Centenario del gráfico de Shewhart: ¿Por qué nos importa?
Summary
- Un diagrama de Shewhart registra la variación de los procesos a lo largo del tiempo, lo que ayuda a comprenderla y a tomar las medidas adecuadas. Esta herramienta revolucionaria, surgida hace un siglo, sigue siendo igual de útil hoy en día y resulta…
El 19 de mayo de 1924, en la fábrica de Western Electric en Cicero, Illinois, el Dr. Walter Shewhart escribió un memorándum a su gerente presentando una herramienta que había estado desarrollando. Esta herramienta, escribió Shewhart, está diseñada para "proporcionar de un vistazo la mayor cantidad de información precisa para ayudar a los inspectores a determinar si existe algún problema con el proceso de producción de sus equipos". ¿Por qué, se preguntarán, debería importarme una herramienta inventada hace 100 años para mejorar la fabricación de teléfonos? Permítannos darles un poco de contexto.
Cuando impartimos cursos de ciencia de la mejora, un mensaje clave en todos nuestros programas es comprender la variabilidad inherente al proceso que se pretende mejorar. Desafiamos a los participantes a que nombren algo que no varíe. Y, por supuesto, no pueden. Todos los sistemas presentan variabilidad. Siempre que se toman dos mediciones, los dos datos resultantes casi con seguridad serán diferentes. Si los datos son cuantitativos, lo más probable es que un dato sea mayor que el otro. Entonces, ¿cómo saber qué hacer ante esta diferencia?
Aquí es donde entra en juego el trabajo del Dr. Shewhart. El diagrama de Shewhart (también llamado diagrama de control estadístico de procesos o simplemente diagrama de control) es una herramienta ingeniosa para responder a dos preguntas relacionadas con la mejora: 1) ¿Cómo varían nuestros procesos a lo largo del tiempo? y 2) ¿Son nuestros procesos, bajo las condiciones operativas actuales, capaces de satisfacer las necesidades de quienes atendemos? Los elementos de un diagrama de Shewhart (Figura 1) consisten en:
- Datos representados gráficamente a lo largo del tiempo (por ejemplo, por día, semana o mes).
- Una línea central trazada a través de los datos (generalmente la media).
- Los límites de control superior e inferior, denominados límites sigma, se derivan de fórmulas matemáticas que capturan la variación dentro y entre los puntos de datos graficados. Los límites estadísticos se derivan de los supuestos subyacentes sobre el tipo de datos que se recopilan.
Para quienes hayan cursado incluso un curso básico de medición de la calidad, estos términos les resultarán familiares. Sin embargo, si son nuevos en este campo, es posible que les parezcan un poco extraños. No se preocupen. Nuestro objetivo en esta breve introducción no es explicarles en detalle cómo construir un diagrama de Shewhart (afortunadamente, existe buen software para ello), sino compartir por qué deberían convertir estos diagramas en un componente esencial de su proceso de medición de la calidad. Al final de este artículo, encontrarán referencias para quienes deseen profundizar en el diseño y el uso de los diagramas de Shewhart.
Figura 1. Elementos de un diagrama de Shewhart
Fuente: Lloyd R. Quality Healthcare: A Guide to Developing and Using Indicators (2.ª edición). Jones and Bartlett Learning; 2019:207. Utilizado con autorización.
Un diagrama de Shewhart es esencialmente una definición operativa de la variación presente en un proceso. El diagrama nos permite determinar si la variación en un proceso se debe a la variación normal o aleatoria causada por factores inherentes al proceso (es decir, variación por causa común) o a factores que difieren del funcionamiento habitual del proceso (es decir, variación por causa especial). Cabe señalar que la variación por causa común no es necesariamente una variación "buena", ni la variación por causa especial es necesariamente "mala". Un proceso puede ser estable y predecible, pero los resultados pueden ser inaceptables. Por ejemplo, si su trayecto matutino promedio al trabajo dura unos 76 minutos, con un trayecto máximo de 88 minutos y un trayecto mínimo de 64 minutos, este podría ser un proceso estable y predecible, pero usted podría considerarlo inaceptable. Por otro lado, si cambia su rutina matutina (por ejemplo, saliendo más temprano o tomando una ruta diferente), podría observar una tendencia descendente en su tiempo de trayecto, lo que constituiría una causa especial aceptable.
La cuestión es que existe variación. El diagrama de Shewhart permite comprender la variación en un proceso y, posteriormente, tomar las medidas adecuadas. Si el proceso muestra únicamente variación por causas comunes y no nos gustan los resultados, debemos modificarlo. Ninguna cantidad de exhortaciones a "trabajar más" o "hacerlo mejor" producirá una mejora sostenible en el resultado. Si, por otro lado, detectamos señales de variación por causas especiales, debemos investigarlas para determinar por qué se han producido y, a continuación, tomar medidas para eliminar el o los factores del proceso que las generaron. Las causas especiales brindan la oportunidad de aprender de la variación en nuestros procesos. Tomar decisiones erróneas sobre la variación supone un desperdiciado tiempo y dinero, y contribuye a la baja moral de los empleados. Además, culpar o recompensar a las personas por una variación sobre la que tienen poco o ningún control es inherentemente desmotivador.
Aprenda cómo puede utilizar eficazmente los datos para mejorar con el programa "Mejor calidad a través de una mejor medición" del IHI.
Al impartir programas de mejora en todo el mundo, hemos visto cómo muchas personas comprenden el poder de entender la variación desde una perspectiva conceptual y estadística. Un momento clave es darse cuenta de que podríamos dejar de perseguir datos agregados (por ejemplo, la duración promedio de la estancia o el tiempo promedio de espera para ver al médico). Podríamos dejar de premiar o culpar a las personas por los altos o bajos resultados de satisfacción del paciente. En cambio, podríamos centrarnos en comprender las estructuras, los procesos y las culturas que son la fuente de la variación en los datos. Entonces podremos decidir si necesitamos reducir la variación manteniendo el proceso actual o rediseñarlo fundamentalmente porque no es capaz de lograr los resultados que buscamos.
Una y otra vez, a medida que los participantes se dan cuenta de que pueden dejar de usar gráficos de barras, gráficos circulares e informes rojo/amarillo/verde (RYG) para evaluar el rendimiento de los procesos y, en cambio, empezar a representar gráficamente esos datos a lo largo del tiempo, ven sus procesos desde una perspectiva totalmente diferente. Y cuando observan el sistema, comprenden que los resultados se deben, principalmente, al propio sistema y a sus procesos relacionados, no a las personas que trabajan en él.
Una pregunta frecuente al aprender a apoyar a los equipos de mejora es: "¿Cómo puedo motivar o involucrar al equipo en este trabajo?". Generalmente respondemos que ayudar a los equipos a usar los datos para mejorar, en lugar de usarlos para juzgar, es clave para involucrarlos en la mejora. Pero para ello, los datos deben recopilarse lo más cerca posible de la producción del trabajo (es decir, por hora, día, semana o mes). Esto nos permite comprender la variación del proceso a lo largo del tiempo, no en su conjunto. Esperamos que esta descripción general le ayude a ver que el diagrama de Shewhart puede desempeñar un papel esencial en su proceso de medición de la calidad. Y todo comenzó hace 100 años.
Referencias
- Carey RG, Lloyd RC. Medición de la mejora de la calidad en la atención médica: una guía para las aplicaciones del control estadístico de procesos . Milwaukee, Wisconsin: Quality Press; 2001.
- Lloyd R. Calidad en la atención médica: Guía para el desarrollo y uso de indicadores (2.ª edición) . Burlington, Massachusetts: Jones & Bartlett Learning; 2019.
- Mohammed MA, Worthington P, Woodall WH. Elaboración de gráficos de control básicos: Notas didácticas para profesionales sanitarios. Calidad y seguridad en la atención sanitaria . 2008 abr;17(2):137-145.
- Provost LP, Murray SK. The Healthcare Data Guide: Learning from Data for Improvement (2.ª edición) . San Francisco, California: Jossey-Bass; 2022.
- Wheeler DJ, Chambers DS. Comprensión del control estadístico de procesos . Knoxville, TN: SPC Press; 1992.
Rebecca Steinfield es Directora Sénior de Proyectos de Innovación y Diseño del IHI, y Robert Lloyd es Asesor Sénior del IHI en Ciencia y Métodos de Mejora.
Fuente de la foto:iSixSigma
También te podría interesar:
Evite dos errores comunes con una tabla de Shewhart.
Vídeo: Gráficos de control en pizarra blanca 1
