Академический Документы
Профессиональный Документы
Культура Документы
Pgina 1 de 32
CONTENIDO
1. Introduccin
a. Definiciones bsicas b. Objetivos c. Partes fuera de especificaciones d. Variacin a corto y a largo plazo
3. Clculo del desempeo de los proceso 4. Capacidad y desempeo de procesos con Minitab 5. Capacidad de procesos no normales 6. Capacidad de procesos por atributos
Pgina 2 de 32
1 a. Definiciones bsicas.
Proceso: ste se refiere a alguna combinacin nica de mquinas, herramientas, mtodos, materiales y personas involucradas en la produccin. Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada en el desempeo probado, para lograr resultados que se puedan medir. Capacidad del proceso: Es la aptitud del proceso para producir productos dentro de los lmites de especificaciones de calidad. Capacidad medida: Esto se refiere al hecho de que la capacidad del proceso se cuantifica a partir de datos que, a su vez, son el resultado de la medicin del trabajo realizado por el proceso. Capacidad inherente: Se refiere a la uniformidad del producto que resulta de un proceso que se encuentra en estado de control estadstico, es decir, en ausencia de causas especiales o atribuibles de variacin. Variabilidad natural: Los productos fabricados nunca son idnticos sino que presentan cierta variabilidad, cuando el proceso est bajo Pgina 3 de 32
control, solo actan las causas comunes de variacin en las caractersticas de calidad. Valor Nominal: Las caractersticas de calidad tienen un valor ideal ptimo que es el que desearamos que tuvieran todas las unidades fabricadas pero que no se obtiene, aunque todo funcione correctamente, debido a la existencia de la variabilidad natural.
1b. Objetivos1
1. Predecir en que grado el proceso cumple especificaciones. 2. Apoyar a diseadores de producto o proceso en sus modificaciones. 3. Especificar requerimientos de desempeo para el 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.
Pgina 4 de 32
1c. Partes fuera de especificaciones En el rea sombrada observamos medidas fuera de los lmites de especificacin.
Pgina 5 de 32
Variacin a corto plazo (Zst) Los datos son colectados durante un periodo de tiempo suficientemente corto para que sea improbable que haya cambios y otras causas especiales. Las familias de variacin han sido restringidas de tal manera que los datos considerados, slo son los que se obtuvieron del subgrupo racional. Ayuda a determinar subgrupos racionales importantes.
suficientemente
suficientemente diversas para que sea probable que incluya todos los cambios de proceso y otras causas especiales. Aqu todas las familias de variacin general. exhiben su contribucin en la variacin del proceso
Z st =
Z LT =
dnde: Zst = variacin a corto plazo. nom = Valor nominal u objetivo Zlt = variacin a largo plazo. Z shift.- A largo plazo los procesos tienen un desplazamiento natural de 1.5 desviaciones estndar, de acuerdo a lo observado por Motorota Inc. Zlt = Zst-1.5shift
J.M. Juran, Anlisis y planeacin de la Calidad, Tercera Edicin Mc. Graw Hill, Pp.404
Pgina 7 de 32
El proceso se encuentre bajo control estadstico, es decir sin la influencia de fuerzas externas o cambios repentinos. Si el proceso est fuera de control la media y/o la desviacin estndar del proceso no son estables y, en consecuencia, su variabilidad ser mayor que la natural y la capacidad potencial estar infravalorada, en este caso no es conveniente hacer un estudio de capacidad.
Se recolectan suficientes datos durante el estudio de habilidad para minimizar el error de muestreo para los ndices de habilidad. Si los datos se componen de menos de 100 valores, entonces deben calcularse los lmites de confianza inferiores.
Los datos se recolectan durante un periodo suficientemente largo para asegurar que las condiciones del proceso presentes durante el estudio sean representativos de las condiciones actuales y futuras. En el caso de la industria automotriz se especifican 300 partes mnimo.
El parmetro analizado en el estudio sigue una distribucin de probabilidad normal, de otra manera, los porcentajes de los productos asociados con los ndices de capacidad son incorrectos y solo se podrn determinar los ndices de desempeo del proceso, que no toma en cuenta si el proceso est en control o no.
Tambin es importante al realizar un estudio de capacidad, asegurarnos que la variacin en el sistema de medicin no sea mayor al 10%. Para calcular la habilidad o capacidad potencial, primero se determina la desviacin estndar estimada de la poblacin como sigue: R d2
ST =
Cp =
( LSE LIE )
6 ST
Pgina 8 de 32
donde: Cp = capacidad potencial LSE = lmite superior de especificaciones LIE = lmite inferior de especificaciones
ST
El ndice Cp debe ser 1.33 para tener el potencial de cumplir con especificaciones (LIE, LSE) Los valores Z se determinan como sigue: ZI = ZS = LIE X ST LSE X ST
C pk =
menor Z I , Z S 3
Para que el proceso cumpla con las especificaciones el Cpk= debe de ser 1.33 .
Pgina 9 de 32
2b. Capacidad a partir de histogramas Procedimiento: 1. Seleccionar un proceso especfico para realizar el estudio 2. Seleccionar las condiciones de operacin del proceso 3. Seleccionar un operador entrenado 4. El sistema de medicin debe tener habilidad (error R&R < 10%) 5. Cuidadosamente recolectar la informacin 6. Construir un histograma de frecuencia con los datos 7. Calcular la media y desviacin estndar del proceso 8. Calcular la capacidad del proceso.
Agrupando los datos por intervalos de clase obtenemos los datos mostrados en la siguiente tabla:
Intervalo de clase 190-209 210-229 230-249 250-269 270-289 290-309 310-329 330-349 Marca de Frecuencia clase 199.5 6 219.5 7 239.5 13 259.5 32 279.5 24 299.5 11 319.5 4 339.5 3 Frecuencia relativa 0.06 0.07 0.13 0.32 0.24 0.11 0.04 0.03 Frecuencia acumulada 0.06 0.13 0.26 0.58 0.82 0.93 0.97 1
Pgina 10 de 32
El histograma es el siguiente:
Hi stogr am of Datos
40
30 Fr equency
20
10
160
190
210
230
260 Dat os
290
310
330
360
Observamos que el histograma tiene forma normal. Calculando la media y la desviacin estndar tenemos:
Descriptive Statistics: Datos
Variable Datos N 99 N* 0 Mean 264.19 SE Mean 3.23 StDev 32.15 Minimum 176.00 Q1 248.00 Median 265.00 Q3 280.00
X = 264.19
S = 32.15 La variabilidad del proceso se encuentra en 6 s = 192.90 Si las especificaciones fueran LIE = 200 y LSE = 330
Pgina 11 de 32
Cp =
( LSE LIE )
6S
( 330 200)
192.90
Zi =
Zs =
C pk =
menor Z I , Z S 3
2 = 0.66 3
Ventajas
1. Se puede observar el comportamiento del proceso sin tomar tantos datos como en el histograma, 10 son suficientes 2. El proceso es ms sencillo ya que no hay que dividir el rango de la variable en intervalos de clase como en el histograma. 3. Visualmente se puede observar la normalidad de los datos, si se apegan a la lnea de ajuste
Pgina 12 de 32
4. Permite identificar la media y la desviacin estndar aproximada del proceso. As como la fraccin defectiva, el porcentaje de datos entre cierto rango, el Cp y el Cpk. Procedimiento 1. Se toman al menos n = 10 datos y se ordenan en forma ascendente, asignndoles una posicin ( j ) entre 1 y n. 2. Se calcula la probabilidad de cada posicin con la frmula siguiente: Pj = (j - 0.5) / n 3. En el papel especial normal se grafica cada punto (Xj, Pj) 4. Se ajusta una lnea recta que mejor aproxime los puntos 5. Si no hay desviaciones mayores de la lnea recta, se considera normal el proceso y se procede a hacer las identificaciones: La media ser el punto en X correspondiente a Pj = 0.5 La desviacin estndar es la diferencia en Xj correspondiente a Pj = 0.5 y Pj = 0.84 Ejemplo 2 . Se tomaron los datos siguientes (Xj) ordenamos los datos y, clculamos la probabilidad de su posicin (Pj)
Pos. J 1 2 3 4 5 6 7 Xj 197 200 215 221 231 242 245 Pj 0.025 0.075 0.125 0.175 0.225 0.275 0.325
Pgina 13 de 32
8 9 10 11 12 13 14 15 16 17 18 19 20
258 265 265 271 275 277 278 280 283 290 301 318 346
0.375 0.425 0.475 0.525 0.575 0.625 0.675 0.725 0.775 0.825 0.875 0.925 0.975
Con ayuda del grfico podemos obtener la media, la desviacin estndar y el porcentaje de valores que se encuentran fuera de especificaciones. El trazo normal es el siguiente: El eje Y es un rango no lineal de probabilidades normales. El eje X es un rango lineal de la variable que se est analizando. Si los datos son normales, la frecuencia de ocurrencias en varios valores Xi, puede predecirse usando una lnea slida 225 o inferiores. como modelo. Por ejemplo, slo ms del 20% de los datos del proceso seran valores de
Pgina 14 de 32
P robabi l i ty P l ot of Xj
Normal - 95% CI
99 Mean StDev N AD P-Value 262.9 38.13 20 0.262 0.667
95 90 80 70
Per cent
60 50 40 30 20 10 5
150
200
250 Xj
300
350
400
Pj
0 4 .8
LIE
XM edia
X j
En casos especiales como estos donde las variaciones presentes son ? totalmente inesperadas tenemos un proceso?inestable ? impredecible.
? ? ? ?
Pgina 15 de 32
Si las variaciones presentes son iguales, se dice que se tiene un proceso estable. La distribucin ser predecible en el tiempo.
Prediccin
Tiem po
d2 = Factor que depende del tamao del subgrupo en la carta de control X-R C4 = dem al anterior para una carta X - S Al final del texto se muestran las constantes utilizadas para las cartas de control. En una carta por individuales, d2 se toma para n = 2 y Rango Medio = Suma rangos / (n -1)
Pgina 17 de 32
Ejemplo 3 (carta X - R) De una carta de control X - R (con subgrupo n = 5) se obtuvo lo siguiente, despus de que el proceso se estabiliz quedando slo con causas comunes:
= 64.06 ,
R = 77.3
= x ( media de medias)
=
R 77.3 = = 33.23 d 2 2.326
El C pk =
( 200 264.06)
3 33.23
especificaciones. Ejemplo 4 (carta X - S) De una carta de control X - S (con subgrupo n = 5) se obtuvo lo siguiente, despus de que el proceso se estabiliz quedando slo con causas comunes:
x = 100, s = 1.05
= x = 100
Pgina 18 de 32
C4 para n = 5 tiene el valor 0.94 Si el lmite de especificacin es: LIE = 85 y el LSE = 105.
El C pk =
El C p =
Por lo tanto el proceso es capaz de cumplir con especificaciones. Ejemplo 5: 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 = 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
Pgina 19 de 32
2d. Otros ndices de capacidad del proceso INDICE DE CAPACIDAD Cpm Es un indicador de capacidad potencial que toma en cuenta el centrado del proceso: Si V = X T Cp 1+V 2 = donde T es el centro de las especificaciones. LSE LIE 6 2 + ( T ) 2
C pm =
Cuando T es igual a X media del proceso, Cpm = Cp = Cpk INDICE DE CAPACIDAD Cpkm Es un indicador de capacidad real que toma en cuenta el centrado del proceso: Si T es el centro de las especificaciones. C pkm = Cpk T 1+
2
Pgina 20 de 32
Para el caso de datos histricos, el proceso no est en control y se puede determinar el desempeo del proceso utilizando la desviacin estndar de todos los datos ajustada con una constante C4, denominada Sigma a largo plazo o desviacin estndar Overall.
S=
(X
i =1
X )2
n 1
C4 =
4(n 1) 4n 3 S C4
LT =
Con la desviacin estndar a largo plazo se determinan los ndices de desempeo Pp y Ppk no importando si el proceso est en control o no, en este ltimo caso los valores no tienen significado prctico. Para calcular el desempeo potencial del proceso utilizamos la siguiente frmula:
Pp =
( LSE LIE )
6 LT
Pgina 21 de 32
Zs =
ZI =
Para calcular el ndice de desempeo real del proceso utilizamos la siguiente frmula:
Ppk =
menor Z I , Z S 3
Para que el proceso cumpla con las especificaciones el Ppk= debe de ser 1 .33.
Pgina 22 de 32
Ejercicio 6 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 desviacin estndar del proceso b) Determinar los lmites de tolerancia natural del proceso c) Determinar la fraccin defectiva o porcentaje fuera de especificaciones d) Determinar el Cp e) Determinar el Cpk f) Determinar el Cpm g) Determinar el Cpkm h) Establecer conclusiones de los resultados anteriores
Pgina 23 de 32
4. Capacidad y desempeo de procesos en Minitab Generar 100 datos aleatorios en Minitab con Media = 264.6 y Desviacin estndar S = 32.02 con 1. Calc > Random data > Normal 2. Generate 100 Store in columns C1 Estndar deviation 32.02 OK Considerando Lmites de especificaciones LIE = 200 y LSE = 330 Nos aseguramos que los datos se distribuyan normalmente con la prueba de Ryan como sigue: 3. Stat > Basic statistics > Normalita Test 4. Variable C1 normalmente
P r obabil i ty P lot of Datos
Normal
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N RJ P-Value 269.3 30.72 100 0.994 >0.100
Mean 264.06
El P value debe ser mayor a 0.05 para que los datos se distribuyan
Per cent
150
200
250 Dat os
300
350
Pgina 24 de 32
5. Graph > Probability plot > Normal 6. Graph Variable C1 7. Distribution Normal OK Los puntos deben quedar dentro del intervalo de confianza para indicar que es normal la distribucin.
P r obabil ity P l ot of Datos
Normal - 95% CI
99.9 99 95 90 80 70 60 50 40 30 20 10 5 1 0.1 Mean StDev N AD P-Value 269.3 30.72 100 0.317 0.533
Percent
150
200
250 Dat os
300
350
400
Determinacin de la capacidad del proceso con Minitab Una vez comprobada la normalidad de los datos, determinar la capacidad con: 1. Stat > Quality tools > Capability anlisis > Normal 2. Single column C1 Subgroup size 1 Lower Spec 200 Upper spec 330 3. Estimate R-bar OK Los resultados se muestran a continuacin:
Pgina 25 de 32
210
O bserv ed P erformance P P M < LS L 10000.00 P P M > U S L 30000.00 P P M Total 40000.00
240
270
300
330
360
Interpretacin: La desviacin estndar Within se determina en base al Rango medio y d2 (1.128 para n = 2), con esta se determinan los ndices de capacidad potencial Cp y Cpk, as como el desempeo Within, lo cual es adecuado para un proceso en control o normal. La desviacin estndar Overall se determina con la desviacin estndar de los datos ajustado por el factor C4.
Pgina 26 de 32
Opcin Six Pack para mostrar toda la informacin relevante: Determinar la capacidad con: 4. Stat > Quality tools > Capability Six Pack > Normal 5. Single column C1 Subgroup size 5 Lower Spec 200 Upper spec 330 6. Estimate R-bar OK Los resultados se muestran a continuacin:
C a p a b il it y H is t o g r a m
M ov ing R a nge C ha r t
1
M ov ing R a nge
100 50 0 1 10 20 30 40 50 60 70 80 90 100
UCL=113.6
L a s t 2 5 O b s e r v a t io n s
300 Va lues 250 200 80 85 90 Obse rv a tion 95 100
Overall
Specs
En este caso de la grfica de probabilidad normal, los datos siguen una distribucin normal.
Pgina 27 de 32
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
El histograma no muestra evidencia de alguna discrepancia seria entre el modelo y los datos, ya que la curva muestra buen ajuste. Sin embargo observamos que algunos datos caen fuera del lmite superior de especificacin. Lo cual quiere decir que en algunos casos la deformacin ser mayor a 3.5 mm. El ndice Ppk y Ppu3 = 0.85 lo cual nos dice que el proceso no es capaz ya que 0.85<.1.33 Tambin observamos que PPM > USL 3,795 lo cual significa que aproximadamente especificaciones.
3
3,795
PPM
estarn
fuera
de
los
lmites
de
Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo plazo.
Pgina 29 de 32
Al menos 99.73% para una capacidad de +- 3 sigmas equivalente a un Cp de 1 Al menos de 99.9936% para un acapacidad equivalente a +-4 sigmas equivalente a un Cp de 1.33. Para otro valor de P la capacidad equivalente en sigmas se determina dividiendo el valor de P / 2 y obteniendo el valor de Z correspondiente a esa rea bajo la curva. La capacidad ser de +Z sigmas.
Pgina 30 de 32
b. Nmero de defectos En este caso se requiere verificar y en todo caso mantener el proceso en control por medio de una carta C o U con muestra constante por al menos 25 puntos. La referencia son el nmero de defectos X que el cliente acepte. Con la lnea media indicando el promedio de defectos o C media, entramos a la tabal binomial o de Poisson tomando como Lamda la C media y como X los defectos aceptables por el cliente. La probabilidad de aceptacin mnima debe ser de 99.73% equivalente a un Cp de 1 o de 99.9936% para un Cp de 1.33, cualquier valor inferior indicar falta de capacidad del proceso.
Pgina 31 de 32
TABLA DE CONSTANTES PARA EL CALCULO DE LIMITES DE CONTROL Las constantes para lmites de control en las cartas X-R son: n 2 3 4 5 6 7 8 9 10 A2 1.88 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308 D3 0 0 0 0 0 0.076 0.136 0.184 0.223 D4 3.267 2.574 2.282 2.115 2.004 1.924 1.864 1.816 1.777 d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.97 3.078
Las constantes para lmites de control en las cartas X-S son: n 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 c4 0.940 0.952 0.959 0.965 0.969 0.973 0.975 0.978 0.979 0.981 0.982 0.984 0.985 0.985 0.986 0.987 0.988 0.988 0.989 0.989 0.990 A 1.342 1.225 1..134 1.061 1.000 0.949 0.905 0.866 0.832 0.802 0.775 0.750 0.728 0.707 0.688 0.671 0.655 0.640 0.626 0.612 0.600 A3 1.427 1.287 1.182 1.099 1.032 0.975 0.927 0.886 0.850 0.817 0.789 0.763 0.739 0.718 0.698 0.680 0.663 0.647 0.633 0.619 0.606 B3 0.000 0.030 0.118 0.185 0.239 0.284 0.321 0.354 0.382 0.406 0.428 0.448 0.466 0.482 0.497 0.510 0.523 0.534 0.545 0.555 0.565 B4 2.089 1.970 1.882 1.815 1.761 1.716 1.679 1.646 1.618 1.594 1.572 1.552 1.534 1.518 1.503 1.490 1.477 1.466 1.455 1.445 1.435 B5 B6 . 0.000 1.964 0.029 1.874 0.113 1.806 0.179 1.751 0.232 1.707 0.276 1.669 0.313 1.637 0.346 1.610 0.374 1.585 0.399 1.563 0.421 1.544 0.440 1.526 0.458 1.511 0.475 1.496 0.490 1.483 0.504 1.470 0.516 1.459 0.528 1.448 0.539 1.438 0.549 1.429 0.559 1.420
Pgina 32 de 32