Вы находитесь на странице: 1из 26

Control Estadístico de Procesos y Gráficas de Control

 Aprender sobre el control de procesos.


 Control de Procesos.
 Control Estadístico de Procesos

 Graficas de Control
 Todos los procesos tienen variación.

 Hay dos componentes de la variación:


- Un componente que obedece a causas inaveriguable.
- Un componente atribuido a las causas asignables que
pueden ser económicamente descubiertas y removidas.

 La variación de una característica particular del proceso


puede ser cuantificada muestreando la característica y
estimando los parámetros de la distribución.

 Los cambios en la distribución pueden ser revelados


graficando los parámetros contra el tiempo.

Los japoneses han implementado exitosamente estas ideas con grandes beneficios.
 Porque nos lo dice nuestro cliente así que…

 Para monitorear y estar seguros que la salida no


empeora.

 Para aprender cuando tienen cambios nuestros


procesos.
 ¿Por qué?  ¿Cuándo?
- ¿Cuál es el propósito de la - ¿Cuándo se tomarán los datos?
recolección de datos? ¿Con qué frecuencia?
- ¿Cuáles acciones se tomarán como - ¿Cuándo se compartirán los
resultado de la recolección de datos? resultados con los responsables
 ¿Quién? del proceso?
- ¿Quién tomará los datos? ¿Cómo  ¿Dónde?
ayudarán los datos a la persona que - ¿Dónde se tomarán los datos en
los está tomando? el proceso?
- ¿Quién analizará los datos? - ¿Dónde se almacenarán?
- ¿Quién será responsable de los datos
tomados?  ¿Cómo?
- ¿Quién tomará acciones basándose - ¿Cómo se obtendrán los datos?
en los datos? - ¿Cuánta variabilidad hay en el
proceso de medición?
 ¿Qué?
- ¿Cómo se analizarán los datos?
- ¿Qué datos se tomarán? ¿Qué herramientas se utilizarán?
- ¿Qué procesos reflejan los datos?
En un proceso, qué es más
importante:
¿PREVENCION o DETECCION?
 En el pasado, la manufactura dependía de la inspección para
filtrar los productos no conformes.
- Este proceso produce retrabajo y desperdicio, en otras
palabras, desecho y mucha MUDA.
- La inspección no incrementa la calidad, sólo afecta la molestia
del cliente.
- DETECCIÓN – TOLERA EL DESECHO

 Se requieren estrategias para la prevención en los mercados


actuales:
- Primero, aísle de errores el proceso.
- Si el aislamiento de errores es impráctico o imposible, controle
las entradas para prevenir las salidas no conformes.
- LA PREVENCIÓN EVITA EL DESECHO.
En localización : En dispersión:

En forma:

Comúnmente las distribuciones difieren en las tres características.


Si sólo está presente la variación
por causas comunes, la salida del
proceso forma una distribución
que es estable y predecible en
?
el tiempo.
Predicción

Si está presente la
variación por causas
especiales, el proceso no
es estable y
especialmente ¡no es
predecible!
 Variación por causas especiales:  Variación por causas comunes:

- Comúnmente requiere acciones locales. - Bajo control no significa “bueno”. Los


- Las acciones se pueden tomar por requerimientos pueden ser mucho
personas cercanas al proceso. más apretados.
- La variación por causas especiales debe - Las acciones sobre el sistema son
ser comúnmente necesarias para reducir
eliminada antes la variación aleatoria.
de atacar la ? - La variación
variación por causas aleatorias. aleatoria es más
difícil de
reducir.
 Caso 1:  Caso 2:
- Proceso Ideal . - Bajo Control.
- Bajo control estadístico y cumple - Tiene excesivas causas comunes de
con los requerimientos del variación que deben ser reducidas.
cliente  Caso 3:
- Cumple los requerimientos pero se
In Not In deben reducir las causas especiales
Control Control de variación.
 Caso 4:
Meets
Case 1 Case 3 - Sin control y no aceptable.
Requirements
- Se deben reducir ambas causas de
Does Not Meet variación: comunes y especiales.
Case 2 Case 4
Requirements

La capacidad del proceso solo tiene sentido cuando el proceso está bajo control.
Caso 4 Caso 1
?

?
Caso 2 Caso 3
Utilizadas adecuadamente, las gráficas de control pueden:

 Ser usadas por los operadores para el control del proceso


en curso.
 Ayudar al desempeño consistente y predecible del proceso.
 Proveer un lenguaje común para discutir el desempeño del
proceso.
 Distinguir entre causas de variación especiales y comunes.
 Servir como una guía para acciones locales o acciones en el
sistema.
 Permitir al proceso lograr:
 Alta calidad.
 Menor costo por unidad.
 Mayor capacidad efectiva
 Gráficas de corridas – Un registro de una característica del proceso en el
tiempo.
 Las gráficas de corridas dan un sentido del control estadístico.
- Muestran ciclos obvios, tendencias, causas especiales.
- Las gráficas de corridas liberan de esto, dan un sentido de estabilidad.
- Las gráficas de corridas proveen algo de predicción.
 Las gráficas de corridas no tienen manera de diferenciar confiadamente
entre las causas comunes y especiales de variación.
 Llevan a dos clases de errores:
- Atribuir la variación a causas especiales cuando de hecho la causa
pertenece al sistema (causas comunes). Esto lleva a sobre ajustes.
- Atribuir la variación al sistema cuando de hecho la causa es especial. Esto
lleva a nunca eliminar las causas especiales.
 Cuando son empleadas variables en el control estadístico de proceso, son
necesarios dos gráficos:
- uno para controlar la centralización del proceso.
- uno para controlar su variabilidad (dispersión).
 Cada gráfico de control tiene una finalidad bien específica y no sustituye a otro.
Las gráficas de control para datos variables son
útiles por varias razones.

La mayoría de los procesos tienen


características que son medibles.

Los datos cuantitativos (el largo es de 12.25


mm) tienen más información que los
cualitativos (el largo no cumple la
especificación).

Debido a que se requieren revisar menos


piezas antes de tomar decisiones, el espacio de
tiempo entre la producción de partes y la
acción correctiva puede ser menor.

Con datos variables, el desempeño de un


proceso puede ser analizado y mejorado, aún
cuando todas las partes están dentro de los
límites de especificación .
Gráficos de Control
%
No defecto o Defectos
Datos variables?
defectuoso?

sí % defectuoso

Subgrupos No Tamaño de Tamaño de


I & RM Muestra Muestra
racionales? constante? constante?

No No
sí sí sí

Gráfico P Gráfico U

Tamaño Sigma fácil
subgrupo >9? de calcular?
Gráfico P o NP Gráfico C o U
No sí
No

X-barra & R X-barra & S


Gráficas de Media y Rango (X-barra y R)

Xbar-R Chart of Sample 1, ..., Sample 5


1
U C L=5.616
Límite Superior de5.50
Control (LSC)
Sample M ean

5.25
_
_
X=5.029
Media del Proceso (X-barra) 5.00

4.75

Límite Inferior de 4.50


Control (LIC) LC L=4.441
2 4 6 8 10 12 14 16 18 20 22 24
Sample

U C L=2.154
2.0
Sample Range

1.5
_
Rango Promedio
1.0 (R) R=1.018

0.5

0.0 LC L=0
2 4 6 8 10 12 14 16 18 20 22 24
Sample
Pasos para construir una gráfica X-barra/R
 Recolectar los datos.
- Seleccionar el tamaño del subgrupo.
- Seleccionar la frecuencia de recolección de los datos
del subgrupo.
- Registrar los datos sin procesar.
- Calcular el promedio y rango de cada subgrupo.
- Graficar los promedios y rangos de los subgrupos en
las gráficas de control.
 Calcular los límites de control.
- Calcular el rango promedio (R-barra) y el promedio
del proceso (X-barra-barra).
- Calcular los límites de control superior e inferior para
las gráficas de promedio y rango.

Construir la gráfica es sencillo. Actuar sobre los resultados es lo difícil.


Paso 1: Recolectar los datos
Observation Sample 1 Sample 2 Sample 3 Sample 4 Sample 5 Average Range
1 50 48.2 56.4 46.8 56.6 51.6 9.8
2 42.7 47.3 52.7 42.6 53.9 47.84 11.3
3 48.7 49.7 48.6 47.6 58.7 50.66 11.1  Seleccionar el tamaño del
4 48.8 52 50.5 58.9 52 52.44 10.1
5 42.7 42.4 46.1 54.1 56.3 48.32 13.9
subgrupo (Más de los subgrupos
6 46.5 50.2 45.9 44.5 44.9 46.4 5.7 racionales más adelante).
7 45.4 51 46.6 57.9 52.6 50.7 12.5
8 51 47.7 43.2 44.3 48 46.84 7.8
 Seleccionar la frecuencia de
9 52.6 54 53.4 57.1 56 54.62 4.5 recolección de datos de subgrupos.
10 53.4 51.6 54.6 47.8 53.6 52.2 6.8
11 53.4 53.2 58.1 51.1 56 54.36 7
 Registrar los datos sin procesar.
12 40.9 47.8 47.2 51.1 56.1 48.62 15.2  Calcular el promedio y el rango de
13
14
49.1
50.4
46.9
45.7
58
45.7
42.5
45.9
49.4
50.2
49.18
47.58
15.5
4.7
cada subgrupo.
15 53.6 42.1 61.3 52 55 52.8 19.2  Los siguientes datos son un
16
17
49.3
46.6
48.7
55.5
52.8
55.7
50.5
52.3
52.2
52.2
50.7
52.46
4.1
9.1
ejemplo del largo del broche.
18 41.5 46.3 45 53.4 48.2 46.88 11.9
19 44.3 56.8 46.3 41.8 51.6 48.16 15
20 49.5 47 51.1 48.6 52.7 49.78 5.7
21 47.2 47.3 50.8 50.1 48.1 48.7 3.6
22 50.8 51.9 44.5 44.5 46.9 47.72 7.4
23 49.9 44.6 50.8 50.9 47.4 48.72 6.3
24 59 54.9 55.6 55.4 56 56.18 4.1
25 44.5 59.5 58.9 42 57.2 52.42 17.5
Paso 2: Graficar los promedios y Rangos
X-bar

60

55

50

45

40

35

30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Range
25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Paso 3: Calcular los límites de control
 Calcular el rango promedio (R) y el promedio del proceso (X).

donde k es el número de subgrupos.

 Calcular los límites de control.


- Los límites de control se basan en estimados de sigma de los datos de rango.
Utilice la tabla de abajo donde n es el número de muestras en un subgrupo .
Continuando con nuestro ejemplo

Agregar los límites de control a las gráficas :


X-bar

60

55

50

45

40

35

30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Range

25

20

15

10

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Límites de control (Consideraciones)
 Bases para los límites de control :
- Los límites de control también son llamados límites naturales del
proceso.
- Los límites de control se basan en la media y la desviación estándar de
cómo está el proceso, y no de cómo queremos que esté.
¡No hay conexión con los límites de especificación!
- Los límites en el ejemplo anterior se calculan utilizando los datos del
rango promedio para estimar sigma.
 Propósitos de los límites de control :
- Determinar cuando es necesaria una acción local y actuar sobre ella.
(ej., cuando existe variación por causas especiales).
- Mostrar la variación natural del proceso, esto es, la variación por
causas comunes.
- Mostrar cualquier patrón obvio y no natural dentro de los datos.

Вам также может понравиться