Академический Документы
Профессиональный Документы
Культура Документы
PROCESAMIENTO ESTADÍSTICO
DE DATOS DE PRODUCCIÓN
(Código:09110020)
Diciembre - 2012
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
TABLA DE CONTENIDO
Página
PRESENTACIÓN
1 INTRODUCCIÓN 5
2 RESEÑA HISTORICA 6
2.1 INICIOS DE LA CALIDAD 6
2.2 LOS GESTORES DE LA CALIDAD 6
2.3 EL CONTROL ESTADÍSTICO DE LA CALIDAD Y LA MEJORA DE
9
PROCESOS.
3 CONTROL ESTADÍSTICO DE PROCESOS 10
3.1 DEFINICIÓN 10
3.2 CICLO DEL CEP 11
3.3 CONCEPTOS 12
3.3.1 CONCEPTOS GENERALES 12
3.3.2 CONCEPTO DE VARIACIÓN 13
3.3.3 CURVA DE DISTRIBUCIÓN NORMAL 14
3.3.4 CONCEPTO DE PRECISIÓN Y EXACTITUD 15
4.0 HERRAMIENTAS CLASICAS PARA EL CONTROL DE PROCESOS 16
4.1 HISTOGRAMA 16
4.1.1 MEDIDAS DE TENDENCIAS CENTRAL O MEDIDAS DE
20
CENTRALIZACIÓN EN EL HISTOGRAMA
4.1.2 MEDIDAS DE DISPERSIÓN EN EL HISTOGRAMA 20
4.2 GRÁFICOS DE CONTROL DE PROCESOS O CARTAS DE CONTROL 21
4.2.1 GRAFICO PARA VARIABLES CUANTITATIVAS 22
4.2.2 GRAFICOS DE CONTROL PARA ATRIBUTOS 31
4.3 GRAFICO CAUSA EFECTO 39
4.4 DIAGRAMAS DE PARETO 41
4.4.1 DIAGRAMA DE PARETO DE FRECUENCIA 41
4.4.2 DIAGRAMA DE PARETO PARA COSTOS 42
4.5 GRÁFICO DE CORRELACIÓN O DISPERSIÓN. 43
4.6 PLANILLAS DE INSPECCIÓN U HOJAS DE VERIFICACIÓN 45
5.0 SOFTWARE PARA EL CONTROL ESTADÍSTICO DE PROCESOS 54
6.0 BIBLIOGRAFÍA
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
PRESENTACIÓN
En mundo globalizado, en dónde las barreras fronterizas se encuentran en una franca tendencia a
desaparecer y la apertura en los mercados mundiales es una realidad latente gracias a los tratados
de libre comercio y convenios internacionales, han obligado a las empresas nacionales a ser más
competitivas para permanecer activas ya que ahora, no solo se compite con las empresas locales,
sino que se deben medir con empresas internacionales que ofrecen los mismos productos y/o
servicios pero a un costo mucho menor y con una mayor calidad.
Las empresas que desean sobrevivir en este nuevo panorama deben de optimizar sus procesos y
recursos con el fin de crecer y así poder ofrecer al público un producto y/o servicio competitivo.
En una primera instancia las primeras soluciones propuestas por las empresas, en su mayoría,
implican cambios de tecnología, diseño, etc., lo que significa una fuerte inversión. Esta no es una
tarea sencilla especialmente para las pequeñas y medianas empresas, las cuales sus posibilidades
de grandes inversiones para modificar sus procesos son casi nulas.
Pero las grandes inversiones en tecnología de punta no es el primer paso que deben tomar las
empresas, primero deben asegurarse que sus procesos actuales son los más óptimos y para
lograrlo contamos con una herramienta sencilla pero poderosa para ayudarnos a tomar decisiones
encaminadas a mejorar nuestros procesos, el Control de Procesos el cuál es un conjunto de
herramientas estadísticas que nos permite recopilar, estudiar y analizar la información de procesos
repetitivos para poder tomar decisiones encaminados a la mejora de los mismos.
Dos de los principales factores que los consumidores toman en cuenta decidir comprar o no un
producto o servicio son el precio y la calidad, pero es esta última la que realmente marca la
diferencia. El presente trabajo pretende explicar las ventajas que implica aplicar el Control
Estadístico en los procesos de producción con el fin de mejorar los procesos productivos,
disminuyendo costos para así ofrecer productos realmente competitivos.
1 INTRODUCIÓN
Existe mucha literatura de control de calidad y/o procesos en sus distintas modalidades, todos los
autores coinciden en la necesidad de usar técnicas de calidad, y para cubrir esta necesidad existe
un conjunto de técnicas estadísticas llamadas herramientas básicas de la calidad que aplicada
combinadamente forman el Control Estadístico del Proceso (CEP).
Qué es Calidad?
Si buscamos la palabra "Calidad" en el diccionario encontramos las siguientes definiciones:
Conjunto de cualidades que constituyen la manera de ser de una persona o cosa; Propiedad o
conjuntos de propiedades inherentes a algo, que permiten juzgar su valor (Real Academia
Española, 23ª edición). En el área de negocios y en términos más prácticos, calidad se entiende
como "hacer bien las cosas a la primera vez" y / o "cumplir con los requerimientos del cliente".
Como podemos ver en las definiciones anteriores la Calidad puede ser un concepto bastante
abstracto lo que implica una dificultad al tratar de evaluarla ya que si un producto o servicio tiene o
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
no tiene calidad depende del "punto de vista" de la persona que lo evalúa, por ejemplo, el concepto
de calidad que tiene un comprador de una blusa es diferente al concepto de calidad que puede
tener el productor. Sin embargo todo servicio o producto se le puede asignar factores o
características medibles que nos dan de una manera más objetiva el nivel de calidad de un
producto o servicio.
Las características que establecen si un producto o servicio es de calidad son asignadas por los
clientes, dichas características son traducidas por los productores a especificaciones técnicas
(características medibles) de los procesos de fabricación del producto o del servicio. Una vez
establecidas las características medibles de los procesos se deben asegurar que cada uno de los
productos o servicios realizados cumplan con dichos requerimientos, lo que me asegurara la
calidad del producto o servicio.
Es importante recalcar que ningún producto o servicio es exactamente igual a otro sin importar que
sea realizados por la misma compañía, maquinaria y/o personas. Esto se debe a las variaciones
que se encuentran en cualquier proceso por lo que es necesario realizar un monitoreo para
asegurar que las variaciones no afecten la calidad del producto o servicio, esto se logra mediante el
uso de una herramienta estadística llamada Control Estadístico de Procesos CEP.
2 RESEÑA HISTÓRICA
En un principio la calidad era posible definirla como todo aquello que contribuyera a mejorar las
precarias condiciones de vida de la época prehistórica, es decir, las cosas eran valiosas por el uso
que se les daba, lo que era acentuado por la dificultad de poseerlas.
Conforme el ser humano evoluciona culturalmente y se dinamiza el crecimiento de los
asentamientos humanos, la técnica mejora y comienzan a darse los primeros esbozos de
manufactura; se da una separación importante entre usuario o cliente y el fabricante o proveedor.
La calidad se determinaba a través del contacto entre los compradores y lo vendedores, las
buenas relaciones mejoraban la posibilidad de hacerse de una mejor mercancía, sin embargo, no
existían garantías ni especificaciones, el cliente escogía dentro de las existencias disponibles.
Conforme la técnica se perfecciona y las poblaciones se transforman poco a poco en pueblos y
luego en ciudades de tamaño considerable, aparecen los talleres de artesanos dedicados a la
fabricación de gran variedad de utensilios y mercancías, cada taller se dedicaba a la elaboración de
un producto, eran especialistas en ello y basaban su prestigio en la alta calidad de sus hechuras,
las que correspondían a las necesidades particulares de sus clientes. En esta etapa surge el
comerciante, sirviendo de intermediario entre el cliente y el fabricante.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Comenzando con la aportación de Shewhart sobre reconocer que en todo proceso de producción
existe variación (Gutiérrez:1992), puntualizó que no podían producirse dos partes con las mismas
especificaciones, pues era evidente que las diferencias en la materia prima e insumos y los
distintos grados de habilidad de los operadores provocaban variabilidad. Shewhart no proponía
suprimir las variaciones, sino determinar cuál era el rango tolerable de variación que evite que se
originen problemas.
Para lograr lo anterior, desarrolló las gráficas de control al tiempo que Roming y Dodge
desarrollaban las técnicas de muestreo adecuadas para solamente tener que verificar cierta
cantidad de productos en lugar de inspeccionar todas las unidades. Este periodo de la calidad
surge en la década de los 30’s a raíz de los trabajos de investigación realizados por la Bell
Telephone Laboratories.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
3.1 DEFINICIÓN
El Control Estadístico de Procesos (C.E.P.), también conocido por sus siglas en inglés "SPC" es un
conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información de
procesos repetitivos para poder tomar decisiones encaminadas a la mejora de los mismos, es
aplicable tanto a procesos productivos como a servicios, siempre y cuando cumplan con dos
condiciones: Que sea medible y que sea repetitivo. El propósito fundamental de C.E.P. es
identificar y eliminar las causas especiales de los problemas (variación) para llevar a los procesos
nuevamente bajo control.
El C.E.P. sirve para llevar a la empresa del Control de Calidad "Correctivo" por inspección,
dependiente de una sola área, al Control de Calidad "Preventivo" por producción, dependiente de
las áreas productivas, y posteriormente al Control de Calidad "Predictivo" por diseño, dependiendo
de todas las áreas de la empresa. En la siguiente figura se muestra el ciclo de aplicación del
Control Estadístico de Proceso.
Una empresa que cuenta con Control Estadístico puede mejorar sus procesos, reducir reproceso y
desperdicios, lo que genera una reducción de costos ya que el C.E.P. involucra más que solo crear
el producto perfecto, implica además asegurar que los procesos internos son llevados
apropiadamente, que el equipo se le da el mantenimiento adecuado y que los recursos
suministrados son los indicados.
Las técnicas de control de procesos se pueden clasificar en dos grupos, las herramientas
clásicas y las nuevas herramientas. El primer grupo esta compuesto por Diagramas de Flujo
de Proceso, Diagrama Causa - Efecto, Diagrama de Paretto, Diagrama de Correlación o
Dispersión, Histogramas, Cuestionario Critico, Hoja de Seguimiento y Gráficos de control entre
otros.
Las nuevas herramientas son aquellas diseñadas para evaluar situaciones que las herramientas
clásicas no pueden detectar. Estas herramientas son: Diagrama de Afinidad, Diagrama de
Relaciones, Diagrama de Árbol, Diagrama Matricial, Diagrama Sagital, Diagrama de Decisiones de
Acción y Análisis Factorial entre otros.
Para iniciar un CEP satisfactorio, deben llevarse a cabo al menos los siguientes pasos:
a. Definir la variable representativa o critica del proceso a controlar (tiempo, costos, cantidad,
atributos de calidad y otros):
Es necesario tener claro que el interés principal en el estudio de una variable es el de observar
la tendencia que muestran los valores a través del tiempo, para tomar medidas correctivas en
cuanto se aparten de las especificaciones.
Las especificaciones están dadas por el cliente, por la competencia, por el mercado, por las
exigencias mismas del producto o por cualquier otro elemento.
3.3 CONCEPTOS
Población:
Cuando tenemos un conjunto muy grande de datos numéricos para analizar decimos que tenemos
un Universo o Población de observaciones.
Muestra:
Es un subconjunto pequeño de observaciones extraídas de un universo o población.
Muestreo Aleatorio:
En general, no es posible disponer de todas las observaciones de un universo o población, ya sea
porque es un universo hipotético o porque la recolección de todos los datos resulta una tarea
excesiva para nuestras posibilidades. Normalmente se dispone de una muestra de datos extraídos
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Defecto:
Fenómeno que se presenta en un producto el cual le impide cumplir con sus funciones.
Critico: Impide o dificulta el uso del producto.
Mayor : Limita el uso pero no lo hace inútil.
Menor :No limita ni perjudica el uso, pero si su imagen.
Defectuoso:
Todo producto que al menos posee un defecto generalmente mayor o critico.
Variables cualitativas o atributos: Son características de un elemento que varían y que no podemos
medir numéricamente. Ejemplo: Bueno-malo; sirve -no sirve; falso-verdadero.
Variables cuantitativas:
Son características medibles por instrumentos, otorgando un valor numérico de acuerdo a una
escala determinada.
Limites de especificación:
Es el rango de aceptación dado para una variable de un producto, y puede ser dado por el cliente,
por los consumidores, por el mismo proceso, etc.
Limites de control:
Es el rango donde se mueve la variable que se esta observando, y es básicamente dado por los
mismos datos del proceso.
*Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no
controlables (Causas no asignables) se dice que está funcionando bajo Control Estadístico.
*Cuando, además de las causas aleatorias, aparece una o varias causas asignables, se dice que el
proceso está fuera de Control Estadístico.
Un instrumento de medida puede proporcionar una serie de datos cuyo promedio sea diferente del
real por las siguientes causas:
El elemento medidor esta mal calibrado, considerando que hay precisión si el error es menor
que la tolerancia.
Falta de consistencia en las medidas obtenidas, haciendo varias mediciones sobre el mismo
producto, presentándose la variación de las medidas, entonces la dispersión resultante consta
de la variación, debida al instrumento mas la variación que se da de una unidad a otra del
mismo producto.
La precisión se refiere a la cercanía de los datos entre si, es decir nos mide la dispersión del
proceso, para esto se utilizan las medidas de variabilidad, como el rango, la desviación medida, la
desviación estándar y el coeficiente de variación entre otros.
La exactitud se refiere a la centralidad del valor medio de los datos, es decir nos indica que tan
centrado esta el proceso frente al objetivo que queremos, para esto se utilizan las medidas de
tendencia central como la media, la mediana, la moda entre otras.
4.1 HISTOGRAMA
Tipos de histograma
Normal (simétrico o de campana):
El valor de la media del histograma se encuentra en el centro del
rango de los datos. La frecuencia máxima está en la mitad y
desciende gradualmente hacia los lados. La forma es simétrica-
Tipo meseta:
La frecuencia en cada clase forma una meseta debido a que las
clases tienen frecuencias similares excepto aquellas en los extremos, esta forma ocurre al mezclar
varias distribuciones con distintos valores medios.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
1. Tomar los datos de determinada variable, teniendo en cuenta el tipo de muestreo y el tamaño
de la muestra.
7. Frecuencia (Fi): Número de veces que se repite un dato o un conjunto de datos en un grupo
determinado.
8. Frecuencia relativa (FR): Fracción o porcentaje que se repite un dato o un conjunto de datos en
un grupo determinado.
FR = (Fi / n)
9. Densidad de datos por grupo (di ): Es la cantidad de datos que se ubican en determinado
rango, puede darse según cantidad de datos Fi o por fracción de datos FR:
di= FR/C
10. Grafique: En el eje x coloque los intervalos o grupos, en el eje Y del lado izquierdo ubique la
frecuencia absoluta FI y del lado derecho la frecuencia relativa FR.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Ejemplo # 1.
Los siguientes datos fueron tomados al realizar un muestreo aleatorio en una línea de producción
de sustrato de BOPP para empaque de productos alimenticios. Los valores corresponden al
calibre en milesimas de pulgada (MILS).
TALLER # 1: Histograma
1. La siguiente tabla, muestra los datos de la resistencia a la tracción (en kg/mm2) de 40 probetas
de película de PET:
24.1 23.7 24.0 24.5 24.5 24.5 23.8 24.0 24.3 23.7
23.6 23.8 23.6 24.4 25.6 24.3 24.9 25.0 25.0 25.7
22.4 23.0 24.3 23.5 22.2 22.4 24.6 24.2 23.2 23.5
22.9 24.4 26.7 25.4 22.8 24.3 26.7 23.1 24.3 21.4
a. Hacer el histograma
b. ¿Considera que el proceso es normal?
c. Cuantas probetas resistieron un esfuerzo entre 23 y 25 kg/mm2
d. ¿Que porcentaje de producto no conforme se generó, si la especificación es 22 ± 1 kg/mm2?
e. ¿Cual es la resistencia a la tracción, que tienen la mayoría de las probetas?
Media o promedio X : Es el punto de equilibrio entre valores que están por encima y por debajo de
esta.
( X i .Fi )
X
n
Mediana (Me): Se define como el dato que no supera ni es superado por el 50% de los datos.
0.50 Frelativa..anterior
Me Linf erior
di
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Donde
Linferior = Limite inferior del grupo que tiene la mediana
ΣFrelativa anterior = Sumatoria de las frecuencia relativas anteriores
di= Densidad del grupo que contiene la mediana
Moda (Mo): Es el valor que se repite el mayor número de veces, la Moda para datos agrupados es
el promedio del grupo Xi que tenga mayor frecuencia Fi
Son medidas empleadas para determinar el grado de variabilidad de los datos, respecto a un
promedio.
Desviación Estandar :
X X .Fi
2
i
= =
n
Coeficiente de Variación (cv):
Es empleado cuando se desea comparar dos o mas variables para ver cual de ellas tiene mayor
variación relativa, puesto que está dada en términos porcentuales.
cv .100
X
También es útil cuando queremos comparar variaciones de datos expresados en diferentes
unidades de medida.
Ejemplo # 2: Calcular las medidas de centralidad y dispersión para los datos del anterior ejercicio.
Un gráfico de control es una carta o diagrama especialmente preparado donde se van anotando los
valores sucesivos de la Variable que se está controlando. Los datos se registran y grafican durante
el funcionamiento del proceso.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Los gráficos de control en general tienen una Línea Central que representa el promedio histórico
de la variable que se está controlando y Límites Superior e Inferior que también se determinan a
partir de datos históricos y en resumen nos pueden traer los siguientes beneficios:
Son una herramienta efectiva para entender la variación de los procesos y ayudan a conseguir el
control estadístico.
Dan información fiable de cuando se debería ajustar el proceso y cuando no.
Cuando un proceso está bajo control, su rendimiento será predecible. Por lo que, tanto el productor
como el cliente, serán conscientes de los niveles de calidad de los productos o servicios.
Un proceso bajo control estadístico puede ser mejorado a través de la reducción de la variabilidad
natural o aleatoria.
Los gráficos de control proporcionan un lenguaje común para comunicar información sobre el
rendimiento de los procesos.
Línea central LC
Gráficos para variables cuantitativas: cuando la característica de calidad puede ser medida.
(longitud, volumen, masa, etc.) los mas utilizados son los de medias y rangos X-R y los
individuales de x y rango móvil R
Gráficos por atributos: se utilizan para controlar el porcentaje de unidades defectuosas, o el número
de defectos por unidad; dentro de los límites naturales del proceso y detectar a tiempo cualquier
incremento significativo de cualquiera de ellos. Los más utilizados son np, p, c y u.
Este tipo de grafico utiliza el valor promedio de las medias y el rango medio de las mismas, son los
más utilizados por la sencillez del cálculo de R y la media. Para elaborar un grafico de control X-R
se deben seguir los siguientes pasos:
1. La construcción se inicia con la toma de muchas muestras pequeñas (20 muestras como
mínimo), de igual tamaño (4, 5 o 6 observaciones cada una) las razones que justifican el uso de
subgrupos son:
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
L.C. X
X R
n LC R
n
LCS X A2 R
LCS D4 R
LCI X A2 R LCI D3 R
Donde A2, D3, y D4 son constantes que dependen del tamaño de cada muestra así:
Tamaño de la Factor para Factor inferior Factor superior Factor para Cp
muestra gráfico x para gráfico R Para gráfico R
n A2 D3 D4 d2
2 1,88 0 3,268 1,128
3 1,023 0 2,574 1,693
4 0,729 0 2,282 2,059
5 0,577 0 2,114 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 2,970
10 0,308 0,2223 1,777 3,078
11 0,905 0,256 1,744 3,173
12 0,866 0,283 1,717 3,258
6. Si algún punto cae por fuera de los límites de control, se buscan causas asignables de variación,
y se procede a recalcular los límites de control eliminando dichos puntos.
7. Se vuelve a hacer el grafico con los límites de control recalculados y se dejan como limites
permanentes.
NOTA: los pasos 6 y 7 se hacen solo cuando se esta haciendo los gráficos por primera vez
8. Se analiza la información dividiendo el gráfico en 3 zonas, aplicando los ocho pasos así:
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Prueba 1. Prueba 2.
Un punto fuera de la zona A (por arriba o por abajo). Nueve puntos seguidos en la zona C por debajo o
por arriba de la línea central
Prueba 3. Prueba 4.
Seis puntos seguidos (tendencia) con aumento o disminución Catorce puntos seguidos alternando arriba y
estables. debajo de la línea central.
Prueba 5. Prueba 6.
Dos de cada tres puntos seguidos en la zona A o más allá. Cuatro de cada cinco puntos seguidos en la zona
B + A.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
Prueba 7. Prueba 8.
Catorce puntos seguidos en la zona C (arriba y debajo de la Ocho puntos seguidos a ambos lados de la recta
línea central). central y ninguno en C.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
GRAFICO DE CONTROL
Núm eros de
Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1
2
3
4
5
SUMA
PROMEDIO X
RANGO R
1. En una línea de llenado de leche liquida presenta problemas con las diferencias del volumen,
parece que el problema radica en la distancia de la marca de fotocelda cuyo (V.N.) es 180 mm se
desea hacer un seguimiento a esta variable para determinar si afecta o no el proceso. De acuerdo
a la producción se toma una muestra de tamaño n=4 unidades cada hora, presentando los
siguientes datos:
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
1 178 180 181 180 179 180 183 180 179 180 179 181 178 181 182 178 183 180 181 177
2 179 182 179 180 181 182 178 182 182 179 182 180 179 179 178 182 177 182 179 182
3 178 182 182 179 179 183 180 181 181 183 181 180 180 181 180 183 180 180 180 182
4 180 179 177 183 182 182 179 178 182 179 181 179 183 180 178 183 179 177 178 180
X
R
La función de un sistema de control del proceso es suministrar una señal estadística cuando
existen causas asignables de variación. La eliminación sistemática de causas asignables de
variación excesiva, a través de esfuerzos determinados continuos, sitúa el proceso en un estado de
control estadístico. Una vez que el proceso está operando en condiciones de control estadístico, su
desempeño es predecible y se puede evaluar su capacidad para cumplir las especificaciones.
La capacidad del proceso se determina mediante la variación total que se debe a causas comunes
la variación mínima que se puede lograr después de haber eliminado todas las causas asignables.
La capacidad del proceso representa el desempeño del proceso mismo, según se demuestra
cuando el proceso opera en un estado de control estadístico. Como tal, el proceso primero tiene
que ser puesto bajo control estadístico antes de que se pueda evaluar su capacidad. Así pues, la
evaluación de la capacidad del proceso comienza después de que se han resuelto los asuntos del
control en los gráficos de x y en los de R; esto es, las causas especiales han sido identificadas,
analizadas, corregidas y se ha evitado que ocurran de nuevo; además, los gráficos de control
progresivos reflejan un proceso que ha permanecido bajo control estadístico en forma
predominante para al menos los 25 subgrupos anteriores. En general, se compara la distribución
de la salida del proceso con las especificaciones de ingeniería, para ver si estas especificaciones
se pueden cumplir de manera constante.
Estudio del potencial del proceso. En este estudio se obtiene una estimación de lo que puede hacer
un proceso bajo ciertas condiciones, es decir, la variabilidad en condiciones definidas a corto plazo
para un proceso en estado de control estadístico.
Donde
LES = Límite de especificación superior.
LEI= Límite de especificación inferior.
= Desviación estandar, se estima a partir de la variación promedio dentro del subgrupo y esta
dada por R / d 2 .
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
LES
LCS
LCS LCS=LES
LES
LEI
LCI LCI LCI= LEI
LEI
Un valor de CP menor que 1 indica que el proceso no tiene capacidad, mientras que CP = 1 implica
que el proceso apenas tiene capacidad. En la práctica, un valor de CP de 1,33 generalmente se
toma como el valor mínimo aceptable porque siempre hay alguna variación de muestreo y ningún
proceso está siempre completamente bajo control estadístico.
Sin embargo, se debe observar que el índice CP mide únicamente la relación de los límites con la
dispersión del proceso; no se considera la localización o el centrado del proceso. Sería posible que
cualquier porcentaje de valores estuviera por fuera de los límites de la especificación y que hubiera
un alto valor de CP.
Estudio del desempeño del proceso. En este estudio, una estimación de la habilidad del proceso
proporciona un panorama de lo que el proceso está haciendo durante un periodo largo. También se
supone un estado de control estadístico. El índice Cpk estima la capacidad.
Por esta razón, es importante considerar la distancia a escala entre el promedio del proceso y el
límite de especificación más próximo. Para la cual se debe medir con el índice Cpk que viene dado
por el menor valor entre Cpk1 y Cpk2 así:
LES X
Cpk1
3
X LEI
Cpk 2
3
Taller #4: Calcular la capacidad (Cp y Cpk )de proceso del taller anterior si las especificaciones son
V.N. ± 10%
Línea Central: np
np
m
LCS= np 3 np(1 p)
LCI= np 3 np(1 p)
Ejemplo #5:
En un proceso de impresión flexográfica, se considera como producto defectuoso, todo rollo de
material impreso con problemas en la lectura del código de barras, haciendo un muestreo cada
turno tenemos:
Núm eros de
Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Taller #5: En una empresa de extrusión de película se desea controlar la calidad del tratamiento
corona, en cada rollo de 50 Kg. Todo rollo que tenga un tratamiento menor a 38 dinas/cm. se
considera defectuoso. Hacer el diagrama de control correspondiente si se toman 15 rollos por cada
turno:
16 0
17 2
18 1
19 3
20 0
4.2.2.2 Grafico p:
Fracción de productos defectuosos por muestra, se permite que el tamaño de muestra sea
constante o variable.
np
Fracción de producto defectuoso: p
n
Línea Central: p
p
m
Ejemplo # 6: En una empresa de producción de sobres plásticos tipo manila para manipular
documentos, se considera como sobre defectuoso, todo aquel que no cierre herméticamente (1),
que tenga defectos en la impresión (2) que tenga defectos en el sellado (3), y sobres con tinta
corrida (4). Haciendo un muestreo cada 1.000 unidades tenemos:
Taller #6: Los resultados de una inspección de muestras de tamaño variable de bolsas de PEAD
para empacar pollos, nos muestra la siguiente cantidad de productos defectuoso (impresión
defectuosa, selle torcido, troquelado insuficiente) por muestra:
No Tamaño Cantidad de Fracción de
muestra muestra defectuosos defectuosos
( ) ( )
1 25 5
2 25 4
3 26 5
4 25 5
5 28 3
6 25 5
7 25 6
8 25 5
9 27 2
10 30 5
11 29 7
12 28 8
13 27 3
14 28 6
15 28 2
16 26 5
17 27 2
18 25 5
19 27 1
20 26 7
21 25 4
4.2.2.3 Gráfico C:
Muestra la cantidad de defectos por muestra, es condición que el tamaño de muestra sea
constante.
Línea Central: c
c
m
LCS= c 3 c
LCI= c 3 c
Ganancia de
Piel naranja
Mal registro
Mal anclaje
Color fuera
de patron
Película
(m) muestra
de tinta
Total de
lavada
Muare
punto
defectos
(metros) (C)
(n)
1 2 xx x x 4
2 2 x x 2
3 2 x xx 3
4 2 x x x 3
5 2 x x 2
6 2 x xx 3
7 2 x 1
8 2 x x 2
9 2 x 1
10 2 x 1
11 2 x 1
12 2 x x 2
13 2 X 1
14 2 x 1
15 2 x 1
16 2 x X 2
17 2 x 1
18 2 x 1
19 2 x x 2
20 2 xxx x 4
4.2.2.4 Grafico u: Muestra la cantidad de defectos por unidad de inspección, se permite que el
tamaño de muestra sea constante o variable.
c
Defectos por unidad de inspección = u
n
Linea central= u
u
m
Taller #8: En una empresa de extrusión de películas plásticas se desea conocer cual de sus dos
líneas de producción genera menor cantidad de defectos superficiales en las bolsas, especialmente
geles y puntos negros (quemados) cada línea saca un producto con determinadas dimensiones y
se tienen gráficos de control de cantidad de defectos (geles y quemados) por muestras así:
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 4
En resumen para utilizar una grafico de control podemos ayudarnos del siguiente diagrama
2. Realizar sesión de “Lluvia de Ideas”, para enumerar todas las posibles causas.
El grupo se reúne y las personas expresan por turnos rigurosos, dando una idea cada vez.
La función del líder de grupo o moderador es promover la libre discusión y no de dirigir la
sesión. Se debe evitar hacer evaluaciones de lo expuesto por los miembros del grupo y
mantener un tono neutro: “ni bueno”, “ni malo”.
Es necesario elaborar una lista de los puntos expuestos por cada miembro en un lugar
visible. Se debe dar varias oportunidades a las personas para exponer sus ideas, hasta
agotarlas. En el grupo de trabajo se discuten y se amplían las ideas sugeridas.
Se utilizan mecanismos del consenso para tomar decisiones, por ejemplo: ¿Cuáles causas
son las mayores?, ¿Cuál es el camino a seguir?, etc.
Incorporar a cada una de estas flechas, secundarias, los factores detallados que pueden ser
considerados como actuantes en cada categoría.
Mezcladora Medición
Calibración
Picnómetro
Refrigeración Equipo de
Ajuste medición
Motor Capacitación
Balanza
Mantenimiento Operador
Agitación
Limpieza Habilidad
CARACTERÍSTICAS
DE CALIDAD
Proveedor A
Intensivos
Capacitación Composición
Cantidad Aceite
Huevos
Personas Balanza
Materias Mantenimiento
Primas Cantidad
Los diagramas de Pareto fueron desarrollados por el Italiano Wilfredo Pareto (1879) son muy útiles
para determinar que problemas debemos resolver y en que orden de importancia.
Su filosofía es:
Pocos casos vitales 20% causas 80% del Problema
Muchos casos triviales 80% causas 20% de problemas
Su uso es igual que el anterior, a diferencia que en este diagrama se hace la clasificación
decreciente de acuerdo al valor o al costo que tiene el problema para la empresa. Generalmente el
estudio de problemas van acompañados de ambos diagramas, para hacer una evaluación mas
apropiada. Al hacer el ejercicio veremos cual es el problema mas frecuente y mas costoso,
entonces se aconseja hacer otro diagrama de Pareto para dicho problema.
Taller # 9:La siguiente tabla representa la frecuencia y los costos de los arreglos de los defectos
observados en el cumplimiento de la garantía a el almacén “ EL EXITOSO” de triciclos plásticos en
los últimos 2 meses de la empresa “TRICIPLASTICOS S.A.”
Determine cuales causas se deben eliminar primero de acuerdo a la frecuencia y a los costos.
DEFECTO FRECUENCIA COSTO /UNIDAD
4.5 A. Partes muy débiles 30 600
B. Color fuera de patrones 9 50
C. Rebabas en las uniones 12 20
D. Uniones despegadas 50 160
E. Pedales incompletos 9 10
F. Desgaste de llantas 7 30
G. Piezas de diferente color 5 10
H. Pito faltante 6 10
Y. Ensamble incorrecto 8 10
J. Calcomanías rotas 9 20
K. Piezas deformadas 1 30
L. Tornillos flojos 2 10
M. Otros 3 50
GRÁFICO DE CORRELACIÓN O DISPERSIÓN.
El Coeficiente de Correlación “r” se utiliza para determinar el grado de asociación entre dos
variables. Su calculo se realiza a través de la siguiente expresión.
n xy x y
r
n X 2
( x ) 2 n y 2 ( y ) 2
Ejemplo # 11: Supongamos que tenemos un grupo de personas adultas de sexo masculino. Para
cada persona se mide la altura en metros (Variable X) y el peso en kilogramos (Variable Y). Es
decir, para cada persona tendremos un par de valores X, Y que son la altura y el peso de dicha
persona:
8 1.81 82.5
9 1.76 82.5
10 1.63 65.8
11 1.66 74.9
12 1.96 88.1
13 1.56 65.3
14 1.55 64.5
15 1.71 75.5
Sumatorias
Los datos que se obtienen al medir una característica de calidad pueden recolectarse utilizando
Planillas de Inspección. Las Planillas de Inspección sirven para anotar los resultados a medida que
se obtienen y al mismo tiempo observar cual es la tendencia central y la dispersión de los mismos.
Es decir, no es necesario esperar a recoger todos los datos para disponer de información
estadística.
¿Cómo realizamos las anotaciones? En lugar de anotar los números, hacemos una marca de algún
tipo (*, +, raya, etc.) en la columna correspondiente al resultado que obtuvimos.
Vamos a suponer que tenemos un lote de artículos y realizamos algún tipo de medición. En primer
lugar, registramos en el encabezado de la planilla la información general: Nº de Planilla, Nombre
del Producto, Fecha, Nombre del Inspector, Nº de Lote, etc. Esto es muy importante porque
permitirá identificar nuestro trabajo de medición en el futuro.
Regional Valle Fecha:
Dic 2012
Centro Nacional de Asistencia Técnica a la Industria – ASTIN
Versión: 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 3.1 3.2 3.3
30
LIE LSE
20
15
10
FRECUENCIA 1 2 6 13 11 16 9 17 18 17 19 18 16 13 8 5 6 2 1
Para cada columna contamos el total de resultados obtenidos y lo anotamos al pié. Esta es la
Frecuencia de cada resultado, que nos dice cuáles mediciones se repitieron más veces.
¿Qué información nos brinda la Planilla de Inspección? Al mismo tiempo que medimos y
registramos los resultados, nos va mostrando cual es la Tendencia Central de las mediciones. En
nuestro caso, vemos que las mismas están agrupadas alrededor de 2.3 aproximadamente, con un
pico en 2.1 y otro en 2.5 . Habría que investigar por que la distribución de los datos tiene esa forma.
Además podemos ver la Dispersión de los datos. En este caso vemos que los datos están dentro
de un rango que comienza en 1.5 y termina en 3.3 . Nos muestra entonces una información acerca
de nuestros datos que no sería fácil de ver si sólo tuviéramos una larga lista con los resultados de
las mediciones.
Y además, si marcamos en la planilla los valores mínimo y máximo especificados para la
característica de calidad que estamos midiendo (LIE y LSE) podemos ver que porcentaje de
nuestro producto cumple con las especificaciones.
6 BIBLIOGRAFÍA
MONTGOMERY, D.C. (2001): Introduction to Statistical Quality Control (4th ed.). John Wiley,
New York.
RYAN, T.P. (2000): Statistical Methods for Quality Improvement. Jonh Wiley, New York.
Paginas Web
http://www.monografias.com
http://www.calidad.com.ar
http://www.tqm-manager.com.ar
http://www.wikipedia.com
http://www.wikilearning.com