Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual de Control Estadístico de Procesos
Manual de Control Estadístico de Procesos
Introducción
Proceso
Por proceso entendemos la combinación global de personas, equipo, materiales
utilizados, métodos y medio ambiente, que colaboran en la producción. El
comportamiento real del proceso -la calidad de la producción y su eficacia productiva-
dependen de la forma en que se diseñó y construyó, y de la forma en que es
administrado. El sistema de control del proceso sólo es útil si contribuye a mejorar
dicho comportamiento.
Información Sobre el Comportamiento
El proceso de producción incluye no solo los productos producidos, sino también los
“estados” intermedios que definen el estado operativo del proceso tales como
temperaturas, duración de los ciclos, etc. Si esta información se recopila e interpreta
correctamente, podrá indicar si son necesarias medidas para corregir el proceso o la
producción que se acaba de obtener. No obstante, si no se toman las medidas
adecuadas y oportunas, todo el trabajo de recogida de información será un trabajo
perdido.
Actuación Sobre el Proceso
Las actuaciones sobre el proceso están orientadas al futuro, ya que se toman en caso
necesario para impedir que éste se deteriore. Estas medidas pueden consistir en la
modificación de las operaciones (por ejemplo, instrucciones de operarios, cambios en
los materiales de entrada, etc) o en los elementos básicos del proceso mismo (por
ejemplo, el equipo -que puede necesitar mantenimiento, o el diseño del proceso en su
conjunto- que puede ser sensible a los cambios de temperatura o de humedad del
taller). Debe llevarse un control sobre el efecto de estas medidas, realizándose
ulteriores análisis y tomando las medidas que se estimen necesarias.
Actuación sobre la Producción
Este procedimiento deberá continuar hasta haberse tomado las medidas correctoras
necesarias sobre el proceso y haberse verificado las mismas, o hasta que se
modifiquen las especificaciones del producto.
Este tipo de control puede implementarse mediante sistemas de control automático digital
(caso más habitual) o mediante gráficos de control.
Supongamos que una variable está normalmente distribuida con media μ y desviación típica
σ y que ambas son conocidas. Si X1, X2, ... son mediciones de una muestra de tamaño n, la
media muestral, dada por :
Supongamos que disponemos de (m) muestras, cada una de ellas con (n) observaciones.
Típicamente, n será pequeño 4 ó 5. En esa situación, el mejor estimador de la media del
proceso será
La variable aleatoria W = R/s sigue una distribución conocida denominada distribución del
rango relativo. Los parámetros de esta distribución son función del tamaño de muestra (n).
La media de W es (d2) y la desviación típica (d3). En consecuencia, un estimador de s es
R/d2. Los valores de d2 están tabulados (Tablas II y III). Si
Za/2 lo obtendríamos de las tablas de Distribución Normal (Tabla I), una vez elegido a (error
tipo I).
Introducción
El primer paso para aplicar una técnica estadística es definir la característica de calidad que
se va a medir en el producto fabricado. Desde el punto de vista estadístico, esta
característica de calidad constituye una variable aleatoria, porque aún después de realizar
una serie de mediciones, el valor que se obtendría en la siguiente medición no puede
predecirse por cálculo.
Antes de aplicar cualquier técnica estadística, es necesario establecer algunas hipótesis bajo
las cuales se va a desarrollar el análisis. En primer lugar, vamos a suponer que la
característica de calidad (Variable aleatoria) es continua y de distribución normal. En
segundo lugar, consideraremos que el proceso está bajo control estadístico, es decir que la
variabilidad se debe solamente a un sistema constante de causas aleatorias (No intervienen
causas asignables).
Los Límites de Especificación de un producto son fijados voluntariamente por el cliente, por
el fabricante o por alguna norma. Estos límites constituyen un requisito a cumplir por el
producto y no deben confundirse en ningún caso con los Límites de Control o con los
Límites de Tolerancia Natural del proceso.
Introducción
La base estadística para definir los límites de control es común con los restantes gráficos de
Shewhart: Si W es un estadístico que describe una determinada característica de calidad
siendo μw y σw2 su media y su varianza, los límites de control se definen como :
K es la distancia de los límites de control a la línea central expresada como un múltiplo de
sw. Habitualmente escogeremos K = 3.
Estos límites de control se consideran como limites de prueba y sirven para determinar si el
proceso estaba bajo control cuando las m muestras iniciales fueron seleccionadas. Si todos
los puntos caen dentro de los límites de control y no se observa ninguna pauta anormal
dictaminaremos que el proceso estaba bajo control a la toma de las m muestras y los límites
de prueba serán validos para controlar la producción actual y la futura.
Los límites de control para la producción actual deben basarse en datos obtenidos de una
situación estable. Por ello, cuando alguno de los puntos iniciales está fuera de control se
hace necesario revisar los límites de control. Esto se realiza examinando cada punto fuera de
control y buscando las causas asignables. Si se localiza la causa asignable se descarta el
punto correspondiente y se vuelven a calcular los límites de control con los puntos
restantes. Puede darse el caso que alguno de estos restantes puntos se encuentre ahora
fuera de control respecto de los nuevos límites ya que estos serán, normalmente, más
estrechos que los iniciales. Entonces, deben repetirse los pasos dados anteriormente hasta
que todos los puntos se encuentren dentro de control con lo que ya podremos adoptar los
límites hasta entonces provisionales como límites definitivos.
Si el gráfico de control se basa en un valor estandar conocido (un objetivo) para la fracción
no conforme p, entonces el cálculo de límites de prueba es, generalmente, innecesario
aunque deben tomarse ciertas precauciones en el sentido de comprobar si el proceso está
bajo control a un valor de p diferente dei indicado en el objetivo. Por ejemplo, supongamos
que la Dirección señala como valor objetivo p = 0,01 pero que el proceso se encuentra
realmente bajo control a p = 0,05.
Utilizando el gráfico correspondiente a p = 0,01 encontraremos muchos puntos fuera de
control sin que aparezca causa asignable. No obstante, suele ser útil esta opción para
mejorar el nivel de calidad llevando el proceso al nivel adecuado, sobre todo en procesos
donde la fracción no conforme puede ser controlada mediante un proceso sencillo de ajuste.
Se ha sugerido que el tamaño de muestra debe ser lo bastante grande para tener una
probabilidad de aprox. 50% de detectar un cambio de una determinada magnitud. Por
ejemplo, supongamos que p = 0,01 y que queremos que la probabilidad de detectar un
cambio a p = 0,05 sea del 50%. Suponiendo que aproximamos la distribución binomial
respecto de la normal, escogeremos de tal forma que el límite de Control Superior coincide
con la fracción no conforme en la situación de fuera de control. Si 6 es la magnitud del
cambio del proceso, entonces n debe satisfacer
Los límites 3σ son los que se usan con más frecuencia aunque pueden adaptarse otros más
sensibles a costa de exponerse a situaciones más frecuentes de falsa alarma.
A veces, suelen usarse limites más estrechos (por ejemplo 2σ) dentro de una situación de
urgencia para mejorar la calidad de un proceso. Estos límites deben utilizarse con precaución
porque las falsas alarmas destruyen la confianza de los operadores en los gráficos de
control.
Hay que tener en cuenta que los límites de control estudiados se basan en la distribución
binomial que considera constante la proporción defectuosa “p’ y que los valores sucesivos
son independientes. En procesos en los que las unidades no conformes están agrupadas o
en los que la probabilidad de producir una unidad defectuosa depende de que la anterior
unidad producida haya sido no defectuosa, no son aplicables este tipo de gráficos.
Deben examinarse con cuidado aquellos puntos situados por debajo del límite de control
inferior. Estos puntos no suelen ser lo que aparentemente indican: Una mejora en la calidad
del proceso por disminución de a sino que suelen originarse por errores en la inspección o
por causa de aparatos de medida mal calibrados. También puede deberse a que los
operadores hayan registrado datos ficticios para cubrir su responsabilidad.
Existen importantes razones para implantar los gráficos de control. Destacamos las
siguientes:
a) Los gráficos de control son una técnica de eficacia probada para mejorar la productividad.
La adecuada implantación de un programa de C.E.P. reduce la repetición de las operaciones
no conformes y los rechazos por desechos que son uno de los principales enemigos de la
productividad. De esta reducción se deriva una disminución en los costes y un incremento
de producción de producto correcto
b) Los gráficos de control son eficaces en la prevención de defectos. El objetivo básico del
gráfico de control es detectar cualquier cambio en el proceso o en el producto. Siempre es
más barato hacer las cosas bien de entrada que escoger las unidades buenas dentro de un
lote de malas y buenas. Si no se posee un control eficaz, se estará pagando por fabricar
producción no conforme.
f) Los gráficos de control son procedimientos a implantar en la línea tan cerca del
puesto de trabajo como sea posible, así, la información llegará con rapidez. Además,
las personas responsables de producción tendrán la responsabilidad directa de recoger
datos, realizar los gráficos e interpretar resultados. Los operadores e ingenieros que
trabajan en el proceso disponen del conocimiento del mismo necesario para corregir
fallos y utilizar el gráfico como una herramienta para mejorar la calidad. Los
ordenadores facilitan enormemente la rapidez de cálculos y presentación de gráficos
por lo que no pueden faltar en ningún procedimiento moderno de control estadístico
del proceso.
Gráficos CUSUM
Se puede utilizar en todos los casos señalados para el gráfico , R, pero donde
realmente muestra más ventajas es:
a) Cuando los procesos vayan descorrigiéndose lentamente (por ejemplo procesos
químicos)
b) Cuando sea necesario descubrir rápidamente pequeños desajustes.
c) Situaciones en las que es posible disponer un microordenador en la línea
Gráficos por atributos
Se recomienda utilizar los gráficos por atributos en los siguientes casos:
a) Los operadores controlan las causas asignables y es preciso reducir el porcentaje
de fallos.
b) El proceso es una operación de montaje compleja y la calidad del producto se mide
en términos de conforme/no conforme.
c) Es necesario el control del proceso pero no pueden obtenerse datos cuantitativos.
d) Para facilitar a la dirección una visión con un resumen informativo sobre la eficacia
del proceso.
a) Procesos en los que no puede obtenerse más que una medida por muestra o donde
las medidas repetidas solo difieren debido a errores analíticos. Esto suele suceder en
los procesos químicos.