Control de proceso

Primera etapa (prueba)

El proceso est bajo control?

Si

Segunda etapa (uso)

No

La funcin del control estadstico de procesos es comprobar en forma permanente si los resultados que van surgiendo de las mediciones estn de acuerdo con las dos primeras hiptesis. Si aparecen uno o varios resultados que contradicen o se oponen a las mismas, es necesario detener el proceso, encontrar las causas por las cuales el proceso se apart de su funcionamiento habitual y corregirlas. La puesta en marcha de un programa de control estadstico para un proceso implica dos etapas:

Antes de pasar a la segunda etapa, se verifica si el proceso est ajustado. En caso contrario, se retorna a la primera etapa. En la 1 etapa se recogen unas 100-200 mediciones, con las cuales se calcula el promedio y la desviacin standard: x=xiNy=(xxi)2N Luego se calculan los Lmites de Control de la siguiente manera: Lmite inferior = X3,09s ; Lmite superior = X+3,09s Estos lmites surgen de la hiptesis de que la distribucin de las observaciones es normal. En general se utilizan lmites de 2 sigmas de 3 sigmas alrededor del promedio. En la distribucin normal, el intervalo de 3,09 sigmas alrededor del promedio corresponde a una probabilidad de 0,998.

Se construye un grfico de prueba y se traza una lnea recta a lo largo del eje de ordenadas (Eje X), a la altura del promedio (Valor central de las observaciones) y otras dos lneas rectas a la altura de los lmites de control. En el grfico de prueba se representan los puntos correspondientes a las observaciones con las que se calcularon los lmites de control y se analiza detenidamente para verificar si est de acuerdo con la hiptesis de que la variabilidad del proceso se debe slo a un sistema de causas aleatorias o si, por el contrario, existen causas asignables de variacin. Esto se puede establecer porque cuando la fluctuacin de las mediciones se debe a un sistema constante de causas aleatorias la distribucin de las observaciones es normal: Cuando las observaciones sucesivas tienen una distribucin normal, la mayor parte de los puntos se sita muy cerca del promedio, algunos pocos se alejan algo ms y prcticamente no hay ninguno en las zonas ms alejadas. Es difcil decir como es el grfico de un conjunto de puntos que siguen un patrn aleatorio de distribucin normal, pero s es fcil darse cuenta cuando no lo es. Veremos algunos ejemplos de patrones No Aleatorios en el captulo 7. Si no se descubren causas asignables entonces se adoptan los lmites de control calculados como definitivos, y se construyen cartas de control con esos lmites.

Si slo hay pocos puntos fuera de control (2 3), estos se eliminan, se recalculan la media, desviacin standard y lmites de control con los restantes, y se construye un nuevo grfico de prueba. Cuando las observaciones no siguen un patrn aleatorio, indicando la existencia de causas asignables, se hace necesario investigar para descubrirlas y eliminarlas. Una vez hecho esto, se debern recoger nuevas observaciones y calcular nuevos lmites de control de prueba, comenzando otra vez con la primera etapa. En la 2 etapa, las nuevas observaciones que van surgiendo del proceso se representan en el grfico, y se controlan verificando que estn dentro de los lmites, y que no se produzcan patrones no aleatorios. Como hemos visto, el 99,8 % de las observaciones deben estar dentro de los lmites de 3,09 sigmas alrededor de la media. Esto significa que slo una observacin en 500 puede estar por causas aleatorias fuera de los lmites de control. Cuando se encuentra ms de un punto en 500 fuera de los lmites de control, significa que el sistema de causas aleatorias que provocaba

la variabilidad habitual de las observaciones ha sido alterado por la aparicin de una causa asignable que es necesario descubrir y eliminar. En ese caso, el supervisor del proceso debe detener la marcha del mismo e investigar con los que operan el proceso hasta descubrir la(s) causas que desviaron al proceso de su comportamiento habitual. Una vez eliminadas las causas del problema, se puede continuar con la produccin normal. Estos lmites de control se escogen de forma que si el proceso est bajo control, prcticamente todos los puntos del grfico estarn contenidos entre dichos lmites. En tanto los puntos estn dentro de los limites no ser precisa ninguna accin correctora porque se supone que el proceso est balo control. Sin embargo, un punto fuera de los lmites de control se interpreta como una evidencia de que el proceso est fuera de control debiendo investigarse la naturaleza de la causa o causas asignables presentes a fin de eliminarlas, adoptando la oportuna medida correctora. Si el proceso est bajo control, adems de situarse los puntos dentro de los lmites de control, todos los puntos del grfico presentarn una posicin originada por el azar sin la presencia de patrones especiales de variabilidad. IMPORTANTE : No hay que confundir los lmites de control con los lmites de tolerancia.

Los lmites de tolerancia son los valores de una determinada caracterstica que separan valores correctos e incorrectos de la misma (fijados normalmente por el proyectista para que el producto funcione adecuadamente). Los lmites de control son aquellos entre los cuales el estadstico considerado (sean valores individuales, medias, medianas, recorridos desviaciones tpicas, sumas acumuladas, etc.) tiene una probabilidad muy alta de situarse cuando el proceso est bajo control (no hay causa asignable). Cuando un proceso (que suponemos sigue una distribucin Normal) se desplaza respecto a sus valores nominales o aumenta su dispersin, genera ms elementos defectuosos (ms elementos fuera de los lmites de tolerancia).

Anlisis de defectos
Los datos sobre defectos aportan siempre mayor informacin que los relativos a unidades defectuosas ya que habitualmente existen diversos tipos de defectos. Al analizar por conteo la frecuencia de cada tipo de defecto observamos que, en muchas ocasiones, los resultados estn acordes con la distribucin de PARETO y que un pequeo nmero de defectos es causa de la mayor parte de los problemas. Si somos capaces de eliminar las causas de unos pocos tipos de defectos, habremos conseguido una drstica mejora en la calidad.