1
Control Estadístico del Proceso
(CEP)
OBJETIVOS: Al finalizar el curso, el participante será capaz
de:
3. La Distribución normal
4. Control Estadístico del Proceso
4
¿Qué causa los defecto?
La variación en:
5
¿Cómo hacer un diagnóstico?
• Método intuitivo
• En base a la experiencia
6
Etapas de la calidad
8
Historia del CEP
9
El CEP en México
10
Los diferentes métodos estadísticos
DISEÑO DE EXPERIMENTOS
Técnica útil para identificar las variables clave que
afectan a la variabilidad de productos p procesos
Permite variar en forma sistemática los factores y
analizar su efecto
Entradas Salidas (Y)
Proceso
12
Los diferentes métodos estadísticos
MUESTREO DE ACEPTACIÓN
Técnica que permite calificar lotes de productos
como conformes o no conformes, por medio de una
muestra representativa sin inspeccionar al 100%
MUESTRA
¿OK?
LOTE
13
EL CEP ES PARTE DEL SISTEMA DE CALIDAD
ISO TS 16949 ISO 9001:2000
MEJORA CONTINUA
Información
Responsabilidad
de la Dirección
C R
e
l q
S
a
i u
e Administración
Medición, t
e r análisis, i
i de Recursos mejora s
n m
Información f
t i
e
a
c
e n
t Realización c
Producto
o i
del Producto /
o
s
(y/o servicio) Servicio
Salida n
Entrada
14
2. Las 7 Herramientas
estadísticas
15
P. REYES
16
Las 7 herramientas estadísticas
17
Las 7 herramientas estadísticas
18
Las 7 herramientas estadísticas
DEFINICION
Clasificación de los datos o factores sujetos a estudio
en una serie de grupos con características similares.
20
Diagrama de Causa Efecto, de
relaciones y de Pareto
21
Lluvia de ideas
Técnica para generar ideas creativas cuando la mejor
solución no es obvia.
DEFINICIÓN
Técnica de análisis para la solución de problemas, que
muestra la relación entre una característica de calidad y
los factores de influencia, ayudándonos a encontrar las
causas posibles que nos afectan y encontrar su solución.
24
Diagrama de Ishikawa
Medio
ambiente Métodos Personal
Frecuencia Falta de
Rotación de
Clima personal
de visitas supervi
húmedo Falta de
ción
motivación
Posición de Ausentismo
Distancia de exhibidores
la agencia al
Elaboración ¿Qué
changarro de pedidos produce
bajas ventas
Clientes con Calidad del de
ventas bajas Seguimiento producto Tortillinas
Malos
semanal Tía Rosa?
Conocimiento
itinerarios
de los Tipo de
Descompostura mínimos por exhibidor
del camión ruta
repartidor
Meta Medio
Meta Medio
Meta Medio
Segundo Tercer Cuarto
Primer nivel nivel nivel
nivel
Medios
Medios
Medios
Medios
o planes
Meta u
objetivo
Medios
o planes
27
Identificación y verificación de causas raíz
Determinar y atacar las causas raíz.
1. Análisis de posibles causas.
2. Relación causa-efecto.
3. Selección de posibles causas
5. Experimentación y verificación de
causas probables.
7. Determinación de causas reales.
8. Selección de contramedidas de
solución e implantación
9. Verificación de soluciones
28
Análisis del Modo y
Efecto de Falla (AMEF)
29
¿ Qué es el AMEF?
El Análisis del Modo y Efectos de Falla es un grupo
sistematizado de actividades para:
30
Definiciones
Modo de Falla
Diseño Proceso
Alcance insuficiente Omisiones
Recursos inadecuados Monto equivocado
Servicio no adecuado Tiempo de respuesta excesivo
31
Definiciones
Efecto
- El impacto en el Cliente cuando el Modo de Falla no se previene
ni corrige.
Resultados de Acción
O Controles de D
Función S Causa(s)
Efecto (s) c Diseño o e R Responsable S O D R
del Producto/ Modos de Falla e Potencial(es) Acción Acción
Potencial (es) c Proceso t P y fecha límite e c e P
Paso del Potenciales v o Mecanismos Sugerida Adoptada
de falla u Actuales e N de Terminación v c t N
proceso . de falla
r c
33
ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O Controles de D
Función Causa(s)
Efecto (s) D c Diseño / e R Responsable S O D R
del componente Modos de Falla Potencial(es) Acción Acción
Potencial (es) i c Proceso t P y fecha límite e c e P
/ Paso del Potenciales oMecanismos Sugerida Adoptada
de falla v u Actuales e N de Terminación v c t N
proceso de falla
r c
Esta calificación resulta cuando un modo de falla potencial resulta en un defecto con un cliente final y/o una planta de manufactura
/ ensamble. El cliente final debe ser siempre considerado primero. Si ocurren ambos, use la mayor de las dos severidades
Peligroso
con aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso 9
cumplimiento con alguna regulación gubernamental, con aviso
Resultados de Acción
O D
Función S Causa(s) Controles de
Efecto (s) c e R Responsable S O D R
del componente Modos de Falla e Potencial(es) Diseño / Acción Acción
Potencial (es) c t P y fecha límite e c e P
/ Paso del Potenciales v o Mecanismos Proceso Sugerida Adoptada
de falla u e N de Terminación v c t N
proceso . de falla Actuales
r c
La abertura del
engrane propor La abertura no LOCAL:
ciona una aber- es suficiente Daño a sensor
tura de aire entre de velocidad y
diente y diente engrane
Usar tabla para
MAXIMO PROXIMO
Falla en eje 7 determinar severidad o
gravedad
CON CLIENTE
Equipo
parado
36
ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
S Causa(s) Controles de
Función Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño/Proces Acción Acción
de Potencial (es) c t P y fecha límite e c e P
Potenciales v de los Mecanismos o Actuales Sugerida Adoptada
Artículo de falla u e N de Terminación v c t N
. de falla
r c
Causas potenciales
Insatisfacción
De Diagrama de Ishikawa
Diagrama de árbol o
Diagrama de relaciones
37
CRITERIO DE EVALUACIÓN DE OCURRENCIA SUGERIDO PARA AMEFP
Probabilidad Indices Posibles de ppk Calif.
falla
Muy alta: Fallas 100 por mil piezas < 0.55 10
persistentes
50 por mil piezas > 0.55 9
Resultados de Acción
Función O D
S Causa(s) Controles de
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño/ Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c
CON CLIENTE
Molestia
Insatisfacción
39
ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
Función O D
S Causa(s) Controles de
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño / Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c
CON CLIENTE
Molestia
Insatisfacción
40
CRITERIO DE EVALUACIÓN DE DETECCION SUGERIDO PARA AMEFP
Detecciòn Criterio Tipos de Métodos de seguridad de Rangos de Calif
Inspección Detección
A B C
Moderada Los controles tienen una buena X X Detección de error en operaciones subsiguientes, o medición
Muy Alta Controles seguros para detectar X No se pueden hacer partes discrepantes porque el item ha
pasado a prueba de errores dado el diseño del 1
Tipos de inspección: A) A prueba de error
proceso/producto
Resultados de Acción
Función O D
S Causa(s) Controles de
del Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Diseño / Acción Acción
Componente / Potencial (es) c t P y fecha límite e c e P
Potenciales v o Mecanismos Proceso Sugerida Adoptada
Paso del de falla u e N de Terminación v c t N
. de falla Actuales
proceso r c
¿Cuál es la probabilidad
MAXIMO PROXIMO
de detectar la causa de
Contabilidad 7 3 5
falla?
erronea
CON CLIENTE
Molestia
Insatisfacción
42
Calcular RPN (Número
de Prioridad de Riesgo)
43
ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño / Proceso
Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Resultados de Acción
O D
S Causa(s)
Función Efecto (s) c e R Responsable S O D R
Modos de Falla e Potencial(es) Controles de Acción Acción
de Potencial (es) c t P y fecha límite e c e P
Potenciales v de los Mecanismos Diseño Actual Sugerida Adoptada
Artículo de falla u e N de Terminación v c t N
. de falla
r c
Riesgo = Severidad x
MAXIMO PROXIMO Ocurrencia x Detección
Contabilidad 7 3 5 105
erronea
CON CLIENTE
Molestia
Causas probables a
Insatisfacción
atacar primero
44
Planear Acciones
Resultados de Acción
O D
Función S Causa(s) Controles de
Efecto (s) c e R Responsable S O D R
del componente Modos de Falla e Potencial(es) Diseño / Acción Acción
Potencial (es) c t P y fecha límite e c e P
/ Paso del Potenciales v o Mecanismos Prcoeso Sugerida Adoptada
de falla u e N de Terminación v c t N
proceso . de falla Actuales
r c
MAXIMO PROXIMO
Contabilidad 7 3 5 105
erronea
CON CLIENTE
Molestia
Insatisfacción Usar RPN para identificar
acciones futuras. Una vez que
se lleva a cabo la acción,
recalcular el RPN.
46
Prototype
Core Team
Date (Orig.)
Date (Rev.)
of
Plan de control
Part Name/Desc ription Supplier/Plant Approval/Date Customer Quality Approval/Date (if Req'd.)
Supplier/Plant Supplier Code Other Approval/Date (if Req'd.) Other Approval/Date (if Req'd.)
Part / Proc ess Name / Mac hine, Devic e, Charac teristic s Spec ial Methods
Number Desc ription For Mfg. No. Produc t Proc ess Class. Produc t/Proc ess Evaluation/ Sample Control Method Reac tion Plan
- Un proceso
- Una actividad
- Operaciones Limitadas Operador
Ayuda Visual
Instrucciones:
Distribución
47
Diagrama de Pareto
Lo primero es lo primero” es el pensamiento detrás del diagrama de
Pareto. Enfocar los recursos al problema principal desde la izquierda y
continuar hacia la derecha.
48
Diagrama de Pareto
EJEMPLO: Se tienen los defectos siguientes:
A. Emulsión 20
B. Grasa 60
C. Derrame 80
D. Tapa barrida 30
E. Mal impresa 10
50
Hojas de Verificación o registro
DEFINICION
Formato preimpreso en el cual aparecen las
características que se van a registrar, de tal manera
que los datos puedan registrarse fácilmente.
51
Hoja de verificación
Se utiliza para reunir datos basados en la observación
del comportamiento de un proceso con el fin de
detectar tendencias, por medio de la captura, análisis
y control de información relativa al proceso
DIA
DEFECTO 1 2 3 4 TOTAL
Tamaño erróneoIIIII I IIIII IIIII III IIIII II 26
Forma errónea I III III II 9
Depto. Equivocado
IIIII I I I 8
Peso erróneo IIIII IIIII IIIII
I III IIIII III IIIII IIIII 37
Mal Acabado II III I I 7
TOTAL 25 20 21 21 87
52
Diagrama de Dispersíón / Regresión
DEFINICION
53
Análisis de Regresión
El análisis de regresión es un método
estandarizado para localizar la correlación entre dos
grupos de datos, y, quizá más importante, crear un
modelo de predicción.
Regresión
Describe con más detalle la relación entre las variables.
15 15
10
Y
Y
10
5
5
0
0 5 10 15 20 25
Sin Correlación 0
0 5 10 15 20 25
X 25 X
20
15
Correlación Y 10
Correlación
5
25
Positiva 0 Negativa
0 5 10 15 20 25 25
20
X 20
15
15
Y
10
Y
10
5
5
0
0 5 10 15 20 25 0
0 5 10 15 20 25
X
X
56
Ejemplo
Considere el problema de predecir las ventas mensuales en
función del costo de publicidad. Calcular el coeficiente de
correlación, el de determinación y la recta.
1 1.2 101
2 0.8 92
3 1.0 110
4 1.3 120
5 0.7 90
6 0.8 82
7 1.0 93
8 0.6 75
9 0.9 91
57
10 1.1 105
Gráfica de la Línea de Ajuste
Recta de regresión
Y=-.600.858+5738.89X
R2 = .895
600
Retención
500 Regresión
95% Intervalo
de confianza
95% Intervalo
400 de predicción
58
Interpretación de los Resultados
Iniciar/Detener Transmisión
Operaciones Almacenar
(Valor agregado)
Decisión Entrada/Salida
Inspección /Medición
Retraso
61
Histogramas
62
Histograma de Frecuencia
• Permite ver la distribución de la frecuencia con la que ocurren las
cosas en los procesos de manufactura y administrativos.
LIE LSE
DEFINICION
Un Histograma es la organización de un número de datos
muestra que nos permite visualizar al proceso de manera
objetiva.
63
Histograma de Frecuencia
M
E
D
Media I
C
I
O
N
TAMAÑO TAMAÑO TAMAÑO E
S
CLASE FRECUENCIA
1-5 7
6-10 12
11-15 19
16-20 16
21-25 8
65
26-30 4
Definiciones - datos agrupados
Límite inferior y superior de clase
Son los numeros más pequeños y más grandes de las clases (del
ejemplo, 1 y 5; 6 y 10; 11 y 15; 16 y 20; 21 y 25; 26 y 30)
Marcas de clase
Son los puntos medios de las clases (del ejemplo 3, 8, 13, 18, 23 y 28)
Fronteras de clase
Se obtienen al incrementar los límites superiores de clase y al
decrementar los inferiores en una cantidad igual a la media de la
diferencia entre un límite superior de clase y el siguiente límite inferior
de clase (en el ejemplo, las fronteras de clase son 0.5, 5.5, 10.5, 15.5,
20.5, 25.5 y 30.5)
Ancho de clase
Es la diferencia entre dos límites de clase inferiores consecutivas(en el
ejemplo, es 5). 66
Construcción del histograma - datos agrupados
Paso 1. Contar los datos (N)
Paso 2. Calcular el rango de los datos R = (Valor mayor- valor menor)
19 21 25 33 30 27 31 25 35
37 44 43 42 39 43 40 38 37
36 42 41 44 32 45 46 47 45
54 52 50 48 49 47 48 49 47
52 51 50 49 58 59 61 62 63
59 61 66 76 70
68
Ejemplo: Construcción del histograma
Paso 2. Rango R = 76 - 16 = 60
Paso 5. Lím. de clase: 15-24, 25- 34, 35- 44, 45- 54, 55 - 64, 65-74, 75-94
Paso 6. Número de datos: 2 7 14 17 7 2 1
Marcas de clase 19.5 29.5 39.5 49.5 59.5 69.5 79.5
18
16
14
12
10
8 Frec.
6
4
2
0
15-24 25-34 35-44 45-54 55-64 65-75
70
Ejercicio de Histogramas
Datos:
72
Distribución gráfica de la
variación – Curva normal
LAS PIEZAS VARÍAN DE UNA A OTRA:
Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal
73
La distribución Normal
X
x-3 x-2 x- x x+ x+2 x+3
z
-3 -2 -1 0 1 2 3
75
Características de la Distribución Normal
68%
34% 34%
+1s
95%
+2s
99.73%
+3s 76
Procesos normales y medias
muestrales
Un proceso normal es el que su salida sigue una
distribución normal, se puede probar con el criterio
de Anderson Darling o de Ryan para P value > 0.05
77
El valor de Z
Determina el número de desviaciones estándar
entre algún valor x y la media de la población, mu
Donde sigma es la desviación estándar de la
población.
z= x-m
78
Área bajo la curva normal
¿Que porcentaje de las baterías se espera que duren
80 horas o menos?
Z = (x-mu) / s
Z = (80-85.36)/(3.77)= - 5.36/ 3.77 = -1.42
80 85.36
-1.42 0
79
Área bajo la curva normal
¿Cuál es la probabilidad de que una batería dure
entre 86.0 y 87.0 horas?
85.36 86 87
0 1
80
Ejercicios
Considere una media de peso de estudiantes de 75 Kgs.
con una desviación estándar de 10Kgs. Contestar lo
siguiente:
¿Cuál es la probabilidad de que un estudiante pese más
de 85Kgs.?
2. ¿Cuál es la probabilidad de que un estudiante pese
menos de 50Kgs.?
3. ¿Cuál es la probabilidad de que pese entre 60 y 80
Kgs.?.
4. ¿Cuál es la probabilidad de que pese entre 55 y 70
Kgs.?
5. ¿Cuál es la probabilidad de que pese entre 85 y
81
100Kgs.?
4. Control estadístico del
proceso
82
CEP objetivos y beneficios
El CEP es una técnica que permite aplicar el análisis
estadístico para medir, monitorear y controlar
procesos por medio de cartas de control
Sistema de reconocimiento
Causa
especial
Causas
normales o
comunes
DEFINICION
Es una ayuda gráfica para el control de las variaciones
de los procesos administrativos y de manufactura.
87
Variación observada
en una Carta de Control
88
Cartas de Control
Detección
Prevención
No Si
VARIACIÓN
Causas especiales
Límite
inf. de
especs.
Límite
sup. de
especs.
Objetivo
90
Variación – Causas especiales
Límite
inf. de
especs.
Límite
sup. de
especs.
Objetivo
91
Patrones de anormalidad
en la carta de control
“Escuche la Voz del Proceso” Región de control,
M captura la variación
E
natural del proceso
D
I original
D LSC
A
S
C
A LIC
L Tendencia del proceso
I
D El proceso ha cambiado
A
Causa Especial
identifcada
D
TIEMPO
92
Patrones Fuera de Control
Corridas
7 puntos consecutivos de un lado de X-media.
Adhesión a la media
15 puntos consecutivos dentro de la banda de 1 sigma del
centro.
Otros
2 de 3 puntos fuera de los límites a dos sigma 93
Patrón de Carta
en Control Estadístico
94
Teorema del Límite Central
La distribución de las medias de las muestras tienden
a distribuirse en forma normal
50
40
30
20 Frec.
10
0
1 2 3 4 5 6 7 8 9
95
Teorema del Límite Central
10
8
6
4 Frec.
2
0
3.5 4 4.5 5 5.5 6 6.5
97
CEP por variables y atributos
El CEP por variables implica realizar mediciones en la
característica de calidad de interés, tal como:
Tiempos
Velocidad
98
5. Cartas de Control para
variables
99
Cartas de Control por Variables
100
Implantación de cartas
de control por variables
• Identificar la característica a controlar en base
a un AMEF (análisis del modo y efecto de falla)
y plan de control
101
Implantación de cartas
de control por variables
• Centrar el proceso, correrlo y medir al menos
25 subgrupos de 5 partes cada uno, calcular
límites
102
Carta X, R
Terminología
k = número de subgrupos; n = número de muestras en cada subgrupo
X = promedio para un subgrupo
X = promedio de todos los promedios de los subgrupos
R = rango de un subgrupo
R = promedio de todos los rangos de los subgrupos
x1 + x2 + x3 + ...+ xN
x =
n
x1 + x2 + x3 + ...+ xN
x =
k
LSCX = x + A2 R NOTA: Los factores a considerar
LICX = x - A2 R para n = 5
LSCR = D4 R Son A2 = 0.577 D3 = 0 D4 = 2.114
LICR = D3 R 103
Ejemplo de carta de control X-R
Xbar-R Chart of Pulse1
90
U C L=86.84
Sample Mean
80
_
_
X=72.69
70
60
LC L=58.53
2 4 6 8 10 12 14 16 18
Sample
U C L=51.89
48
Sample Range
36
_
24 R=24.54
12
0 LC L=0
2 4 6 8 10 12 14 16 18
104
Sample
Carta X, S
Este es un par de Cartas muy similar a las gráficas X - R. La
diferencia consiste en que el tamaño de la muestra puede
variar y es mucho más sensible para detectar cambios en la
media o en la variabilidad del proceso.
105
Carta X, S (Continuación)
Terminología
k = número de subgrupos n = número de muestras en cada subgrupo
x = promedio para un subgrupo
x = promedio de todos los promedios de los subgrupos
S = Desviación estándar de un subgrupo
S = Desviación est. promedio de todos los subgrupos
x1 + x2 + x3 + ...+ xN
x = n 5 6 7 8 9 10
n
x1 + x2 + x3 + ...+ xN B4 2.09 1.97 1.88 1.82 1.76 1.72
x =
k B3 0.00 0.03 0.12 0.18 0.24 0.28
LSCX = x + A3 S A3 1.43 1.29 1.18 1.10 1.03 0.98
LICX = x - A3 S C4 .940 .952 .959 .965 .969 .973
LSCS = B4 S
LICs = B3 S
106
(usar estos factores para calcular Límites de Control
Carta de Individuales (I-MR)
107
Carta I-MR (Continuación)
Terminología
k = número de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x1 + x2 + x3 + ...+ xN
x =
n
n 2
LSCX = x + E2 R D4 3.27
LICX = x - E2 R D3 0
LSCR = D4 R E2 2.66
LICR = D3 R
(usar estos factores para calcular Límites de Control n = 2) 108
Ejemplo: Carta I-MR
I-MR Chart of Pulse2
150
1
1
Individual Value
125 1 11
1
U C L=113.2
100
_
X=80
75
50 LC L=46.8
1 9 18 27 36 45 54 63 72 81 90
O bser vation
60
Moving Range
1
45 1
U C L=40.75
30
15 __
M R=12.47
0 LC L=0
1 9 18 27 36 45 54 63 72 81 90
O bser vation
110
Cartas de control para atributos
Datos de Atributos
Tipo Medición ¿Tamaño de Muestra ?
p - CON n PROMEDIO
p - ESTANDARIZADA
112
Carta p
Ejemplo:
Gráfica P para Fracción Defectiva
0.5
0.4
3.0SL= 0.4484 LSC
Proporci
0.3
ón
0.2
0.1 P= 0.1128 p
0.0 -3.0SL= 0.000
LIC
0 5 10
Número de muestra
10 3.0 LSC=10.03
No. De fecetivos
5
Np =4.018 np
c – Número de defectos
Se cuentan los defectos que tienen cada
unidad de inspección de tamaño n
constante en productos como facturas
116
Carta c
Terminología
c = Número de defectos encontrados en cada
unidad o unidades constantes de inspección
k = número de muestras
117
Carta c
Ejemplo:
Carta C
15 1
Número de defectos
5 C = 5.640 C
0 -3.0L IC=0.000
0 5 10 15 20 25
Número de Muestras
Ejemplos:
• Se toma una muestra de facturas por semana, identificando
los errores en estas.
7 3.0L SC
=6.768
LSC
6
5 U=4.979 u
4
-3.0L IC=3.190
3 LIC
2
0 10 20
Número de Muestras
121
Cartas de precontrol (Shainin)
Es más exitosa con procesos estables no sujetos a
corridas rápidas una vez que se ajustan
122
Pre- Control
Bajo Alto
Línea Línea
P-C P-C
Tolerancia Completa
123
Reglas de Precontrol
1. Ajustes: Iniciar producción sólo cuando 5 piezas consecutivas
caen en verde.
a Sí hay una amarilla reinicie el conteo
b Sí hay dos amarillas consecutivas, ajuste
c Re - inicie control, cuando suceda algún cambio en
herramienta, operador, material o después de cualquier
paro de maquinaria.
2. Durante la producción: Tomar una muestra de dos piezas
consecutivas A y B (cada 1/6 del tiempo prom. transc.entre 2 paros):
a Sí A y B caen en verde, continuar el proceso
b Sí A es amarilla y B cae en verde continuar proceso.
c Sí A y B son amarillas parar proceso e investigar causas
d Sí A o B son rojas, parar proceso e investigar causas
124
Acciones a tomar
Ultima pieza Pieza actual
Verde Continuar
Rojo Detener
125
Distribución de probabilidad
LIEsp. Línea Línea LSEspecif.
P-C P-C
7% 86% 7%
Rojo Amarillo Verde Amarillo Rojo
Area Objetivo
126
7. Capacidad de Proceso
127
Objetivos de la capacidad del proceso
4. Seleccionar proveedores
s _
xi
X
Debe ser 1
para tener el potencial de
cumplir con especificaciones (LIE, LSE)
133
Capacidad de procesos no normales
y transformaciones de datos
Para procesos no normales, utilizar la distribución
de Weibull
134
Capacidad y Desempeño de
procesos
Capacidad de procesos en base a sigma de R / d2
R S MR
ˆ ST , ,
d 2 c4 d 2
LSE LIE
ˆ ST n
6
kn
X i mˆ
2
4(n 1) ˆ LT
S TOT
c4
STOT
3n 1 c 4 kn
i 1
kn 1
135
Inerpretación de salida Minitab
Desviación estándar “Within” determinada con R/d2,
se usa para determinar los índices de capacidad Cp,
Cpk y PPM “Within” con el proceso en control
LSL USL
P rocess Data Within
LS L 9.00000 Overall
Target *
USL 14.00000 P otential (Within) C apability
S ample M ean 11.74400 Cp 0.97
S ample N 50 C PL 1.07
C PU 0.88
S tDev (Within) 0.85577
S tDev (O v erall) 0.80259 C pk 0.88
C C pk 0.97
O v erall C apability
Pp 1.04
PPL 1.14
PPU 0.94
P pk 0.94
C pm *
137
P P M Total 0.00 P P M Total 4863.51 P P M Total 2784.59
Rendimiento de la capacidad real
Recibo de partes
del proveedor
139
EN CASOS ESPECIALES COMO ESTOS
DONDE LAS VARIACIONES PRESENTES SON
TOTALMENTE INESPERADAS
TENEMOS UN PROCESO INESTABLE o “IMPREDECIBLE”.
?
? ?
? ?
? ?
140
Proceso en control
Predicción
Tiempo
141
Control y Capacidad de Proceso
Control de Proceso:
Capacidad de Proceso:
x Area entre 0 y 1s
-Probabilidad de Ocurrencia
Distribución
del Proceso
_
x = media
34% 34% s= sigma; es la
desviación
estándar; medida
de la variación
14 % 14 % del proceso.
2% 2%
-3s -2s -1s x +1s +2s 3s 143
99.73%
Desviación Estándar del proceso
=R o =S
d2 c4
Donde,
= Desviación estándar de la población
d2 = Factor que depende del tamaño del subgrupo en la carta de
control X - R
C4 = Idem al anterior para una carta X - S
NOTA: En una carta por individuales, d2 se toma para n = 2 y
RangoMedio=Suma rangos / (n -1) 144
Capacidad del proceso
Cuando las causas comunes son la única variación:
Cp = (LSE - LIE) / 6
148
8. Capacidad de los
sistemas de medición
149
Metrología
Metrología es la ciencia de las mediciones
Variación dentro de
la muestra Variación originada
Reproducibilidad
por el calibrador
Calibración
152
Definición de la Repetibilidad
Repetibilidad: Es la variación de las mediciones
obtenidas con un instrumento de medición, cuando es
utilizado varias veces por un operador, al mismo tiempo
que mide las mismas características en una misma parte
REPETIBILIDAD
153
Definición de la Reproducibilidad
Reproducibilidad: Es la Operador-B
variación, entre promedios
de las mediciones hechas
por diferentes operadores
que utilizan un mismo
instrumento de medición Operador-C
cuando miden las mismas
características en una
misma parte
Operador-A
Reproducibilidad 154
Definición de la Estabilidad
155
Definición de la Linealidad
Max
Min
Valor Valor
Linealidad es la diferenciaverdadero verdadero
en los valores real y Sesgo Sesgo
observado, Menor mayor
a través del rango de
operación (rango inferior)
esperado del equipo.
Rango de Operación del equipo
(rango superior)
156
Estudio de R&R
157
EL VALOR DEL R&R COMO % DE LA VARIACION TOTAL
DEL PROCESO:
VARIACIÓN DE PARTE A
PARTE
Lo que
fue
medido
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo
qué tan crítico es el grado de la medición.
>30%. ¡Inaceptable
158
Realizando el estudio R&R
159
Procedimiento para
realizar un estudio de R&R
1. Ajuste el calibrador, o asegúrese de que éste haya sido calibrado.
3. Haga que el primer operador mida todas las muestras una sola
vez, siguiendo un orden al azar.
4. Haga que el segundo operador mida todas las muestras una sola
vez, siguiendo un orden al azar.
Reproducibilidad
%R&R
163
Método X-media y Rango:
Repetibilidad y Reproducibilidad de calibrador
Operador A Operador B
Serie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porción Xbar
1 9.376 9.358 9.354 9.361
2 9.372 9.320 9.372 9.372
3 9.378 9.375 9.278 9.277
4 9.405 9.388 9.362 9.370
5 9.345 9.342 9.338 9.339
6 9.390 9.360 9.386 9.370
7 9.350 9.340 9.349 9.349
8 9.405 9.380 9.394 9.381
9 9.371 9.375 9.384 9.385
10 9.380 9.368 9.371 9.376
Totales
X-barA X-barB
R-barA R-barB
Porción R
164
1. Cálculo de las X-medias
Operador A Operador B
Serie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porción Xbar
1 9.376 9.358 9.354 9.361 9.362
2 9.372 9.320 9.372 9.372 9.359
3 9.378 9.375 9.278 9.277 9.327
4 9.405 9.388 9.362 9.370 9.381
5 9.345 9.342 9.338 9.339 9.341
6 9.390 9.360 9.386 9.370 9.377
7 9.350 9.340 9.349 9.349 9.347
8 9.405 9.380 9.394 9.381 9.390
9 9.371 9.375 9.384 9.385 9.379
10 9.380 9.368 9.371 9.376 9.374
Totales 93.772 93.606 93.588 93.580
X-barA 9.3689 X-barB 9.3584
R-barA R-barB
Porción R
165
2. Cálculo de los Rangos
Operador A Operador B
Serie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porción Xbar
1 9.376 9.358 0.018 9.354 9.361 0.007 9.362
2 9.372 9.320 0.052 9.372 9.372 0.000 9.359
3 9.378 9.375 0.003 9.278 9.277 0.001 9.327
4 9.405 9.388 0.017 9.362 9.370 0.008 9.381
5 9.345 9.342 0.003 9.338 9.339 0.001 9.341
6 9.390 9.360 0.030 9.386 9.370 0.016 9.377
7 9.350 9.340 0.010 9.349 9.349 0.000 9.347
8 9.405 9.380 0.025 9.394 9.381 0.013 9.390
9 9.371 9.375 0.004 9.384 9.385 0.001 9.379
10 9.380 9.368 0.012 9.371 9.376 0.005 9.374
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052
Porción R 0.0630166
Identificación de Parámetros del Estudio
y Cálculos
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052
Porción R 0.0630
167
3. Cálculo de R&R
Repetibilidad: La variación del dispositivo de medición (VD) se calcula
sobre cada grupo de mediciones tomadas por un operador, en una
sola parte.
DV = R x K1 = 0.0515
168
3. Cálculo de R&R
El componente de varianza para repetibilidad y reproducibilidad
(R&R) se calcula combinando la varianza de cada componente.
PV = Rpart x K3 = 0.1021
% Tolerance
0.75
50
0.50
0
Gage R&R Repeat Reprod Part-to-Part 1 2 3 4 5 6 7 8 9 10
Part
R Chart by Operator
1 2 3
Response by Operator
UCL=0.1252 1.00
Sample Range
0.10
0.75
0.05 _
R=0.0383
0.50
0.00 LCL=0
1 2 3
Operator
Xbar Chart by Operator
1 2 3 Operator * Part Interaction
1.00 1.00 Operator
Sample Mean
_
_
UCL=0.8796
1
Average
2
X=0.8075
0.75 LCL=0.7354 0.75 3
0.50
0.50
1 2 3 4 5 6 7 8 9 10
Part
45.09 PV=Variación de
%DV = 100*DV/Variación total=
Las partes
32.00
%AV = 100*AV/ Variación total =
89.40 172
%PV = 100*PV /Variación total =
Ejercicios
174
Muda, los 7 desperdicios
El Muda son actividades que no agregan valor en el
lugar de trabajo. Su eliminación es esencial para
reducir costos y tener calidad en producto:
Sobreproducción
Inventarios
Reparaciones / Retrabajos
Movimientos
Esperas
Transportes 175
5S’s
Seiko (arreglo adecuado)
Seiton (orden)
Seiketso (limpieza personal)
Seiso (limpieza)
Shitsuke (disciplina personal)
En Inglés:
Sort (eliminar lo innecesario)
Straighten (poner cada cosa en su lugar)
Scrub / Shine (limpiar todo
Systematize (hacer de la limpieza una rutina)
Standardize (mantener lo anterior y mejorarlo)
176
Administración visual
Tiene como propósito mostrar a la administración y
empleados lo que está sucediendo en cualquier
momento de un vistazo
Los programas
177
Kaizen Blitz (evento o taller)
Involucra una actividad Kaizen (proyecto de mejora)
en un área específica por medio de un equipo de
trabajo durante 3 a 5 días:
2 días de entrenamiento
3 días para colección de datos, análisis e
implementación de la solución
Ideas de mejora
Mejoras en calidad
Ambiente de trabajo seguro
Reducción de actividades que no agregan valor
179
Kanban
Kanban = signo. Es una señal a los procesos internos
para proporcionar servicios (tarjetas, banderas,
espacio en el piso, etc.). Da indicación visual de:
Tiempo de entrega
Colores en función del destino
180
Poka Yoke
Con dispositivos sencillos a Prueba de error se
pueden evitar los errores humanos por:
Olvidos
Malos entendidos
Identificación errónea
Falta de entrenamiento
Distracciones
Omisión de las reglas
Falta de estándares escritos o visuales
181
POKA YOKEs
Pasadores Guía
184
Funciones básicas de un Poka Yoke
1.Describir el defecto
Mostrar la tasa de defectos; Formar un equipo de
trabajo
2. Identificar el lugar donde:
Se descubren los defectos; Se producen los
defectos
3. Detalle de los procedimientos y estándares de la
operación donde se producen los defectos
186
Metodología de desarrollo de Poka Yokes
Identificar
Hacer un AMEF de
Identificar todos los características de
proceso para
errores potenciales diseño que pueden
Manufactura
eliminar el error
1
Rediseñar para
eliminar la posibilidad
de error
o
2 Revisar el diseño para
Rediseñar para hacer
obvio que ocurrirá un detectar errores potenciales
error en Manufactura y Ensamble
o
3
Rediseñar para hacer
obvio que ha ocurrido
un error
188
TPM
El mantenimiento productivo total incluye la participación
de todos para asegurar la disponibilidad del equipo de
producción y combina los mantenimientos preventivo,
predictivo, mejoras en la mantenabilidad, facilidad de
mantenimiento y confiabilidad
189
Estándares de Trabajo
Documentan la mejor manera de hacer el trabajo, en
forma más fácil y segura.
Preservan el Know How y experiencia para hacer el
trabajo que puede perderse al irse los empleados
Códigos de colores
192
Muestreo aleatorio estadístico
Muestra n
Lote N
193
Muestreo de aceptación
Calificación de lotes: sin inspección, insp. 100% y
muestreo
195
Muestreo simple por atributos
Se define por su tamaño de muestra n y el número de
aceptación c máxima de partes defectivas
Pa
1 Curva característica de
0.8 Operación dado una
0.5 Tamaño de muestra n
0.3 y un criterio de aceptación c
0.1
0.05 0.1 0.15 0.2 0.25 0.3 p Prov. 196
Muestreo simple por atributos
Conforme se disminuye c o se aumenta n la probailidad de
aceptar lotes defectivos se reduce
Doble
Múltiple
Inspección reducida
Inspección estricta
198
Tablas de muestreo por atributos
MIL-STD 105E o ANSI Z1.4
Iniciando con Inspección normal, proporciona información
de:
Tamaño de muestra n
Criterio de aceptación Aceptar con
200
Muestreo simple por variables
Método I – Distancia k de X a Lim. Esp.
Se define por su tamaño de muestra n y el número de
aceptación k distancia mínima de la media de la muestra a
al límite de especificaciones
Z = (LIE-Xm)/s
1.05 1.1 1.15 1.2 1.25 1.3 Dimensión201
X
Muestreo simple por variables
Método I – Distancia k de X a Lim. Esp.
Se define por su tamaño de muestra n y el número de
aceptación k distancia mínima de la media de la muestra a
al límite de especificaciones
LIE X LSE
Aceptar el lote
Si P(Zt) <= M
Zi Zs
s
P(Zi) P(Zs)
204
Muestreo simple por variables –Método
II de M = fracc. Def. máx.
Se define por su tamaño de muestra n y el número de
aceptación M máxima fracción defectiva aceptable en la
muestra
Inspección reducida
Inspección estricta
206
Tablas de muestreo ASQC-Z1.9
Iniciando con Inspección normal, proporciona información de:
Tamaño de muestra n
Criterio de aceptación K (máximo) o M (mínimo)
207
Tablas de muestreo ASQC-Z1.9
Método II con el valor de M
Ejemplo: Si N = 40 y AQL = 1%, Nivel de inspección II teniendo
Lim. De especificaciones LIE = 180, LSE = 209
La tabla A-2 indica letra código D
Sesión de preguntas y
respuestas
209