Qu es calidad?
Calidad de diseo: corresponde a la
medida en que el producto satisface
las necesidades del cliente.
Calidad de conformidad: se refiere al
grado en que el producto o servicio
concuerda con los requerimientos de
diseo.
2
Qu es calidad? (cont)
Normalmente la calidad se asocia con una
caracterstica medible del producto, la
cual se denomina caracterstica de
calidad. As, la calidad de diseo se
tranforma en especificaciones adecuadas.
Frecuentemente no se diferencia entre la
calidad de diseo y la de conformidad, sin
embargo el rea de produccin suele
centrarse en la segunda.
3
El papel de la estadstica en
el aseguramiento de calidad
Para mejorar es necesario hacer cambios.
Nos gustara tener buenos datos sobre los
cuales realizar los cambios.
Necesitamos herramientas que nos
permitan convertir datos en informacin (es
decir, que nos permitan responder
preguntas).
La estadstica es la ciencia que soluciona
ambos problemas.
4
Herramientas para el
aseguramiento de calidad
Se trata de herramientas estadsticas y
analticas de uso general
Diagramas causa-efecto.
Diagramas de flujo de procesos.
Plantillas para recoleccin de datos.
Histogramas y diagramas de Pareto.
Diagramas bivariantes.
Control estadstico de procesos.
5
Diagramas de causa-efecto
Los pasos para su construccin son:
Determinar claramente el efecto a estudiar.
Reunir a las personas que conocen del
problema y realizar una lluvia de ideas.
Seleccionar las causas aportadas,
eliminando repeticiones y errores.
Dibujar el diagrama. Lo debe hacer una
persona que conozca del problema.
6
Diagramas de causa-efecto
En muchos casos se resuelven los
problemas sin atacar las causas de los
mismos, lo cual es una prctica perjudicial.
En estos diagramas las causas que
potencialmente pueden generan un
determinado efecto se presentan en forma
jerarquizada.
Por su forma, tambin se denominan
diagramas de espina de pescado.
7
Diagramas de causa-efecto
(cont)
MANO DE OBRA
MAQUINARIA
Abrasin
Fatiga
Concentracin
Salud
Enfermedad
Habilidad
Herramientas
Moral
Deformacin
Mantenimiento
Forma
Componente
Calidad
Almacenamiento
MATERIALES
Posicin
Dimetro
Variabilidad en
la dimensin
Ajuste
Puesta a
punto
ngulo
Velocidad
MTODO
Diagramas de Pareto
Son representaciones de la densidad y la
distribucin de variables aleatorias
nominales (usualmente causas de falla en
sistemas o defectos en productos).
Las causas se ordenan de modo de
distinguir cuales son las ms importantes.
Usualmente opera la regla del 80-20, el
80% de los problemas se deben al 20% de
las causas.
9
Nmero y tiempos(B)
de parada en una (C)
lnea de envasado (D)
1.0
250
0.9
225
0.8
225
1.0
200
0.9
0.8
175
0.7
175
0.6
150
0.5
125
0.4
100
0.3
75
Tiempo de Parada
Numero de Paradas
200
Tiempo de Parada
Turno 1 Turno 2 Total
20
31
51
12
10
22
62
68
130
2
8
10
0
1
1
4
1
5
8
0
8
0.6
125
0.5
100
50
0.2
25
0.1
25
0.0
D
Causas
0.4
75
50
0.7
150
0.3
0.2
0.1
0.0
C
D
Causas
10
Diagramas bivariantes
Son una forma sencilla de evaluar la
dependencia entre variables, por lo
que puede ser utilizada por cualquiera
Los modelos (lineales o de otro tipo)
son una forma ms refinada de
evaluar dependencia.
Recuerde que correlacin y causalidad
no son la misma cosa.
11
Control de procesos
Histricamente ha evolucionado en dos
vertientes:
Control automtico de procesos (APC)
empresas de produccin continua
(empresas qumicas)
Control estadstico de procesos (SPC) en
sistemas de produccin en serie (empresas
metalmecnicas).
Control estadstico de
procesos
Los objetivos son:
Monitorear y vigilar el desempeo del proceso
en cuanto a las caractersticas de calidad
crticas del producto, para as minimizar la
produccin defectuosa Grficos de Control.
Estimar los parmetros del proceso para
comparar la produccin con las especificaciones
Estudios de Capacidad.
Causas de la variabilidad en
un proceso
Causas Comunes
Causas Asignables
14
Grficos de control
Se trata de diagramas en los que se
representa el comportamiento de un
proceso en el tiempo a travs de los
valores de un estadstico asociado con una
caracterstica de calidad del producto.
Desde el punto de vista estadstico, estos
grficos permiten realizar continuamente
pruebas de hiptesis sobre una de las
caracterstica del proceso.
16
Caracteristica de calidad
LSC
3.3
3.1
2.9
2.7
LIC
2.5
Tiempo
19
20
R
de grficos
Se toman k muestras de tamao n
(usualmente constante y menor a 7).
Se calcula la media y el rango de
cada muestra:
1 n
X i xij
n j 1
k
i 1
k
i 1
26
E ( X i ) SD( X i )
E X
n
E ( Rid)2 y dd23sonSD
( Ri ) d 3 que
E dependen
R d 2
donde
constantes
solo de n y pueden encontrarse en tablas
como la que se presenta a continuacin.
27
R
(
)
La tabla de la
derecha muestra el
valor de las
constantes d2, d3, A2,
D3 y D4 para distintos
tamaos de los
subgrupos
racionales.
n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
d2
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
3,173
3,258
3,336
3,407
3,472
3,532
3,588
3,640
3,689
3,735
3,778
3,819
3,858
3,895
3,931
A2
1,880
1,023
0,729
0,577
0,483
0,419
0,373
0,337
0,308
0,285
0,266
0,249
0,235
0,223
0,212
0,203
0,194
0,187
0,180
0,173
0,167
0,162
0,157
0,153
d3
0,853
0,888
0,880
0,864
0,848
0,833
0,820
0,808
0,797
0,787
0,778
0,770
0,763
0,756
0,750
0,744
0,739
0,734
0,729
0,724
0,720
0,716
0,712
0,708
D3
0,000
0,000
0,000
0,000
0,000
0,076
0,136
0,187
0,223
0,256
0,284
0,308
0,329
0,348
0,640
0,379
0,392
0,404
0,414
0,425
0,434
0,443
0,452
0,459
D4
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
1,744
1,716
1,692
1,671
1,652
1,636
1,621
1,608
1,596
1,586
1,575
1,566
1,557
1,548
1,541
28
3
donde
A
n
LC d 2
D1 d 2 3d 3
LIC D1 R
D2 d 2 3d 3
29
3
donde
A2
d2 n
d3
D3 1 3
d2
LIC D3 R
d3
D2 1 3
d2
30
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Observaciones en la muestra
33.00 29.00 31.00 32.00 33.00
33.00 31.00 35.00 37.00 31.00
35.00 37.00 33.00 34.00 36.00
30.00 31.00 33.00 34.00 33.00
33.00 34.00 35.00 33.00 34.00
38.00 37.00 39.00 40.00 38.00
30.00 31.00 32.00 34.00 31.00
29.00 39.00 38.00 39.00 39.00
28.00 33.00 35.00 36.00 43.00
38.00 33.00 32.00 35.00 32.00
28.00 30.00 28.00 32.00 31.00
31.00 35.00 35.00 35.00 34.00
27.00 32.00 34.00 35.00 37.00
33.00 33.00 35.00 37.00 36.00
35.00 37.00 32.00 35.00 39.00
33.00 33.00 27.00 31.00 30.00
35.00 34.00 34.00 30.00 32.00
32.00 33.00 30.00 30.00 33.00
25.00 27.00 34.00 27.00 28.00
35.00 35.00 36.00 33.00 30.00
Promedios:
Media
31.60
33.40
35.00
32.20
33.80
38.40
31.60
36.80
35.00
34.00
29.80
34.00
33.00
34.80
35.60
30.80
33.00
31.60
28.20
33.80
33.32
Rango
4.00
6.00
4.00
4.00
2.00
3.00
4.00
10.00
15.00
6.00
4.00
4.00
10.00
4.00
7.00
6.00
5.00
3.00
9.00
6.00
5.80
32
40
38
36
34
LSC=36.67
30
32
LC=33.32
LIC=29.98
28
A p e rtu ra p ro m e d io d e l a la b e
10
15
20
15
20
15
5
10
LSC=12.27
LC=5.80
R a n g o d e a p e rtu ra d e l a la b e
Muestra
10
Muestra
34
40
38
36
30
32
34
LSC=36.10
LC=33.21
LIC=30.33
28
A pe rtu ra p rom ed io d el a la be
10
15
20
15
20
15
10
5
LSC=10.57
LC=5.00
R a n g o d e a p e rtu ra d e l a la b e
Muestra
10
Muestra
36
Grficos de medias y
X
s
desviaciones estndar (
)
El utiliza el mismo grfico de medias
anterior, pero ahora se estudia la
dispersin usando un grfico de las
desviaciones standard de cada subgrupo.
La desviacin muestral es un mejor
estimador de la variabilidad, pero ms
difcil de calcular. Se prefiere en procesos
con subgrupos racionales grandes (10 o
ms) o en procesos automatizados.
37
s
de grficos
Se toman k muestras de tamao n.
Se calcula la media y la desviacin
standard de cada muestra:
n
1 n
X i xij
n j 1
Si
xij X i
j 1
n 1
k
i 1
k
i 1
38
s
de grficos
Para calcular los lmites de control
necesitamos conocer la esperanza y la
varianza de estos estimadores:
E( X i )
SD( X i )
E X
n
2
E ( S i ) c 4 SD( S i ) 1 c 4 E S c 4
39
s
de grficos
Si se conocen y el clculo de los
lmites de control es muy sencillo:
Para las medias:
LSC A
LC
LIC A
LSC B6 R
3
A
n
LC c 4
B5 c4 3 1 c42
LIC B5 R
B6 c4 3 1 c42
40
s
de grficos
Cuando no se conocen los valores de
y los mismos se calculan a partir
de los datos para obtener los lmites
de control
Para
el grfico
LSC
X
A3 S de
LCmedias:
X LIC X A3 S
Para
LSC
Bel4 Sgrfico LC
S
LIC estndar:
B3 S
de
desviaciones
1 c4
1 c4
3
A3
B3 1 3
B4 1 3
c4
c4
c4 n
41
s
de grficos
Tabla 2.- La tabla de la
derecha muestra el
valor de las constantes
c4, A3, B3 y B4 para
distintos tamaos de
los subgrupos
racionales.
n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
c4
0,7979
0,8862
0,9213
0,9400
0,9515
0,9594
0,9650
0,9693
0,9727
0,9754
0,9776
0,9794
0,9810
0,9823
0,9835
0,9845
0,9854
0,9862
0,9869
0,9876
0,9882
0,9887
0,9892
0,9896
A3
2,6590
1,9540
1,6280
1,4270
1,2870
1,1820
1,0990
1,0320
0,9750
0,9270
0,8860
0,8500
0,8170
0,7890
0,7630
0,7390
0,7180
0,6980
0,6800
0,6630
0,6470
0,6330
0,6190
0,6060
B3
0,0000
0,0000
0,0000
0,0000
0,0300
0,1180
0,1850
0,2390
0,2840
0,3210
0,3540
0,3820
0,4000
0,4280
0,4480
0,4660
0,4820
0,4970
0,5100
0,5230
0,5340
0,5450
0,5550
0,5650
B4
3,2670
2,5680
2,2660
2,0890
1,9700
1,8820
1,8150
1,7610
1,7160
1,6790
1,6460
1,6180
1,5940
1,5720
1,5520
1,5340
1,5180
1,5030
1,4900
1,4770
1,4660
1,4550
1,4450
1,4350
42
1.0
0.2
0.4
0.6
0.8
k=1.0
k=1.5
k=2.0
0.0
43
Para w = 2
Ri max x j min x j , 1 i k w 1
i j i w 1
i j i w 1
1
X xi
k i 1
1
R
k w 1
R
i 1
47
LSC X 3 R d 2
LC X
LIC X 3 R d 2
LSC D4 R
LC R
LIC D3 R
50
ni
Nmero
de artculos
en elelgrupo
Se grafican
los
valores
de pi en
tiempo.
52
ni p i
i 1
k
ni
i 1
p (1 p )
p (1 p )
p3
,1
LIC max p 3
,0
ni
ni
LC p
53
ni
Nmero
de artculos
en elelgrupo
Se grafican
los
valores
de i en
tiempo.
55
ci
i 1
k
ni
Total de defectos
i 1
LSC 3
ni
LC
LIC 3
ni
56
Ejemplo de grficos u
Ejemplo 2: En una lnea de
estampado de telas, se toman rollos
de 50 metros de tela y se cuenta en
cada uno de ellos el nmero de
manchas de pintura que se
presentan. Los resultados para 10
Muestra
1
2
4
5
6 a7
8
9
10 Total
muestras
se 3muestran
Defectos 14 12 20 11
7 10 21 16 19 23
153
continuacin:
Num
de rollos 10,0 8,0 13,0 10,0 9,5 10,0 12,0 10,5 12,0 12,5 107,5
1,40 1,50 1,54 1,10 0,74 1,00 1,75 1,52 1,58 1,84
1,42
57
2.5
2.0
1.5
1.0
0.5
3.0
10
Tiempo
Grficos u y el sistema de
demritos
En algunos casos no todos los tipos de
defectos que pueden presentar las
piezas tienen la misma gravedad. En
ese caso hay dos opciones:
Construir un grfico u para cada uno de los
tipos de defectos.
Asignar un puntaje a cada tipo de defecto
dependiendo de su gravedad y luego
graficar un ndice promediado de los
defectos.
60
Grficos p y el sistema de
demritos (cont)
Defecto
Demritos
#/ unidad
Grave
10
x3
Normal
5
x2
Leve
1
x1
61
62
Interpretacin de los
grficos de control
Necesitamos determinar si el proceso
est bajo control, lo cual se traduce en
que los puntos mostrados estn dentro
de los lmites de control y presenten un
comportamiento aleatorio.
Para esto se utilizan una serie de reglas
empricas, cuya presentacin se facilita si
el rea dentro de los lmites de control se
divide en regiones iguales.
64
10.5
Zona A
Zona B
10.0
Zona C
Zona C
Zona B
9.5
Caracterstica de Calidad
Interpretacin de los
grficos de control (cont)
Zona A
10
15
20
25
Muestra
65
Interpretacin de los
grficos de control (cont)
A las reglas empricas que se utilizan
para determinar si un proceso est
bajo control se les suele denominar
reglas de parada.
Corresponden a sucesos que tienen
muy baja probabilidad de ocurrir si el
proceso est bajo control.
Cada una de ellas provee informacin
sobre el tipo de causa asignable que
puede estar afectando al proceso.
66
Reglas de parada
Un punto fuera de la zona A.
10.5
Zona A
Zona B
10.0
Zona C
Zona C
Zona B
9.5
C aracterstica de C alidad
Zona A
10
15
20
25
Muestra
67
Reglas de parada
Siete puntos en fila, todos
crecientes o decrecientes. Se
10.5
Zona A
10.0
Zona B
Zona C
Zona C
Zona B
9.5
C aracterstica de C alidad
Zona A
10
15
Muestra
20
25
68
1 0 .5
Zona A
1 0 .0
Zona B
Zona C
Zona C
Zona B
9 .5
C a ra c te rs tic a d e C a lid a d
Zona A
10
15
Muestra
20
25
69
10.5
Zona A
Zona B
10.0
Zona C
Zona C
Zona B
9.5
Caracterstica de Calidad
Zona A
10
15
Muestra
20
25
70
1 0 .5
Zona A
1 0 .0
Zona B
Zona C
Zona C
Zona B
9 .5
C a ra c te rs tic a d e C a lid a d
Zona A
10
15
20
25
Muestra
71
10.5
Zona A
Zona B
10.0
Zona C
Zona C
Zona B
9.5
Caracterstica de Calidad
Zona A
10
15
Muestra
20
25
72
Interpretacin de los
grficos de control (cont)
El calculo del nivel de significancia para
las reglas de parada que se establezcan
es importante para un correcto anlisis.
Un punto que incumple una regla de
parada es una ALARMA pero no
necesariamente significa que nuestro
proceso est fuera de control, ya que si
no podemos ligarlo a una causa
asignable puede tratarse del azar.
74
Ejemplos adicionales
Ejemplo 3.- 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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Defectos
9
16
5
6
7
9
3
9
10
4
7
10
6
6
7
Da
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Defectos
9
5
6
4
11
3
1
3
0
4
6
1
6
5
4
75
76
0.20
0.15
0.10
LSC=0.1323
0.05
LC=0.0606
0.0
LIC=0.0000
0
10
15
Dia
20
25
30
77
Tolerancias y capacidad
La literatura suele distinguir entre
dos tipos de tolerancias:
Tolerancias de diseo: las cuales son
fijadas por el departamento de
ingeniera. Estn relacionadas con el
concepto de calidad en el diseo.
Tolerancias de naturales: que vienen
dadas por las caractersticas de la
mquina o proceso.
80
Tolerancias y capacidad
(cont)
Si las tolerancias naturales de un proceso
son ms estrictas que las tolerancias de
diseo entonces es fcil obtener calidad
de conformidad.
Sin embargo, si las tolerancias de diseo
se vuelven incompatibles con las
tolerancias naturales de nuestro proceso,
muy difcilmente lograremos elaborar
productos que las satisfagan.
81
Tolerancias y capacidad
(cont)
Mercado
Tolerancias naturales
Tolerancias de diseo
Estudios de capacidad
Su objetivo es cuantificar la variabilidad
inherente a un proceso o a una parte del
mismo (determinar tolerancias naturales)
y analizar dicha variabilidad en relacin
con las especificaciones del producto
(tolerancias de diseo).
No tiene sentido hablar de capacidad
para procesos que no se encuentran en
estado de control.
83
84
Indices de capacidad
Si los procesos estn centrados:
Capacidad de mquinas
Capacidad de procesos
LST LIT
Cm
8
LST LIT
Cp
6
Para procesos:
LST X X LIT
C pk min
90
C pk C p
Capacidad y falta de
normalidad
Si la distribucin de los datos no es
normal, es posible que aparezcan ms
defectos de los que se esperan bajo un
ndice de normalidad.
Una forma de corregir el problema es
hallar lmites universales (desigualdad de
Chebyshev), pero estos tendern a ser
demasiado amplios.
Otra forma es ajustar una distribucin.
93
Ejemplos
Ejemplo 5: Se tienen datos sobre la
resistencia a la presin interna de botellas
para gaseosas en 20 muestras de 5
observaciones cada una. Los grficos de
control correspondientes pueden verse a
continuacin. Las especificaciones para el
proceso establecen que la resistencia debe
ser superior a 200, y no se establecen
valores mximos.
94
3
0
0
2
5
0
2
0
0
M
e
d
i
a
s
3
5
0
Ejemplos (cont)
10
11
12
13
14
15
16
17
18
19
20
11
12
13
14
15
16
17
18
19
20
1
0
0
0
1
0
0
R
a
n
g
o
s
2
0
0
10
x
95
Ejemplos (cont)
De las grficas es claro que el proceso
est bajo control. Por tanto podemos
estimar la variabilidad natural del
proceso debida a causas comunes
como:
R
77,3
33,23
d 2 2,326
y la localizacin del proceso como
X 264,06
96
Ejemplos (cont)
Ntese que el lmite de especificacin es
unilateral (botellas con mucha resistencia
no son de ningn modo defectuosas). As
pues:
0,64
3
33
,
23
Lo cual es un valor muy bajo, especialmente
si consideramos que se trata de un
parmetro relacionado con la seguridad.
97
35
Ejemplos (cont)
21
14
0
F re c ue nc ia a b so lu ta
28
LIE
160
180
200
220
240
260
280
300
320
340
360
Resistencia interna
98
Ejemplos (cont)
Este es un ejemplo de un proceso bajo
control (estable) pero que funciona a un
nivel de calidad inaceptable (capacidad
insuficiente).
La produccin de artculos defectuosos
en este caso no puede ser controlada por
el operario ya que solo estn presentes
causas comunes. Es necesaria la
intervencin de la gerencia.
99
Ejemplos (cont)
De hecho, es fcil calcular el nivel de
variabilidad aceptable para el proceso.
Si se desea un ndice de capacidad de
1,33 entonces
16,055
3 1,33
3 1,33
es decir, se hace necesario cortar la
dispersin a menos de la mitad.
100