02/02/2013

1
Plan del Estudio de
Capacidad del
Proceso
Pensar cientficamente es pensar
estadsticamente. Pensar estadsticamente es
pensar experimentalmente
Planificando la realizacin del estudio

Elaborado por A. Mayorga
Noviembre 2012
2
02/02/2013
2
Elaborado por A. Mayorga
Noviembre 2012
3
Elaborado por A. Mayorga
Noviembre 2012
4
02/02/2013
3
5
Elaborado por A. Mayorga
Noviembre 2012
Un estudio de capacidad de
procesos es un proceso de dos
etapas que involucra:
Llevar el proceso a un estado de
control estadstico (estado de
operacin estable) por un perodo
razonable de tiempo
Realizar una comparacin entre
el desempeo a largo plazo del
proceso y los requerimientos de la
Gerencia o de Ingeniera
(especificaciones).
Por consiguiente, un estudio de la
capacidad del proceso involucra
dos fases: la evaluacin de la
estabilidad del proceso y, una vez
alcanzada la estabilidad, la
evaluacin de la capacidad del
proceso.
5
6
Qu involucra un estudio de capacidad de
proceso?
Seleccionar la
variable de estudio
Estudio exploratorio de
la variable de estudio
Caracterizacin del
proceso que genera
los datos
Seleccin del modelo
distribucional de mejor
ajuste
Seleccin del mtodo
y sistema de medicin
Seleccin del tamao
de muestra
Toma de datos
Depuracin de los
datos
Estudio de estabilidad
del proceso
Medicin de la
capacidad del
proceso
02/02/2013
4
En algunos casos porque no tenemos
el tiempo, el personal, o el dinero para
examinar una poblacin entera o lote
(todo el material de inters).
En otros casos, porque la medicin de
la propiedad de inters puede requerir
la destruccin de la pieza.
Utilizamos muestreo en situaciones
tales como:
La caracterizacin de la variacin
en un proceso de manufactura
Control del proceso, o
Liberacin de un producto.
Muestreo
Por qu
muestreamos?
Elaborado por A. Mayorga
Noviembre 2012
Qu clase de muestra deseamos?
Si deseamos conocer el promedio total
verdadero de un lote, entonces
requerimos una muesra que sea
representativa del lote.
Esto implica que deseamos una muestra
que sea un microcosmos del lote, en
una manera tal que si deseamos
conocer algunas propiedades de
inters del lote (como su fraccin
defectuosa), nuestra muestra posea las
mismas propiedades.
7
Por consiguiente, si deseamos caracterizar un lote,
definindolo en el tiempo o en el espacio,
entonces la meta de un buen muestreo es seguir
un protocolo de muestreo que produzca una
muestra cuya medicin de inters sea tanto:
1. Representativa del lote entero, como
2. Consistente como sea posible, tericamente,
con otras muestras que puedan obtenerse si el
protocolo de muestreo completo se repitiera.
Elaborado por A. Mayorga
Noviembre 2012
8
02/02/2013
5
Muestreo representativo
Deseamos obtener muestras que sean representativas del lote completo. A partir de la
experiencia, sabemos, sin embargo, que los valores de las propiedades de inters
varan de muestra a muestra. As, las muestras no pueden ser completamente
representativas.
La clave es aplicar el principio estadstico
del muestreo aleatorio:


Cmo podemos obtener muestras
representativas, o al menos muestras
aproximadamente representativas?
el muestreo al azar de unidades
individuales minimiza la
variacin muestra-a-muestra
Las muestras aleatorias pueden concebirse como
siendo extradas en una manera arbitraria y
desorganizada. Pero, de hecho, son ms
representativas y ms consistentes bajo situaciones de
muestreo repetido que aquellas muestras obtenidas de
otro modo.
Elaborado por A. Mayorga
Noviembre 2012
9
Determinacin del tamao
requerido de la muestra
Elaborado por A. Mayorga
Noviembre 2012
Cuntos individuos debo
considerar en el estudio con el fin
de dotar de confiabilidad a los
resultados alcanzados?
De cules estrategias dispongo
para determinarlos?
Bueno, depende del tipo de
estudio por realizar, pero
podemos seguir alguna o ambas
de las siguientes:
1. A partir de los Intervalos de
Confianza para el estadstico
de prueba (en nuestro caso el
ndice de capacidad del
proceso C
pk
)
2. A partir del grado de
precisin requerido en una
Prueba de Hiptesis dada.
10
02/02/2013
6
Elaborado por A. Mayorga
Noviembre 2012
Clculo del tamao de la muestra para el
clculo del C
pk
El mtodo de Bissell parece ser un buen estimador
para n 30 a un 95% de nivel de confianza para el
C
pk
.
La aproximacin de Bissell para el lmite de
confianza inferior del C
pk
viene dada por
Notablemente el trmino 2(n 1) 2n, para
n 30, as que podemos reescribir
Tal y como se observa, la frmula aproximada para
el tamao de muestra requiere de muestras grandes
(n 30) para obtener un lmite inferior de confianza
aceptable para el C
pk
.
( ) ( ) 1 n 2
C
n 9
1
z C
1 n 2
1
n C 9
1
z 1 C C
2
pk
pk 2
pk
pk pk

+ =
|
|
.
|

\
|

+ =
o o

( )
( )
|
|
.
|

\
|
+
|
|
.
|

\
|

=
|
|
.
|

\
|
+

=
|
|
.
|

\
|
+ =
+ =
o o
o
o
2
1
C 9
1
C
C
1
z
2
C
9
1
C C
z
n
2
C
9
1
n
z
C C
n 2
C
n 9
1
z C C
2
pk
2
pk
pk
2 2
pk
2
pk pk
2
2
pk
2
2
pk pk
2
pk
pk pk

( )
( )
2
pk
pk
C 9
1
2
C
33 . 1
2
5 . 0
1
z
n

~
o
Chin-Chuan Wu & Hsin-Lin Kuo. Sample Size Determination for the Estimate of
Process Capability Indices. Information and Management Sciences. Volume
15, Number 1, pp.1-12, 2004.
99% 95% 90%
z
a
F 2.33 1.645 1.28
n
30 1.94 1.71 1.61
50 1.76 1.61 1.54
80 1.65 1.54 1.49
100 1.61 1.52 1.47
150 1.55 1.48 1.44
200 1.52 1.46 1.43
250 1.48 1.44 1.42
300 1.48 1.43 1.41
Cpk deseado: 1.33
Confidence level Tamao de
muestra
Valor aproximado del Cpk requerido
Crossley (2008: 531): The Desk reference for Statistical
Quality Methods
0
n 9
z
7689 . 1 C 66 . 2
n 2
z
1 C
2
pk
2
2
2
pk
=
|
|
.
|

\
|
+
|
|
.
|

\
|

o o

De donde, para un C
pk
real de 1.33:
11
Elaborado por A. Mayorga
Noviembre 2012
Por su parte, Mathews (2010: 230-231) propone una
aproximacin (vlida para valores grandes de n),
para el intervalo de confianza del C
pk
, dado por
( )
2
1
2 2
pk 2
pk
2
2
2
2 2
z 5 . 0 n 3
z
C o
C 9
1
5 . 0
z
n
o
o o
o
~
|
|
.
|

\
|
+
o
~

Conforme Cpk , esta ecuacin puede

aproximarse por:
2
2
2
z
n
2
o
~
o
( ) ( ) | |
|
|
.
|

\
|
+ = o
o = o + s s o
o
2
pk
pk pk pk
C 9
1
5 . 0
n
1
z
con
1 1 C C 1 C ob Pr
2


As el tamao aproximado de muestra requerido
para estimar el C
pk
con una precisin relativa
especificada (o) es:
Observe que:
0 z 5 . 0 n
2 2
2
> o
o
12
02/02/2013
7
z
a
F 1.960 o = 0.05
n Cpk,L n Cpk,L n Cpk,L n Cpk,L n Cpk,L n Cpk,L
1.35 21,549 1.34 862 1.30 215 1.25 96 1.20 54 1.15 34 1.10
1.40 21,385 1.39 855 1.35 214 1.30 95 1.25 53 1.20 34 1.15
1.50 21,104 1.49 844 1.45 211 1.40 94 1.35 53 1.30 34 1.25
1.60 20,875 1.59 835 1.55 209 1.50 93 1.45 52 1.40 33 1.35
1.70 20,684 1.69 827 1.65 207 1.60 92 1.55 52 1.50 33 1.45
1.80 20,525 1.79 821 1.75 205 1.70 91 1.65 51 1.60 33 1.55
1.90 20,390 1.89 816 1.85 204 1.80 91 1.75 51 1.70 33 1.65
2.00 20,274 1.99 811 1.95 203 1.90 90 1.85 51 1.80 32 1.75
0.2 0.25
Precisin deseada (o) y Lmite inferior del Cpk
Mathews (2010: 230-231), Sample Size Calculations: Practical Methods for Engineers and Scientists
0.01 0.05 0.1 0.15
Valor
requerido
del Cpk
2
1
2 2 pk 2
pk
2
2
2
2 2
z 5 . 0 n
1
3
z
C o
C 9
1
5 . 0
z
n
|
|
.
|

\
|
o
~
|
|
.
|

\
|
+
o
~
o
o o

Tamao aproximado de muestra requerido para estimar el C

pk
con una precisin
relativa especificada (o) y un nivel de confianza (1-o) del 95%
Elaborado por A. Mayorga
Noviembre 2012
13
Tamao aproximado de muestra requerido para estimar el C
pk
con una precisin
relativa especificada (o) y un nivel de confianza (1-o)
99% 95% 90%
2.326 1.645 1.282
0.010 27,059 13,528 8,212
0.025 4,330 2,164 1,314
0.050 1,082 541 328
0.100 271 135 82
0.125 173 87 53
0.150 120 60 36
0.175 88 44 27
0.200 68 34 21
Tamao de muestra (n) requerido
Nivel de confianza (1- o)
Mathews (2010: 230-231), Sample Size Calculations:
Practical Methods for Engineers and Scientists
Precisin
deseada (o)
2
2
2
z
n
2
o
~
o
Elaborado por A. Mayorga
Noviembre 2012
14
02/02/2013
8
Factores que afectan el tamao de muestra
Elaborado por A. Mayorga
Noviembre 2012
El nivel de confianza deseado (1-o)
La precisin requerida del estudio (o)
Si la prueba es de una o de dos colas
A menudo, limitaciones prcticas (tales como costo, tiempo o el
nmero de tems disponibles) inhiben el uso de un tamao
precalculado de muestra.
En tales situaciones es necesario
establecer un compromiso
mediante la precisin que el
experimento es capaz de resolver
para el tamao de muestra
prefijado (n
-
).
El experto del proceso necesitar
seleccionar en este caso un valor
para la precisin que sea lo
suficientemente pequeo para ser
til pero no ms pequeo de lo
requerido con el fin de mantener
el tamao de muestra a un
mnimo.
2
1
2
n 2
z
2
|
|
.
|

\
|
~ o
-
o
( ) 2
2
C
2
z
n
pk
o
~
o

( ) 2
2
C
2
z
n
2
pk
o
~
o

1 cola
2 colas
15
El nivel de confianza
seleccionado debe ser acorde al
riesgo involucrado: a mayor
riesgo, mayor el nivel de
confianza.
Extraccin de la muestra
Elaborado por A. Mayorga
Noviembre 2012
Cmo debo seleccionar de
entre todos los miembros de
la poblacin (lote/lotes) a los
individuos que van a integrar
la muestra?
R/: Mediante un procedimiento
que asegure que cada
miembro de la poblacin
posea la misma probabilidad
de pertenecer a la muestra!!!
Es decir, mediante un
Procedimiento de Seleccin
Aleatoria.
As el tamao de
muestra y el
procedimiento de
seleccin aleatoria nos
aseguran la
representatividad y
homogeneidad de la
muestra respecto de la
poblacin a la que
pertenece.
16
02/02/2013
9
Extraer una muestra aleatoria brinda as:
1. Un resultado estadstico no sesgado, y
2. Un estimado estadstico de la
precisin del resultado.
El muestreo aleatorio es utilizado, as, para
asegurar tanto como sea posible que
toda unidad en el lote posea una
probabilidad igual de pertenecer a la
muestra.
Vista de esta manera, es una idea bsica
que se justifica intuitivamente, es
comprensible tericamente y aceptada
en la prctica.
El problema es implementarlo !!!
Procedimiento de Seleccin
Aleatoria
Cmo implementar
el procedimiento de
seleccin aleatoria?
Bueno, depende de la situacin.
1. Como las unidades se producen en el
transcurso del tiempo, se podra
aleatorizar los minutos o las horas con un
generador de nmeros aleatorios con el
fin de determinar los tiempos en que se
debe extraer cada unidad.
2. Si las unidades pertenecen a un lote ya
producido y empacado, se podran
asignar nmeros a cada caja en cada
cama de una tarima y despus
seleccionar las cajas aleatoriamente.
Despus se procedera a tomar unidades
aleatoriamente de cada caja.
(Slo habra que asegurar que las unidades
dentro de cada caja estn perfectamente
mezcladas !!!!!)
Elaborado por A. Mayorga
Noviembre 2012
17
Elaborado por A. Mayorga
Noviembre 2012
REFERENCES
Chin-Chuan Wu & Hsin-Lin Kuo. Sample Size Determination for the Estimate of Process
Capability Indices. Information and Management Sciences. Volume 15, Number 1, pp.1-12,
2004.
Mathews, Paul. Sample Size Calculations: Practical Methods for Engineers and Scientists. 2010.
Crossley, Mark. The Desk Reference for Statistical Quality Methods. 2008. ASQ Press.
Smith, P. L. A Primer for Sampling Solids, Liquids, and Gases: Based on the Seven Sampling Errors
of Pierre Gy. 2001. American Statistical Association and the Society for Industrial and Applied
Mathematics.
Ellis, Paul. The Essential Guide to Effect Sizes: Statistical Power, Meta-analysis, and the
Interpretation of Research Results. 2010. Cambridge University Press.
Brush, Gary. How to Choose the Proper Sample Size. 1988. ASQC Press.
Fuller, Wayne. Sampling Statistics. 2009. A John Wiley & Sons, Inc., Publication.
Dietrich & Schulze. Statistical Procedures for Machine and Process Qualification. 1999. ASQ
Press.
Sampath, S. Sampling Theory and Methods. 2001. CRC Press.
Loon Ching Tang [et al.]. Six Sigma: Advanced Tools For Black Belts And Master Black Belts.
2006. John Wiley & Sons Ltd.
ASTM E2281-03. Standard Practice for Process and Measurement Capability Indices.
18