !!3

Las 7 herramientas

1. Diagrama de causa-efecto

2. Hoja de verificacin o comprobacin

3. Grfico de control

4. Histograma

5. Grfico de Pareto

6. Grfico de dispersin

7. Estratificacin1

1Algunos autores consideran el diagrama de flujo o el grfico de rachas como la sptima herramienta.

4

1. Diagrama de causa-efecto

5

1. Diagrama de causa-efecto

Tambin conocido como . . .

I Diagrama de Ishikawa

I Diagrama de espina de pescado

Herramienta soft

I Se identifica un problema

I Se identifican las posible causas

I Se agrupan en las 5Ms (o 5Ms+E)

6

Diagrama de causa-efecto qcc

cManpower

Diagrama de causa-efecto qcc (cont.)

library(qcc)par(bg = "white")cause.and.effect(

cause = list(Manpower = cManpower,Materials = cMaterials,Machines = cMachines,Methods = cMethods,Measurements = cMeasurements),

effect = cEffect)

8

Diagrama de causa-efecto qcc (cont.)

CauseandEffect diagram

Too high density

Manpower

Methods

Materials

Measurements

Machines

Recepcionist

Record. Operator

Storage operators

Supplier

Transport agency

Packing

Compressor type

Operation conditions

Machine adjustment

Reception

Transport method

Recording method

Measurement appraisal

9

Diagrama de causa-efecto SixSigma

library(SixSigma)ss.ceDiag(

effect = cEffect,causes.gr

Diagrama de causa-efecto SixSigma (cont.)

Causeandeffect diagram

Pellets Density

Too high density

ManpowerRecepcionist

Record. OperatorStorage operators

MaterialsSupplier

Transport agencyPacking

Machines

Compressor typeOperation conditions

Machine adjustment

Methods

ReceptionTransport method

Measurements

Recording methodMeasurement appraisal

11

2. Check sheet (hoja de verificacin)

12

Check sheet (hoja de verificacin)

La usamos para contar eventos, agrupados por categoras

Imagen:http://asq.org/learn-about-quality/data-collection-analysis-tools/overview/check-sheet.html

13

http://asq.org/learn-about-quality/data-collection-analysis-tools/overview/check-sheet.html

Check sheets con R?

I Podemos crear un data.frame para guardar las cuentas

data_checkSheet

Check sheets con R? (cont.)

I Imaginemos que podemos hacer las cuentas por proveedor . . .

data_checkSheet$A_supplier

Check sheets con R? (cont.)

I Y tendramos este data.frame en nuestro espacio de trabajo

data_checkSheet

## Group Cause A_supplier B_supplier C_supplier## 1 Manpower Recepcionist NA NA NA## 2 Manpower Record. Operator NA NA NA## 3 Manpower Storage operators NA NA NA## 4 Machines Compressor type NA NA NA## 5 Machines Operation conditions NA NA NA## 6 Machines Machine adjustment NA NA NA## 7 Materials Supplier NA NA NA## 8 Materials Transport agency NA NA NA## 9 Materials Packing NA NA NA## 10 Methods Reception NA NA NA## 11 Methods Transport method NA NA NA## 12 Measurements Recording method NA NA NA## 13 Measurements Measurement appraisal NA NA NA

16

Check-sheets RMarkdown para recoger datos

---title: "Out of control pellets density check sheet"author: "Quality Control Department"date: "31/01/2015"output: html_document---

Instructions: Mark ticks for the more likely causeof the out-of-control point. Cross every four ticksto make five.

{r, echo=FALSE, results=asis}source("checksheet_data.R")library(xtable)print(xtable(data_checkSheet), type = "HTML",

html.table.attributes ="border=1 width=100% cellpadding=10")

|Week|Operator|Signature||----|--------|---------|| | | |17

Check-sheets Listo

18

3. El grfico de control

19

El grfico de control

I La estrella del control estadstico de procesos

I Fcil de dibujar y de interpretar. . .

I Slida base cientfica

I Cada punto del grfico es un contraste de hiptesis

I Identifica situaciones fuera de control cuyas causas hay quebuscar y erradicar

Veremos al final la sorprendente relacin de los grficos de controlcon R. . .

20

El grfico de control - con el paquete qcc

library(qcc, quietly = TRUE)pb.groups.xbar

4. El Histograma

22

El histograma

I No necesita presentacin

I Identifica la distribucin

I Si la distribucin es normal, todo va bien. . .

I Podemos aadir informacin valiosa para el dueo del proceso

23

El histogramalibrary(ggplot2)ggplot(datos, aes(x = ctq)) +

geom_histogram(binwidth = 0.2, colour = "white", fill = "steelblue") +facet_grid(. ~ dest) +geom_vline(xintercept = c(8, 12), lwd = 1, colour = "tomato") +labs(title = "Mean = 10; Standard Deviation:", x = "Weight", y = "Units")

0.6 1

0

5

10

8 10 12 8 10 12Weight

Uni

ts

Mean = 10; Standard Deviation:

24

5. El grfico de Pareto

25

El principio de Pareto

I El 20 % de las causas . . .

I . . . son responsables del 80 % de losefectos

I Se cumple en muchas situacionesde forma natural

I til para priorizar (proyectos,medidas de mejora, . . . )

Imagen: http://ase.signum.sns.it/foto/ParetoB.jpg CC-BY-SA

26

Los datosRecordemos nuestra hoja de verificacin

Ahora rellenada por el Dueo del proceso

27

Integrando los datos en R

data_checkSheet$A_supplier

Integrando los datos en R (cont.)

. . . Y lo tenemos todo en el mismo sitio

data_checkSheet

## Group Cause A_supplier B_supplier C_supplier Total## 1 Manpower Recepcionist 2 0 0 2## 2 Manpower Record. Operator 0 0 1 1## 3 Manpower Storage operators 0 1 0 1## 4 Machines Compressor type 2 1 6 9## 5 Machines Operation conditions 1 2 0 3## 6 Machines Machine adjustment 7 1 2 10## 7 Materials Supplier 1 12 2 15## 8 Materials Transport agency 3 1 4 8## 9 Materials Packing 6 2 3 11## 10 Methods Reception 0 1 0 1## 11 Methods Transport method 1 0 1 2## 12 Measurements Recording method 2 0 0 2## 13 Measurements Measurement appraisal 0 1 2 3

29

Grfico de Pareto con qcc

par(bg="white")library(qcc)data_pareto2

Grfico de Pareto con qcc (cont.)

Sup

plie

r

Pac

king

Mac

hine

adj

ustm

ent

Com

pres

sor

type

Tran

spor

t age

ncy

Ope

ratio

n co

nditi

ons

Mea

sure

men

t app

rais

al

Rec

epci

onis

t

Tran

spor

t met

hod

Rec

ordi

ng m

etho

d

Rec

ord.

Ope

rato

r

Sto

rage

ope

rato

rs

Rec

eptio

n

Outofcontrol causes

Fre

quen

cy

010

2030

4050

6070

0%25

%50

%75

%10

0%

Cum

ulat

ive

Per

cent

age

31

Grfico de Pareto con qcc (cont.)

#### Pareto chart analysis for data_pareto2## Frequency Cum.Freq. Percentage Cum.Percent.## Supplier 15 15 22.059 22.06## Packing 11 26 16.176 38.24## Machine adjustment 10 36 14.706 52.94## Compressor type 9 45 13.235 66.18## Transport agency 8 53 11.765 77.94## Operation conditions 3 56 4.412 82.35## Measurement appraisal 3 59 4.412 86.76## Recepcionist 2 61 2.941 89.71## Transport method 2 63 2.941 92.65## Recording method 2 65 2.941 95.59## Record. Operator 1 66 1.471 97.06## Storage operators 1 67 1.471 98.53## Reception 1 68 1.471 100.00

32

6. Grfico de dispersin (scatterplot)

33

El grfico de dispersin

I Otro viejo conocido

I Otra herramienta sencilla

I Sirve para identificar relaciones entre variables

I Puede darnos pistas sobre las causas de los problemas. . .

I . . . pero sabemos que correlacin no es lo mismo que causalidad

I Habra que confirmar con diseo de experimentos (con R, claro)

34

Grfico de dispersin

par(bg = "white")plot(merma1 ~ temperatura,

data = datosMerma,col = "steelBlue", pch = 16)

2.2 2.4 2.6 2.8 3.0 3.2

0.2

0.3

0.4

0.5

0.6

0.7

temperatura

mer

ma1

35

7. Estratificacin

36

Estratificacin

I Bsicamente, se aplica a todas las dems herramientas

I Y cualquier otro mtodo utilizado

I Se trata de utilizar cuantas variables de clasificacin podamos

I Para hacer los anlisis por grupos

I Algunos autores cambian esta herramienta por el grfico derachas o el diagrama de flujo, pero este es otro debate

37

Estratificacin en grficos

par(bg = "white")plot(varlongterm, ylim = c(70,100), col = gray(.7))

1 2 3 4 5 6 7 8 9 10

7075

8085

9095

100

grupo

valo

r

38

Estratificacin en anlisis numricotapply(varlongterm$valor, varlongterm$grupo, summary)

## $1## Min. 1st Qu. Median Mean 3rd Qu. Max.## 85.6 89.1 91.2 90.5 91.4 94.3#### $2## Min. 1st Qu. Median Mean 3rd Qu. Max.## 88.2 90.7 91.5 92.5 94.5 98.2#### $3## Min. 1st Qu. Median Mean 3rd Qu. Max.## 85.3 86.1 88.1 88.0 89.4 91.5#### $4## Min. 1st Qu. Median Mean 3rd Qu. Max.## 85.9 88.7 89.3 89.7 90.9 93.3#### $5## Min. 1st Qu. Median Mean 3rd Qu. Max.## 87.8 90.7 91.4 91.5 92.6 94.3#### $6## Min. 1st Qu. Median Mean 3rd Qu. Max.## 86.0 88.9 89.6 89.6 90.6 93.6#### $7## Min. 1st Qu. Median Mean 3rd Qu. Max.## 84.5 87.6 88.8 88.9 90.5 93.0#### $8## Min. 1st Qu. Median Mean 3rd Qu. Max.## 89.4 90.0 91.5 91.7 92.6 95.3#### $9## Min. 1st Qu. Median Mean 3rd Qu. Max.## 88.4 91.0 91.7 92.0 93.5 94.6#### $10## Min. 1st Qu. Median Mean 3rd Qu. Max.## 87.6 89.8 91.0 91.3 93.0 95.9

39

La sorpresa

40

R y el Control Estadstico de procesos sonhermanos!

Nacidos de los laboratorios Bell

Walter A. Shewhart, 1920sDesarrolla el control estadstico

de la calidad

John M. Chambers, 1970sCrea el lenguaje S

41

Referencias

E. L. Cano, J. M. Moguerza, and A. Redchuk.Six Sigma with R. Statistical Engineering for Process Improvement, volume 36 of Use R!Springer, New York, 2012.

K. Ishikawa.Introduction to Quality Control.Taylor and Francis, 1990.

D. Montgomery.Statistical Quality Control: A Modern Introduction.Wiley, 2013.

L. Webber and M. Wallace.Quality Control for Dummies.Wiley, 2011.

42

Preguntas

Graciasemilio.lopez@urjc.es

43

mailto:emilio.lopez@urjc.es