TEMA 7: An alisis de la Capacidad del Proceso

1 Introducci on 2 Indices de capacidad 3 Herramientas estad sticas para el an alisis de la capacidad 4 L mites de tolerancia naturales

1.

Introducci on

La capacidad de un proceso de fabricaci on se suele interpretar como su aptitud para producir art culos de acuerdo con las especicaciones. Tambi en se suele interpretar como la aptitud del proceso o de una sola m aquina para cumplir los l mites de tolerancia. En este tema se introducen algunas medidas e la capacidad de un proceso. El an alisis de la capacidad de un proceso deber a realizarse cuando dicho proceso est e bajo control. Dicho an alisis se suele iniciar cuando se necesita estudiar un nuevo proceso, cuando se ha modicado alguna de las partes esenciales del proceso, cuando se han emplazado una o m as m aquinas en otro lugar, cuando ha habido un reajuste en el funcionamiento de las m aquinas, cuando los gr acos de control muestran cierta inestabilidad, etc. El an alisis estad stico de la capacidad del proceso suele comenzar con un estudio de este para realizar estimaciones de los par ametros fundamentales que denen su funcionamiento; especialmente, de los par ametros que determinan su variabilidad. Este u ltimo aspecto es esencial, puesto que se puede considerar como un indicador de la uniformidad en el rendimiento. Se suelen analizar dos tipos de variabilidad: La variabilidad instant anea, en un instante dado t, que determina la capacidad del proceso a corto plazo La variabilidad en el transcurso del tiempo, que determina la capacidad del proceso a largo plazo. El an alisis de la capacidad del proceso a trav es de su variabilidad requiere el conocimiento o la estimaci on de la distribuci on de la caracter stica estudiada, o bien la estimaci on de los par ametros que denen dicha variabilidad. Los gr acos de control estudiados en el tema anterior proporcionan una herramienta u til para el an alisis de la capacidad del proceso; en particular, como estimaci on de la capacidad del proceso se considera el porcentaje de variabilidad que queda dentro de los l mites de control del diagrama. Por ejemplo, con una herramienta b asica como el histograma se puede obtener una primera aproximaci on de la distribuci on de la caracter stica estudiada y realizar una primera estimaci on del porcentaje de la producci on que verica las especicaciones. 1

2.

Indices de capacidad

En esta secci on se consideran algunos ndices que proporcionan una medida de la capacidad. Para una variable aleatoria X que representa la caracter stica de la calidad que se pretende controlar en el producto fabricado, la variabilidad de X determina el nivel de calidad del producto. Una primera aproximaci on es proporcionada por los l mites de 6 que denen una situaci on de control del proceso. Esta medida de la variabilidad del proceso est a asociada a la consideraci on de un escenario gaussiano donde el intervalo 3 incluye aproximadamente al 99.7 % de los valores de la caracter stica X considerada. Los l mites de dicho intervalo denen las tolerancias naturales o intr nsecas del proceso. La interpretaci on de dicha medida no es directa y ser a de utilidad la construcci on de una medida en t erminos relativos. Se consideran los l mites de especicaci on (LIE y LSE ) que denen el rango de valores de X que se han establecido como permisibles. Asimismo, el valor objetivo, denido por el valor medio poblacional se supondr a centrado respecto a los l mites de especicaci on. Se dene entonces el ndice de capacidad est andar del proceso como LSE LIE . IC = 6 Este ndice relaciona la diferencia entre los l mites de especicaci on (establecidos) y un m ultiplo de la desviaci on t pica de la caracter stica estudiada, que est a asociado a la variabilidad del proceso y, por tanto, a las tolerancias naturales. Para IC = 1 el proceso fabrica un 0,3 % de art culos defectuosos (bajo normalidad). Si IC < 1, el proceso fabrica una proporci on de defectuosos superior al 0,3 %; dicha proporci on aumenta seg un nos alejamos de la unidad. En este caso habr a que actuar sobre el proceso para incrementar su capacidad. Si IC > 1, el proceso fabrica una proporci on de defectuosos inferior al 0,3 %; dicha proporci on disminuye seg un IC se aleja de la unidad. La frecuencia de muestreo y la fracci on de muestreo dependen de los valores de este ndice. Para ndices inferiores a la unidad se suelen inspeccionar todas las unidades. En cambio, un incremento de este ndice por encima de la unidad permite disminuir la frecuencia de muestreo y, por tanto, el n umero de unidades que se inspeccionan. En ocasiones, en el an alisis de la capacidad del proceso interesa realizar un estudio sobre la variabilidad de una sola m aquina (sin otros factores externos), investigando su capacidad en periodos cortos de tiempo frente a factores externos jos. Se pueden considerar este u otros aspectos para el dise no de ndices de capacidad. As se tienen los siguientes ndices: Indice de capacidad para una m aquina: (i) ICm = LSE LIE . 8 2

(ii) Indice de capacidad unilateral: ICk = m n LSE LIE , 3 3 .

(iii) Indice de capacidad para una m aquina unilateral: ICmk = m n Indice de capacidad inverso (iv) ICi = (v) Indice de capacidad modicado: ICmd = donde = Indice de capacidad especial: (vi) K= X . LSE LIE/2 LSE LIE , 6 )2 n1
1/2

LSE LIE , 4 4

1 . IC

n i=1 (xi

3.

Herramientas estad sticas para el an alisis de la capacidad

Seg un se ha comentado en la Introducci on, el an alisis de la capacidad requiere del conocimiento o la estimaci on de la distribuci on. Adicionalmente, seg un se han dise nado los l mites de tolerancia naturales, la suposici on de normalidad debe contrastarse para una interpretaci on adecuada de los ndices de capacidad. Por tanto, en el an alisis de la capacidad del proceso se suelen utilizar las siguientes herramientas: (i) Histogramas. (ii) Diagramas de probabilidades. (iii) G acos de control. (iv) Dise no de experimentos.

En una primera fase, para el an alisis exploratorio de los datos, la forma del histograma nos proporciona una primera aproximaci on sobre el grado de normalidad de los datos. Los diagramas de probabilidades son una alternativa a los histogramas, permitiendo obtener una primera aproximaci on sobre la forma, el valor central y la dispersi on de la caracter stica de la calidad estudiada. En una segunda fase, para un an alisis m as preciso sobre la distribuci on de los datos, los contrastes de bondad de ajuste proporcionan una herramienta u til. En el tema anterior se ha estudiado el papel de los gr acos de control en el an alisis de la capacidad del proceso, consider andose diferentes dise nos de los mismos para controlar que el proceso se mantega en torno a un valor umbral (medio), o bien en torno a unos valores especicados, con unos niveles de variabilidad establecidos por los l mites de control que denen los gr acos para las medidas de dispersi on correspondientes. En relaci on con la aplicaci on de la t ecnica de dise no de experimentos, se tiene que la determinaci on de las variables (factores) de entrada que inuyen en la variable respuesta (salida o caracter stica de la calidad estudiada) es fundamental para denir unas condiciones apropiadas que permitan, mediante selecci on de los niveles optimos de cada factor, minimizar la variabilidad de la caracter stica de la calidad estudiada, es decir, aislar las fuentes de variabilidad del proceso. La selecci on de un proceso optimo de fabricaci on frente a diferentes alternativas se puede realizar a partir de la estimaci on de la capacidad o el rendimiento de los procesos involucrados en las alternativas. Sin embargo, en algunos casos no se dispone de la informaci on suciente para obtener dicha estimaci on. Se pueden aplicar entonces t ecnicas de simulaci on estoc astica que permitan establecer valores a priori de la capacidad.

4.

L mites de tolerancia naturales

En los temas anteriores y en la secci on anterior se han considerado como l mites de tolerancia naturales los l mites 3. Este concepto se puede generalizar en varios sentidos; por ejemplo, se puede considerar un m ultiplo arbitrario de la desviaci on t pica poblacional, , o bien se puede considerar que la poblaci on no es normal. En un sentido m as amplio, los l mites de tolerancia naturales de un proceso son aqu ellos que contienen cierta fracci on 1 de la distribuci on de la caracter stica de la calidad estudiada. En el caso en que la distribuci on de la caracter stica estudiada es normal (an alogamente cuando es conocida), se tiene que, para y conocidos, los l mites de tolerancia naturales que contienen al 100(1 ) % de los valores se la caracter stuca estudiada son Z/2 . Cuando y son desconocidos, entonces se debe calcular una estimaci on de los y S 2 . La mismos. M as concretamente, a partir de una muestra de tama no n, se calculan X Z/2 S, que habr aproximaci on obtenida de los l mites de tolerancia ser a X a que corregir para asegurar que se est a considerando el 100(1 ) % de los valores de la caracter stica 4

estudiada. Por ejemplo, se puede determinar o calcular un valor M tal que una fracci on M S incluya, por lo menos, a un 100(1 ) % de los valores. Los de los intervalos X valores de M est an tabulados para diferentes tama nos muestrales, valores de y valores de . Cuando el tama no muestral aumenta, el valor de M tiende al valor poblacional. Esta caracter stica diferencia claramente a los l mites de tolerancia aproximados de los l mites de conanza, puesto que en el u ltimo caso la amplitud del intervalo de conanza tiende a cero cuando el tama no muestral tiende a innito. Cuando la distribuci on de la caracter stica estudiada no se conoce, se pueden utilizar m etodos no param etricos basados en la distribuci on de los valores extremos muestrales. Una aproximaci on al tama no muestral que hay que considerar para asegurar con una probabilidad que un 100(1 ) % de los valores se encuentra entre el menor y el mayor valor muestral observados viene dada por 1 n + 2 2 2 1 , 4 . 4

La distribuci on de Pareto Generalizada es utilizada como aproximaci on para el c alculo de la distribuci on condicionada de valores extremos, cuando el par ametro umbral es sucientemente grande.