Вы находитесь на странице: 1из 8

DETERMINACIÓN DE LOS PARÁMETROS DEL PROCESO DE

FABRICACIÓN DE CHAZOS

DETERMINATION OF THE PARAMETERS OF THE


MANUFACTURING PROCESS OF CHAZOS

ADRIANA ACERO
Microbióloga, Universidad Libre, Experiencia en sistemas integrados de gestión y aseguramiento de la calidad,
adry.acero0621@gmail.com

CARLOS MARTINEZ
Ingeniero Químico, Universidad del Atlántico, Experiencia en sistemas integrados de gestión y aseguramiento de la calidad,
carlosmartinez.44@hotmail.com

ERIKA SAUCEDO
Ingeniera Química, Universidad del Atlántico, Experiencia en sistemas integrados de gestión y aseguramiento de la calidad,
erikasaucedo23@gmail.com

FRANCISCO ARCIERI
Ingeniero Químico, Universidad del Atlántico, Experiencia en sistemas integrados de gestión, aseguramiento de la calidad y
producción, franciscoarcieri@hotmail.com

RESUMEN

El propósito de este trabajo consistió en realizar un control estadístico de procesos (Fase I) en la variación
de las dimensiones físicas (longitud y diámetro externo) de chazos plásticos empleando herramientas
estadísticas tales como: Histogramas, diagrama de seguimiento, Gráficos de control, entre otros. Este
articulo busca resaltar la importancia que tiene el control estadístico para determinar los parámetros de un
proceso con la ayuda de datos históricos o a largo plazo, que permitan establecer condiciones de referencia
para garantizar la obtención de productos que cumplan con las especificaciones requeridas.

PALABRAS CLAVE: Control estadístico, grafico de control, histograma.

ABSTRACT

The purpose of this work was to perform a statistical control of the processes (Phase I) in the reduction of
the physical dimensions (length and external diameter). Other This article seeks to highlight the
importance of statistical control to determine the parameters of a process with the help of historical data
over time, the reference conditions for obtaining products that meet the required specifications.

KEYWORDS: Statistical control, control chart, histogram.


1. INTRODUCCIÓN El objetivo de este trabajo es determinar los
parámetros de proceso de la producción de
La calidad es uno de los factores más chazos plásticos, a partir de las mediciones de
influyentes para la toma decisiones en los dimensiones físicas de longitud y diámetro
consumidores cuando deben elegir entre externo de una muestra de 30 chazos
productos y servicios similares que compiten plásticos por medio de un calibrador con
entre sí. Por ese motivo las empresas resolución de 0,05mm, realizar diagrama de
actualmente no sólo se concentran en la seguimiento, prueba de normalidad,
satisfacción del consumidor por medio de las histograma y carta de control XR.
características de calidad, sino en la
elaboración de un producto o prestación de 2. ESTADO DEL ARTE
un servicio y de las causas que generen algún
tipo de variabilidad en sus procesos que Los chazos plásticos son elementos utilizados
pueden afectar los requerimientos finales del para fijar o asegurar tornillos a un lugar o
consumidor. elemento especifico, son fabricados por
inyección de polipropileno gris con textura
La herramienta estadística que permite estriada en diferentes diámetros. El proceso
evaluar la variabilidad de un proceso es el de producción consiste en fundir un material
control estadístico de procesos; que plástico en condiciones adecuadas,
comprende un grupo de herramientas tales introduciéndolo a presión en las cavidades de
como: histogramas de frecuencia, diagrama un molde, donde se enfría hasta una
de seguimiento, gráfico de Pareto, diagrama temperatura a la que las piezas pueden ser
causa-efecto y cartas de control. Estas extraídas sin deformarse.
herramientas son útiles en la medida en que
buscan la estabilidad de los procesos y el Con el fin de garantizar las especificaciones
mejoramiento de la capacidad de los mismos propias del producto es necesario emplear
al reducir la variabilidad. El poder del control herramientas estadísticas que, de manera
estadístico de procesos crea el ambiente inicial, permitan establecer las condiciones
apropiado para que exista una intervención propias del proceso, así como su variabilidad,
administrativa apropiada, siempre y cuando ya sea de tipo aleatoria y no aleatoria.
la administración desee el mejoramiento de la
calidad, y en consecuencia el mejoramiento Un concepto que puede ser empleado para
de la productividad. este propósito es el “Control Estadístico De
Procesos” el cual consiste en una herramienta
Un programa de control estadístico requiere estadística que se utiliza en el puesto de
la trabajo para conseguir el producto adecuado
ejecución de dos fases (Montgomery 2004): y a la primera”. Nació a finales de los años 20
En la primera fase se deben determinar en los Bell Laboratories. Su creador fue W.
parámetros fundamentales como el promedio A. Shewhart, quien en su libro “Economic
y la desviación estándar de una variable que Control of Quality of Manufactured
se desee estudiar. Por lo tanto, en esta fase se Products” (1931) marcó la pauta que
toman mediciones para estimar tales seguirían otros discípulos distinguidos
parámetros. En esta primera fase se puede (Joseph Juran, W.E. Deming, etc).
verificar si se cumple la hipótesis de que la
variabilidad del proceso obedece solo a El Control Estadístico suele usarse con el
causas aleatorias. propósito de informar a la gerencia sobre los
cambios introducidos en los procesos que
hayan repercutido favorablemente en la Tabla 1. Dimensiones físicas de las muestras (Datos
producción resultante de dichos procesos. de longitud y diámetro externo de los chazos
analizados)
(Carro, 2013)
Muestra L (mm) DE (mm)
1 24,60 7,0
3. METODOLOGIA
2 24,40 7,2
Para el desarrollo de la actividad 3 24,40 6,8
experimental se tomaron 30 medidas de 4 24,30 7,0
longitud y 30 medidas del diámetro externo 5 24,30 7,1
de chazos plásticos, las mediciones se 6 24,40 7,0
realizaron con la ayuda de un calibrador. 7 24,40 7,2
8 24,60 6,9
Los análisis y los gráficos obtenidos fueron a 9 24,90 7,0
partir del programa STATGRAPHICS 10 24,40 6,9
Centurión XVI. 11 24,60 7,0
12 24,90 7,0
FASE I. Estabilización del proceso: 13 24,30 7,2
14 25,00 6,8
 Establecer las características de 15 24,40 6,9
calidad de nuestro producto, que en 16 24,80 7,0
este caso fueron chazos plásticos. 17 24,65 6,9
 Evaluar que los datos recopilados 18 24,50 6,9
cumplan con el principio de 19 24,45 7,0
normalidad. 20 25,00 7,0
 Calcular los límites estándar con los 21 24,80 7,1
datos medidos de nuestras dos 22 25,20 6,8
variables independientes, buscar y 23 24,80 7,0
determinar los parámetros del 24 24,65 6,8
proceso: Media y Rango. 25 24,30 6,9
 Calcular los límites de tolerancia del 26 25,05 7,2
proceso basado en los parámetros 27 24,80 7,0
obtenidos en esta fase. 28 25,00 7,0
 Graficar en una carta de control la 29 24,50 6,9
información obtenida. 30 24,40 7,0
Fuente: Datos obtenidos por medición directa.

4. RESULTADOS
4.1. LONGITUD DEL CHAZO
A continuación, se presentan los resultados
que se procesaron en el software Statgraphics En la siguiente tabla se muestran los
Centurion XVI. estadísticos de resumen para la variable
longitud, incluyendo medidas de
centramiento y dispersión.
Tabla 2. Resumen Estadístico para Longitud Se realizó prueba de Kolmogorov-Smirnov
Recuento 30 para comprobar la hipótesis nula que la
Promedio 24,6267 muestra ha sido extraída de una población
Desviación Estándar 0,265789 con distribución normal.
Coeficiente de Variación 1,07927%
Figura 3. Diagrama de distribución normal para la
variable longitud
Mínimo 24,3
Máximo 25,2
Rango 0,9
Sesgo Estandarizado 1,10673
Curtosis Estandarizada -1,0823
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de una variable.

Figura 1. Histograma de frecuencia para la variable Fuente: Datos obtenidos herramienta


longitud. STATGRAPHICS- Ajuste de datos no censurados.

Tabla 3. Tabla de resultados prueba de Kolmogorov-


Smirnov

Fuente: Datos obtenidos herramienta


STATGRAPHICS- Ajuste de datos no censurados.

Debido a que el Valor-P es mayor que 0.05,


Fuente: Datos obtenidos herramienta no se puede rechazar la idea de que el
STATGRAPHICS- Análisis de una variable. parámetro Longitud sigue una distribución
normal con 95% de confianza.
Figura 2. Diagrama de seguimiento en el tiempo para
la variable longitud

Para describir la variabilidad entre la medida


obtenida en el estudio y la medida real, se
utilizó el intervalo de confianza. En el cual se
encuentra, con alta probabilidad, el valor real
de las variables a evaluar en este estudio.

Fuente: Datos obtenidos herramienta


STATGRAPHICS- Análisis de una variable.
Tabla 4. Tabla de Intervalos de Confianza para la Figura 4. Carta de control X para la variable longitud
variable Longitud
Media Desv. Estándar
95% [24,5274; [0,211676;
24,7259] 0,357304]
99% [24,4929; [0,19785;
24,7604] 0,395139]
99.73% [24,4675; [0,189209;
24,7859] 0,425018]
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de una variable. Fuente: Datos obtenidos herramienta
STATGRAPHICS – Gráficos X-bar y R.

Como se puede observar en la tabla 4, al


Figura 5. Carta de control R para la variable longitud
variar el nivel de confianza del estudio
(tendencia incremental) se establece un rango
de valores más amplio en el cual se puede
encontrar con un mayor grado de certeza o
probabilidad de éxito el valor verdadero de
nuestro parámetro desconocido (media o
desviación estándar). Dado que el nivel de
confianza y la amplitud del intervalo varían
conjuntamente, de forma que un intervalo
más amplio tendrá más posibilidades de Fuente: Datos obtenidos herramienta
STATGRAPHICS – Gráficos X-bar y R.
acierto (mayor nivel de confianza), mientras
que, para un intervalo más pequeño, que
ofrece una estimación mas precisa, aumentan Tabla 5. Estimados de control para la variable
sus posibilidades de error. Longitud

En este caso de estudio se puede evidenciar


que, al incrementar el nivel de confianza para
la variable media, el rango se hace más
amplio incrementando con ello, las Fuente: Datos obtenidos herramienta
probabilidades de éxito: por ejemplo, para un STATGRAPHICS – Gráficos X-bar y R.
nivel de confianza del 95% se presenta un
intervalo de confianza entre 24,6267 +/-
0,0992474, para un 99% es de 24,6267 +/- Los gráficos de control se construyen bajo el
0,133757 y para un 99,73% es de 24,6267 +/- supuesto de que los datos provienen de una
0,159185. distribución normal con una media igual a
24,6267 y una desviación estándar igual a
0,283688. Estos parámetros fueron
estimados a partir de los datos. De los 15
subgrupos no excluidos mostrados en la
gráfica, 0 se encuentran fuera de los límites
de control en la primera gráfica, mientras que
0 están fuera de límites en la segunda. Puesto
que la probabilidad de que aparezcan 0 o más
puntos fuera de límites, sólo por azar, es 1,0 Figura 7. Diagrama de seguimiento en el tiempo para
si los datos provienen de la distribución la variable diámetro externo
supuesta, no se puede rechazar la hipótesis de
que el proceso se encuentra en estado de
control estadístico con un nivel de confianza
del 95%.

4.2. DIAMETRO EXTERNO DEL


CHAZO
Fuente: Datos obtenidos herramienta
En la siguiente tabla se muestran los STATGRAPHICS- Análisis de una variable.
estadísticos de resumen para la variable
diámetro externo, incluyendo medidas de
Se realizó prueba de Kolmogorov-Smirnov
centramiento y dispersión.
para comprobar la hipótesis nula que la
muestra ha sido extraída de una población
Tabla 6. Resumen Estadístico para Diámetro
Externo con distribución normal.
Recuento 30
Promedio 6,98333
Figura 8. Diagrama de distribución normal para la
Desviación Estándar 0,117688 variable diámetro externo
Coeficiente de Variación 1,68528%

Mínimo 6,8
Máximo 7,2
Rango 0,4
Sesgo Estandarizado 0,771483
Curtosis Estandarizada -0,259501 Fuente: Datos obtenidos herramienta
STATGRAPHICS- Ajuste de datos no censurados.
Fuente: Datos obtenidos herramienta
STATGRAPHICS – Análisis de una variable.
Tabla 7. Tabla de resultados prueba de Kolmogorov-
Smirnov
Figura 6. Histograma de frecuencia para la variable
diámetro externo.

Fuente: Datos obtenidos herramienta


STATGRAPHICS- Ajuste de datos no censurados.

Debido a que el Valor-P es mayor que 0.05,


no se puede rechazar la idea de que el
parámetro diámetro externo sigue una
Fuente: Datos obtenidos herramienta distribución normal con 95% de confianza.
STATGRAPHICS- Análisis de una variable.
Para describir la variabilidad entre la medida Figura 9. Carta de control X para la variable diámetro
obtenida en el estudio y la medida real, se externo
utilizó el intervalo de confianza. En el cual se
encuentra, con alta probabilidad, el valor real
de las variables a evaluar en este estudio.

Tabla 8. Tabla de Intervalos de Confianza para la


variable diámetro externo
Media Desv. Estándar
95% [6,93939; [0,0937279;
7,02728] 0,15821] Fuente: Datos obtenidos herramienta
99% [6,92411; [0,087606; STATGRAPHICS – Gráficos X-bar y R.
7,04256] 0,174963]
99.73% [6,91285; [0,083779;
7,05382] 0,188193] Figura 5. Carta de control R para la variable diámetro
Fuente: Datos obtenidos herramienta externo
STATGRAPHICS – Análisis de una variable.

Como se puede observar en la tabla 8, al


variar el nivel de confianza del estudio
(tendencia incremental) se establece un rango
de valores más amplio en el cual se puede
encontrar con un mayor grado de certeza o
probabilidad de éxito el valor verdadero de
nuestro parámetro desconocido (media o
desviación estándar). Fuente: Datos obtenidos herramienta
STATGRAPHICS – Gráficos X-bar y R.
Dado que el nivel de confianza y la amplitud
del intervalo varían conjuntamente, de forma Tabla 9. Estimados de control para la variable
que un intervalo más amplio tendrá más diámetro externo
posibilidades de acierto (mayor nivel de
confianza), mientras que, para un intervalo
más pequeño, que ofrece una estimación más
precisa, aumentando las posibilidades de
error.
Fuente: Datos obtenidos herramienta
En este caso de estudio se puede evidenciar STATGRAPHICS – Gráficos X-bar y R.
que, al incrementar el nivel de confianza para
el parámetro media, el rango se hace más Los gráficos de control se construyen bajo el
amplio incrementando con ello, las supuesto de que los datos provienen de una
probabilidades de éxito: por ejemplo, para un distribución normal con una media igual a
nivel de confianza del 95% se presenta un 6,98333 y una desviación estándar igual a
intervalo de confianza entre 6,98333 +/- 0,135934. Estos parámetros fueron
0,0439457, para un 99% entre 6,98333 +/- estimados a partir de los datos. De los 15
0,0592262 y para un 99,73% entre 6,98333 subgrupos no excluidos mostrados en el
+/- 0,0704856. gráfico, 0 se encuentran fuera de los límites
de control en el primer gráfico, mientras que
0 están fuera de límites en la segunda. Puesto
que la probabilidad de que aparezcan 0 o más  Montgomery, D. (2000). Control
puntos fuera de límites, sólo por azar, es 1,0 Estadístico de Calidad. Grupo Editorial
si los datos provienen de la distribución Iberoamérica.
supuesta, no se puede rechazar la hipótesis de
que el proceso se encuentra en estado de  Vilar, J. (2005). Control Estadístico
control estadístico con un nivel de confianza de los Procesos. FC Editorial.
del 95%.
 Vladimirovna, O. (2005).
5. CONCLUSIONES Fundamentos de Probabilidad y Estadística.
Universidad Autónoma del Estado de
En el muestreo inicial, se pudo establecer que México.
los datos se comportan como una distribución
normal ya que los valores-P resultantes  Vargas, J. A. (2006). Control
fueron mayores a 0,05, específicamente estadístico de calidad. Bogotá: Unibiblos,
0,355697 para la longitud y 0,0567048 para Universidad Nacional de Colombia.
el diámetro externo, lo cual implica que los
datos recopilados en este estudio son estables
estadísticamente, y se comportan de manera
aleatoria debido a las condiciones propias del
proceso.

Asimismo, se puede enunciar que la totalidad


de los datos recopilados en este estudio tanto
para la variable longitud y diámetro externo
se encuentran alojados entre los límites de
control (LC) establecidos para el proceso,
garantizando con ello que se cumplan con las
especificaciones propias del producto.

6. AGRADECIMIENTOS

Los autores agradecen la orientación del Dr.


Roberto José Herrera Acosta, al programa de
postgrado: especialización en gestión de la
calidad y la universidad del Atlántico por la
formación profesional.

REFERENCIAS

 Canavos, C. (1988). Probabilidad y


Estadística, Aplicaciones y Métodos. Mc
Graw Hill.

 Kenett, R. (2006). Estadística


Industrial Moderna. Editorial Thomson
(2006).