METODOS Y FILOSOFIA DEL

CONTROL ESTADISTICO DE PROCESOS

Ing. Celso Gonzales Ch. Mg.Sc.
Email:cgonzales@lamolina.edu.pe
Por cgonzales fecha 10:16 , 13/10/2006
INTRODUCCION AL CONTROL DE
PROCESOS
PROCESO
ENTRADAS
SALIDA
....
FACTORES
INCONTROLABLES
FACTORES
CONTROLABLES
z
1
z
2
z
3
z
n
x
1
x
2
x
3
x
n
....
MODELO DE UN PROCESO
Que es un
Proceso?
P R O V E E D O R E S
E N T R A D A S
P R O C E S O S
S A L I D A S
C L IE N T E S
COMPONENTES DE
UN PROCESO
Inspeccin Usuario
Producto Defectuoso
Desechos
Reprocesos
Aviso para actuar sobre el
proceso
Materias Primas
Inspeccin
Usuario
Materias
Primas
Producto Defectuoso
Desechos
Reprocesos
Ajustes constantes basados en muestreo selectivo del
producto y del proceso.
Concepcin
Tradicional
Concepcin CEP
E NT R A DA S
P R O C E S O S
S A L IDA S
A C T U A R Y
C O R R E G IR
O B S E R V A R O
ME DIR
A NA L IZA R Y
DE C IDIR
E V A L U A R Y
C O MP A R A R
PREVENCION Y DETECCION
CONTROL DE PROCESOS ( PREVENCION)
Asegura las caractersticas de los productos mediante el
control de las variables vitales del proceso productivo
PROCESOS
SALIDAS
OBSERVAR Y
MEDIR
ACTUAR Y
CORREGIR
EVALUAR Y
COMPARAR
ANALIZAR Y
DECIDIR
SELECCION
BUENO
MALO
CONTROL DE PRODUCTO ( DETECCION)
OBJETIVOS DEL CONTROL DE
PROCESOS
Establecer tolerancias.
Determinar la capacidad del proceso.
Mantener las las caractersticas dentro de su
tolerancia.
Vigilar y controlar la variacin.
EJERCICIO-
Considere alguna actividad de su trabajo un
proceso en anlisis;
Describa, este proceso.
Dar tres ejemplos de causas especiales de
variacin y, dos de causas comunes de
variacin.
PRINCIPIOS ESTADISTICOS
ERROR TIPO I
Riesgo de que un punto caiga fuera de los limites
de control, cuando no existe una causa atribuible.
ERROR TIPO II
Riesgo de que un punto caiga dentro de los limites
de control, cuando existe una causa atribuible
CLASES
En la pieza misma
De una pieza a otra
De instante de tiempo a
otro
CLASES
El equipo
El material
El entorno
El operario
Variacin a lo largo del
tiempo
VARIACION
Especiales
Asignables
No aleatoria o sistemtica
Comunes
No asignables
Aleatoria
Causas Variabilidad
CAUSAS DE LA VARIACION DE LA CALIDAD
CAUSAS FORTUITAS Y CAUSAS
ATRIBUIBLES
Variabilidad natural o ruido de fondo
Causas Naturales
Otras causas de variabilidad
Causas Atribuibles
MEJORAMIENTO DEL PROCESO UTILIZANDO
CARTA DE CONTROL
PROCESO
ENTRADA SALIDA
Sistema de Medicin
Detectar la
causa asignable
Identificar la causa de
origen del problema.
Implementar una
accin correctiva.
Verificar y hacer
seguimiento.
ASPECTO CAUSAS ASIGNABLES CAUSAS FORTUITAS
Perdidas monetarias Pequeas Grandes
Visibilidad del
problema
Grande. La
naturaleza llama la
atencin de todos
Pequea. La
naturaleza continua
hace que todos se
acostumbren al
problema
Accin Requerida Restablecer el nivel
anterior
Cambiar para un
nivel mejor
Datos Simple, colecta
rutinaria y muy
frecuente.
Complejos, colecta
especial y poco
frecuente
Anlisis Simple y hecho por
personal prximo el
proceso
Complejo y hecho
por el personal
tcnico
Responsabilidad por
la accin
Personal prximo al
proceso
Personal de la
gerencia
ELECCION DE LOS LIMITES DE CONTROL
Limites de accin
Limites de advertencia
TAMAO DE LA MUESTRA Y FRECUENCIA
DE MUESTREO
Longitud promedio de corrida (ARL)
1
ARL
p
=
Donde:
p: probabilidad de que cualquiera de los puntos exceda los lmites
de control
SUBGRUPOS RACIONALES
Unidades producidas en el mismo momento
X
1
, R X
2
, R
8:00 am
8:15 am
Unidades elegidas aleatoriamente entre subgrupos
X
1
, R X
2
, R
METODOLOGA DEL CONTROL ESTADSTICO
DE PROCESOS
Preparacin
Recoleccin de datos
Determinar los limites de control
Anlisis e interpretacin
Utilizacin como herramienta para la solucin de
problemas.
Utilizar los datos de los grficos de control para
determinar la capacidad de proceso.
GRFICAS DE CONTROL
Son grficas de los datos del proceso
representados en funcin del tiempo,
que permiten detectar la aparicin de
factores especiales o no aleatorios
GRFICAS DE CONTROL
La idea es calcular unos lmites estadsticos para la
variable objeto del control tales que resulte muy
improbable que sean excedidos con la nica
explicacin del azar.
30 20 10 0
0.07
0.06
0.05
Observation Number
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
I Chart for Shaft_OD
X=0.05978
3.0SL=0.06745
-3.0SL=0.05211
lmite superior de control
(+3)
lmite inferior de control
(3)
valor medio del proceso
Ho: el proceso es aleatorio
TIPOS DE GRFICAS DE CONTROL
Grficas de variable
Utiliza valores medidos (longitudes, dimetros, tiempo,
etc)
Generalmente muestra una caracterstica por grfica
Es ms cara pero suministra mucha informacin
Grficas de atributos
Informacin del tipo: si/no, bueno/malo, pasa/no pasa,
etc.
Varias caractersticas por grfica.
Es ms barata pero suministra menos informacin
LMITES DE ESPECIFICACIN Y
LMITES DE CONTROL
CONTROL
Lmites de especificacin son los que permiten distinguir
entre un producto bueno y uno malo. Condicionan la
satisfaccin del cliente.
Lmites de control son los que ponen en evidencia las
causas asignables y de variacin no aleatoria en los
procesos. Determinan la satisfaccin del proceso.
LMITES DE ESPECIFICACIN Y
LMITES DE CONTROL
20 10
0.065
0.060
0.055
Index
S
h
a
f
t
_
O
D
2 0 1 0
0 .0 6 5
0 .0 6 0
0 .0 5 5
I n d e x
S
h
a
f
t
_
O
D
LSE
LIE
LSC
LIC
LSE
LIE
LSC
LIC
el proceso est
fuera de control
pero dentro de
especificacin
el proceso est fuera
de especificacin pero
bajo control
CLCULO DE
LMITES DE CONTROL
Existen frmulas para calcular los lmites superior e inferior
de control en base a las distribuciones de probabilidad
correspondientes a los distintos tipos de variables.
PROCESOS FUERA DE CONTROL
CONTROL
LSC
LIC
tendencias
nueve o ms puntos
consecutivos a un lado de
la media
LIC
LSC
PROCESOS FUERA DE CONTROL
LSC
LIC
LSC
LIC
un punto fuera de los
lmites de control
dos de tres puntos
consecutivos ms all de 2 de
la media
GRAFICOS DE CONTROL
PARA VARIABLES
PASOS PARA UNA GRAFICA DE CONTROL
POR VARIABLES
Definir la caracterstica de Calidad
Escoger el subgrupo racional
Reunir los datos
Calcular los limites de control y la lnea central
Revisar los limites de control y la lnea central
Lograr el objetivo
GRFICA X-Bar & R
Grfica X-Bar
4
LCS D R =
3
LCI D R =
LC R =
2
LCI X A R =
2
LCS X A R = +
LC X =
Grfica R
n d
2
A
2
d
3
D
3
D
4
2 1.128 1.880 0.853 0 3.267
3 1.693 1.023 0.888 0 2.575
4 2.059 0.729 0.880 0 2.282
5 2.326 0.577 0.864 0 2.115
6 2.534 0.483 0.848 0 2.004
7 2.704 0.419 0.833 0.076 1.924
8 2.847 0.373 0.820 0.136 1.864
9 2.970 0.337 0.808 0.187 1.816
10 3.078 0.308 0.797 0.223 1.777
11 3.173 0.285 0.787 0.256 1.744
12 3.258 0.266 0.778 0.284 1.716
13 3.336 0.249 0.770 0.308 1.692
14 3.407 0.235 0.763 0.329 1.671
15 3.472 0.223 0.756 0.348 1.652
16 3.532 0.212 0.750 0.640 1.636
17 3.588 0.203 0.744 0.379 1.621
18 3.640 0.194 0.739 0.392 1.608
19 3.689 0.187 0.734 0.404 1.596
20 3.735 0.180 0.729 0.414 1.586
21 3.778 0.173 0.724 0.425 1.575
22 3.819 0.167 0.720 0.434 1.566
23 3.858 0.162 0.716 0.443 1.557
24 3.895 0.157 0.712 0.452 1.548
25 3.931 0.153 0.708 0.459 1.541
FACTORES PARA LOS LIMITES DE CONTROL POR VARIABLES
En la siguiente tabla se muestran los pesos de los sobres
de un determinado alimento. Cada media hora se realizan
4 mediciones por muestra, sumando un total de 20
muestras. Los lmites de tolerancia son 0,5360 (LST) y
0,4580 (LIT)
Con esto se pretende evaluar el comportamiento del
proceso y hacer un control del mismo respecto a su
localizacin y dispersin, con el objeto que el proceso
cumpla con las especificaciones preestablecidas
Peso(g.)
Subgrupo x
1
x
2
x
3
x
4
1 0.5053 0.4821 0.5103 0.5090
2 0.5102 0.5028 0.4958 0.5069
3 0.5221 0.5142 0.5116 0.5121
4 0.5074 0.5023 0.4892 0.4954
5 0.4816 0.5112 0.5223 0.5041
6 0.4862 0.5028 0.5122 0.4972
7 0.5111 0.5122 0.5332 0.4951
8 0.5328 0.5021 0.5125 0.5100
9 0.4912 0.5145 0.5069 0.4910
10 0.4652 0.4856 0.4895 0.4555
11 0.5160 0.4847 0.5095 0.5124
12 0.5010 0.4795 0.5023 0.5136
13 0.4864 0.5015 0.5046 0.5045
14 0.5023 0.5125 0.5012 0.5111
15 0.5005 0.5055 0.5091 0.5044
16 0.4952 0.4978 0.4975 0.5124
17 0.5046 0.4860 0.4965 0.4851
18 0.5029 0.4850 0.4998 0.4650
19 0.4721 0.4585 0.4686 0.4925
20 0.4652 0.4596 0.4681 0.4852
FUNCIN DE CARATERISTICA OPERATIVA (CO)
1 0
( / ) P LIC x LSC k = = = +
La probabilidad de no detectar este corrimiento en la primera
muestra subsecuente, es:
1
1
ARL

( ) ( )
0 0
LSC k LIC k
n n




+ +

=



GRFICA X-Bar & S
Grfica X-Bar
S B LCS
4
=
S B LCI
3
=
S LC =
S A x LCI
3
=
S A x LCS
3
+ =
x LC =
Grfica S
GRFICAS DE CONTROL POR
ATRIBUTOS
GRFICAS DE CONTROL POR
ATRIBUTOS
Defecto: una caracterstica del producto que no cumple
con los requisitos de la especificacin aplicable.
Unidad defectuosa: una unidad de producto que
contiene uno o ms defectos.
DEFECTO Y NO CONFORMIDAD
DEFECTO
Incumplimiento
de un requisito
para un uso
previsto
NO
CONFORMIDAD
Incumplimiento
de un requisito
especificado
si
si
si no no
Pregunta: La muestra tiene algn defecto?
Pregunta: Cuntos defectos tiene la muestra ?
1
3
2 0 0
ATRIBUTO
CONTEO
P
CLASIFICACIN
n
VARIABLE
U
C o U
P o nP
n
CONSTANTE
n
CONSTANTE
n
VARIABLE
SELECCIN DEL TIPO DE GRFICO
(1 )
min 3 , 1
P
i
p p
LSC p
n

= +



p LC
P
=
(1 )
max 3 , 0
P
i
p p
LSC p
n

=



LMITES DE CONTROL DEL GRAFICO P
LMITES DE CONTROL DEL GRAFICO P
GRFICA P
Ejemplo: La siguiente tabla contiene los nmeros de unidades
defectuosas observados en 30 lotes de diferente tamao. Una unidad
se considera defectuosa si contiene, al menos, un defecto.
Se trata de seguir la proporcin de piezas defectuosas, la grfica de
control adecuada es la P.
DEF UNID DEF UNID DEF UNID
5 19 3 18 2 9
8 15 5 8 2 8
16 22 4 9 1 3
3 10 11 31 16 16
1 4 2 5 5 12
6 22 11 15 3 8
12 19 4 8 9 16
5 14 2 6 5 16
4 9 3 13 4 7
0 6 1 10 5 15
GRFICA P
30 20 10 0
1.0
0.5
0.0
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart for defecto
P=0.4236
3.0SL=0.8063
-3.0SL=0.04084
porcentaje de
piezas
defectuosas
Dentro de un proceso de moldeo de PVC las piezas elaboradas
pueden presentar o no defectos superficiales. Cada da se toman 100
piezas al azar de la lnea de produccin y se cuenta el nmero de
piezas defectuosas.
Da No
Conformes
Fraccin
no
conformes
Da No
Conformes
Fraccin
no
conformes
1 9 16 9
2 16 17 5
3 5 18 6
4 6 19 4
5 7 20 11
6 9 21 3
7 3 22 1
8 9 23 3
9 10 24 0
10 4 25 4
11 7 26 6
12 10 27 1
13 6 28 6
14 6 29 5
15 7 30 4
GRAFICO DE CONTROL nP
n
p p n
p n LSC
np
) 1 (
3

+ =
p n LC
np
=
n
p p n
p n LIC
np
) 1 (
3

=
Da Evento
5 Reemplazo de la mezcladora.
10 Nuevo empleado asume la operacin del proceso.
18 Se comenz a utilizar resina (materia prima) de otro proveedor.
22 Sustitucin del sistema de enfriamiento, lo que permiti un incremento en
la temperatura de inyeccin de PVC.
c c LSC
c
3 + =
c LC
c
=
c c LIC
c
3 =
GRAFICO DE CONTROL ( C )
GRFICA C
Ejemplo: La siguiente tabla contiene los nmeros de defectos
observados en la inspeccin de ensamblaje de impresoras durante un
periodo de operacin( 6 unidades= 1 unidad de inspeccin).
En base a esta informacin, se desea determinar si los datos
corresponden a un proceso controlado.
Ensambaje N de defectos Ensambaje N de defectos
1 70 14 40
2 64 15 21
3 81 16 56
4 105 17 91
5 40 18 70
6 62 19 65
7 53 20 50
8 48 21 28
9 82 22 24
10 90 23 60
11 110 24 75
12 54 25 25
13 88
GRFICA C
30 20 10 0
15
10
5
0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
C Chart for defecto
C=5.267
3.0SL=12.15
-3.0SL=0.000
# de defectos en
cada lote
GRAFICO DE ( U )
i
U
n
u
u LSC 3 + =
u LC
U
=
i
U
n
u
u LIC 3 =
GRFICA U
Ejemplo: La siguiente tabla contiene los nmeros de defectos
observados en 30 lotes de diferente tamao. Los defectos estn
distribuidos de cualquier manera dentro del lote medido.
Se trata de seguir el nmero de defectos por unidad en lotes de
distinto tamao, la grfica de control adecuada es la U.
DEF UNID DEF UNID DEF UNID
5 19 3 18 2 9
8 15 5 8 2 8
16 22 4 9 1 3
3 10 11 31 16 16
1 4 2 5 5 12
6 22 11 15 3 8
12 19 4 8 9 16
5 14 2 6 5 16
4 9 3 13 4 7
0 6 1 10 5 15
GRFICA U
30 20 10 0
1.5
1.0
0.5
0.0
Sample Number
S
a
m
p
l
e

C
o
u
n
t
U Chart for defecto
U=0.4236
3.0SL=0.9277
-3.0SL=0.000
# de defectos
por unidad en
cada lote
Muestra Tamao N de defectos Muestra Tamao N de defectos
1 6 3 14 5 8
2 5 2 15 7 0
3 4 0 16 4 2
4 8 1 17 6 4
5 7 4 18 3 3
6 4 3 19 6 5
7 3 2 20 6 0
8 5 4 21 7 2
9 7 1 22 4 1
10 6 0 23 5 9
11 4 2 24 5 3
12 6 3 25 5 2
13 3 2
Ejemplo: El gerente de una empresa productora de gabinetes para
computadoras solicita a su oficina de Control de Calidad que se
analice el nmero total de defectos que se han encontrado en cada
uno de los gabinetes inspeccionados.
En base a esta informacin, se desea determinar si los datos
corresponden a un proceso controlado.
Anlisis de la Capacidad del Proceso
Es la aptitud del proceso para producir
productos dentro de los limites de las
especificaciones de calidad.
ANALISIS DE LA
CAPACIDAD DE
PROCESO
Distribucin de frecuencia e
Histograma
Graficas de Control
Anlisis de la Capacidad del
Proceso
4 2

c
S
S Grafico
d
R
R Grafico = =
Estimacin de la variabilidad del proceso
Distribucin Normal
General
S Desviacin estndar de todos los datos
Es muy buena si el proceso esta bajo
control (incluye la variacin entre muestras)
Estimacin de la media del proceso
x =

Anlisis de la Capacidad del

Proceso
W W
3
3
Amplitud del
intervalo
Limites naturales
del proceso
Extremos del intervalo
en el que toma valores X
Lmites e control
Extremos del intervalo en
el que toma valores el
estadstico W
Lmite de
especificacin
6
LIE-LSE
Lmites determinados
externamente, sin tener en
cuenta la variabilidad del
proceso
Cp: ndice de Capacidad Potencial del Proceso.
Mide qu tan potencialmente capaz es el proceso para
cumplir las especificaciones.
Capacidad de Proceso
LSE - LIE
6 * (x)
Cp =
^
Valor ms grande del Cp, ES MEJOR.
^ La extensin real del proceso (6) debe ser menor para
decir que el proceso es potencialmente capaz.
(x) = desviacin terica de la poblacin ^
LSE = Lmite superior de especificacin
LIE = Lmite inferior de especificacin
Donde:
3 3
LSE LIE
x
Capacidad de Proceso
LSE LIE
3 3
x
LSE LIE
3 3
x
LSE LIE
3 3
x
Capacidad de Proceso
El ndice Cpk pueden interpretarse como la capacidad del
proceso hasta el lmite de especificacin ms prximo a
la media.
LSE LIE
3 3
x
x - LIE LSE - x
3 3
LSE LIE
x
Capacidad de Proceso
LSE LIE
3 3
x
LSE LIE
3 3
x
LSE LIE
3 3
x
Situacin ideal.
Cuando las fluctuaciones pueden
ser suficientemente controladas
de manera que la caracterstica
quede centrada con respecto a
las especificaciones.
Sistema que asume un universo
esttico (causas fundamentales
estables)
Sistema que considera que nada
puede ser controlado por
siempre en una situacin ideal.
Se ha tomado por convenio el
valor de 1.5 de descentramiento
con respecto a la especificacin
0
2
1 3 4 6 5
-5 -6 -4-3 -1 -2
LIE
LSE
0
2
1 3 4 6 5
-5 -6 -4-3 -1 -2
LIE
LSE
6
4.5
1.5
3.4
Dpmo
0.001
Dpmo
0.001
Dpmo
SIN CAMBIO
CON CAMBIO
Capacidad de Proceso
Relacin entre nivel sigma, Cp y Cpk
NIVEL Cp
1 0.33
2 0.67
3 1.00
4 1.33
5 1.67
6 2.00
Cpk
-0.17
0.17
0.50
0.83
1.17
1.50
Capacidad de Proceso
6
4
Cp = 1.33
Cpk = 1.33
Cp = 2.0
Cpk = 2.0
LSE LIE
1.5
1.5
LSE LIE
0.006% (por
ambos lados) o
60 Dpmo
0.62% o
6210 Dpmo
0.002 Dpmo
(por ambos
lados)
3.4 Dpmo
Cp = 1.33
Cpk = 0.83
Cp = 2.0
Cpk = 1.5
PROCESO
MAS
ROBUSTO
PROCESO CUATRO SIGMA PROCESO SEIS SIGMA
Capacidad de Proceso
METODOS EN ANALISIS DE CAPACIDAD
HISTOGRAMAS
Mnimo 50 a 100 observaciones
Proceso: comprobacin grfica de comportamiento
normal
DIAGRAMAS DE CONTROL
Requisito: proceso bajo control
Analiza la capacidad potencial