CONTROL ESTADSTICO PARA OPERADORES

Pgina 1 de 32













CONTROL ESTADSTICO
DEL PROCESO PARA
OPERADORES













CONTROL ESTADSTICO PARA OPERADORES
Pgina 2 de 32
CONTENIDO

MDULO 1. LA DISTRIBUCIN NORMAL 3

MDULO 2. INTRODUCCIN AL CEP 11

MDULO 3. CARTAS DE CONTROL POR VARIABLES 12

MDULO 4. CAPACIDAD DEL PROCESO 28
CONTROL ESTADSTICO PARA OPERADORES
Pgina 3 de 32
MDULO 1. LA DISTRIBUCIN NORMAL

Un proceso opera en condiciones normales, si tiene los materiales dentro de de
especificaciones y del mismo lote, un mtodo consistente, un medio ambiente
adecuado, el operador capacitado, y el equipo ajustado correctamente, si se
toman mediciones en alguna caracterstica del producto, mostrar el siguiente
comportamiento:
LAS PIEZAS VARAN DE UNA A OTRA:
Pero ellas forman un patrn, tal que si es estable, se denomina distr. Normal
LAS DISTRIBUCIONES PUEDEN DIFERIR EN:
SIZE TAMAO TAMAO
TAMAO TAMAO TAMAO TAMAO
TAMAO
TAMAO TAMAO
UBICACIN DISPERSIN FORMA
. . . O TODA COMBINACIN DE STAS
Distribucin grfica de la variacin
La Curva normal

Fig. 1.1 Construccin de la distribucin normal

La distribucin normal es una de las distribuciones ms usadas e importantes. Se
ha desenvuelto como una herramienta indispensable en cualquier rama de la
ciencia, la industria y el comercio.

Muchos eventos reales y naturales tienen una distribucin de frecuencias cuya
forma es muy parecida a la distribucin normal. La distribucin normal es llamada
tambin campana de Gauss por su forma acampanada.

CONTROL ESTADSTICO PARA OPERADORES
Pgina 4 de 32
Cuando se incluyen todos los datos de un proceso o poblacin, sus parmetros se
indican con letras griegas, tales como: promedio o media = (mu), y desviacin
estndar (indicador de la dispersin de los datos) = o (sigma).

Para el caso de estadsticos de una muestra se tiene media = X y desv. est.= s.

Propiedades de la distribucin normal estndar

- La distribucin normal estndar tiene media = 0 y desviacin estndar o =1.
La media, Mediana y Moda coinciden, son iguales y se localizan en el pico.










Fig. 1.2 Propiedades de la distribucin normal

- El rea bajo la curva o probabilidad de menos infinito a ms infinito vale 1.
- La distribucin normal es simtrica, la mitad de curva tiene un rea de 0.5.
- La escala horizontal de la curva se mide en desviaciones estndar.
- La forma y la posicin de una distribucin normal dependen de los
parmetros o , , por lo que hay un nmero infinito de distribuciones normales.


z
0 1 2 3 -1 -2 -3
z
0 1 2 3 -1 -2 -3 0 1 2 3 -1 -2 -3
x x+o x+2o x+o3 x-o x-2o x-3o x x+o x+2o x+o3 x-o x-2o x-3o
XX
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
CONTROL ESTADSTICO PARA OPERADORES
Pgina 5 de 32
Curvas Normales con Medias iguales pero
Desviaciones estndar diferentes
Curvas Normales con Medias iguales pero
Desviaciones estndar diferentes
= 20
o = 3.1
o = 3.9
o = 5.0
o = 3.1
o = 3.9
o = 5.0

Lmite inferior de especs. Lmite superior de especificaciones
Fig. 1.3 Distribuciones normales con varias desv. estndar

Normales con Medias y
Desviaciones estndar diferentes
Normales con Medias y
Desviaciones estndar diferentes
= 5, o = 3
= 9, o = 6
= 14, o = 10
= 5, o = 3
= 9, o = 6
= 14, o = 10


LIE LSE
Fig. 1.4 Distribuciones normales con varias medias y
desviaciones estndar

CONTROL ESTADSTICO PARA OPERADORES
Pgina 6 de 32
Existe una relacin del porcentaje de probabilidad o rea bajo la curva normal a la
desviacin estndar. En la figura observamos por ejemplo que el rea bajo la
curva para o 1 tiene un porcentaje de 68.26%, o 2 = 95.46% y
% 73 . 99 3 = o
.


















Fig. 1.5 rea bajo la curva de Distribucin normal

Lo anterior se puede calcular con la Tabla de distribucin normal o con Excel (Fx
=distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z).

En la tabla normal, se busca el valor de Z y se encuentra el rea bajo la curva.

La primera tabla sirve para determinar el rea o probabilidad que se encuentra
fuera de los lmites de especificaciones. La segunda tabla proporciona valores de
rea bajo la curva para Zs mayores a cero. En cada una se muestran ejemplos de
su uso.


+1s +2s +3s -1s -2s
-3s
68.26%
95.46%
99.73%
CONTROL ESTADSTICO PARA OPERADORES
Pgina 7 de 32

Ejemplo 1.1
a) Determinar el rea bajo la curva de menos infinito a Z = - 1.
P(Z<= -1) = 0.1587

b) Determinar el rea bajo la curva de menos infinito a Z = - 2.
P(Z<= - 2) = 0.0228
c) Determinar el rea bajo la curva entre Z >= -2. hasta Z <= -1
P(- 2 <= Z<= -1) = 0.1259
CONTROL ESTADSTICO PARA OPERADORES
Pgina 8 de 32


Ejemplo 1.2
a) Determinar el rea bajo la curva de menos infinito a Z = 1.
P(Z <= 1) = 0.8413

b) Determinar el rea bajo la curva de menos infinito a Z = 2.
P(Z <= 2) = 0.9772 8
c) Determinar el rea bajo la curva de menos Z = 1 a Z = 2
P(1 <= Z <= 2) = 0.9772 0.8413 = 0.1369
CONTROL ESTADSTICO PARA OPERADORES
Pgina 9 de 32
EJERCICIO 1:
Qu porcentaje del rea bajo la curva normal estndar o probabilidad est
incluido dentro de los siguientes rangos?
a) P(1.2 <= Z <= 2.2) = P(Z <= 2.2) P(Z <= 1.2) =
b) P(-2.1 <= Z <= -0.4) = P(Z <= - 0.4) P(Z <= -2.1) =
c) P( -1.3 <= Z <= 2.7) = P(Z <= 2.7) P(Z <= -1.3) =
d) P( Z >= 2.4) = P(Z <= -2.4) =
e) P( Z<=-2.9) + P(Z>= 3.1) = P(Z <= -2.9) + P(Z <= -3.1) =
f) P(Z>= 1.9) = P(Z <= -1.9) =

Estandarizacin de valores reales

En la prctica, se tienen valores reales de promedio diferentes de cero y con
desviacin estndar diferentes de uno, para determinar la probabilidad o rea bajo
la curva, se determina el nmero de desviaciones estndar Zo entre algn valor X
y la media de la poblacin o de la muestra X como sigue:

o

=
X
Z s se consideran los datos completos del proceso.

s
X X
Z

= s se consideran slo los datos de una muestra.

Ejemplo 1.3 El departamento de personal de una empresa requiere que los
solicitantes a un puesto en cierta prueba alcancen una calificacin de 500. Si las
calificaciones de la prueba se distribuyen normalmente con media = 485 y
desviacin estndar = o 30 Qu porcentaje de los solicitantes pasar la prueba?

Calculando el valor de Z obtenemos:
o

=
X
Z =
5 . 0
30
485 500
=

CONTROL ESTADSTICO PARA OPERADORES
Pgina 10 de 32
Buscamos el valor correspondiente Z en las tablas de distribucin normal
estndar o por medio de Excel =distr.norm.estand(0.5). Z
0.5
= 0.69146 =
69.146%. donde la probabilidad de que la calificacin sea menor a 500 es P (X <=
500). Dado que el porcentaje pedido es ) 500 ( > X P la solucin es 1-0.69146
=0.3085, por tanto slo 30.85% de los participantes pasarn la prueba.
Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.

Fig. 1.6 rea bajo la curva de Distribucin normal


Ejemplo 1.4 Suponga que un proceso tiene una distribucin normal dada tiene
una media de 20 y una desviacin estndar de 4. Calcule la probabilidad
P (X >=24) = 1 P(X <= 24) =

En la barra de herramientas seleccione el icono de funciones
fx>Estadsticas>Distr.Norm.Estand. OK. El sistema muestra la siguiente
ventana, en la cual llenamos los siguientes datos:

Fig. 1.7 Clculo del rea bajo la curva normal sin requerir Z
485
Z.05
30.85%
CONTROL ESTADSTICO PARA OPERADORES
Pgina 11 de 32

El resultado de la frmula = 0.8413. , dado que esta es la probabilidad P(Xs24), la
probabilidad buscada es: P(X > 24) = 1 - 0.8413= 0.1587

EJERCICIO 2:

Un producto tiene un peso promedio de 75 Kgs. con una desviacin estndar de
10Kgs.

a) Cul es la probabilidad de que un producto pese ms de 85Kgs.?
b) Cul es la probabilidad de que un producto pese menos de 55Kgs.?
c) Cul es la probabilidad de que el producto pese entre 60 y 80 Kgs.?.
d) Cul es la probabilidad de que el producto pese entre 55 y 70 Kgs.?
e) Cul es la probabilidad de que el producto pese entre 85 y 100Kgs.?
CONTROL ESTADSTICO PARA OPERADORES
Pgina 12 de 32
MODULO 2. BASES DEL CONTROL ESTADSTICO DEL
PROCESO (CEP)

El CEP es una tcnica que permite aplicar el anlisis estadstico para medir,
monitorear y controlar procesos por medio de cartas de control. Su propsito es la
deteccin oportuna de la ocurrencia de causas especiales, para tomar acciones
correctivas antes de que se produzcan unidades defectivas o no conformes, para
lo cual se utilizan las cartas de control en lnea, permitiendo tambin la estimacin
de la capacidad o habilidad del proceso y la reduccin continua de la variabilidad
hasta donde sea posible.

Beneficios que proporciona el CEP:
Son herramientas para mejorar la productividad
Son herramientas de prevencin de defectos
Evitan ajustes innecesarios
Proporcionan informacin de diagnstico
Proporcionan informacin de la capacidad del proceso

Qu es una carta de control?
Una Carta de Control es como un historial del proceso...
... En donde ha estado....En donde se encuentra....Hacia donde se puede dirigir
Una Carta de control es simplemente un registro de datos en el tiempo con
lmites de control superior e inferior, diferentes a los lmites de
especificacin.

CONTROL ESTADSTICO PARA OPERADORES
Pgina 13 de 32
Cartas de control
7.5
8.5
9.5
10.5
11.5
12.5
0 10 20 30
Lmite
Superior de
Control
Lmite
Inferior de
Control
Lnea
Central

Fig. 2.1 Carta de control con sus lmites de control

Las cartas de control pueden reconocer cambios favorables y
desfavorables. Qu tanto se ha mejorado? Se ha hecho algo
inadecuado?
Las cartas de control detectan la variacin anormal en un proceso,
denominadas causas especiales o causas asignables de variacin.
El patrn normal de un proceso se llama causas de variacin comunes.
El patrn anormal debido a eventos especiales se llama causa especial de
variacin.
DEFINICION
Es una ayuda grfica para el control de las variaciones
de los procesos administrativos y de manufactura.
Causa
especial
Causas
normales o
comunes
Cartas de Control

Fig. 2.2 Analoga del manejo en carretera con el monitoreo
del proceso

CONTROL ESTADSTICO PARA OPERADORES
Pgina 14 de 32
CAUSAS COMUNES Y CAUSAS ESPECIALES
La variabilidad natural siempre existe en cualquier proceso de produccin, no
importa que tan bien diseado est. Esta variabilidad natural es denominada
causas comunes o aleatorias de variabilidad, un proceso que opera en estas
condiciones se dice que est en control estadstico.







Fig. 2.3 Proceso en control, solo causas comunes presentes
De la figura cuando el proceso est en control, la mayor parte de la produccin se
encuentra dentro de los lmites de control (LSC y LIC).
Existen otras fuentes de variabilidad que pueden ser causadas por mquinas,
errores de operadores, materiales defectuosos o alguna otra de las 6Ms (medio
ambiente, mtodos, mediciones). Esta variabilidad es muy grande en relacin con
la variabilidad natural y es originada por causas especiales o asignables haciendo
que el proceso opere fuera de control estadstico.



LIC LSC
LSC
Fig. 2.4 Proceso fuera de control, con causas especiales
presentes, el proceso no es predecible
SI LAS VARIACIONES PRESENTES SON IGUALES,
SE DICE QUE SE TIENE UN PROCESO ESTABLE.
LA DISTRIBUCION SERA PREDECIBLE EN EL TIEMPO
Prediccin
Tiempo
SI LAS VARIACIONES PRESENTES SON IGUALES,
SE DICE QUE SE TIENE UN PROCESO ESTABLE.
LA DISTRIBUCION SERA PREDECIBLE EN EL TIEMPO
Prediccin
Tiempo
CONTROL ESTADSTICO PARA OPERADORES
Pgina 15 de 32

En una carta de control los patrones de anormalidad ms comunes son: las
causas especiales, las tendencias crecientes o decrecientes y las corridas de nivel

Escuche la Voz del Proceso
Regin de control,
captura la variacin
natural del proceso
original
Causa Especial
identifcada
Corrida del Proceso (7P)
TIEMPO
Tendencia del proceso (7P)
LSC
LIC
Patrones de anormalidad
en la carta de control
M
E
D
I
D
A
S
C
A
L
I
D
A
D

Fig. 2.5 Patrones de anormalidad ms frecuentes

Patrones principales de anormalidad en Cartas de Control
Puntos fuera de control: Una carta de control indicar una condicin fuera de
control cuando uno o ms puntos se encuentren ms all de los lmites de control.

Tendencias: Se pueden presentar tendencias hacia arriba o hacia abajo en las
cartas de control (ascendentes o descendentes), se considera que 7 puntos o ms
indican una situacin fuera de control.

CONTROL ESTADSTICO PARA OPERADORES
Pgina 16 de 32
Corrimiento en la media del proceso: Esto puede ser generado por un cambio
en mtodos, operadores, materias primas, mtodos de inspeccin, etc. se
considera que 7 puntos o ms indican una situacin fuera de control
Para reconocer un patrn de comportamiento no slo se requiere conocer las
tcnicas estadsticas, sino tambin es necesario tener un conocimiento profundo
del proceso. Debe tenerse cuidado de no exagerar en la aplicacin de las reglas
ya que se pueden tener muchas falsas alarmas quitndole efectividad al programa
del CEP.

Proceso en Control estadstico: Sucede cuando no se tienen situaciones
anormales y aproximadamente el 68% (dos tercios) de los puntos de la carta se
encuentran dentro del 1 o de las medias en la carta de control. Es decir, se tiene
aprox. el 68% de los puntos dentro del tercio medio de la carta de control.


PROCESO DE MEJORA
El proceso de mejora usando la carta de control requiere la accin de la
supervisin, operador e ingeniera, la carta de control slo detecta causas
especiales o asignables.
Para identificar y eliminar las causas asignables, es importante encontrar las
causas raz del problema y atacarlas para lo cual se puede utilizar el Plan de
accin para situaciones fuera de control (PASFC), activado con la ocurrencia de
cada evento. Es una lista de verificacin, que indica las causas potenciales
asignables y acciones que resuelven la situacin fuera de control. Este es un
documento vivo que debe ser actualizado constantemente.
CONTROL ESTADSTICO PARA OPERADORES
Pgina 17 de 32


ENTRADA PROCESO SALIDA



SISTEMA DE
EVALUACIN

Verificacin Deteccin de causa
y seguimiento asignable

Implantar Identificar causa
Accin raz del problema
Correctiva PASFC

Fig. 2.6 Proceso de mejora utilizando la carta de control
CONTROL ESTADSTICO PARA OPERADORES
Pgina 18 de 32
MDULO 3. CARTAS DE CONTROL POR VARIABLES
3.1 Introduccin
Una caracterstica que se mide en una escala numrica se denomina una variable.
Por ejemplo temperaturas, dimensiones, volumen, tiempo, etc.
Para un control estadstico del proceso por variables, se utiliza la carta por
lecturas individuales y rango mvil (I-MR), para parmetros del proceso
donde slo se toma una lectura a la vez.
Para control de las caractersticas del producto se pueden utilizar las cartas
de control de medias rangos ( R X ) para monitorear la media y la
variabilidad, con objeto de evitar o minimizar que se tengan productos fuera
de especificaciones y estabilizar los procesos.

3.2 CARTAS PARA LECTURAS INDIVIDUALES / RANGO MVIL (I-MR)
Existen muchas situaciones donde el tamao de muestra es n =1, por ejemplo:
1. Cuando hay inspeccin automtica de parmetros o piezas individuales.
2. La tasa de produccin es muy baja y no es inconveniente tomar muestras de
ms de una pieza.
3. Las mediciones entre unidades muestra difieren muy poco (slo por errores de
medicin de laboratorio) como en procesos qumicos.

En tales situaciones se utiliza la carta de control por lecturas individuales. Los
rangos mviles se empiezan a calcular a partir de la segunda muestra, tomando la
diferencia entre cada dos valores consecutivos como sigue:
i MR =
1

i i
X X .

Ejemplo 3.1 Se toman varios datos de viscosidades y se
construye una carta de lecturas individuales, donde el rango
se calcula tomando cada dos valores consecutivos, por tanto
CONTROL ESTADSTICO PARA OPERADORES
Pgina 19 de 32
el valor de n = 2 y habr (m 1) rangos en total. Con m =
nmero de valores individuales.

Por ejemplo:
Valores individuales Rango
12 -
15 3
11 4
14 3
8 6
9 1

Al final se hace un promedio de los valores individuales X y
un promedio de rangos mviles R y los lmites de control para
la carta I-MR se calculan con las frmulas siguientes:

Carta de lecturas individuales y rango mvil (I-MR)
Terminologa
k = nmero de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x =
x
1
+ x
2
+ x
3
+ ...+ x
N
n
LIC
X
= x -- E
2
R
LIC
R
= D
3
R
LSC
X
= x + E
2
R
LSC
R
= D
4
R
(usar estos factores para calcular Lmites de Control n = 2)
n 2
D
4
3.27
D
3
0
E
2
2.66



CONTROL ESTADSTICO PARA OPERADORES
Pgina 20 de 32
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
100 90 80 70 60 50 40 30 20 10 1
601
600
599
598
_
X=599.548
UCL=601.176
LCL=597.920
Observation
M
o
v
i
n
g

R
a
n
g
e
100 90 80 70 60 50 40 30 20 10 1
2.4
1.8
1.2
0.6
0.0
__
MR=0.612
UCL=2.000
LCL=0
1
1
1
1
1
I-MR Chart of Supp1

Figura 3.1 Carta de control de lecturas individuales y rango
mvil I-MR
El proceso no est en control estadstico.
Identificando las causas de anormalidad en los puntos 39, 55 y 82 y tomando
acciones para prevenir la reincidencia, se eliminan los puntos fuera de control y se
recalculan los lmites de control:
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
90 80 70 60 50 40 30 20 10 1
601
600
599
598
_
X=599.532
UCL=601.000
LCL=598.064
Observation
M
o
v
i
n
g

R
a
n
g
e
90 80 70 60 50 40 30 20 10 1
2.0
1.5
1.0
0.5
0.0
__
MR=0.552
UCL=1.804
LCL=0
1
1
I-MR Chart of Supp1_1

Figura 3.2 Carta de control I-MR estabilizada
Ejercicio 3.1 Hacer una carta I-MR utilizando las fichas de ejemplo por equipos.
CONTROL ESTADSTICO PARA OPERADORES
Pgina 21 de 32










F
E
C
H
A

D
E

I
N
I
C
I
O
F
E
C
H
A

D
E

T
E
R
M
I
N
O
C
p
.

:
C
P
K
:
F
R
E
C
U
E
N
C
I
A
T
I
P
O

D
E

E
V
A
L
U
A
.
%

Z

S
u
p
.
:
%

Z

I
n
f
.
:
%

N
C
:

1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0
F E C H A
H O R A
X
E

2
D

2
D

3

D

4
R
2
.
6
7
1
.
1
3
0
3
.
2
7
R A N G O S
C
O
N
S
T
A
N
T
E
S
V A L O R E S
I
N
I
C
I
A
L
E
S
R
x
L E C T U R A S
L
.
I
.
C
.

R
T
.

M
U
E
S
T
R
A
U
N
I
D
A
D
E
S
N
O
M
I
N
A
L
L
.
S
.
E
.
L
.
I
.
E
.
X
L
.
S
.
C
.
x
L
.
I
.
C
.
x
R
L
.
S
.
C
.


R












G
R
A
F
I
C
A

D
E

C
O
N
T
R
O
L

D
E

L
E
C
T
U
R
A
S

I
N
D
I
V
I
D
U
A
L
E
S
N
o
.

D
E

G
R
A
F
I
C
A
N
O
M
B
R
E

D
E

P
A
R
T
E
N
o
.

D
E

P
A
R
T
E

R
E
A
O
P
E
R
A
C
I

N
M
A
Q
U
I
N
A
C
A
R
A
C
T
E
R

S
T
I
C
A
C
A
L
I
B
R
A
D
O
R




























I
N
S
T
R
U
C
C
I
O
N
E
S
1
.
-

E
n
c
i
e
r
r
e

e
n

u
n

c

r
c
u
l
o

l
o
s

p
a
t
r
o
n
e
s

a
n
o
r
m
a
l
e
s

d
e

c
o
m
p
o
r
t
a
m
i
e
n
t
o

(

p
u
n
t
o
s

f
u
e
r
a

d
e

l
o
s

l

m
i
t
e
s

d
e

c
o
n
t
r
o
l
,

t
e
n
d
e
n
c
i
a
s
,

a
d
h
e
s
i
o
n
e
s
,

e
t
c
)
.
2
.
-

I
n
v
e
s
t
i
g
u
e

y

c
o
r
r
i
j
a

l
a

c
a
u
s
a

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o
.

S
i

n
o

e
s

p
o
s
i
b
l
e

l
l
a
m
e

a

s
u

s
u
p
e
r
v
i
s
o
r

o

I
n
g
.

d
e

M
a
n
u
f
a
c
t
u
r
a
.
3
.
-

R
e
g
i
s
t
r
e

l
a

(
s
)

c
a
u
s
a

(
s
)

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o

e
n

l
a

b
i
t

c
o
r
a

(
a
l

r
e
v
e
r
s
o

d
e

l
a

g
r

f
i
c
a
)
,

a
s

c
o
m
o

l
a
s

a
c
c
i
o
n
e
s

r
e
a
l
i
z
a
d
a
s

o

p
r
o
p
u
e
s
t
a
s

p
a
r
a

c
o
r
r
e
g
i
r

l
a

f
a
l
l
a
.
4
.
-

I
n
d
i
q
u
e

e
n

e
l

l
t
i
m
o

r
e
n
g
l

n
,

j
u
s
t
o

a
b
a
j
o

d
e
l

s
u
b
g
r
u
p
o

c
o
r
r
e
s
p
o
n
d
i
e
n
t
e
,

l
a
s

c
a
u
s
a
s

p
o
r

l
a
s

c
u
a
l
e
s

s
e

d
e
j
a

d
e

g
r
a
f
i
c
a
r

d
e

a
c
u
e
r
d
o

a

l
a

f
r
e
c
u
e
n
c
i
a

i
n
d
i
c
a
d
a
,

s
i

e
s

q
u
e

s
e

p
r
e
s
e
n
t
a
n

e
l

c
a
s
o
.

U
t
i
l
i
c
e

l
a
s

s
i
g
u
i
e
n
t
e
s

c
l
a
v
e
s
:
A
)

F
i
n

d
e

c
o
r
r
i
d
a

d
e

p
r
o
d
u
c
c
i

n
B
)

F
a
l
t
a

d
e

m
a
t
e
r
i
a
l
C
)

A
j
u
s
t
e

d
e

l

n
e
a

/

m

q
u
i
n
a
D
)

C
a
m
b
i
o

d
e

m
o
d
e
l
o
E
)

F
i
n

d
e

t
u
r
n
o
F
)

O
t
r
o

(
i
n
d
i
c
a
r
)




























I
N
S
T
R
U
C
C
I
O
N
E
S
1
.
-

E
n
c
i
e
r
r
e

e
n

u
n

c

r
c
u
l
o

l
o
s

p
a
t
r
o
n
e
s

a
n
o
r
m
a
l
e
s

d
e

c
o
m
p
o
r
t
a
m
i
e
n
t
o

(

p
u
n
t
o
s

f
u
e
r
a

d
e

l
o
s

l

m
i
t
e
s

d
e

c
o
n
t
r
o
l
,

t
e
n
d
e
n
c
i
a
s
,

a
d
h
e
s
i
o
n
e
s
,

e
t
c
)
.
2
.
-

I
n
v
e
s
t
i
g
u
e

y

c
o
r
r
i
j
a

l
a

c
a
u
s
a

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o
.

S
i

n
o

e
s

p
o
s
i
b
l
e

l
l
a
m
e

a

s
u

s
u
p
e
r
v
i
s
o
r

o

I
n
g
.

d
e

M
a
n
u
f
a
c
t
u
r
a
.
3
.
-

R
e
g
i
s
t
r
e

l
a

(
s
)

c
a
u
s
a

(
s
)

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o

e
n

l
a

b
i
t

c
o
r
a

(
a
l

r
e
v
e
r
s
o

d
e

l
a

g
r

f
i
c
a
)
,

a
s

c
o
m
o

l
a
s

a
c
c
i
o
n
e
s

r
e
a
l
i
z
a
d
a
s

o

p
r
o
p
u
e
s
t
a
s

p
a
r
a

c
o
r
r
e
g
i
r

l
a

f
a
l
l
a
.
4
.
-

I
n
d
i
q
u
e

e
n

e
l

l
t
i
m
o

r
e
n
g
l

n
,

j
u
s
t
o

a
b
a
j
o

d
e
l

s
u
b
g
r
u
p
o

c
o
r
r
e
s
p
o
n
d
i
e
n
t
e
,

l
a
s

c
a
u
s
a
s

p
o
r

l
a
s

c
u
a
l
e
s

s
e

d
e
j
a

d
e

g
r
a
f
i
c
a
r

d
e

a
c
u
e
r
d
o

a

l
a

f
r
e
c
u
e
n
c
i
a

i
n
d
i
c
a
d
a
,

s
i

e
s

q
u
e

s
e

p
r
e
s
e
n
t
a
n

e
l

c
a
s
o
.

U
t
i
l
i
c
e

l
a
s

s
i
g
u
i
e
n
t
e
s

c
l
a
v
e
s
:
A
)

F
i
n

d
e

c
o
r
r
i
d
a

d
e

p
r
o
d
u
c
c
i

n
B
)

F
a
l
t
a

d
e

m
a
t
e
r
i
a
l
C
)

A
j
u
s
t
e

d
e

l

n
e
a

/

m

q
u
i
n
a
D
)

C
a
m
b
i
o

d
e

m
o
d
e
l
o
E
)

F
i
n

d
e

t
u
r
n
o
F
)

O
t
r
o

(
i
n
d
i
c
a
r
)
CONTROL ESTADSTICO PARA OPERADORES
Pgina 22 de 32
3.3 CARTAS DE CONTROL DE MEDIAS-RANGOS (X-R)
Para elaborar la carta, inicialmente se toman al menos 25 subgrupos con muestras
de cinco partes cada cierto periodo (por ejemplo cada hora), se determinan los
lmites de control preliminares, se identifican situaciones fuera de control, se
investigan las causas y se toman acciones preventivas para prevenir la
reincidencia y se recalculan los lmites de control futuros.

Ejemplo 3.2 Se toman varios datos de hilos y se construye una
carta de medias rangos con m = subgrupos, donde el rango se
calcula tomando el valor mayor menos el valor menor del
subgrupo, con n = 5.

Por ejemplo:
Variables
Subgrupo
1
Subgrupo
2
Subgrupo
m
X1 2 5 3
X2 4 3 4
X3 3 6 1
X4 5 7 5
X5 1 4 2
09:00 a.m. 10:00 a.m. 11:00 a.m.
Media 3 5 3
Rango 4 4 4

Se obtiene una media de medias X y un rango promedio R, para
proceder a determinar los lmites de control como sigue:
CONTROL ESTADSTICO PARA OPERADORES
Pgina 23 de 32
Carta X, R
Terminologa
k = nmero de subgrupos; n = nmero de muestras en cada subgrupo
X
i
= promedio para un subgrupo
X = promedio de todos los promedios de los subgrupos
R
i
= rango de un subgrupo
R = promedio de todos los rangos de los subgrupos
x =
x
1
+ x
2
+ x
3
+ ...+ x
N
k
x
i
=
x
1
+ x
2
+ x
3
+ ...+ x
N
n
LIC
X
= x - A
2
R
LIC
R
= D
3
R
LSC
X
= x + A
2
R
LSC
R
= D
4
R
NOTA: Los factores a considerar
para n = 5
Son A2 = 0.577 D3 = 0 D4 = 2.114


Donde las constantes A
2
, d
2
D
3
y D
4
se encuentran tabuladas en funcin de n para
facilitar el clculo de los lmites de control como sigue:

Tabla 3.1 Constantes para lmites de control en cartas X-R
n A2 D3 D4 d2
2 1.88 0 3.267 1.128
3 1.023 0 2.574 1.693
4 0.729 0 2.282 2.059
5 0.577 0 2.115 2.326
6 0.483 0 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.97
10 0.308 0.223 1.777 3.078

La carta resultante es la siguiente:
CONTROL ESTADSTICO PARA OPERADORES
Pgina 24 de 32

Sample
S
a
m
p
l
e

M
e
a
n
20 18 16 14 12 10 8 6 4 2
602
600
598
_
_
X=600.23
UCL=602.474
LCL=597.986
Sample
S
a
m
p
l
e

R
a
n
g
e
20 18 16 14 12 10 8 6 4 2
8
6
4
2
0
_
R=3.890
UCL=8.225
LCL=0
1
1
Xbar-R Chart of Supp2

Figura 3.3 Carta de control X-R fuera de control
Despus de identificar las causas de las situaciones fuera de control en los
subgrupos 2 y 14 y tomando acciones preventivas para evitar la reincidencia, se
eliminan los subgrupos fuera de control y se recalculan los lmites de control.
Sample
S
a
m
p
l
e

M
e
a
n
18 16 14 12 10 8 6 4 2
602
601
600
599
598
_
_
X=599.938
UCL=602.247
LCL=597.629
Sample
S
a
m
p
l
e

R
a
n
g
e
18 16 14 12 10 8 6 4 2
8
6
4
2
0
_
R=4.003
UCL=8.465
LCL=0
Xbar-R Chart of Supp2

Figura 3.4 Carta de control de medias rangos X-R estable
Una vez que el proceso est en control se calcula la capacidad del proceso.
Ejercicio 3.2
Hacer una carta X-R utilizando las fichas de ejemplo por equipos.
CONTROL ESTADSTICO PARA OPERADORES
Pgina 25 de 32











F
E
C
H
A

D
E

T
E
R
M
I
N
O
C
p
.

:
C
P
K
:


M
U
E
S
T
R
A
F
R
E
C
U
E
N
C
I
A
T
IP
O
D
E
E
V
A
L
U
A
C
I
N
%

Z

S
u
p
.
:







%

Z

I
n
f
.
:
%

N
C
:

1
2
3
4
5
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
1
9
2
0
2
1
2
2
2
3
2
4
2
5
2
6
2
7
2
8
2
9
3
0
F E C H A
H O R A
1
n
A
2
D
4
D
3
d
2
B
4
B
3
2
2
1
.
8
8
3
.
2
7
0
1
.
1
3
3
.
2
7
0
3
3
1
.
0
2
2
.
5
7
0
1
.
7
0
2
.
5
7
0
4
4
0
.
7
3
2
.
2
8
0
2
.
0
6
2
.
2
7
0
5
5
0
.
5
8
2
.
1
1
0
2
.
3
3
2
.
0
9
0

X

R
S
U
M
A
C
A
U
S
A
S
D
E
N
O

R
E
G
IS
T
R
O
R
R A N G O S







C
O
N
S
T
A
N
T
E
S
L E C T U R A S
I
N
I
C
I
A
L
E
S
P R O M E D I O S
x
L
.
S
.
C
.


R
L
.
I
.
C
.

R
X
L
.
S
.
C
.
x
L
.
I
.
C
.
x
R
U
N
I
D
A
D
E
S
N
O
M
I
N
A
L
L
.
S
.
E
.
L
.
I
.
E
.










G
R
A
F
I
C
A

D
E

C
O
N
T
R
O
L

D
E

P
R
O
M
E
D
I
O
S

Y

R
A
N
G
O
S
N
o
.

D
E

G
R
A
F
I
C
A
F
E
C
H
A

D
E

I
N
I
C
I
O
N
O
M
B
R
E

D
E

P
A
R
T
E
N
o
.

D
E

P
A
R
T
E

R
E
A
O
P
E
R
A
C
I

N
M
A
Q
U
I
N
A
C
A
R
A
C
T
E
R

S
T
I
C
A
C
A
L
I
B
R
A
D
O
R







































I
N
S
T
R
U
C
C
I
O
N
E
S
1
.
-

E
n
c
i
e
r
r
e

e
n

u
n

c

r
c
u
l
o

l
o
s

p
a
t
r
o
n
e
s

a
n
o
r
m
a
l
e
s

d
e

c
o
m
p
o
r
t
a
m
i
e
n
t
o

(

p
u
n
t
o
s

f
u
e
r
a

d
e

l
o
s

l

m
i
t
e
s

d
e

c
o
n
t
r
o
l
,

t
e
n
d
e
n
c
i
a
s
,

a
d
h
e
s
i
o
n
e
s
,

e
t
c
)
.
2
.
-

I
n
v
e
s
t
i
g
u
e

y

c
o
r
r
i
ja

l
a

c
a
u
s
a

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o
.

S
i

n
o

e
s

p
o
s
i
b
l
e

l
l
a
m
e

a

s
u

s
u
p
e
r
v
i
s
o
r

o

I
n
g
.

d
e

M
a
n
u
f
a
c
t
u
r
a
.
3
.
-

R
e
g
i
s
t
r
e

l
a

(
s
)

c
a
u
s
a

(
s
)

d
e
l

c
o
m
p
o
r
t
a
m
i
e
n
t
o

e
n

l
a

b
i
t

c
o
r
a

(
a
l

r
e
v
e
r
s
o

d
e

l
a

g
r

f
i
c
a
)
,

a
s

c
o
m
o

l
a
s

a
c
c
i
o
n
e
s

r
e
a
l
i
z
a
d
a
s

o

p
r
o
p
u
e
s
t
a
s

p
a
r
a

c
o
r
r
e
g
i
r

l
a

f
a
l
l
a
.
4
.
-

I
n
d
i
q
u
e

e
n

e
l

l
t
i
m
o

r
e
n
g
l

n
,

ju
s
t
o

a
b
a
jo

d
e
l

s
u
b
g
r
u
p
o

c
o
r
r
e
s
p
o
n
d
i
e
n
t
e
,

l
a
s

c
a
u
s
a
s

p
o
r

l
a
s

c
u
a
l
e
s

s
e

d
e
ja

d
e

g
r
a
f
i
c
a
r

d
e

a
c
u
e
r
d
o

a

l
a

f
r
e
c
u
e
n
c
i
a

i
n
d
i
c
a
d
a
,

s
i

e
s

q
u
e

s
e

p
r
e
s
e
n
t
a
n

e
l

c
a
s
o
.

U
t
i
l
i
c
e

l
a
s

s
i
g
u
i
e
n
t
e
s

c
l
a
v
e
s
:
A
)

F
i
n

d
e

c
o
r
r
i
d
a

d
e

p
r
o
d
u
c
c
i

n
B
)

F
a
l
t
a

d
e

m
a
t
e
r
i
a
l
C
)

A
ju
s
t
e

d
e

l

n
e
a

/

m

q
u
i
n
a
D
)

C
a
m
b
i
o

d
e

m
o
d
e
l
o
E
)

F
i
n

d
e

t
u
r
n
o
F
)

O
t
r
o

(
i
n
d
i
c
a
r
)
CONTROL ESTADSTICO PARA OPERADORES
Pgina 26 de 32
CARTA DE CONTROL DE MEDIAS MOVILES EXPONENCIALMENTE
PONDERADAS (EWMA)

Esta carta permite detectar variaciones pequeas en la media del proceso, cuando
estas variaciones son muy lentas, en algunos casos, estas variaciones no son
detectables por las cartas X-R pero si por las cartas especiales EWMA, como se
muestra a continuacin.

Ejemplo 3.3 Utilizando los datos siguientes, y formando
subgrupos de cinco partes, construir una carta X-R y
compararla con la carta EWMA.
AtoBDist
-0.44025 4.52023 4.75466 4.90024 3.81341 -1.15453 5.03945
5.90038 3.95372 1.1424 1.28079 -3.78952 2.29868 1.96583
2.08965 7.99326 0.9379 2.87917 -3.81635 5.15847 -0.21026
0.09998 4.98677 -7.30286 1.83867 -4.8882 0.08558 0.27517
2.01594 -2.03427 -5.22516 -0.75614 -3.24534 -3.09574 -5.32797
4.83012 3.89134 -4.06527 3.72977 -0.27272 5.16744
3.78732 1.99825 -1.91314 3.77141 -4.33095 0.29748
4.99821 0.01028 2.0459 -4.04994 -1.83547 -4.66858
6.91169 -0.24542 4.93029 3.89824 -3.98876 -2.13787
1.93847 2.08175 0.03095 1.76868 -4.97431 -0.0045
-3.09907 -4.86937 -2.80363 2.2731 -5.1405 0.18096
-3.18827 -2.69206 -3.12681 -3.82297 -0.10379 4.30247
5.28978 -3.02947 -4.57793 -2.26821 2.21033 -2.21708
0.56182 2.99932 -3.17924 -2.07973 5.13041 7.17603
-3.1896 3.50123 -2.44537 0.01739 -1.89455 5.86525
7.93177 -1.99506 1.36225 3.71309 0.95119 0.95699
3.72692 -1.62939 0.92825 1.72573 -5.15414 -4.03441
3.83152 2.14395 -0.24151 3.07264 4.82794 -2.05086
-2.17454 -1.90688 -0.83762 0.15676 0.13001 -3.10319
2.81598 8.02322 -1.99674 -0.05666 -0.09911 -1.83001


CONTROL ESTADSTICO PARA OPERADORES
Pgina 27 de 32
Sample
S
a
m
p
l
e

M
e
a
n
24 22 20 18 16 14 12 10 8 6 4 2
5.0
2.5
0.0
-2.5
-5.0
_
_
X=0.44
UCL=4.70
LCL=-3.82
Sample
S
a
m
p
l
e

R
a
n
g
e
24 22 20 18 16 14 12 10 8 6 4 2
16
12
8
4
0
_
R=7.38
UCL=15.61
LCL=0
Xbar-R Chart of AtoBDist

Figura 3.5 Carta de control de medias rangos X-R convencional


Sample
E
W
M
A
24 22 20 18 16 14 12 10 8 6 4 2
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
_
_
X=0.442
UCL=1.861
LCL=-0.978
EWMA Chart of AtoBDist

Figura 3.6 Ejemplo de carta de control EWMA

Se observa que esta carta detecta variaciones lentas del proceso, no detectadas
por la carta X-R.
CONTROL ESTADSTICO PARA OPERADORES
Pgina 28 de 32
MDULO 4. CAPACIDAD DEL PROCESO
Su propsito es determinar la capacidad del proceso para cumplir especificaciones
o requerimientos establecidos, se usa para:
1. Predecir que tanto el proceso cumple especificaciones
2. Apoyar a diseadores de producto o proceso en sus modificaciones
3. Especificar requerimientos de desempeo de equipo nuevo
4. Seleccionar proveedores
5. Reducir la variabilidad en el proceso de manufactura
6. Planear la secuencia de produccin cuando hay un efecto interactivo de los
procesos en las tolerancias
_
X
xi
s
Z
LIE
Especificacin
inferior
LSE
Especificacin
superior
p = porcentaje de partes fuera de Especificaciones

Fig. 4.1 Capacidad del proceso




CONTROL ESTADSTICO PARA OPERADORES
Pgina 29 de 32
Cmo vamos a mejorar esto?
Podemos reducir la desviacin estndar...
Podemos cambiar la media...
O (lo ideal sera, por supuesto) que podramos cambiar ambas
Cualquiera que sea la mejora que lleve a cabo,
asegurarse que se mantenga

Fig. 4.2 Acciones para mejorar la Capacidad del proceso
Nigels Trucking Co.
Teora del camin y el tnel
El tnel tiene 9' de ancho (especificacin). El camin tiene 10 y el chofer es perfecto
(variacin del proceso). Pasara el camin? NO, la variabilidad del proceso es mayor
que la especificacin.
Centrar es hacer que el promedio del proceso sea igual al centro de la
especificacin. Si el camin tiene 8 pies de ancho pasar el camin?, Si. Si
el chofer puede mantener el centro del camin en el centro del tnel. De otra forma
chocar con las paredes del tnel y no pasar a pesar de ser ms angosto.
Ancho 9
El proceso debe estar en control, tener capacidad y estar centrado


Fig. 4.3 Capacidad potencial (Cp) y capacidad real del
proceso (Cpk)
CONTROL ESTADSTICO PARA OPERADORES
Pgina 30 de 32
Capacidad del proceso Fraccin defectiva
La capacidad en funcin de la fraccin defectiva del Proceso se calcula
En funcin de la fraccin defectiva para cada lado del rango de Especificacin.
Desv. Est.=
Rango medio
Constante d2 de acuerdo al tamao de subgrupo en X-R
Los valores de Z inferior y Z superior se calculan de acuerdo a las frmulas
Siguientes:
Zi =
LIE - promedio del proceso
Desviacin Estandar
LSE - Promedio del proceso
Desviacin Estandar
La fraccin defectiva se calcula con las tablas de distribucin normal
P(Zi) = rea en tabla (-Z) P(Zs) = 1 rea corresp. a Zs en tabla (+Z)
Zs =
Fraccin defectiva = P(Zi) + P(Zs)

Fig. 4.4 Clculo de la fraccin defectiva


Clculo de la capacidad del proceso
Habilidad o capacidad potencial Cp = (LSE - LIE ) / 6 o
Debe ser > 1
para tener el potencial de
cumplir con especificaciones (LIE, LSE)
Habilidad o capacidad real Cpk = Menor | Z
I
- Z
S
| / 3
El Cpk debe ser > 1 para que el
proceso cumpla especificaciones




CONTROL ESTADSTICO PARA OPERADORES
Pgina 31 de 32
Procedimiento para realizar estudios de capacidad del proceso

1. Seleccionar una mquina donde realizar el estudio.
2. Seleccionar las condiciones de operacin del proceso.
3. Seleccionar un operador entrenado.
4. El sistema de medicin debe tener una resolucin de al menos el 10% y una
habilidad (error R&R < 10%).
5. Cuidadosamente colectar la informacin en una carta de control X-R o I-MR.
6. Construir la carta de control y estabilizar el proceso a que este en control.
7. Calcular la media y desviacin estndar del proceso (S = Rmedia / d2).
8. Calcular las Zs correspondientes al lmites superior de especificaciones Zs y al
lmite inferior de especificaciones Zi.
9. Determinar la fraccin defectiva con la tabla normal P(Zs) + P(Zi).
10. Calcular el ndice de capacidad potencial Cp = (LSE LIE) / (6*s), debe ser
mayor a 1.
11. Determinar el ndice de capacidad real Cpk = Menor |Zs; Zi| / 3, debe ser
mayor a 1.
12. Tomar las acciones correctivas necesarias
CONTROL ESTADSTICO PARA OPERADORES
Pgina 32 de 32
Ejemplo 4.1:
De una carta de control X - R (con subgrupos de n = 5), despus de que el
proceso se estabiliz quedando slo con causas comunes, se obtuvo lo siguiente:

Xmedia de medias = 264.06 Rmedio = 77.3

Por tanto estimando los parmetros del proceso se tiene:

= X media de medias o = Rmedio / d2 =77.3 / 2.326 = 33.23
[ d2 para n = 5 tiene el valor 2.326]

Si el lmite de especificacin es: LIE = 200.

El Cpk = (200 - 264.06) / (77.3) (3) = 0.64 por tanto el proceso no cumple con las
especificaciones

Ejercicio 4.2
De una carta de control X - R (con tamao de subgrupo n = 5), despus de que el
proceso se estabiliz quedando slo con causas comunes (LIE = 36, LSE = 46) se
obtuvo lo siguiente:

Xmedia de medias = 40 Rmedio = 5

a) Determinar la fraccin defectiva

b) Determinar el Cp

c) Determinar el Cpk