ein! CoS Ucar Rea ToCr Tes cCa aE} Proc Cun Suen Teenie Creede: eae Pore Cooma Lae er Ee) los enouentra muy diffcie Teun EO aie sonas que trabajan en capa supervision del control total de calidad Pen ec eRe) fe transmitirle Pra it aL Onis Coenen Ent diante ejemplos de prob ‘cc 050s San o5e-04c7195 : IF Le 1) an feHERRAMIENTAS | ESTADISTICAS BASICAS PARA EL MEJORAMIENTO DE LA CALIDAD HITOSHI KUME Traducci6n Eloisa Vasco Revisién Técnica Daniet tarquino ani, Panama, loss, Santiago de Chile, Sanco DomingoKame, Hlesht oanienasemaiesf ites’ Kine; wader Bless Vs — + Rael Now? 200 243 ps5 10.6 18 am ISBN SsRKTID4 “Talo origin: Saal mba qual taprovemer TL Cony de edad - Méusoe adinicos T. Vanco, Flos TT Te (658 568 ed 20. ANTAL (CEP Banco deb Rep-ica Biianees EivAnge Arines Feicdn original en inglés STATISTICAL METHODS TOR QUALITY IMPROVEMENT de High Kure, Fa Copytign ©1905 por The ham ot ‘Quernet Tech Sehobaship (ATS) todo mundo de ica pana, ence gtn, por Edi Nowa SA. sedate send com Te haoion fr yews Tehua Scbelaship (OTS? “Aparad Aven 50550, Sort Cokrbin- tics eva por Expaba Gran Via de les Cors Calan 222-324, 98008 Earlene. Roce todo los derechos, Prohibit epee srl o paride ine, pow cul: ms, sin pein eric dea Basal Himpteso pes Eaiiones Ves Lae, Imprgex Calenbia — Painted ic Cafes Copy ©1982 po Dineen editorial, Mar de Mae Rave G CCoendinacié, eto], Cola ico, Ub ae, Oxar Tors D ichadesa de osbiera, Mara Aperbe ISDN, 958. 447198 Prefacio Capitulo T Tntroduceié . El papel de los métodos extadisicos en la admministracion de los procesos de produceién . 2.2 Las hojes de segs Capsule HE El andlisis de Pareto... 3.1 Qué son los diagraraas de Pareto? 3.2. Cimo elsborar diaprarnas de Pareto 3.3. Dingramas de Pareto de fendmenos y diagramas de Parero de causas 3A Notas sabee Jos diagramas de Pareto Capitulo IV Diagramas de causa-cfecto 4.1 ;Qué son los disprarnas de causa-cfesto? 4.2 Cémo elaborar diagramas de causa efecto 4.3. Notas sobre lox diagramas de causa-cfecco 44, Diagramas de Pareto y diagramas de causaccfectowon 39 5.1 Distrbuciones e histogramas 29 5.2. Comn elaborar histogramas 2 53. Cémo leer hisropramas 50 5.4. Modi para presentat lis caraceristicas de las distsibuciones 0. en 33 55, La dattibucién normal y sus caraceriticas 6 Capito VE Los = Sagan de iapersisn 68 Que son los dgramas de dapersio? 8B 62 Chu cabot un dagrana de deni. o 63. Ceimo leer Ins diagramas de dispersi6n wnnwonenrnnn 72 G4 H cdleulo de Jos coeficientes de corelaci6n 15 65 Notas sobre el andlsiscorrelacional 8 6.6 Quéesl andlisis de represi6nt .. 3 6.7 Estimacién de fas lineas de regresion. a 6.8 Notas sobre danilisis de regzesion « 87 Captento Vit GraBicas de control 7.1. Qué son ls prfica de cone 7.2, Tipos de prilicas de contol 7.3. Cémo elahorar una grdfica de control 7A Cihmn leer iasgrificas de control 75. Andlsis del proceso usando las grifcas de control 7.6 Estudio de caso de andlsis del proceso... us 77 Contiol del procesa con grificas de control 14 Caplealo VI Adisividad de las variancas .. sen 8.1 Las medias y las varianzas de surnas 8.2 Precisidn del eusarnblaje de panes 83. Formulas eeiicas 84 Elvaloresperado y la vrianaa dela media mucseal - 149 85, Ector de mnestzes y etror de medicidn 8.6 La varianaa de los valores de una funcién 87 Cuando las variables alearorias no son independiences 152 Eo wm 8.8 Combinacién selecsiv, 89 Control estadistica de-alidad 154 155 Capiralo IX Introduceign a 12 inferencis éadistica . 158 91 Bstadistien 158 9.2. Distribncién de fas extadisticas 159 9.3. Peucha de fa hipéresia wan 169 94 Bstimaciéa de pardauesrs . 7 9.5. Pruebas y extimaciones de las medias de poblaciones cuindo xx no se conoce 178 946 Pruchas y estimaciones de la diferencias entre las medias de dos poblaciones.. . 182 9.7. Pracbasy estimaciones en observaciones pecendas «.. 185 9.8 Pruebas de significacién de ios coeficiences de correlacién 189 Capinato La ruts de Ja calidad - 399 10.1 El problema. 195 10.2. Observacin 197 10.3 Anifisis.. 201 104 Accién.. vom 206 10.5 Verifcacién, . 207 . 208 210 22 seo . 24 Tabla A.1 Tabla dela distribneién normal. 24 Tabla A.2.Coeficientes para la gréfica ¥—R 214 Tabla A.3 Puntos de porcentaje para ia discibacidn pwns 214 Respuertas alos cjercicio .. nee BB Indice a 193Prefacio Los métodos estadisticos son herramientas eficaces para mejorar l proceso de producciéa y reducir sns defeccos. Sin embargo, se debe tener en cuenta que las herramieutas estadisticas son preci- samente herramientas: no servirian si se usan inadecuadamente. Con frecuencia se intenta redncir log defectos de producciéa temontindose directamente a la causa del defecto. Ese es un cn- foque directo y, a primera vista, parece que es eficiente. Pero, en a mayoria de los casos, las causas ensonctadas por medio de ese enfoque no son Jas verdaderas. Si se aplican soluciones a las de- fectos basindose en el conocimiento de csas causas falsas, el in- tento puede «wo tener resultados y el esfuerzo se perders. El pri- ‘mer paso para enconttar la verdadera causa es una observacién cuidadosa del fenémeno del defecto. Luego de esa observacién cnidadasa, la verdadera causa seti evidente Las herramiencas estadisticas dan objetividad y precisién a las observaciones. Las premisas de la manera de pensar estadisti- cason: 1) Dele mayor importancia a los hechos que a los conceptos abstcactos. 2) No cxprescloshechos en réeminos de sentimientos ode ideas. Uilice cifras devivadas de los resultados espectficos de la ob- servaciéa,x PaBEACIO 3) Los resultados de las observaciones, acompatiadas como es- én por el error y la varlacidn, son parte de un todo ocults. Encontrar ese todo oculta ¢s la finalidad tlrima de la obser- vacin. 4) Acepre como informacién confiable, la distribucién normal que aparece cnanda hay un gran ndmero de observaciones. En primer Ingar, se debe reconocer [a imperfeccién del ceco- nocimiente humano. Despnés debe entenderse que ol conoci- mienca aceual no es mas que fa base para ntievas hipécesis. Sa- biende esto, los métodas de pensamiento meucionados ames pueden ser ticiles pare profundizar nueswo entendimiento del proceto de prodnecidn y de las formas de mejorarlo. Este libro differe de los textos de estadistica comunes. Su pro- péisico €s mostrar cémo aplicar los mnécodas estadisticas a los pro- blemas del mundo real. Quienes tenrgan poco conocimiento del andlisis estadistico también se heneficiaran. Debe comenzar con los pasos ihiciales dea explicacién y despnés seguir con los otros capitulos. Las personas que ya conozcan Ia estad'stica pueden omitir los pasos intcodnctorios y empezar con las explicaciones del andlisis estadistico en su uso prdctico, Los ancores se sencitén mny satisfechos si et libro ayuda a los gerentes de produccién y a fos ingenieros a mejorar ¢l proceso de produccién. Los capitulos son revisiones de articlos que aparecieron por primera ver en La revista Kenshn, pnblicaca por ta Asociacion de Becas Técnicas Internacionales (Association for Overseas Technical Scholarships, AOTS), una asociacién sim nimo de Incro. El objetivo de AOTS es pramaver la cooperacién técnica. Los leccores de Kenshu son gerentes de produceién e ingenieros de paises en via de desarrollo. En segnida se enuncian los capitu- los del libro junto con sus respectivos autores, pero la responsa- bilidad por fos errores y Tas omisiones es del editor, Capitulo 1 Inerodnecigu. Hitoshi Kume Capitulo 2 Cémo obtener datos Yoshinori lizuka I Introduccién EL PAPEL DE LOS METODOS ESTADISTICOS EN LA ADMINISTRACION DE LOS PROCESOS DE PRODUCCION (1) Qué causa los productos defectuasos? ‘Uno tris otto, los productos (began en La banda eransportadora. ‘Al final de la banda teansporradora hay una méquina empacadors que continuamente empaca los productos que Hlegan y los envia ala bodega. Una mirada mds aceata permite ver a.un hombre de pies encre la banda cransportadora y la miquina empacadora. ‘Observa cidadosamente los productos que Itegan, y ocasional- mente recoge algunos y los arroja casualmente al cesto que est detrds de él. sos son los productos defeccuosos. sxe tipo de cosas se ve comiinmente en muchas fabricas. En tun principio, esos productos descartados parszen desperdiciados, pero pronto sc aceptan como tuna parte del proceso. Pero acos- tumbrarse a los productos defectuosos no solnciona el problema, sino que mas bien consrieuye un ferraceso en la solucién.2 Tz001 {hme se producen los produffs defeciuosos? Qué debe hacerse para reducie su mianero? Para poder disminuir el nimendide productos defectuosos es necesario creer que si se puede reditcir. Sobra decir que la sola efeencia uo disminuird el mimero de productos defectuosos. Lo que queremos decir ¢s que cxistentansas pariculares para que un producto dado resule defectuaso, y que los productos defec- ‘tuosos pueden desapareccr si se descubren y se eliminan esas can- Mucha gente piensa que debido a los estrictos requisitas de calidad que deben cumplir sus productos y alos muchos Factores 4que pueden causar un defecto, los prodncros defectuosos son ine- vicables, Sin embargo, independientemente de los tipos de productos 0 de las clases de mérodos de produccién utilizados, la causa de los defectos es universal La variacién: Esca es la causa. {Qué sucederia si fabricdramos productos usando materiales de evactamenve la misma calidad, miquinas y métodos de tabsjo idénticos y si inspeccionéramos estos productos exactamente de la misina manera? No imporca ceudntos productos se febriquen, todos ellos deben ser idénticos miencras las cuatro condiciones anceriores sean idénticas. Es de- ¢it, todas los productos cumplirén o no cumplirén los requisitos. Todos ellos serdn defectuosos si los materiales, la maquinatia, cl mécodo de trabajo o la inspeccién son inadecuados. En este caso, se producirdn productos defectuosos exactamente idénticos Mientras no haya fallas en las cuatro condiciones mencionadas. los productos que resulten deben ser todos “idémticamente” pro- ductos no defeciuosos. Con respect alos productos que fabricamos, es casi imposi- ble que rodes ellos salgan defectuosos. Algunos son defecuosos Iienccas que otros no lo son. En otras palabras, los productos defectuosas y los buenos salen mezclados. @Por qué se producen ent un mismo lore productos deffetuo- sos y uo defectuosos? La causa, como se ha dicho ances, es la variaci6n, La vatiacién en materiales, en las condiciones de la mé- nerwoouceicne 3 gueina, en los mézodes dé trabajo y cn las inspecciones cs la causa de los productos defectuesos. $i no existiera ninguna de estas varia- ciones, todos los productos serfan tdénticos y no habrla variacio- nes en calidad, tales como fa ocutrencia de productos defectuo- s0s y no defectuotos. Penscmos ert¢l trabajo de doblar planchas de acero. Todas las planchas de acero parecen tener el mismo espesor, pero cuando se miden com precisién, tendrin espesores diferentes. Ademds, aun la misma plancha tendsé mds espesor en unas partes qnecn otras. Si vamos mds lejos e inspeccionamos [a estructura de cris- tal de tas planchas, habré pequefias variaciones en la forma de los ctistales compuestos de hierro, carbono y otros elementos, de una a ota parte de la plancha, Estas diferencias afectan natural- mente alas caracteristicas de calidad, Aun usando el mismo mé- - «ado, las planchas no se doblarén de manera waiforme. Algunas de ellas podrén inclnso cajarse. Examinemos ahora fa maquinaria. La cortadota pierde filo a medida que procesa cierco nximero de productos. Las condicio- nes det aceite lubsicante también cambian con los cambios cn ‘cempetacura. Las dimenslones de los productos cambian segin la forma como se ajuste el mecanismo de corte. Aunque parecie~ ‘a que una operacién se realizaexactamente en las mismas con- diciones que otra, muchos cambios o vasiaciones ocurren sin que se noten, y afectan a la calidad del prodacto. Pensemas ahora en ol tratamiento con calor. La temperatura de los hornos cambia continuamente con los cambios de voltaje ‘en el caso de un horno eléctrico, y oon los cambios en la presién del gas en el caso de un liomo a gas. Dentro del horn, las éreas cerca de la boca, el techo, el piso o la pared del horne tienen diferentes condiciones, Cuando ineroducimos en el horn mate- rales para cratamiento por calor, la cantidad de calor que reciben Jos materiales varia segin sit posicién relativa, afectando a carac- terlsticas de calidad, tales como la dureza del producco. Las caracterlsticas fisicas de los trabajadores y su habilidad cambién afecran a la variacién de la calidad de los productos. Hay hombres alcas y bajos, habiles y menos habiles, hombres4 meranvecion ‘con recia musculacura y homabres débiles, persoutas diesteas y zur- das, Todos los trabajadores podrén creer que estin trabajando de Ja misma manera, pero hay diferencias personalet. Aun el mismo individu ceabaja de maneca diferente segiin como se sienta ese dia particular y segiin sns condiciones de fatiga. A veces puede cometer un ettor por descnide. En la inspeocién, pucden ocurrir variaciones de calidad apa- rentes, Sise ust un calibrador eu la inspeccién, pueden causarse vrariacioues en los datos por un mal eaibsador o por ia forma de usarlo. En el caso de inspecciones sensoriales, coma la innspec- ign visual, la calidad parece variar st hay variacion en el crierio ‘del inspector. La variaciém en la inspeccién no se relaciona direc- tamente con la calidad del producto, pero afécca al proceso de decidir si un prodncto es defectuoso 0 no lo es. Si analizamos el problema de esra manera, podemos ver que en el proceso de fabricacién de un prodncto intervieuen innu- merables factores que afeetan a las caracteristicas de calidad de ese producto. Cuando consideramos el proceso de manufictara desde el punto de vista de la vatiacidn de la calidad, podemos pensar en el proceso como tn agregado de Las causas de la waria- cin, Estas causas son Ig explicacion de lor cambios en las carac- teristicas de calidad de los productos, que tienen como resultado productos defectuasos o no defectuosos. Un producto se consi- deca no defeccuoso silas caracteristicas de calidad satisfacen cier- to requisito, y defectioso sino lo hacen. Por lo tanro, aun los productos no defecmmosos tieuen variaciones dencro del mismo requisito. Esto quiere decir que no existen los productos “exacta~ mente iguales" de los que hablamos anes. Los productos defectiioses sou causades por las variaciones. Si estas variaciones se reducen, seguramente disminuicdn los pro- ductas defeccuosos. Este es nu principio sencillo y sélido, aplica- ble cualesqniera que setn las tipas de produccos 0 las clases de métodos de producciéu utilizadas. rgannccio 4 (2) Fl diagnéstico de los procesos Aunque las ciusas de la variacién en la calidad son innumera- bles, mo toda causa afecta a la calidad en el mismo grado. Algu- nas la afectau enormemente, mientras que otras, annque tedrica- mente consideradas como muy imporrantes, tienen poco efecto sobre la variacion eu fa calidad cuando se controlan adecuada- mente, Las inaumerables causas concebibles pneden caregorizarse en dos grupos, el primero de los cuales consiste en un pequiefio mi- mero de eausas que, sin embargo, senca an gran efecto (los pocas vitale}, y on segundo grupo que inelaye muchas cansas qne tie~ uien sélo efectos menores (los muchor rivials). Generalmence, tao hay muchos faccores que realmente causen defecros. Este he cho sc llama principio ae Pareca y se usa en machos casos, Con la aplicacién del ya mencionado principio de variacién, y de éste de Pareto se facilita considerablemente e| problema de reducir el utimero de productos defectnosos. Lo que necesiamos hacer es enconcrar las pocas causas vitales de fos productos defec- ttrovos y climinar estas causas después de que se hayan identifica- do claramente. “En nuestto proceso hay tantas causas de produc- tos defectuosos que es sealinente imposible controlarlis". Co- _mentarios come éte se excuchan con frecuencia en sitios donde los procesos estin letios de productos defectwosos. Tade proceso e muchas causas de variacién en la calidad, y ningiin proceso tiene un nimero especialmente alto de esas cansas. Hay una gran diferencia entre tener muchos “sospechosos” qne pueden estar - a4 ‘exerrnuo cinco Casos en los cuates el histo rama no satislace La especi ficacion Casos entlos cualese! histor rama satistace fa expec cacién S % 9 8. S » 4 5. Se x 8. » ° Figura 54. Histogeamasy limites de la especifieacisn ger los datos, estas subpoblaciones se llaman estraco, yla divisién de los datos en estratos se llama estratificacién. Los valores observados siempre van acompafados de alguna variaciéu, Por tanto, cuando los datos se estratifican segiin los factores que se cree pueden cansar Ja variacién, las causas de la vvariacién se hacen més Ficilmente detectables. Este método pue- de usarse efectivamente para mejorar la calidad del producto al redacir la variaciSn y mejorar el promedio det producto. Por lo general, la estratificacién se hace segsin los materiales, Jas miquinas, las condiciones de opetacién y los tabajadores, 55 54 MEDIDAS PARA PRESENTAR LAS CARACTE- RISTICAS DE LAS DISTRIBUCIONES (J) Medias y desviaciones esténdar El valor de las caracterisicas medidas a una muestra tomada de ‘una poblacién variard, y no puede conocerse hasta que se obset- ya. Este tipo de variable se llama ueriable aleaturia. Las caracte- risticas de calidad de los productos de kas fébricas son de esa na vwraleza, ‘Cuando se maneja ese tipo de daros, con frecuencia es mds, conveniente considerar los datos como tn conjunto en lugar de swatar a cada (tem individualmente. Para poder ver los datos como tun conjunto, determinamos primero cual ¢s el ccutro de fos dar tos, y luego estudiamos cémo cada dato de la informacién se concentra alrededot del centro. ‘Una medida cotrience para expresar ehcenszo es la media 0 expectativa. Cuando hemos obrenido m datos, ,, «Xa media de estos dacos esti dada por on y para rodo ef conjanto, fa media estd dada por HaLx P(e), 6.2 ° wafxf (de, 63) donde P(x) es la probabilidad y /(2) es la densidad probable de fa variable aleatoria x. es la media de los datos recogidos, y se llama media de la muestra. j4.cs la media de la voralidad del conjunto que ues ocupa ysellama media de la poblacion, La nerianea y la desviacién esedndar escin entre ‘as medias ‘qne se usan para expresat el grado de concencracién de los daros56 “crotryto CINCO alrededor del centro. Cuande hemos obtenido 7 datos, x, la varianza de estos datos se expresa por vet Sea, ry nit y la desviacién escindar # expresa por iW. 6.5) Lavarianza de una poblackin esté dada por a? = EB) Pow, 69 of = Jee wif edd 67 ya desviacign estindar, que es ba rafz-cuadrada de la varianza, se expresa como 3. La varianza es la media del euadrado delas diferencias entre cl dato individual y la media. Una varianza grande significa que hay gran vatiacién en los datos. Vy s son valores relacionados con los dates, y se llaman arian de la muestra y dewiacién extdndar de la muesir,respec~ tivamente. 6° y 6 son valores relacionados con una poblacién y sellaman varianza de la poblacién y desviaciém estindar de la por blac. respectivamente. Q) Hicdleulo de medias y desviaciones estindar Bemple 5.2 [Las siguicutes son las medidas de las dimensiones de ciera pieza de maqninaria. Calcule la media y la desviacién estindar. 13.42 13.62 13.56 13.66 13.48 13.52 13.57 cos ssrocmascas 7 En algunos casos, puede realizaise una transformacién de los daros X,=(e,-a)xh (5.8) para facilitar los cdlcules. Enconces 6.9) (5.10) V=Sin-)), 6.11) sew. (5.12) En este cjemplo, que ay b sean 13.40y 100, respectivamen- te, Entonces obtenemos la siguiente tabla, x x x 1342 2 4 13.02 2 484 13.36 16 256 13.66 26 076 13.48 8 64 1382 2 144 13.57 7 284 Toral 103 1917 Tabla 5.43a cartniag ean De (5.9) F=1340+— 147 213.547 100 De (5.10) 5 = higi7—2x103?} = 401x107 1007 7 V =4.01x107 /(7 -1) = 0.669 x10 5 = 10.669 x10" = 0.082 (3) El cilculo de las medias y las desviaciones estindar a partis de las tablas de frecuencia Calcalertos la media y la desviacién estandar de los didmerros de 90 ejes como se muesera en la tabla 5.1. Cuando el nuimero de ‘datos es grandc y éstos estén resumidos eu una tabla de frecuen- cia, el siguiente es el procedimiento para calcular Ia media y la desviacién estindar. Procedimiento plo (Ejemple 5.1) Paso L Prepare un formato de cilculo como cu la tabla 5.5. Paco 2 Escriha los Umites de clase, los ppuncos medios de tas clases y la frecuencia f 108 msTOKANs 39 ice sama | Frecuencia f 2 No. el. Punto ‘Medic x ew] af |r 1 | 25005—2s085_ [2.303 1 a4 | -a] 6 2 [2505525105 | 2soa [| 4 -3 Fe [36 3 [asws—2siss | 2s [9 =? Le | 36 4 [astss—2s008 [ata [a at fai ta 5 [ass —2s55 [ase | 2 of ef o 6 | asnss—2s305 | 2528 | 19 + [19] 19 7 [as305—2555 | 2533) 10 2 | 20] 40 a [2535525005 | ame | 5 a} as [5 9 | asa —asass | 2503 ® 4 [24 | 96 Total ” ~ | 30 [302 “Tabla 53.5 Tubs decileulo Paso 3 Paso 3 Asigne el punto medio 0 {4-0} Asigne 0 al punto medio de x ala clase que tienc la mayor f/ de la clase No. 5. y escriba 0 en la columna x. Escriba 1, -2.... hacia los imenores valores observados, y 1, 2... bacia los mayores valo~ ses obscrvados. La reloci6n entre» ¥ 1 56 expresaen la siguienre ecuacion Zoe (5.13) donde, acl punto medio dela cla- sedondew = 0 a= 2.523 A ~ 0.005 Arel incervalo de clase.© eqrinag asco Paso 4 Paso 4 Registre fos productos de wy Na. defenlacedumna ufsylos pro af* (4) x 1=—4 ductos de wy de ufen taco. No.2 fumna de «f;hagala sumade f= (-3)x 1 == 12 cada una, y cegisttelas en los cespacios conrespondientes. No.1 whe of Ku YX 4) = 16 Lufsafitusfrt Not Wet f auf tedfy t... wife uf Xam(-12) 83) = 36 Leafs A+ (12) 4.24 = 30 Lalf 2164 36 + .. +96 = 302 Paso 5 Paso 5 Caleule ¥ usanda la siguiente 30 ecuacién: = 2.523 + 0.005 90 Fash (Zufa) (5.14) — =2.523+0.00167 = 2.52467 (mm) Paso 6 Paso 6 Caleule 5 usando la signiente ecuacio: 5.15) CP ign 005% V3.2809 (00906 (me) 10s tusronaues 5.5 LA DISTRIBUCION NORMAL Y SUS CARACTERISTICAS (1) La distribucién normal {Un hiscograma se construye a partir de un cierto niimero de da- cos. Pero, gquté le pasarfa al histograma si continnamos aumea~ tando el mtimero de datos? Si cl invervaio de clase se reduce poco, a poco a medida qne se aumenta el amero de doros, se abriene una distribucién de frecuencia lisa como limite de una distribu cin de frecuencia relativa. Fn realidad es una expresién de la poblacién misma, puesto quc xe obtiene de un mimero infinito de daros. Existco muchas clases de distribucién, y la mds tpica es fa distribuctin normal. En mnchos casos, cuando la variacién de tuna caracteristica de calidad es causada por la suma de un gran ‘uimero de erroresinfinitesimales independientes debidos a dife- rentes factores, la distribucidn de la caracteristica de calidad sc aproxima a una diseribucii cotmal. La forma de la distribucion normal puede describirse sencilamente como una forma de cam. pana o de montafia, y en una descripcién més derallada, a) La frecuencia es mayor en el centro y disminuye graduak snente hacia fos extremos y, b} ex simetrica. Esta curva puede expresarse matematicamense como sigue: 5.16) \2no La figura 5.5. mnestia la forma de esta distribucién. (2) Caracteristicas de la distribucién normal Como podemos ver en la ccuacién (5.16), la ecuacién de la dis- rribacién nocmal tiene dos pardmestos: yo”Figort 5.5 Forma de is dsinbecidn normal La distribucién normal se decermina sinicamente por est dos parimerros y se designa simplemente por N (U1, 07}. Estos} dos pardmetros tienen el siguiente significado: is el centro de la distribucién (la media) Gs: la dispersién de la distribncién (la desviacién esténdar) Purden describirse geificamense como et la figura 5.6. feo Figura 5.6 La diteibncidn normal yeus pardmewos Para calcular una probabilidad en una distribucidn normal, esandarizamos y usamos la tabla de fa distribucién normal. E> sandariuse cs cransformar una variable xa we. (5.17) a Las nsrocmess ‘Tenemos entonces la medida extdndar w, la cual se dis como la diseribucitin extdndar normal N(O,1?). La tabla de be di" sribucién normal da las probabilidades en la distribucién estdndar normal, (Vea la tabla A, I en l apéndice de este libro.) Consideremos la probabilidad de que una variable alearoria ade Ni, 0°) caiga dentro de los limites pt wd. La gure 5.7 rmnestra la probabilidad para varios valores de w. Tedticamente, tuna variable normal puede tener cualquier valor entre—eey-+eo, Pero, por la figura tenemos 99.7% para «= 3. Esto quiere decir que en la prictica podemos despreciar la posibilidad de que x caiga fuera de los limices de p30. Este hecho es una regla importance de la discribucién normal, y se ama la regls de sigma Fs la base para determina los Ifmies de conerol en una hoja de control ete ete po wae Figura 5.7 Woy a prohabilidad de ls disribucién normal“ exrtruvo ance @) Indice de capacidad del proceso Con frecuencia, después de que él histograma muestea que sigue tuna distribucién normal, se inicia nn escudio dela capacidad del (proceso. Esco se hace para saber si el proceso puede cumplir 0 n0 las especificaciones. Si suponemos que el proceso esed distcibui- do normalmence, podemos de inmediato determinar cl porcen- taje de productos defectuosos a partir de las especificaciones da- tas y de los pardmetcos (HO). pero ¢s mis ttl evaluar el proceso usando Cp (Indice de capacidad del proceso}. La definicién det Gpesla siguience: Especificaciones bifscetales (LE, y LE) go (6.18) 6 Especificaciones uuilaterales (2,0 LE) 1E,- =e 6.19) Ors x-U @-* oa £5.20) Y la evaluacién del proceso usando Cp es como sigue: 1) 1.33 satisfactorio 2 1.00< Cp< 1.33 adecusdo 3) «1.00 inadecuado Ejemplo 5.3 La cabla 5,6 muestra ef producto de un cierto proceso de reac cidn quimica, Pucsto que se usaron dos resccores, Ay B, se sci 16 que tal ver habla una diferencia entre ellos. Se estratifies se- gin Los reactores,y los resultados se muestran en la fignra 5.8. Se encontraron diferencias entte los dos reacores, Mo kM © [No RM [No RM [Ne RO 7 a pinf ae @ so2|si 9 ase] 7 p 2 a pela se wats 9 ool » 3 6 oaf2 4 molsr 8 a7] 7% 4 48 sr}oo a s6s|51 A ata] re 4 5a sali a solos A ela oo be wal a msl se 8 ear T No 7 a wal @ mil se a asafar 4 a 8 eo) eg ur) se a salar B oA BB) 4 asa] 59 A wel at 4 Le a wool ss A ms) 69 8 mole 1 863] 36 4 fa5[sr 2 a0 |e A oa mola oe sz} er a wt lor og oa ws} sa x gat} es A ota] mB a oa aylao 4 naz] oe 4 anal ap 8 wy 8 2] 40 8 males 9 ancl 8 we 8 s7) a A Boles # asal ol A iy a pala a mele Bs aisle A ep a) a a ole A war) as A np os|a safes 8 acolo ow » amales 6 mri a a oslo ao 2 @ WS) 4 A we) 8 Bolo A won malar 8 wes) eR MTL on ad] age si) 75 A gt] 98 ow aoa sala 3 wala a oslo ao ze el so a wal rs 8 ossfim @ Tabla 5.6 Fsveatifcacisn de i iefoxanacion7 castro eico ozz —asoz boo emt gor | or ea sul Srvc vir wea | a sor sue gsi our beet | oa a 602 wpe pout ror riz |g a eso went oot veo ew | ¥ 3 e502 e902 ez eone vir | ct vai 602 £08 peor zor |v BL 02 zenz SHO 3961 vot | 9 pre cuz wuz aor one} @ gue eee fairs oso sy |v eyo 602 602 aor re: | a aL pele Len 6907 yout ret | a 6 sor ewer sor el ose | a a em ez oor ewe cw | ‘ Pune zac evi fg vee | ¥ 9 eae one voor 240% oso |e 5 eur zor stir ret eo ow: | 6 , re wee siz sol ror zrr |v € eur rout e907 cot war |v z giz eri row sso aor |v i 7 ion uN abe ‘apa | wig Ejercicio 5.1 En ua panaderfa, dos trabajadores, 4 y 8, estan haciendo pan en las maquinas | y 2. El peso de los panes franceses producidos “se registré durante 20 dias, como se muestra cn la tabla 5.7. Cada dia se tomaron aleatoriamente cuatro panes de cada miquina y se pesaron. La especificacién del peso es de 200-225 (g). #0 7 m0 we Witoprams el ren de rascion A 0 ae ‘Fiopuma oe ripen de eascion 3 we Piguea 5.8. Exraticicin de histogrammas i 5 3 a 2 3 2 3 — if yl ae iid bre ges £55 Lea ©) Un histograma de la md4qnina I y otro de la méquina 2. 4) Cnatro histogramas que muescren combinaciones de diferentes panaderos y de diferentes maquinas. 2). Estidielos comparindolas con la especificacién.Vil Grdficas de control 7.1 {QUE SON LAS GRAFICAS DE CONTROL W.A. Shewhart, de los laboravorios de la Bell Telephone, fue ol primero en proponer, en 1924, una geéfica de control con el fin cde climinar una variacién anormal, distinguicndo las variaciones debidas a causat asignables de aquéllas debidas 2 causas al azar. Una geafica de control consiste en una linea cenrral, un par de limices de control, uno de elles colocado por encima de la linea central, y otto por debajo, y en unos valores caractetisticos regis- uuados en la grifica que representa el estado del proceso. Si todos Jos valores ocurren dentro de los |{mites de control, sin ninguna tendencia especial, se dice que «l proceso esti en estado concrola- do. Sin embargo, si ccurren por fuera de los limites de control 0 :mucstran una forma peculia, se dice que el proceso esti fuera de control. La figura 7.1 muestta algunos cjemplos, La calidad de un producto manufacutado por medio de un proceso inevitablemente sufrird variaciones. Estas variaciones tie- nen causas éstasilimas pueden clasificarse en dos tipos: causas debidas al azar y causas asignables.Gratien de soot pare siado controtndo Figuea 7.1 Ejemplos de yeas de conte ‘Causas debidas al azar Las variaciones debidas al azar son inevitablesen el proceso, si la operacién se realiza usando materia prima y mér estandarizados. No es préctico eliminar el azar téchicamentey forma econdmica por el momento. Cansas asignables ‘La vatiacién debida a causas asignables significa que hay facto significatives que pueden ser investigados. Es cvitable y no pucde pasar por alto: hay casos causados por la no aplicacién |is 3326 | 116 6 | as i 38 | 160 3 a 2035 | as wo | 2 yoo fie vii | a8" i to 2 jar 2 134 1% | a a 139 fz 2 149 | 25 50 138 pit ie a ftir 7 | ao 407 | 36 fas wo | as ~ [3 wo | 157 x | 2 2 n | 10 Sai | Sa 0 aot ba Tat as“ P tas J a0” ab” m | mn i 3 m| 7 | 94 2 Bip 7 a 2 nlin| a a uw lie 2 mo be] tes | 6 32 3 [2 ue wom | ur | 22 9 ‘Tabla 7.3 Hoja de datos para una grifca Z— RPaso 4 Calcule 8 Caleule el rango de cada sub- grupo R, restando el valor mi- nimo del valor mdximo de los datos en el subgrupo. R= (valor maximo en un sub- grupo) ~ (valor m{nimo en un subgrupo) Paso 5 Caleule R Cateuleel promedio R del ran- g0 R, dividiendo el total de los Rede cada subgrupo pos cl ni- mero de grupos &. pet Rte Ry é B debe calcularse con dos ci- fras decimales mAs que aquellas de les datos originates (el mis- mo niimero de decimales que ct de ¥). Paso 6 Caleule ls Uneas de control Caloule cada una de las lineas 4c control parala grifica Z y la grifica R con las siguientes fér- mulas: Paso 4h Para el primer grupo, Ra 47-20 =27 Re (2741840427125 7.44 Grifica ¥ Lines central: LCs € “Limite de control superior: LCs= ¥44,R Limite de control inferior: We FAR Grifica R ‘Linea central: WR Limire de control superior: 1Gs= DR “Limite de control inferior Lci~ DR LCi no se tiene €n cuenta cuando 7 es menot que 6. yy Dy ¥ Dy $00.10 coeti- cientes dcterminads por el - mafio de un subgrupo (n),y se muestran en latabla7.4 y cam bién en la cabla A.2 de los anexos. A, R = 29,86 + 0.577 x 27.44 = 45.69 LG- ¥-A,R £29.86 0.577 x 2744 4.03 Grifica R LC = R=27.44 LCy = D,Re 2.115 x 27.44 = 58.04 LCi == (no se considera}cartnao sett GedbacAs DE COMDHOL 101 Grifica Grifica R den del ntimero del subgrupo. ued mimnero de rubgru- 4 2_| 4 eee Ia linea horizontal a is 3267 incervalos de 2 a5 mm. Use * e ee med 0377 zis con el fin de qne se puedan ro- 0.483 204 teonocerFicilmente y enciérre- q los en un clrculo para los valo- “aha 7A Lia de coven pa lion FR aoe tn po Rars es estes. ee Paso 7 Dibuje las Uineas de Paso 7 So control Paso 9 Registre los datos que Paso 9 Primero, prepare una hoja de puedo sr de uslidad papel cuadriculado y marque el Excriba el tamafio del subgrapo je vertical de la inquierda con (n) en el extremo superior iz- los valores de # y de R y eleje uierdo dela grifica ¥. Inclue horizontal con el néimero de ya cambién cualquier otro as- subgrupos. Para el cje vertical pecto relevante para el proce- escoja una escala tal que los If- so, tal como los nombres del mites de concrol superior ¢ in- proceso y del producto, el pe- ferior queden a una distancia riodo, el métado de medicién, be 20-30 mm uno de otro. Di- las condiciones de trabajo, el buje una Linea sélida para la - surno, ete. ‘nea central y una Inca puntea- da para Jos limites, 2) Gelfica pa Procedimiento Ejemplo Paso! Redina los dasos == Paso Paso & Localice los puntos “Tome naa muecray aie Registre los valores de ¥ y de lacalidad del producto.en uni- R de cada subgrupe sobre la dades que llenen 0 n0 los re- misma linea vertical en el of quisitos, segin el estindar decefncas De CoNTmCL 103 eects as cree TTamafio del subgrupe | (Nimero de unidades Subgrapo No. defectuosas pm 100 4 100 2 100 o 100 5 100 3 100 2 100 4 Figuen 7.2 Grifico FR inspeccidn, En este caso, come una muestra de tamafio tal que Ia mayorla de los subgrupos tengan entre 1 y 5 unidades defecuuosas, y reenja de 20.425 ssubgrupos (tabla 7.5). Paso2 Caleule 3 Cateule Ia ficcién promedio de defecros dividiendo el ni- mero coral de unidades defec- “Fala 7.5 Hoja de das pare rifica pt ‘tuosas dle cada subgrupo por cl ndmero total de muestras.Paso 3 Calcule las Uneas de Paso 3 control Lines central Ce pn LC = pn =0.0272x100 =2: Limite de control mperi Less 5 +3ypAi—p) Limite de control inferior: LCi = fn—3ypnil-p) LCs = pnt3ypai-p) 2.72 43Y2.72x(-0.0272) =7: LCi = pa 3\pAl—p) * 272-3272 0008 LCi nose ticneen cuentacuan- No se considera do va valor es un ndmero ne- ative. Paso 4 Construya la grdfica Paso 4 de control ‘Marque el eje horizontal con el imero de subgrupos y el eje vertical con el ntimero de uni- dades defcctuosas, Dibuje una linea séfida para ta Une cen- cal Fn y Uineas digcontinuas para LCs y LCi. Luego, regis- ee el nimero de unidades de- fectuosas de cada subgrupo. Figura 7.3 Grifica px 7.4 COMO LEER LAS GRAFICAS DE CONTROL Lo mas importance en el control del proceso es captar el estado del proceso de manera precisa leyenda Ia grifica de control y diligencemence tomar accionms apropiadas cuando se encuentre algo anormal en el proceso. Hl estado concrolado del proceso es cl estado en el cual el proceao es estable, es decis el promedio y la variacidn del proceso no cambian. Si um proceso extd @ no con- trolado se juzga segtin los siguientes criterios a partir dela grdica de control. (1) Fuera de los limites de control Puntos que estén por fuera de fos Itmires de control. (2) Racha a racha es el estado en ol cual los puncos ocurren continuenen- feen un lado de la inca central y el niimero de puntos s¢ lama longiead de la racha. “Una longitud de siete puntos en uma racha se considera nor- mal. ‘Aun si h longitud de la racha esta por debajo de 6, comi- eran anormales los siguiences casos:2) Al menos 10 de 11 puntos consecutivos ocurren en un. ‘mo lado de la linea central. b) Al menos 12 de 14 puntos consecutives ocurten en un mo lado de la Hnea central. ©) Al menos 16 de 20 puntos consecutivos ocurren en un smo lado de la Ines cencral. ‘Une racha de rete puntos ey anormal. Dir de 11 puntos consecutlvos que ocurrea} en un mismo lado se considera anormal. Figura 7.4.1 Racha @G) Tendencia Cuando los puntos forman una curva continua ascendente © descendente, se dice que hay una cendencia. Figure 7.4.2 Tendencia (4) Avercamicnto a los limites de contro! Teniendo en cuenta los puntos que se acercan a los Iimives de control de 3 -sigana, si 2 de 3 puntos ocucren por fuera de las lineas de 2 -sigma, el caso se considera anormal, Figura 74.3 Acrcarlentn a los limites de concol (2 de 3 punts) (5) Acercamiento a la linea central Chando la mayoria de lor puntos estén dentro de lat Iineas de 1.5-sigma (los bisectores de la linea central y de cada uno de los limites de concrol), esto se debe a una forma inapropiada de ha- cer los subgrupos, El acercamiento ala linea central no significa um estado de control, sino una mezela de la informacién de dife- renves poblaciones en los subgrupos, lo cual hare que los limites de control sean demasiado amplias. Cuando se presenta esta si- tuacién es necesario cambiar la manera de hacer los subgrupos. Figura 7.44 Aceeeamienta ala [foes cent (6) Periodicidad ‘Tambign es anormal que la curva muestre repetidamente una ren- dencia ascendente y descondente para casi el mismo interval. Figuea 7.4.5 Pesiodicidad.108 cartroto sre 7.5 ANALISIS DEL PROCESO USANDO LAS GRAFICAS DE CONTROL El objetivo del andliis del procero pnede definirse como la iden ficacién de causas especificas asignables de la variacién de ‘aracteristica de calidad en un proceso. Después de encont ‘esas causas asignables por medio del andfisis del proceso, es nec satio realizar una setie de acciones correctivas en relacién con la ‘causas asignables. (1) Organizacién de los sobgrupos La organizacién de los subgrupos es la paste mds importance d la preparacién de una grifica de control y determina su efe dad, La organizacién inapropiada de los subgrupos tiene com resultado una gréfica intl. Los datos se recogerdin una vez que se haya decidide la carso4 terfatica de calidad de un proceso que se va a analizar. La vatiay cidn en una ciracrerfstica de calidad en un proceso se debe ‘varias causat, Por esto, antes de organizar los subgrupes, es ne sario considerar la varincién que se ha de climinas, y tratar de agrupar los datos de tal manera que la variacién debida a fae tores permisibles constituya la variacién dentro del subgrupe Para este fin: a) La operacién debe reaizarse casi en las mismas condicion (desde el punto de vista técnice). b) Los datos recogides alo largo de un perfodo de tiempo rele tivamente corto deben agruparse. . En la formacién de los subgrupos deben considerarse los si- guicntes puntos: 2) Hay maneras diferentes de agrupas. Se dcbe cambiar el tar fhe del subgrupo y ensayar diversas maneras de combina lo datos. seuncas DE Cow 199 b). Un cambio en la manera de organizar los subgrapes produ- cird un cambio en fos Factores que consticuyen fa variacién dentro del subgrupo. No puede usarse efectivamence una grifica de control sin conacet los componentes dela variacién dentro del subgrupo. El siguiente ejemplo muestra cémo los componentes de la varia ccidn dentro del subgrupo cambian, segiin la manera de organizar los subgrupos. Ejemplo 7.1 En un proceso mecénico, se usa una dimensidn de una parte com control de la caracteristica del proceso. Los factores més imporzantes que afectan a la dimensién son la calidad de Las smaterias primas, la forma de la herramienta de corte y el ajuste de las herramientas para a abrasién, Las condiciones del proceso son las siguientes: a) Un lote de materia prima correspond al trabajo de una se- mana, b) Se afilan las herramienras de corte todos los dias. ©) Las herramiencas deben ajustarse al comenzar ef curmo de la rmafiana y el de la tarde, En este caso sc considera admisible la variacién dentro de un ajuste y el ctiterio para el control serfs el ajuste se hace correcta mente y si las herramiencas estin en condiciones notmales. En- tonces los datos deben agruparse de tal manera que la variacién cdencro de un ajuste se convierta en la variacién denero del sub- grupo y la vatiacidn entze ajustes se convierta en la variacién centre los subgrupos. La cabla 7.6 muestra la hoja de dacos, las tablas 7.7 y 7.8 ‘muestran la manerade formar los subprupos, la tabla 7.9 muestra los componentes de las variaciones dentro del subgrupo y entre subgrupos, respectivamente.10 cartruto ster Fecha Datos Comentarios pict] am] 39 39 | Ajuste | Hesramienta pm] 4042 | Ajuste No.1 Dic. 2[ am. | 42 41 | Ajuste { Herramientas 7 mater pm| 4342 | Aju No.2 Dic] am. | 39 37 | Ajuste | Hertamierta pm | 38 38 | Ajuste No.3 ‘Tabla 7.6 Hoja de daeos Fecha Datos Fecha Datos pei[am| Gm) Derlam pm. on. Dic.2) am.) (42 41 Dic. 2 | am. pm.| @3___az pm, Dic.3| am.| Ga 37) ic. 3 [ am, pm. | Ga__38 pm. | (3838) ‘Tabla 7.7 Subgrupes de w= 2 ‘Tabla 7.8 Snbgrupos den =4 ‘Varlaclon * Error de mediciin deniro + Error de muestea Gel subgmpo —» Variacion del proceso © Vatlacién del proceso dentro del ajuste dentro del 2jusie vy entre ajusies Variacion ‘Entre ajustes + Erie dias enue + Enire dias 4 Enire berramentas subgeupes Entre herramientas + Enire meteriales Entre materiales ‘Tabla 7.9 Componentes de variaciones dentro del subgrup y ence ‘subgrapos por la formacién de subgrupos en las ublas 7.7 y 7.8 adress De CONTROL a (2) Variacién dentro del subgrupo y Variaciéu entre subgrapos La vatiacidn de los datas se clasfica como variacién dentro del subgrupo y variacién entre subgrupos. La primera esla vaiacit. que aparece al interior de un subgrupo y se encuentra represen- tada por el valor R en una gréfica 2. Por otra parte, la variacion enure subgcupos es la que aparece entre los subgrupos y se en cucatra tepresentada por la distribucién de las puntos ¥ en una ptifica Z. Sea la varianaa al interior de un subgrupo Oy” y la vasiaoza centre subgrupos 0", entonces 2 oreo +t, GD " donde 6x? es la varianzade ¥. O,, se estima a partirde R por Ridy. 72 6,= donde 4, es un coeficiente que depende del eamafio del sabgrupo, 2 yque se muestra en la tabla 7.4. Aqui el Indice “*” en el sim- bolo «, significa Is estimacién deo, ‘Seguin esto, a disttibucién de los puntos ¥ sc ve afectada no solamente por la variacién entre subgrupos sino también por la variacién dentro de los subgrupos. La variacién de un estado perfectamence controlado es la siguiente. a) El proceso promedio ¢s constante y Ia variacién entre subgrupos es 0” = 0. b) Lavariacidn del proceso es consrante, es deci, fa variaciGn dentro de los subgrupos 1” = constante. No cs posible deeerminar direccameate la variacién entre ubgrupor, sino que se calcula dedonde 6,” se calculaa partir del histograma de ¥.0 a partir: os donde of,” se calcula a partir del histograma de x. (3) Estratificacién Cuando los miamos produeios sc hacen en varias miquinas o por varios operariog, es mejor clasificar los datos sequin la mxdquina @ cel operario de mancra que la diferencia envre méquinas w opeta- | tiog pueda ser analizada y cl control del proceso se facice. La excratificacidn es un midtode para identificar fa Fuente de la variacién de lor datos mecogidos, clasificando los datos segtin varios factores. La figura 7.5 es un ejemplo de una gréfica de concral que puede extracificarse. Esta grifiea muestra una caraccerlstica de calidad de partes manufaccuradas por dos miquinas (A y B). La 4 on Figura 7.5 Grifca de cooto para Ay B Figara 7.6 Grificas de contr esravificadas para Ay B figura 7.6 es la grifiea de control estratificula para Ay B. Como resultado de la estratifiacién se encuentra que casi no hay dife- rencia en Ia vatiacién entre A y B, pero que B tiene un valor promedio del proceso mayot que A y que el proceso estd em esta- do.de control para ambas méquiras, y puede decirse que entre A y B parece baber algunas causas asignables. Como regla general, el propésito de la estratificacign es exa- ‘miuar a diferencia entre los valores promedie y la variacién ea cre clases diferences y tomar acciones correctivas con respecto a la diferencia, si la hay, Si es imposible tontar acciones instancénea- mente, se bace necesario entonces llevar a cabo el control del proceso usando gréficas de control escratficadas. (4) Prucha de la diferencia entre grificas de control cestratificadas Si tas dos gréficas escratificadas ¥ — R satisfacen las siguientes cuatro condiciones, entonces es posible someter a prucba la dife- rencia entre los valores promedio:2) Ambas grdficas mucstran un estado de control. b) El ramafio de los subgrupos ¢s el mismo. ) Los valores de Ry y de Ry son casi iguales. d) Los auimeros de los subgrupos £, ¥ by son suficientem grandes (£,> 10, ky >10). fe, —F[2 AR Yi/ky +1/by , Ra=(b4Ry thy Ry) (ky +hp)- (5) Prueba de la diferencia en la variacién entre estratow Para ver si hay una diferencia en Ia variacién entre los extratos después de la estraificacién, se usa la férmula (7.7) 0 (7.8). Sila Formula resist, eavonces pucte decirse que existe una diferencia en ba variacién entic Ay B. Enel caso donde Ky > Ry 8 a an R,/R22 BIR, 212 En el caso donde R, > Ry _ __ (7.8) Ry(R212 RR, 21.2 Las pruebas mencionadas en (7.5) y (7-70 (7-8) no son ne- cesariat cuando la diferencia es olvia por la simple inspeccién de {as grificas de control. ears DE caw FOE ns oa uniform ep. Tpade Tipo de Twoe wr feared Figura 7.7 Diagrama de causi-efecto de ls Fracrurasen el resort 7.6 ESTUDIO DE CASO DE ANALISIS DEL PROCESO Por lo general, cuando se usa una grifica de control para analizar tun problema, ésta no se usa sola sino junto con hisrogramas. A continuacién dames un ejemplo de cSmo analizar un problema, Ejemplo 7.2 En una fibrica que produca resortes de hoja para tractores se enconiré que algunos de los resortes tenfan fracturas, Es necesa- tio identificar la causa del problema tan proaro como sea posible y evitar que vuelva a ocurrit. Usemos los siguientes daros para consrruir histogramas y gréficas de conerol para analizar el pro- blema, Informacin obsenida hasta el momento 1} Se hizo el anterior diagrama de cansa-efecto para identificar [a causa de las fracruras. 2) Las resorres para tractores pequefios (A,) y para tractores ‘meianat (A,) se tratan en ef miso horno. Las dos tipos de producto se diferencian sdlo pot ‘a forma, pues ol matctial con el cual ae fabrican es el mismo Sin embargo, cl tipo de cmpaque usado duance el tratamiento por calor ex diferenteedna De UNTO ed 3). Recientemente ha aumentado la demanda por tractotes 5 5 om " 3 Pee] samofie. fresicin] Nese || [Te HHlmalns |poscein] DAEOeS quefios, yla produccién se est incrementando gradvalm inner BE ree o,f eel gl, ere te. El niimero de resortes que reciben rraramiento de * Os ADP | seis simulténeamente se ha aumentado proporcionalmente Lae 3 [ead I harno se opera en dos curnos diarios (B, y B,). En 4 a seen aa 34 paifel pel 3a ‘uno se realizan dos tracamientos de calor, es decis, en « Ela a De fretiayearae tumo se tratan al calor das conjuntos de resortes. > [5 fa pg cca Ladureza de los resorts puede considerarse como una ef espe ul 4, Ye erberle terlstica sustitutiva de las fracturas, 8 [3 pale 8 Papas] 7] Durante los dltimos 16 dias se ha ecogido la siguiente infor. 3 | alae , [aL sol ‘ 4, |S far bestest 4, ® Gelectsoherarasae ‘macién: 4 * ar feaor ny MF Tes Birafalasr 4555 > bra [ae paps a) Sepensé que la variacién en la temperatura del horno 8 Ce a ee ‘centro hacia las patedes podrla ser significativa. Por tane: [a] 8 Pops paperfeaaaeae| | 4 [ae Parla 19, después de cada tratamiento se tomé una muestra (P,) - * [is ef a6 gaol ay del centro del horuo y otra (P,) de cerca a Ia pared, y se] Talay 3 See midié su dureza. ye a8 fesse Vi Tbe esl Se inspeccionaron todos los resortes después del trata~ --- = pees miento de calor y se midié su dureza, fy Saker wa shee ‘Los esnindares de dureza son los siguientes: dureza méxi- 3 ee > ee ma 460 Hb, dureza minima 350 Hb. ~ feted sped |, 2 epee at a, LO Benes . SF fae Es pes Informacion obtemida de los bistogramas ® Fafa feel av halos ar pean 1) Histograma general (figura 7.8) s| 4. 2 Erte ae) a, LY fo feo SNCILOD ar oh ‘Este muestra aproximadamente una distribucién aormal y todas Hr peer] *: Ter eka las mucstras 4e encuentran dentro del rango especificado de du- rreza, Sin embargo, se encontraron fracturas en algunas mueseras Tabla 710 Medicines del duvers & a > a n 7407 et Tt * 2 tu 375410 ™ « ‘Tabla 7.13 Subgeupos de grificar de conceo para vesoxtes tipo Ay ceatacicaths sein BY P a) La diferencia en para (A,B,P,) y (A,B,P,) os obvia. Un punco se enenentra por fitera de los limites de conerol, pero fanco la grifica ¥ como la gréfica X muestran un estado de control relativamente estable,130 cantroto sere HCAS. CONTPOE BL b) Una compancién de P, y P, para lacombinacién A,B. que R es aproximadamente la ntisma pata (4,2, P| (4,B,P,), los datos para éstos pueden reunirse para esti G,,. entonces Rid, = 8251630 _ 6, 2x1.128 Respecto a que incluye la diferencia dependiendo posicién, ésta se obtiene por 6, = 16, -6,? = {1471-654 =1318. La contribucign de la variaciéa entre subgrupos ala cién roral 07,” se pnede expresar como un porcentaje de Fes MUD M EK Posey econo Kase ras | x 2 By = G5) 16," «100 =(13.18? 14.717) x100 = 80% 38 ERG Raraneanse En este caso, 0° depende de la posicién en el horno, i eando también que la dureza de los resortes esd sesgad: ‘grin su posicién en el horno, y que esto debe mejorarse. Si comparamos Ia figura 7.16 (A,B,) oon la figura 7.1 (4,B,P,), veremos que en la leima geifica, la esraificaci dela primera por P ha dado como resultado un estado control estable, Exo se debe a que se ha cambiado fa com sicién de los subgrupos. Los datos deben agruparse de 7a que la variacién dentro del snbgrupo sea lo mis ale: posible, haciendo que la variacisn debida al proceso ay como variacién entre snbgrupos ‘Tabla 7.17 Grifiess 2 & paca resorses tipo Ay exrntificadas segin By P 1234 se 7 Co MUR BUS Laaasere132 carmno ster 4) Gréfieas de control para resortes tipo A, estatific sequin B (figura 7.18) Respecto al ipo 4, no hay diferencia en la dureza sogiu la ci6n en el horno, y fos datos se agraparon en dos lotes cada con n = 4, De cata manera la variacidu intra-subgrapos se pone de la variacién diaria, iucluyendo tanco La variacién en| incerior de los lores como eurre ellos. La variaciGn incer-sul es la variacidn entre das. a) (A,B,): Las grificas ¥ y Rescin ambas en el estado de urol. 6, se estima a partir de G,, = Rfdy =19.13/2.059 = 9.29, (A,B,): La grifica Rescd en estado de control, pero la g no lo esté. Un punto se encuentra por fuera de los limi de control y se observa un acercamiento de los limites control, 8]2/8/a\a}e/sigi¢) || ™ 36 “Tabla 7.14 Subgrupes de gréficas de control pasa resortes tipo Ay esficncas sept B NAS DP CHEE 133 S67 Rui edn 5 67 8101S 16 de FFigara 7.18 Griicas de control para rerortes tipo dy excratificadassepin 8 Resumen y medidas remediales 1} Las feacruras han aparecido eu los resorces para los tractores pequefios. Se cree que esto se debe al méxado por el cual se empacan en el horno de tratamiento fos resortes para eractor res pequefios. Cuando los resortes pequefios reciben el trata- miento al calor se produce una diferencia en la temperatura eu dl centro del homo en comparacién con la posicién cerca ala pared. Se cree que esto aumenta la dureza de los resortes y da lugar a fracturas. Es necesatio, por tanco, cambiar el método de empaque por uno que no cause una diferencia de emperanura mayor que la que actualmente se produce cuan- do se tratan Los resortes de tamaiio median. 2). Hay un problema con la ijacién de los estindares de opera- cign. Es necesario establecer la relacién entre la dureza de losexwni0 Ste resortesy sn tendeucia a fraccurarse, y jar nacros es Como una estimacién temporal basada en los dacos dad aqui, se debe fijar la dureza maxima en 440 Hb, por dela cual no se encnentran fractutas. Si se controls lad por debajo de 440 HIb, pueden no ocurrir Fraccuras ‘Una comparacién entre los diferentes turnos mostré que operacién en el tuo B, no eta estable. Se deben revisar ‘estindares de operacién y los métodos. Se debe investigar zazén por la cual no hay variaciOn extze lores cn un da pee sla hay de dia a dia, Si se toman las anteriores medidas, es de esperar qne se la capacidad de proceso obtenida actualmente con la combi nacién A,B, tanto para resortes pequefios como para reso tes de ramaio.medizno, los defects se eliminarin y el indied de capacidad del proceso seri _ LEs—TBi _ 440-350 p= =167. PG > 6x97 7.7 CONTROL DEL PROCESO CON GRAFICAS DE CONTROL ‘Cuando se ha captado suficientemence la eelacién entre una c racteetstica de calidad y fos Facrores de proceso que la afecuan, e Paso siguiente es controlar estos factores en ciertos niveles d manera que el valor esperado de la caractertstica de calidad se mantenga denero de un Fango deseable. Este paso se lama con trol del proceso, La grdfica de control sirve como un medio Para identiticar condiciones anormales de los procesos y para ‘mantener los procesos en condicién estable. (1) Caracteristicas de control Una variable que se usa pata conduc el conerol de un proceso se lama la caracteristica de control del proceso. Las siguientes con-| raps Be CONTROL 135 sideraciones deben tenerse en cuenta en la determinacién de las caracteristicas de control. a) Los valores caracterfsticas deben reflejar correctamente fos estados del proceso bb) Deben minimizarse los efectos de fireas externas <} Los resultados deben estar disponibles de inmediaro, d} El muescreo y la medicién deben ser econémicos. Una caracterisrica sustitutiva puede usarse si tiene una relacién, fuerte con ly caracteristica de control original. Para el caso en «que la medicion impliqne la destrucsidn delos materiales, puede hacerse una susticucién por mediciones no destructivas. 2) Determinacién de Iineas de control Para administrar un proceso por medio del uso de una grdfica de control, es necesario cxaminar si la capacidad del proceso es ade- cuada; es deci, siel proceso ex estableyy silos rangos de variacién, de la caracteristica de contro! en la grifica indican conformidad. satisfactoria con el estindar requerido para producir ciervo pro- dncto. Cuando se encuentra que el proceso ¢s inadccuado y sn caractertstica de control no esté en un estado de control, es nece- varia iniciar accividades cencativas de control contra las anorma- lidades fijando lineas temporates de control, y al mismo tiempo mejorar el proceso. La gréfica de control que ve hace para el andlisis del proceso se compara con los valores estdndar. Sila pffica de control mnestea que ef proceso esti en el estado descado, entonces las lineas de control se extienden pars ¢l control del proceso. Su procedimiento se da en la figura 7.19.136 ‘carte sien GaAHCAS OF cHWTIROL 137 (3) Revisién de fas lineas de control ‘Es mecesario revisar las [neas de contra] cnanda se reconocen, cambios técnicos en el estado del proceso. Esta revisiin debe ha- cerse lo mds pronto posible. Aun cuando no se recouocen cam- bios conspicuos, deben mancenerse revisions regulares de las I eas de control. Su revisidn debe basarse en el rango de las Aluc- tuaciones que pneden ocutrir cuando el proceso estd bien con- olde, Axinia del proceso con base ‘en dalon preliminases {USe eneventen en ‘estado de control? (4) Bstdndares de operacién ara poner todo nn proceso en nn estado estable por medio del control del proceso, es necesaria captar los factores que contti- buyen a las fluceuaciones del prnceso y evitar cambios anarmales de escos Factores, Para lograrlo se requiere la estandaritacidn de los procedimientos de operaciéa y de las métodes. Para propo- ner un conjnnto de estindares de operacién se deben tener en cuenta lus siguientes cousideraciones: a) La escandarizaciin debe ser consistente con los abjerivos mencionades. 1) Las estdndares dehen establecerse para controlar la fluccua- cién de los Factores contcihnyentes. ©) Los estindares deben ser pricticos y servir como criterio de operacién, ud} Son decisiones rencativas y no necesariamente metas ideales. 2) Deben especificar los pracedimiencos importantes. A) Se deben hacer revisiones de las estandares para mejorar. @) Debe comprenderse claramente cl contexto de claboracidn de los extindares, y debe aclararse al proceso para fijar los ‘Control det a 6 sed 1. on ine coe hy) Los estandares deben fijar claramente la responsabilidad y la auxorizaciéa. i) Bila documentacién de estindares debe cenerse en cuenta la “7:9 Fa de dein de Kea de wots facilidad de utilizacién de fos manuales.138 caren site j) Sedeben describir las medidas temporales para emer k) Deben conereeen cuenta las consideraciones a prueba de res y para la seguridad, 1) Deben estar oriemados hacia las metas, no hacia el fo mo. m) Deben implementarse su insenuccién y entrenamienco, En ia plancacién de esténdares,¢s indispensable la habil para conttlar fos principales Factores del proceso. Tambiga, ‘ito de la estandarizacién depende de la devocién delos ual dores a los estindares. En la realizavién del proceso de cont losestindares deben revisarse continuamente hasta la perfeccig usando ta grifica de control, Ademds, cambién se deben est: cer los procedimientes relacionados con la estandarizacién,t (5) Comparacién con las expecificaciones ‘Cuando haya que comparar los datos dal proceso com los lini de especificacién, hagalo con la unidad determinada cn las cificaciones, Si los limites de la especificacion se aplican a {em individwal, ls limices de la especficacidn deben com se con los datos de cada item, no con ¥, ni con los limites control. Si cl histograma se encuentra dentro del Uimive superior inferior de Ia especificacién con un margen, pede jurgarse sat del proceso. Por otra parte, si cl histograma rebasa los limites superior Inferior, significa que el proceso no es satisfactorio. Se req procedimientos correctivos Aunque un proceso se encutentre en ef estado de control, proceso podria producir productos defectuosos, y viceversa. anites de control x¢ hacen para proporcionar wn juicio sobre sf ats DF eR 139 A proceso esti en ef estado de control o no, mientras que los limites de especificacion se hacen para proporcionar un juicio sobre si cada prodneto es defectnoss 0 no. Elestado de control es tn estado en ol cna las cansas asignables se eliminan y la varia- ism del proceso se debe slo al azar. Puede obrenerse realizando cf teabajo segiin las inscrucciones de trabajo. La amplinud de los Jimites de concrol se determina basindose en la variacién debida alazar. Por otra parte, los limites de especificacin se deciden por Jas demandas de los consumidores © los usuarios. ‘Asl, como se muestra cn la figura 7.20, es probable que se presenten los siguientes cuatro casos: 4}. El proceso no esti en un estado de control y cambién se pro= ducen items defecruosos. >) El proceso esti en estado de control y sin embargo se produ- cen tems defecmnosos. 3 El proceso no estd en extada de control pero las productos no son defectuosos. Ah) El proceso esté en estado de control pero Tos productos tam- poco son defeccuosos: wri] Histogram Endo tra de contr) “Ea camila * TEL LBs Meoramiento de prostso No sstatace eespecfeaciy un Lee Lo elf afoes ‘suite aempctiactin Figura 7.20 Comparacién de grifieas de control cor las espeificariones140 canine sete No hay problema en el exso 4), pero s© presenta ¢: ‘cuando o¢urren b) oc). La raz6n es ana falta de armonia ent capacidad del proceso yla especificacién. Fn el caso b}, la capa dad del proceso es insuficienre para la especificaci6. Para pr rir la ocurrencia de productos defectuasos, debe hacerse el fFuerto para mejorar la capacidad del proceso, El caso 6} nando el proceso tiene suficiente capacidad para la expeci cin, Bin ese caso, debe considerarse ol mejoramicnto de la ciencia de la producciéa. Ejercicio 7.1 Seleccione un tipo apropiado de gréfica de contral para com lar las signientes caracteristicas de control. 1) Peso de galletas empacadas. 2) El niimero de productos defecrues0s e0 1,000 partes. 3) Bl ntimero de defectos de soldadura en an equipo de r 44) ‘Rendisnieuro de un producto quimico en una scr. 5) El porcentaje de productos defectansos en nn lore cuyo mafio puede varias. 6) Elvalor de resistencia de cinco piezas de prucha muestre enun dia. 7). H niimero de rayones por 1 m? en una placa de acero, ‘cuatro veces al dfa, a las 9:04, 11:00 y 16:00. Haga una gr de conttol — R para analizar este proceso. Mi Hora wo. | Fecha 1] Now 2 2 3 3 4 4 3 5)... 08 6 9 2 10 a " 9 2 10 B " ie fT 2 7 a 18 or) 19 5) 20), 16 2 Vv 24 18 25 19 26 28 27 21 30 22] Dit 2B 2 24 3 25 4Fjercicio 7.3 Cottija los errores, cnando sea necesario, en las siguientes o siones. 1) Enna gréfica ¥ ~ R, la grifica ¥ muescra un cambio cai ‘media deun subgeupo y la grifica R muestra un cambio variacién en el interior de un subgrupo. 2} En una grafica ¥ — R, miramos «i hay variacin en subgrupos con base en la variacién dentro de los subg: 3) Cuando todos los puntos registrados on una grifica de se encuentran entre los limites de control, consideramos el proceso est en un estado de control. 4) En una gréfica ¥ —X, un punto caerd por fuera de los I tes, aun si no hay cambio en el proceso. 5) En uma grifica de control en la cual es deseable un valor quefio de la caracteristica de conccol, en la prictica no se liza el LCL. Cuando una grdfica de control muestra un estado com do, el proceso produciré productos que se conforman con expecificacién. Suponga que un punto cae por fuera de los limires de trol. Si los limites de especificacién son amplios, sélo ‘mos que cuidarnos del proceso. Pero silos limites de fa cificacién son estrechos, debemos averiguar la causa pron mente y tomat acciones apropiadas. Cuando una gréfica ¥ — R muestra un estado estadist mente controlado, podremas captar la capacidad del pro por medio de un histograma de x (datos bésicos) En una grdfica ¥ lay quince puntos sucesivos entre tos I tes de conttol y + I-sigma, el proceso estd en un estado perfecta estabilidad. Debemos tacar de mantener este do. VIII Aditividad de las varianzas 8.1 LAS MEDIAS ¥ LAS VARIANZAS DE SUMAS ‘Antes de tirar un dado no sabemos qué cara quedard hacia arri- ba, pero siel dado no estd cargado, la probabilidad de que una cualquiera de las caras quede hacia arriba es de 1/6, El valor espe- rado del conjunto de puntos es 152 1 SUX LHD x HOKE Bex a La varianza del niimeto de puntos es “ 3 = Se@-39?xt=3, 6.1) A y su desviacion cstindar es 35 82) ¢ & LL Cuando se tira ua dado dos veces y se obtiene fa stima del swimero de puntos, serdalgiin valor enrre 2 y 12, y sus frecuen- ciag relacivas pueden obtenerse de la tabla 8.1. En este caso, los