P. 1
4_ Causas Comunes y Causas Asignables o Especiales

4_ Causas Comunes y Causas Asignables o Especiales

|Views: 366|Likes:
Publicado porjoseplleixa

More info:

Published by: joseplleixa on May 09, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as TXT, PDF, TXT or read online from Scribd
See more
See less

08/26/2014

pdf

text

original

4.

CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES Scribd Upload a Document Search Documents Explore DocumentsBooks - FictionBooks - Non-fictionHealth & MedicineBrochures/CatalogsGovernment DocsHow-To Guides/ManualsMagazines/NewspapersRecipes/MenusSchool Work+ all categoriesFeaturedRecentPeopleAuthorsStudentsResearchersPublishersGovernment & NonprofitsBusinessesMusiciansArtists & DesignersTeachers+ all categoriesMost FollowedPopularSign Up Log In1First Page Previous Page Next Page / 74Sections SectionsSection 1 of 44 1. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOSp. 42. ¿POR QUÉ VARÍAN LOS PROCESOS?p. 53. FUNDAMENTOS ESTADÍSTICOSp. 74. CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALESp. 96. CAPACIDAD DE PROCESOp. 136.1. CONCEPTO DE CAPACIDAD DE PROCESOp. 136.2. ÍNDICES CP Y CPKp. 136.3. VARIABILIDAD A CORTO Y LARGO PLAZOp. 166.4. POTENCIALIDAD DEL PROCESO. ÍNDICES PP Y PPKp. 176.5. CONCEPTO DE GRUPO HOMOGÉNEO RACIONALp. 187. GRÁFICOS DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHARTp. 188. CURVAS DE OPERACIÓN DEL GRÁFICO DE CONTROLp. 328.1. CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIASp. 328.2. CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓNp. 349. INTERPRETACIÓN DE LAS INDICACIONES DEL GRÁFICO DE CONTROLp. 3610. ESTUDIO DE CAPACIDAD DE PROCESOSp. 3910.1. ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?p. 3910.2. ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?p. 3910.2.2. Definición de la estratificación de las medidas a tomarp. 4010.2.3. Estabilizar del procesop. 4110.2.4. Toma de los datosp. 4110.2.5. Identificación del patrón de variabilidadp. 4110.2.6. Comprobación de la normalidad de los datosp. 4210.2.7. Análisis e interpretación de los datosp. 4310.2.8. Construcción de un intervalo de confianza de los índicesp. 4611. CASO DE PROCESOS NO NORMALESp. 4711.1. ¿ES LA NORMALIDAD LO “NORMAL?”p. 4711.2. CONSECUENCIAS QUE TIENE EN EL ANÁLISISp. 4811.3. TÉCNICAS DE NORMALIZACIÓN DE LOS DATOSp. 4912. GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALESp. 5412.1. GRÁFICOS PARA MUESTRAS UNITARIAS (I- MR)p. 5413. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTASp. 5714. OTROS GRÁFICOS DE CONTROL POR VARIABLESp. 6014.1. GRÁFICO CUSUMp. 6014.2. GRÁFICO EWMAp. 6315. GRÁFICOS DE CONTROL POR ATRIBUTOSp. 6515.1. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIALp. 6515.2. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN DE POISSONp. 6916. IMPLANTACIÓN DEL SPC EN UNA EMPRESAp. 7116.1. FASE 1: PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTOp. 7116.2. FASE 2: IMPLANTACIÓN DEL GRÁFICO DE CONTROL PILOTOp. 7216.3. FASE 3: ANÁLISIS DE LOS PRIMEROS RESULTADOSp. 7316.4. FASE 4: EXTENSIÓN A OTROS PROCESOSp. 73Zoom Out Zoom In Fullscreen Exit Fullscreen Select View Mode View ModeSlideshowScroll Readcast Add a Comment Embed & Share Reading should be social! Post a message on your social networks to let others know what you're reading. Select the sites below and start sharing.Readcast this Document Login to Add a Comment Share & EmbedAdd to Collections Download this Document for FreeAuto-hide: on CONTROL ESTADÍSTICO DE PROCESOS 1. APUNTES DE CLASE Profesor: Arturo Ruiz-Falcó Rojas Madrid, Marzo 2006 ----------------------------------------------------------------------------------------------------------------------------------------

...................2.........................................3........ INTERPRETACIÓN DE LAS INDICACIONES DEL GRÁFICO DE CONTROL.... CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES...... ¿ES LA NORMALIDAD LO “NORMAL?”......18 8.. Estabilizar del proceso........ Comprender los fenómenos físicos y tecnológicos importantespara el proceso ........2..1......................... ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?...2........... ........................ FUNDAMENTOS ESTADÍSTICOS...54 12...... ÍNDICES PP Y PPK........5 3......13 6.....34 9.................. CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓN..... ..............13 6.2.56 13.. Construcción de un intervalo de confianza de los índices ............1...... 2 Control Estadístico de Procesos (Apuntes) INDICE DE CONTENIDOS 1...............39 10..................32 8...................... ESTUDIO DE CAPACIDAD DE PROCESOS .......... ¿POR QUÉ VARÍAN LOS PROCESOS?..........................4........47 11................ CONCEPTO DE CAPACIDAD DE PROCESO...2.2..................... Toma de los datos..... .............................. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTAS.........18 7.......13 6................................... Definición de la estratificación de las medidas a tomar ..16 6......46 11.................54 12...................................39 10.............. VARIABILIDAD A CORTO Y LARGO PLAZO................ Análisis e interpretación de los datos.....7....3..................................41 10........... CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIAS..........................6.....2..................10 6. CONCEPTO DE GRUPO HOMOGÉNEO RACIONAL.........................2...........42 10................2........... ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?.....1................ ...........17 6................................................... Identificación del patrón de variabilidad ............8........ ...................2..................1....................... CONSECUENCIAS QUE TIENE EN EL ANÁLISIS.......... INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOS..........................5..... GRÁFICOS PARA MUESTRAS UNITARIAS(I-MR) ...4 2......36 10. CASO DE PROCESOS NO NORMALES................................41 10..............................................................5........3 14...............1.................................1.........43 10...4..............Control Estadístico de Procesos Pág...2...................... GRÁFICOSQUE PERMITEN CONTROLAR DOS TIPOS DE VARIABILIDADSIMULTÁNEAMENTE (I-MR-R/S)..........................................48 11...........7 4........... POTENCIALIDAD DEL PROCESO...........39 10.40 10................................................... .................................................... .... GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALES..... CAPACIDAD DE PROCESO........................... OTROS GRÁFICOS DE CONTROL POR VARIABLES... GRÁFICOS DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHART ... 60 14......... CURVAS DE OPERACIÓN DEL GRÁFICO DE CONTROL.....57 Control Estadístico de Procesos Control Estadístico de Procesos (Apuntes)Pág.........2.................9 5.......................49 12. ÍNDICES CP Y CPK... Comprobación de la normalidad de los datos...2..2.........................40 10......1......................... TÉCNICAS DE NORMALIZACIÓN DE LOS DATOS.......... ...............47 11......................32 8............... ¿QUÉ CONDICIONES HACEN FALTA PARA QUE SE PUEDA APLICAR ELGRÁFICO DE CONTROL?..................3....... .........................41 10..............................

.........a...... GRÁFICOEWMA..La distribución normal es desde luego la función dedensidad de probabilidad “estrella” en estadística.... GRÁFICOS DECONTROL BASADOS EN LA DISTRIBUCIÓN DEPOISSON. 71 16......1..... 63 15...... 60 14...... Ob érve e que como con ecuencia del TLC......10...... que inciden en él y que inducen unavariabilidad de la caracterí tica del producto fabricado.. i biene te número depende de la a imetría de la di tribución..... FASE4: EXTENSIÓN A OTROS PROCESOS...........0FUNCIÓN DE DENSIDAD DE PROBABILIDAD NORMAL68 %95%99..... entonce udi tribución e a intóticamente normal............... entonce en virtud del TLC e     cau a independiente .σ )de la que e extraen mue tra de tamañon . 73 16.) e obtiene como una uma de mucha dicho en la introducción..... la di tribución de la media mue trale tiende a er normal aún en el ca o que la población ba e no lo ea..... ..... FASE3: ANÁLISIS DE LOS PRIMEROS RESULTADOS......2................... GRÁFICOS DE CONTROL POR ATRIBUTOS.................73% e tá comprendido en±3σalrededor deµ.................. entonce la media mue trale e di tribuyen egún otra ley normal: ∝nN xmσ µ .... IMPLANTACIÓN DEL SPC EN UNA EMPRESA....... GRÁFICOS DECONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIAL. 4321-1-2-3 0.....................................1............40......... etc..................73% Figura 4 Función de den idad de probabilidad normal Control E tadí tico de Proce o Pág......)...... a) Distribución Normal o Campana de Gauss................... Si el proce o e táoperando de manera que exi ten pequeña o cilacione de todo e to factore ...........a..........2.. FASE1: PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTO... El teorema del límite central (TLC) e tablece que i una variable aleatoria (v....30.... 73 Control Estadístico de Procesos Control Estadístico de Procesos (Apuntes)Pág...................... : ay varianzmedia dev........... el proce o e tá afectado por ungran número de factore ometido a una variabilidad (por ejemplo o cilacione de la caracterí tica del material utilizado. no encontramo con que el 68% de la población e tácontenido en un entorno±1σalrededor deµ..... 65 15....GRÁFICOCUSUM................Depende de dos parámetrosµyσ.. FUNDAMENTOS ESTADÍSTICOS.. Tiene una formaacampanada (de ahí u nombre) y e imétrica re pecto aµ..............3.......... .. 69 16........... iendocada una de ella de poca importancia re pecto al conjunto. que on la media y lade viación típica re pectivamente........... 65 15........ pero es preciso recordar al menos los puntos que sedescriben a continuación.............. iempre que el tamaño de la mue tra ea uficientemente grande n≥25..... E decir: →+++= ∑ ∑= =niniiiinN X Entonce xxxxX 1 122i i21 ............... variabilidad introducida por el operario...... Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág............. el 95% de lapoblación e tá contenido en un entorno±2σalrededor deµ y que el 99... 72 16...... 8 Control E tadí tico de Proce o (Apunte ) b)Teorema del Límite Central....4........9 43210-1-2-3-4 210DISTRIBUCIÓN DE LAS MEDIASVALORES INDIVIDUALESDISTRIBUCIÓN DE LOS Figura 5: Función de den idad de la media mae trale 4. 71 16.. variacione de temperatura yhumedad ambiental. repetibilidad propiade la maquinaria utilizada..20.N( µ .... FASE2: IMPLANTACIÓN DELGRÁFICO DECONTROL PILOTO........... Llevando múltiplo deσa ambo lado deµ....2....Para el entendimiento delControl Estadístico de Procesos no es necesario serun experto en estadística...... CAUSAS COMUNES Y CAUSAS ASIGNABLESO ESPECIALES De acuerdo con lo                                                                                                                                                                                                                                                       ...a on la donde Siσ µ σ µ L c)Di tribución de la media mue trale SiX e una v.. pero de modo que ninguno de ello tienen un efecto preponderantefrente a lo demá ...7 3.....

permita un ciertogrado de predicción. A e to proce o no e le puede aplicar el gráfico decontrol ni tiene entido hablar de capacidad. i circun tancialmente incide un factor con un efectopreponderante. Por el contrario. E trictamente hablando. Por lo tanto.11:: IILLUUSSTTRRAACCIIÓÓNN DDEE CCAAUUSSAASS CCOOMMUUNNEESS EENN UUNN PPRROOCCEESSOO Un proce o de fabricación con i te en “lanzar 10 moneda al aire ”. cuya caracterí tica on muydiferente de la anteriore . aún iendo aleatorio. E te eríael ca o de un proce o normal cuya media varía a lo largo del tiempo(por ejemplo. EEJJEEMMPPLLOO-. Al conjunto de e ta multitud de factore e denominancau a comune . podría compen ar e re ultandoun proce o análogo al ca o anterior. En e te ca o.cuyo valor inferior e tá limitado por el propio diámetro de la broca. de modo que en e te ca o la di tribución no ea normal. e decir que lo parámetro de la di tribución permanezcan invariable y por lotanto puede realizar e una predicción del intervalo en el que e encontrarán lo valore de la caracterí tica de re pue ta. Puede ocurrir que la caracterí tica propia del proce o hagan que alguno delo factore de variabilidad intrín eco al mi mo. 5. deben aplicar e método e peciale . un proce o caótico no e previ ible y nopuede er controlado. e dice que el proce o e tábajo control e tadí tico cuando no hay otra cau a a ignable pre ente . entonce la di tribución de la caracterí tica de calidad no tienepor qué eguir una ley normal y e dice que e tá pre ente unacau a e pecialo a ignable. Un proce o de e te tipo debe ere tudiado mediante herramienta e tadí tica avanzada ha ta que el grado deconocimiento empírico obtenido obre el mi mo permita conocer la cau a dela e tabilidad y e eliminen. e te de ga te de laherramienta ería una cau a e pecial. debe tratar de conocer e todo lo que ea po ible de lo fundamento tecnológico del proce o. e upondrá que lo proce o tienen un cierto grado dee tabilidad. El Control E tadí tico de Proce o eba a en analizar la información aportada por el proce o para detectar lapre encia de cau a a ignable y habitualmente e realiza mediante unacon trucción gráfica denominada Gráfico de Control. Un Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág. una herramienta de corte que va de ga tando lacuchilla de corte).•El proce o e tá regido por una función de probabilidad alguno decuyo parámetro varía ligeramente a lo largo del tiempo. i en un proce o indu trial e e tá utilizandomateria prima procedente de un lote homogéneo y e continúa la fabricacióncon materia prima procedente de otro lote. En ningún ca o debe “dar e la normalidad por upue ta ”. Debe comprobar e y en ca o de que lo dato no eannormale .Por ejemplo.  e perable que lacaracterí tica de calidad del producto fabricado e di tribuya de acuerdo conuna ley normal. E te e el ca o ideal y al que e pueden aplicar lo gráfico de control para detectar la pre encia de cau a a ignable . ya que puede dar pi ta obre el tipo dedi tribución que eguirán lo dato . in embargo i puedeconocer e la velocidad de de ga te. e muy po ible que la caracterí tica de lo producto fabricado ean ignificativamente di tinta a partir de la utilizacióndel nuevo lote. tenga un efectopreponderante. Podemo di tinguir do ca o : •El proce o e tá regido por una función de probabilidad cuyo parámetro permanecen con tante a lo largo del tiempo. E te eríael ca o de un proce o normal de media con tante y de viación típicacon tante. e dice que un proce o e tá bajo control e tadí tico cuandono hay cau a a ignable pre ente . E to e equivalente a decir que el proce o permanezca e table. mientra quela di tribución pre enta una cola hacia diámetro mayore debido a po ible incidencia oblicua de la broca. Se uponeque la moneda on perfecta de manera que en el lanzamiento de cada una e tiene un 50% de probabilidade de                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             . En lo uce ivo. 10 Control E tadí tico de Proce o (Apunte ) Por definición.Si el proce o e encuentra bajo control e tadí tico e po ible realizar unapredicción del intervalo en el que e encontrarán la caracterí tica de la piezafabricada.11 ejemplo puede er la di tribución de lo diámetro de un proce o de taladrado. Control E tadí tico de Proce o Pág. En general. el proce o ha detener una e tabilidad uficiente que. ¿QUÉ CONDICIONES HACEN FALTA PARAQUE SE PUEDA APLICAR EL GRÁFICO DECONTROL? Para que tenga entido la aplicación de lo gráfico de control.

Podríamo a imilar lo anterior a un proce o indu trial ometidoa 10 cau a de variabilidad no normale                                                                                     ¡ ¡ ¡ ¡                         ¡ ¡ ¡                                                   ¡                                                         ¡¡                                                                                                                                                                                                                    . Índice de capacidad cp:CpT T i= =−Intervalo de tolerancia Capacidad del proce o 6σ 43210 1 2 3 4 0.ÍNDICES CPY CPK Con objeto de comparar la capacidad del proce o y la amplitud de la tolerancia a ati facer.050.. Por definición: CAPACIDAD DEL PROCESO = 6σσσσ E e encial re altar que la variabilidad natural del proce o.3mini pk T T C Control E tadí tico de Proce o Pág.CONCEPTO DE CAPACIDAD DE PROCESOComo con ecuencia de todo lo anterior. Si el proce o no e tuvie e centrado. e define elíndice de capacidad de proce o: σ 6i pT T C −= Si e pretende que la producción e té dentro de tolerancia. e nece ario queC p > 1..30.000. 0 5 100.25xProbabilidadFUNCIÓN DE PROBABILIDAD BINOMIAL (N. En e to ca o e má ignificativo el índiceC pk que e define: −−=σ µ σ µ 3.00. i un proce o normal e tá en controle tadí tico.20.Aplicando e to mi mo concepto a la variabilidad atribuible de una máquinade la que integran el proce o de fabricación. Si tiramo 10 moneda . Si erepre enta gráficamente.La calidad de cada lanzamiento de 10 moneda e mide egún el número decara obtenida . nece ariamente alguno producto fabricado e tarán fuera de tolerancia y erán no conforme .50% 50% 50% 50% 50% 50% 50% 50% . e obtiene un función acampanada que recuerda auna gau iana (ver Figura 7). e decir modificar el centrado.100.15 EEJJEEMMPPLLOO 22:: LLAA MMÉÉTTRRIICCAA ““66 SSIIGGMMAA”” En 1. Siaumentara el número de moneda .30.13 6. el valor de e te índice fal earía el grado decobertura con re pecto a fabricar pieza fuera de tolerancia . la caracterí tica de calidad del 99.73% de lo elemento fabricado e tará comprendida entreµ. El objetivo de e te programa fue reducir la variación     obtener cara...150. CAPACIDAD DE PROCESO6. y un 50% de obtener cruz. 6σ. P)Número de intento N= 10 Probabilidad de éxito P= 0.3σyµ+ 3σ.40.1.2. Por lo tanto i 6σe menor que el intervalo de la tolerancia a cumplir. Sin embargoσdepende del número yvariabilidad de la cau a comune del proce o y por lo tanto e intrín eca a él.0ProbabilidadTinfT upINTERVALO DE TOLERANCIAVARIABILIDAD PROCESO Figura 8: Índice Cp Índice de capacidad cpk :Cpk =Di t.988 Motorolaalcanzó el pre tigio oMalcom Baldrige National QualityAward. toda ella tienen el mi mo efecto obre la variabilidad de laproducción. e intrín eca aél e independiente de la tolerancia que e a ignen.4ProbabilidadTinfT up INTERVALO DE TOLERANCIAVARIABILIDAD PROCESO Figura 9: Índice Cpk Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág...200. Figura 6: Simulación de un proce o ometido a cau a comune nonormale Control E tadí tico de Proce o Pág.. de la media al limite de tol. E te hecho e una con ecuencia del TLC. la convergencia hacia la di tribución normal ería aún mayor. Si no etiene en cuenta e te hecho y e pretende corregir a ba e de reaju tar elproce o. 6. Una de la ba e fundamentale de u e trategia de calidad era el“Programa 6 σ σσ σ ” . El parámetroµdepende del puntoen el que centremo el proce o.10.Por lo tanto 6σ e la Variabilidad Natural del Proce o o Capacidad delProce o. lo único que e con igue e aumentarla variabilidad del mi mo.5 en e te ca o). elíndice de capacidad de máquinaC M yC Mk .10. podemo definir lacapacidad demáquina.5 Figura 7: Función de probabilidad de la obtención de x cara lanzando 10 moneda Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág..20. Al eriguale . 14 Control E tadí tico de Proce o (Apunte ) De e te modo e define unproce o capazcomo aquel queC pk > 1.(binomiale en e te ca o).50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% . 12 Control E tadí tico de Proce o (Apunte ) La teoría e tadí tica no en eña que la probabilidad de obtener exactamente xcara (0≤x≤10) e calcula por la di tribución binomial: ( )( ))1)(xnxppxnxP−− = donde n e el número de moneda lanzada (10 en e te ca o) y p laprobabilidad de acar cara con una moneda (0. por lo que la podremo con iderar como cau a comune . ma aju tado emicapacidad del proce o 4 3 2 1 0 1 2 340.

ppm = 3. ver Figura 11).Obviamente el diferente tamaño de lo cabezale e una fuente de variabilidadque muy probablemente puede hacer e pre ente. lo coeficiente pa arían a er: 5.de lo proce o de manera que el intervalo de tolerancia fuera igual a 12σ σσ σ (6 a cadalado). Si e extrae una mue tra de tamañon y umedia mue tral e encuentra comprendida fuera del intervalo comprendidoentren/ 3σ µ −yn/ 3σ µ +(llamado límite de control inferior y Control E tadí tico de Proce o Control E tadí tico de Proce o                                                                                                                                                                                                                                                                                                 ¡ ¡ ¡                                                                 ¡ ¡ ¡ ¡                                                                     .•Ppy Ppk e calculan con la variabilidad total del proce o(variabilidad en el largo plazo).3.) pero no a í en otra área .5σ σσ σ . En e te ca o e con idera lavariabilidad entre lo elemento de la mi ma mue tra o mue tra próxima .401 Figura 10 Control E tadí tico de Proce o Pág. inotambién la variabilidad entre cabezale . En el párrafo 10.400 ppm?C ALID AD S IX S IG M A 7 6 5 4 3 2 1 0 1 2 3 4 5 6 76 S IG M A C p= 2.2 e dan alguna indicacione para la definición del GHR. Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.Alguno autore denominan a e te componente de la variabilidadcomo “ruido blanco”.CONCEPTO DE GRUPO HOMOGÉNEORACIONALA la hora de planificar la toma de mue tra para realizar un e tudio decapacidad de proce o o la implantación de un gráfico de control. ppm = 0. Ppk.5/3= 1. 6. ¿Por qué calidad Six Sigma = 3. Aquella componente de lavariabilidad debida a cau a comune olamente y repre enta lavariabilidad que puede e tar pre ente entre elemento fabricado enintervalo próximo (variabilidad en el corto plazo.De manera general.4.Veamo un ejemplo.ˆ3 Lo ímbolo circunflejo “^” repre entan una e timación de la de viación típicacon iderada.5. Repre enta la variabilidad que puede afectar alconjunto de lo elemento fabricado recibido por el cliente(variabilidad en el largo plazo.5. Tiene una aceptación muy amplia en entorno deautomoción (QS 9000 / TS 16949. 7.ˆ3 LPi pT T Pσ ˆ6−= −−=LPiLP pk T T minPσ µ σ µ ˆ3. En e te ca o e tiene en cuenta lavariabilidad introducida por la deriva del centrado del proce o y laine tabilidad del mi mo. ÍNDICES PPYPPK Durante mucho tiempo. verFigura 10. ver Figura 11).17 1 2 3 4 5 6 7 8 9 10Número de mue tra Variabilidad total del proce o(largo plazo)Variabilidad inherente del proce o(corto plazo) Figura 11 De compo ición de la variabilidad de un proce o 6. re ulta muyimportante tener en cuenta el concepto degrupo homogéneo racional(GHR).POTENCIALIDAD DEL PROCESO. 18 Control E tadí tico de Proce o (Apunte ) La ecuacione de lo índice quedan: CPi pT T C σ ˆ6−= −−=CPiCP pk T T minC σ µ σ µ ˆ3.135. En la definición del gráfico de control e e tableceuna toma de mue tra horaria de 16 unidade (un racimo de inyección).σ ).002D E S P LA ZA D A 1.4 2612==== σ σ σ σ pk pcc Aún e ta circun tancia .2. De acuerdo con la definición del índice de capacidad de proce o:2612==σ σ pc Suponiendo que e de plaza e el proce o 1. Cpk. E preci o re altar que la utilización de lo coeficiente Ppy Ppkno tiene todavíauna aceptación unánime. e verifica que Cp> Ppy Cpk> Ppk Control E tadí tico de Proce o Pág.•Variabilidad total del proce o. etc. en la que etienen en cuenta factore como el de ga te. Alguno autore denominan a e te componente de la variabilidad como “ruido negro”. Por e ta razón en la toma demue tra debe e tudiar e no olo la variabilidad entre la inyeccione .4 ppm. de acuerdocon lo iguiente criterio : •Cpy Cpk e calculan con la variabilidad inherente del proce o(variabilidad en el corto plazo). cambio de lote demateria prima.5 S IG M A C pk =4. Supongamo una máquina de inyección de pieza deplá tico de 16 cabezale . GRÁFICOS DE CONTROL POR VARIABLES:GRÁFICOS DE SHEWHART Supongamo que un proce o e encuentra bajo control e tadí tico y por lotanto u di tribución e N( µ . 16 Control E tadí tico de Proce o (Apunte ) 6. e introdujeron lo índice Pp.VARIABILIDAD A CORTO Y LARGO PLAZO Un proce o productivo tiene habitualmente do tipo de variabilidad: •Variabilidad inherente del proce o. E la variación re ultante de toda la cau a de variabilidad (cau a comune y e peciale ). la cantidad de producto fuera de tolerancia ería tan olo de 3. ha exi tido la confu ión obre qué e timación de lavariabilidad e debe utilizar para el cálculo de Cp. etc. Preci amente para ponerun poco de orden en todo e to.

b) E muy improbable obtener una mue tra de e ta caracterí tica i realmente el modelo e el upue to. la e peranza matemática de lavarianza mue tral e :( )221σ nn E −= Control E tadí tico de Proce o Pág. 20 Control E tadí tico de Proce o (Apunte ) ¿En qué e ba a el gráfico de media ?MEDIA DEL PROCESOLCS median= +3σ LCI median= −3σ Media de la mue tra Figura 12: Fundamento del gráfico de media Proce o fuera de controlMEDIA DEL PROCESOLCS median= +3σ LCI median= −3σ ALTO¡Identificar y eliminar la cau a e pecial! Figura 13: ¡¡Lo gráfico de control no irven para nada i no einve tigan la cau a a ignable !! Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág. podemo ju tificar e te hecho de do modo di tinto : a) De acuerdo con el modelo teórico upue to abemo queel 0.Por e ta razone . Ante de eguir adelante e conveniente recordaralguna propiedade de e to e tadí tico con objeto de alcanzar un mejorentendimiento de la con trucción de e to gráfico . En efecto. Lo anterior no quiere decir que podamo e tar ab olutamente eguro de que el proce o e encuentre bajo control e tadí tico. calcular la media mue tral y repre entar un gráfico de unamanera imilar a la Figura 12. para proce o normale : ( )( )42212σ nn Var −= ( )42*12σ −=n Var Puede comprobar e que el error cuadrático medio de 2 e inferior al de * 2 .27% de la mue tra (e decir 27 mue tra de cada10. Pre enta la ventaja de que e calcula muyfácilmente y para valore mue trale pequeño n≤8 ecomporta bien. ElControl E tadí tico de Proce o e ba a en repetir e ta toma de mue tra demanera periódica.y el menor valor. b) De viación típica mue tral. Por u propia con trucción.Se define como la diferencia entre el mayor valor pre ente en lamue tra                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 . a) Rango o recorrido mue tral.E conveniente recordar que en lo texto e utilizan do e tadí tico di tinto . e tee tadí tico da una e timación de la di per ión de la poblaciónde la que procede.19 uperior re pectivamente). Control E tadí tico de Proce o Pág. 22 Control E tadí tico de Proce o (Apunte ) Por lo que e un e timador e gado de la varianza poblacionalσ 2 . Para valore mayore da una e timación obrevalorada de la di per ión de la población. Exi ten tabla aplicable a proce o normale que. Por el contrario. no tendremo ninguna razón de pe o para pen ar que el proce o no e encuentra bajo control e tadí tico (el re ultado e coherente con el modelo upue to). El primero de ello e define:( )nxx nii∑−−=12 Para proce o normale . Por e ta razón alguna vece e toma como varianzamue tral al e timador in e gado definido:( )112*−−=∑−nxx nii E te e timador de la varianzaσ 2e in e gado y ademá n – 1 on lo grado de libertad de la mue tra. E abido que la di per ión de lo valore deuna población e mide por u de viación típicaσy lo e timadore mue trale utilizado má frecuentemente on el recorrido R (que en nue tro ca o darálugar alGráfico de Rango o Recorrido o implemente Gráfico R ) y lade viación típica mue tral S (que dará lugar alGráfico de de viacione típica o implemente Gráfico S ). La varianza de ambo e tadí tico on. proporcionan la función de di tribución dele tadí ticow = R/ σ . demodo que parece má vero ímil pen ar que el proce o noe tá bajo control e tadí tico y por lo tanto la hipóte i deque e di tribuye en e e momento egún una N(µµµµ. denominado“recorrido relativo” y tambiénlaE(w) = d 2 yσ w = d 3 . de modo que i la media cae fuera de lo límite de control exi te la evidencia de que hay una cau a a ignable pre ente(proce o fuera de control).000) tendrán una media fuera de e te intervalo y lamue tra que hemo extraído e una de ella . ino que notenemo la evidencia de que no lo e tá. en función del tamaño dela mue tra. eningeniería de calidad e má frecuente emplear *.21 El análi i de la mue tra no e debe detener implemente con truyendo unGráfico de Media ya que aún pueden proporcionar má información delcomportamiento del proce o. i la media mue tral e tá comprendida dentro del intervaloanterior.σσσσ) e fal a. A e te gráfico e le denominaGráfico de Media o implementeGráfico X . la di per ión de lo valore mue trale no puede proporcionar una e timación de la di per ión del proce o y realizarun eguimiento de u evolución. EnControl E tadí tico de Proce o e habitual operar con de viacione     (Apunte )Pág.

3730.8061. e preci o e timarµ a partir de la mediade las medias( )xyσ a partir del recorrido medio( )Rdek (por ejemplok= 25 ) mue tra iniciale .7560000 3.8801.86400003. el gráficoS se construye: Control Estadístico de Procesos Control Estadístico de Procesos (Apuntes)Pág.2390.3584.1341.96930. Se e timaríaµ a partir de la media de las medias( )xyσ a partir de la de viación típica mue tral media ( o* )dek mue tra iniciale . e comprobaría i alguna de la mue tra e tá fuera de lo límite .1670.9701. E( *).0941.A partir dexyR e trazarían lo límite provi ionale de lamanera iguiente.5840.0280.9541.típica enlugar de con varianza .2251.5342.1821. En el gráfico de media i e utiliza : SAX S ncX LCI X LC SAX S ncX LCS12121313−=−= =+=+= Si e utiliza * : Control E tadí tico de Proce o Pág.9431.72360.08900002.97270.95150.92270.0592.2771.6692. 86860.0320.91800003. 9491.σ µ σ µ µ σ µ σ µ AnLCI LC AnLCS−=−= =+=+= 33 Cuando se utilizas . el gráficoS e con truye:σ σ σ σ σ 5244462441313BccLIC cLC BccLSC = −−=== −+= ii) Ca oµ .2841.σ .4190.σ conocido .95940.2320.3370.7511.1850.0881.56420.4270.A partir dexy o* e trazarían lo límite provi ionale dela manera iguiente.6864.8821.8472.1050.4101.0000.92130.9641.8741.7042.7290.23 CONSTRUCCIÓN DEL GRÁFICOX Ri) Ca oµ .90270.9703. CONSTRUCCIÓN DEL GRÁFICOX S i) Ca oµ .6932.σ de conocido .7611. 0290.6381. e e tudiarían lo punto fuera decontrol y e recalcularían lo límite de manera análoga al ca o anterior.1211.5001.2662.0991.3941.1180. por lo que e nece ario conocerE( ).2190.6984. por ejemplo cada 25 mue tra .6281 .2822. Pue to que en e te ca o no e tiene ningúnconocimiento previo.8800 .8801.7160.88820.3081.1751.σ conocido . En el gráfico de media : Control E tadí tico de Proce o Pág.5752.2762.6591.8880. 28 Control E tadí tico de Proce o (Apunte ) TABLA DE COEFICIENTES n AA1A2A3c2c4B1B2B3B4B5B6d2d3D1D2D3D4 23452.6062.3423. E to límite deben recalcular eperiódicamente. En ca oafirmativo e procedería a bu car la cau a a ignable que pudiera explicar e aanormalidad y e recalcularían lo límite .6721. 2621.88620.79790.0260.2761.84070.σ * .8581.940000001.7602.27 GRÁFICOS DE MEDIAS DATOSCONOCIDOSLCSLCLCI µyσ µ +Aσ µ µ Aσ σ X +Aσ X X Aσ µ +A1S µ µ A1S µ µ +A2R µ µ A2R µ +A3S* µ µ A3S* X +A1S X X A1S NIN UNOX +A2R X X A2R X +A3S* X X A3S* Tabla 1 RÁFICOS DE DISPERSIÓN DATOSCONOCIDOS LCSLCLCI SB2σ c2σ B1σ σ RD2σ d2σ D1σ S* B6σ c4σ B5σ SB4S S B3S NINGUNO RD4R R D3R S* B4S* S* B3S* Tabla 2 Control E tadí tico de Proce o Pág.5772.91390.2672.6091. i e utiliza :SBcSnccLSI SLC SBcSnccLSC 3222242222113113= −−−= == −−+= Si e utiliza *:*3*244**4*244131131SBSc cLCI SLC SBSc cLCS= −−=== −+= Una vez trazado lo límite provi ionale .8480.8                 ¡                   ¡       ¢                                                                                               ¡         ¡                                 ¡                               ¡                       ¡                                                                     ¢                            ¡                           ¡     ¡                                               .96500.7321.179.2672.Siµ yσ on conocido entonce la con trucción del gráfico demedia e inmediata a partir de u definición: σ µ σ µ µ σ µ σ µ AnLCI LC AnLCS−=−= =+=+= 33 El cálculo de los límites del gráfico de recorridos se hace de lamanera siguiente:( )( )σ σ σ σ σ 132223233Dd d LCS d LC Dd d LCS =−===+= ii) Ca oµ .Siµ yσ on conocido la con trucción del gráfico de media e análoga al ca o anterior.1156789101. 24 Control E tadí tico de Proce o (Apunte ) RAX nd RX LCI X LC RAX nd RX LCS22221313−=−= =+=+= y lo límite del gráfico de recorrido erían:RDRd d LCI RLC RDRd d LSC 3234233131= −=== += Una vez e tablecido lo límite de control provi ionale para ambo gráfico .(Si alguno de lo do fuera conocido ería un híbrido de lo do ca o i) y ii)).9750.0780.σ de conocido .8530.7071.1281.79790.8151. ( )[ ]( )[ ] 2/ )1( 2/ 12)(E2/ )1( 2/ 2)(4*2σ σ σ σ cnnn cnnn E =−Γ Γ −==−Γ Γ = En este caso ambos estadísticos son estimadores segados deσ .2871.En la tabla iguiente e re ume lo anterior: Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág. 26 Control E tadí tico de Proce o (Apunte ) *3*4*3*41313SAX S ncX LCI X LC SAX S ncX LCS−=−= =+=+= En el gráfico de de viacione típica .1130.0611.7111. nc 1122−−=σ σ 24'1c −=σ σ Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.5682.5961.4830.25 σ σ σ σ σ 122222222113113BnccLIC cLC BnccLSC = −−−= == −−+= Cuando e utiliza * .0230.Si alguno de lo do fuera conocido ería un híbrido de lo do ca o i) y ii).0300.3260.8081.

0073 0.0089 0.46900.6061..4591.007 0.009 0.7500.1211.007 0.002 0.9251.95990.8020.0060 0.8193.6921.0004 0.0077 0.0094 0.4720.98920.0067 0.6550.00700.5571...0079 0.3290.4920.330.00590.29 EEJJEEMMPPLLOO 33:: CCOONNSSTTRRUUCCCCIIÓÓNN DDEE UUNN GGRRÁÁFFIICCOO DDEE SSHHEEWWHHAARRTT La galga de lo platino e una caracterí tica clave para u buenfuncionamiento.7380.007 0.4541.008 0. .5481..008 0.0072 0.008 0.5941.003 0.9250.009 0.0089 0.001 0.00680.008 0.0785.6190.96840.7620.000420 0.0013 0.9796.009 0.2850.0091 0.8175.4660.0087 0.94100.006 0.98960.008 0.8200.007 0..4900.6800.6361.008 0.4400. .4961.008 0.1870.4291.0084 0.0080 0.7430.3840.007 0.1570.6120.0012 0.0094 0.0011 0.5550.006 0.4820.008 0.4241.008 0.009 0.009 0..98230.541> 253/ √n 3/ √n.00880.0088 0.000719 0.5411.93000.0068 0.008 0.009 0.1840 .001018 0.007 0.7700.8660.5591.006 0.7240.3991.0074 0.4580.0076 0.7200.6710.009 0.5851.4900.008 0.6935.95760.008 0.009 0.0009 0.008 0.6101.6880.008 0.0064 0.001 0.5041..7630.1670 .5490.98540.007 0.2660.001 0.0087 0.5651.4350.0103Tabla 4 SOLUCIÓN:Di pongamo lo cálculo en la tabla iguiente:MUESTRA1 2 3 4 5 Media R * 1 0.5485.009 0.5631.008 0.007 0.5751.0074 0.007 0.009 0..8160..001111 0.001212 0.0087 0.95230. .0076 0.0760.0261.7350.3540.5071.0065 0.001217 0.008 0.6260.009 0.0089 0.8545.4340...00860.004 0.0003 Control E tadí tico de Proce o Pág.7120.0083 0.0041.008 0.7160.4203.5181.009 0.93590..008 0.3363.8953.6591.008 0.0081 0.0009 0.4261.98870.2490.002 0.7180.3870.0065 0.008 0.6470.5341.4381 .4250.0078 0.2990.010 0.0092 0.9 4530.0069 0..1530.006 0.010 0.7161.008 0.96700.8120.004 0.6893.00103 0.0075 0.0100 0.98760.00810.0074 0.7890.00970.008 0.8045..1 3/ √2n 1+3/ √2n 1 3/ √2n 1+3/ √2n .00710.3920.0061 0.7070.0089 0.4703.00440.008 0.5231 .0081 0.009 0.0087 0.0072 0.2075.988 20.6711.0091 0.5390.3820. .0098 0.1360.3640.4480..007 0.0081 0.2583.6000.009 0.4770.58621222324250.00147 0.009 0.7380.96960.2350.0084 0.3460.007 0.9505.008 0.98690.002 0.6970 .00840..008 0.4451.004 0.00790.00085 0.98100.007 0..0005 0.00084 0. ..5160.7390.5521.0075 0.009 0.5481.008 0.96300.3320.0012 0.009 0..6980.002 0.7750.8080.008 0.009 0.6630..002 0.0088 0.5883.009 0.0087 0. .2120.00099 0..3590.0075 0.0083 0.8480.4073.00870.0062 0.7330.0076 0.7370.8641.4661. .4060.0093 0.009 0.0083 0.6190.7291.3130.003 0.009 0.0071 0.0087 0.8161.1940.003 0.0007 0.008 0.0010 0.94900.7795.9050.1730.6461.3945..8500.7591 ..97940.4431.0078 0.0011 0.0076 0.009 0.0015 0.4591.007 0.009 0.4211.8840 . 30 Control E tadí tico de Proce o (Apunte ) MUESTRA1 2 3 4 5 Media R * 6 0.2030.0090 0.4610.6330. Con truir lo gráfico de controlRX −.00108 0.006 0.004 0.1800. .0094 0.000614 0.000616 0.005 0.2851.3740.5101.5111.008 0.7441 .0064 0. .000413 0.5925.95510.0088 0.3920.008 0.009 0.6060.0081 0.5280.0081 0.5611.4281..6875.77711121314150.008 0.007 0.4151.5443.008 0.0007 0.7550 ..2232.5031.0006 0.003 0.3591 .97760.008 0.001115 0.009 0.3990 ..6400.6211.000510 0.4771.4651.6320.4481.00520.7870.7091.79700.4450.3481.0580.009 0.009 0.97540.00690.00142 0.0090 0.008 0.7101.008 0.6465.007 0.00800.4270.003 0.5460.0083 0.009 0.4911.6620.5040.5720...007                               ¡               ¡¡         ¡                             .9730.9310.2035.007 0.006 0.5450..0066.7783.4551..008 0.007 0.6181.7170.008 0.008 0.0084 0. .0080 0.009 0.5261 .96550.00940.4430.001 0.0074 0.009 0.3210.0316.7490.0016 0.5345.8320.005 0.4330 .008 0.96190 .0013 0.010 0.001 0.0004 0.8170.5961.5160.4750.008 0.0089 0.98350.9220.9241.0076 0.00640.0086 0. La tabla iguiente recoge medida de 20 mue tra de tamaño5.5661.0078 0.5270.5380.8860.006 0.4071.4970..00770.4040.0071 0.008 0.009 0.008 0.007 0.009 0.0086 0.009 0..00900.2230.65216171819200.1620..4520.0074 0.008 0.008 0.2560.6081 .0073 0.4831.3075.4061.0052 0.5340 .7620.008 0.9270.6470.007 0.98450.5230.002 0.98620.8583.6790.1733.7780.8885.7880.SX −y*SX − 0.4141.4781.6371.0084 0.6403.3790.2840.6791.007 0..0005 0.0089 0.4901.7280.0091 0.007 0..007 0.009 0.0086 0.0011 0..2050.Tabla 3ncAnd AncAnA4322213333==== 1242−==nncc cσ wd Rd σ σ ==32 ( )( )( )( )24462445244424434223211313131131ccBccBccBccBBcBBcB−+=−−=−+=−−=== 234233322321313133d d Dd d Dd d Dd d D+=−=+=−= Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.3080.5323.

0030.0010.0009 = 0.40.427x0.35 ¡         £   ¡         £   £     £ £ £                 £ £       £       £   £ £   £           ¡ £ £   £   £ ¡             £   £ £ £ £ £ ¤               £ £ £ £ £   £ £           £   ¡ ¡   £     £     ¤ ¡   £   £   £   £       £     £   ¤ ¤ £ £             £         £       £   £ £     ¤ £ £ £     £     £   £ .20.50.002 = 0.0024003.00950.008 + 0.00EGRÁFICO X R Figura 14: Gráfico X R Método * A3= 1.089Gráfico de media :LCS= 0.115Gráfico de media :LCS= 0.002 = 0.0SL=0.40.0 1.0066Gráfico de recorrido :LCS= 2.007 0. a probabi idad de que una muestra caiga dentro de os ímites de contro puede hacerse uti izando e estadístico: 2122−=nnsχ σ Enton e la e ua ión de la urva de opera ión e : ≤≤= ≤≤=nBn nBPnBn nBPP2222022221212022212212021)(λ σ λ λ σ σ σ σ σ λ Se puede comprobar que e comportamiento es simi ar para muestraspequeñas.008 1.000x0.000En la figura iguiente e repre entan el gráfico de media y el de recorrido .089Gráfico de media :LCS= 0. Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág.0065Media Mue tralX=0.CURVA DE OPERACIÓN DEL GRÁFICO DEMEDIAS.427 B3= 0 B4= 2.90. vemos que e gráfico de medias es sensib e a desp azamiento y muy poco sensib e a cambio de a variabi idad (verFigura15yFigura 16).La construcción de a curva de operación de gráfico de recorridos se haceaprovechando e estadísticow = R/ σ .0009 = 0.1. 32 Control E tadí tico de Proce o (Apunte ) 8.50.0000 Control E tadí tico de Proce o Pág.10.008 0.80.70. La aplicación de gráfico de control debecontinuar e con técnica e tadí tica avanzada encaminada al conocimientode lo parámetro que influyen en el proce o (CTP en terminología 6 Sigma) ya la reducción de la variabilidad (o lo que e lo mi mo.CURVA DE OPERACIÓN DEL GRÁFICO DEDISPERSIÓN.0009LCI= 0.089x0.0Aumento de variabi idadProbabi idadCURVA CARACTERÍSTICA DEL GRÁFICO DE MEDIAS(AUMENTOS DE VARIABILIDAD) Figura 16: Curva de operación de Gráfico X a aumento de avariabi idad Contro Estadístico de Procesos Pág.002LCI= 0.002 = 0.577x0. CURVAS DE OPERACIÓN DEL GRÁFICO DECONTROL La curva de operación on útile para evaluar a priori la en ibilidad delgráfico de control frente a de plazamiento del proce o o al cambio de uvariabilidad. al aumento de lo índice de capacidad).427x0.52.008 0.000x0.0024 = 0.005LC= 0. Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.003 0.000Recorrid o Mue tralR=0.0SL=0.577 D3= 0 D4= 2.50.0009 = 0.0040. La ecuación de la curva erá: ( ) ( )02001 σ λσ σ λ DwDPP ≤≤= Para e caso de gráfico S.Si e mide el de plazamiento del proce o en unidade de la de viación típica yla deformación mediante la relación exi tente entre la de viación típica final yla inicial.33 2.91.0000 Método A1= 1.008 0.0010 0.2.089x0.0010 = 0.0093LC= 0.0079703.0009Tabla 5 Método recorrido : A2= 0.60.596x0.008LCI= 0.577 x0.0050 3.008LCI= 0.(000111111 Si ana izamos ahora os dos efectos por separado y dibujamos as curvas paradistintos tamaños de muestras.0066 Gráfico LCS= 2.000x0.0020LC= 0.00.0010 = 0.596 B3= 0 B4= 2.0desp azamiento en mú tip os de sigmaProb.0050.008 1. Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág.0SL=0. 8.80.596x0.0011Media 0.0010LCI= 0.31 2010Subgroup 00. media muestra dentro de LCn = 2 n = 3 n = 4 n = 5 n = 6 n = 8 n = 1 2 n = 1 6 n = 2 0 SENSIBILIDAD DEL GRÁFICO DE MEDIASDESPLAZAMIENTO DEL PROCESO Y DESVIACIÓN TÍPICA INALTERADA Figura 15: Curva de operación de Gráfico R a desp azamiento de a media1 2 3 4 5 60.0018LC= 0.008LCI= 0.00750.008 + 1.0SL=0.0020.00.60.0024 = 0.009 0.0114LC= 0.00850.51.0093 3.0.0045 Gráfico *LCS= 2. De e ta curva e deduce que el hecho de que “lo punto e tén dentro de lo límite ” proporciona muy poca eguridad de que el proce o eencuentre realmente bajo control e tadí tico y pone de manifie to la limitacione de e ta técnica.0009= 0.009 0.008 + 1.30.0012 0. e decir: 001σ µ µ −=d 01σ σ λ = La probabi idad de que a media muestra caiga dentro de os ímites de contro en función de( )λ .115x0.01.0094LC= 0. 34 Contro Estadístico de Procesos (Apuntes) 8.010 0.002 0.008 = 0. Sin embargo para muestras n>6 es más eficaz e gráfico S.d es: −≤−−≤+−= −≤−≤−=λ λσ σ µ λ σ µ σ µ σ µ λ nd nd xnd PnLCSnxnLCI Pd P)3(/ )3(/ / / ).0060.70.

que Puede ser síntoma de que se ha reducido avariabi idad de proceso si e gráfico S o R también muestra unareducción de a variabi idad muestra .0.27%3´ Racha de cuatro puntos consecutivos que están en a mismazona A o B.0.27%2 De tres puntos consecutivos. 0. B y C. En a co umna de a derecha se indica a probabi idad de que se dieraesta circunstancia en e caso de un proceso norma . puedeocurrir que se estén mezc ando dos pob aciones distintas. 4.Si e gráfico S o R no presenta anoma ías.00.0.0. ver Figura 19.0.51.0. Si e gráfico S o R presenta también indicaciones. 6.5%)B (13.39%5 Racha de seis puntos consecutivos se presentan de maneramonótona creciente. o más probab e es que e proceso seencuentre desp azado. 36 Contro Estadístico de Procesos (Apuntes) 9. INTERPRETACIÓN DE LAS INDICACIONES DELGRÁFICO DE CONTROL La indicación más c ara de que e proceso está fuera de contro es que a gunode os puntos esté fuera de os ímites. Contro Estadístico de Procesos Pág.56%4´´ Racha de ocho puntos consecutivos por encima de a íneacentra .1. e primero está en a zona A inferior y e segundo en a B ó A superior).06%4 Racha de siete puntos consecutivos por encima de a íneacentra . 3´.0Aumento de a variabi idad en mú tip os de sigmaProbabi idad S dentro LCSENSIBILIDAD DEL GRÁFICO "S" AL AUMENTO DE LA VARIABILIDADCENTRADO INALTERADOn=2n=3n=4n=5n=6n=7n=8n=10n=12n=18n=20 Figura 18: Curva de operación de Gráfico S a aumentode a variabi idad Contro Estadístico de Procesos Pág. si dividimos e gráfico enzonas A.5%)B (13.78%4´ Racha de seis puntos consecutivos por encima de a íneacentra . Si e gráfico S o R nomuestra una reducción de a variabi idad muestra . 38 Contro Estadístico de Procesos (Apuntes) b)Reg as 5.654321 1. 3. 6´.5%)A (2. entonces es proceso ha aumentado a variabi idady posib emente también se ha desp azado. 2. 4´. ¿Cómo o £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ . un procedimiento de SPC debeexp icitar qué indicaciones deben considerarse como síntoma de proceso fuerade contro .d)Reg a 8. existe una racha de 8 que sepresentan de manera monótona creciente.05%3 Racha de cinco puntos en a que cuatro están en a mismazona A o B. 4´´ y 7. Además e aspecto de os gráficospueden indicar anoma ías en e proceso.23%8 Racha de quince puntos en a zona C 0. e porcentaje de puntos contenidos en cada unade e as deberá acercarse sensib emente a área re ativa de a campana deGauss cubierta por cada una de e as. e segundo está a menoscuatro desviaciones típicas por encima de primero (porejemp o. Es síntoma de inestabi idad de proceso. existe una racha de 7 que sepresentan de manera monótona creciente.Lo más probab e es que e proceso estédesp azándose. 6´´.07%6´ De nueve puntos consecutivos. Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág.Si e gráfico de mediaspresenta a guna de estas indicaciones y e gráfico S o R nopresenta anoma ías. En efecto. Si e gráfico S o R presenta tambiénindicaciones.5%)C (34%)C (34%) Figura 19: Distribución de os puntos procedentes de unadistribución norma En a Tab a 6 se inc uyen a gunas reg as uti izadas frecuentemente paraana izar e gráfico de medias y estab ecer si e proceso se encuentra fuera decontro .50.c)Reg a 7.30%9 Racha de catorce puntos a ternativos ascendente descendente ?Tab a 6 A continuación veamos cómo se pueden interpretar estas indicaciones: a)Reg as 1. existe una racha de 8 que sepresentan de manera monótona creciente. 0.02%6´´ De nueve puntos consecutivos.0Aumento de a variabi idad en mú tip os de sigmaProbabi idad R dentro LCSENSIBILIDAD DEL GRÁFICO "R" AL AUMENTO DE LA VARIABILIDADCENTRADO INALTERADOn=2n=3n=4n=5n=6n=7n=8n=12n=10 Figura 17: Curva de operación de Gráfico R a aumento de a variabi idad1 2 3 4 5 60.15%2´ Dos puntos consecutivos están en una de as zonas A ( amisma).e)Reg a 9. ¿Cómo deben distribuirse os puntos?A (2.siendo a distribución resu tante bimoda (dos jorobas).0.42%7 Dados dos puntos consecutivos. centrado ( o que daría ugar a una decisión errónea).00.14%6 De diez puntos consecutivos. En genera . o másprobab e es que e proceso sea muy inestab e en cuanto a sucentrado.0.entonces es probab e que e proceso haya aumentado avariabi idad.37 Reg a Descripción Probabi idad1 Un punto está fuera de os ímites de contro 0.0. dos o más están en una de aszonas A ( a misma).

2.1. A partir de aquí existen muchasdiferencias en cuanto a modo de tomar as muestras. CAPACIDAD DE PROCESO6. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTAS14.1.1. rea izada por operarios diferentes. 10.516Up oaded:02/28/2011Category:Uncategorized. GRÁFICOS DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHART8. ÍNDICES PP Y PPK6.¿QUÉ ES UN ESTUDIO DE CAPACIDAD DEPROCESO?Un estudio de capacidad de proceso tiene por objeto de conocer: •Distribución estadística que o describe (norma o nonorma )•E patrón de variabi idad de proceso y principa es factoresre acionados con a variabi idad. Contro ProcesosDown oad this Document for FreePrintMobi eCo ectionsReport DocumentReport this document?P ease te us reason(s) for reporting this document Spam or junk Porn adu t content Hatefu or offensiveIf you are the copyright owner of this document and want to report it. Análisis e interpretación de los datos10. En os párrafos siguientes se dan a gunasdirectrices que pueden ayudar a diseñar un estudio de capacidad de proceso ya interpretar sus resu tados. ¿POR QUÉ VARÍAN LOS PROCESOS?3. ESTUDIO DE CAPACIDAD DE PROCESOS10.2.2.interpreta?Racha en una mitadRacha creciente odecreciente Figura 20: Tendencias que indican causas especia es Para e caso de gráfico S o R se puede estab ecer un conjunto de reg asparecidas.2. ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?10. cuando se desee estimar a variabi idad tota de proceso(conocida también como variabi idad a argo p azo). pero es necesario tener en cuenta o siguiente: a) La interpretación de a indicación ha de hacerse en función a anatura eza de gráfico S o R. GRÁFICOS PARA MUESTRAS UNITARIAS (I. CONSECUENCIAS QUE TIENE EN EL ANÁLISIS11. Estabilizar del proceso10.1.Rated:Copyright:Attri bution Non commercia Fo owEnrique Va entinesSectionsshow a co apse« prev next »1.1.4. es decir. CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIAS8. 10.7.2.MR)13.2. INTERPRETACIÓN DE LAS INDICACIONES DEL GRÁFICO DE CONTROL10.1. etc. Definición de la estratificación de las medidas a tomar10.3.2. ¿ES LA NORMALIDAD LO “NORMAL?”11. VARIABILIDAD A CORTO Y LARGO PLAZO6. ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?10. según sea e modo en e que se tomen as muestras osresu tados serán muy diferentes. por o que as probabi idadesindicadas en a co umna de a derecha no son de ap icación aeste caso. Info and RatingReads:1.1. CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES6.Obviamente. as muestras deben serrepresentativas de a producción. ESTUDIO DE CAPACIDAD DE PROCESOS10.1. CURVAS DE OPERACIÓN DEL GRÁFICO DE CONTROL8. IMPLANTACIÓN DEL £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ ££ £ £ £ £ £ ££ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ¡ £ £ £ £ £ . por ejemp o debe inc uir producciones con otes distintos de materia prima. Identificación del patrón de variabilidad10. OTROS GRÁFICOS DE CONTROL POR VARIABLES14. CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓN9.2. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIAL15. en variosturnos.5. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN DE POISSON16. GRÁFICO EWMA15.8.Report Cance This is a private document. FUNDAMENTOS ESTADÍSTICOS4. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOS2.2. GRÁFICOS DE CONTROL POR ATRIBUTOS15.3. Este requisito es ógico cuando se pretende ca cu ar os índices cpy cpkde variabi idad a cortop azo. POTENCIALIDAD DEL PROCESO.5. En genera . En particu ar es frecuenteque se requiera que e proceso esté en contro estadístico.4. no indican derivas en a Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág. CONCEPTO DE CAPACIDAD DE PROCESO6.b) La distribución de S o R no es norma (aunque o sea e proceso) ni tampoco es simétrica.6.2. TÉCNICAS DE NORMALIZACIÓN DE LOS DATOS12.¿CÓMO SE REALIZA UN ESTUDIO DECAPACIDAD DE PROCESO?En a rea ización de un estudio de capacidad de proceso es importante rea izar os siguientes pasos. Toma de los datos10.•Comprender os fenómenos físicos y tecno ógicosimportantes para e proceso Se rea iza tomando muestras de a producción.39 media de proceso sino aumento o disminución en avariabi idad de mismo.3. Construcción de un intervalo de confianza de los índices11. CASO DE PROCESOS NO NORMALES11.2. Comprobación de la normalidad de los datos10. ÍNDICES CP Y CPK6.2. GRÁFICO CUSUM14.2. GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALES12.2. CONCEPTO DE GRUPO HOMOGÉNEO RACIONAL7.2. p ease fo ow these directions to submit a copyright infringement notice.

Login: Submit Upload a Document Search Documents Follow Us!scribd.Recent ReadcastersA dd a CommentSubmitCharacters: 400Print this documentHigh QualityOpen the downloaded document. p. p. p. You can manage these notifications in your account settings.com/scribdAboutPressBlogPartner sScribd 101Web StuffScribd StoreSupportFAQDevelopers / APIJobsTermsCopyrightPrivacyCopyright © 2011 Scribd Inc.com/scribdfacebook. Share your reading interests on Scribd and social sites. p. Already have a Scribd account?email address or username password Log In Trouble logging in? Login SuccessfulNow bringing you back. p. p. FASE 2: IMPLANTACIÓN DEL GRÁFICO DE CONTROL PILOTO16. Publish your documents quickly and easily. p. p.Language:EnglishChoose the language in which you want to experience Scribd:EnglishEspañolPortuguês (Brasil) . p. « Back to LoginReset your passwordPlease enter your email address below to reset your password. p. FASE 3: ANÁLISIS DE LOS PRIMEROS RESULTADOS16. Why Sign up?Discover and connect with people of similar interests. and select print from the file menu (PDF reader required).1.. p. p. p. p.Download and Print Sign upUse your Facebook login and see what your friends are reading and sharing.SPC EN UNA EMPRESA16. p.com/scribdtwitter. and occasional account related communications. We will send you an email with instructions on how to continue.Email address: You need to provide a login for this account as well.4. p. Sign Up Privacy policy You will receive email notifications regarding your account activity. p. We promise to respect your privacy. p. FASE 4: EXTENSIÓN A OTROS PROCESOSShare & EmbedRelated DocumentsPreviousNext p.More from this userPreviousNext74 p.3.Other login optionsLogin with FacebookSignupI don't have a Facebook account email address (required) create username (required) password (required) Send me the Scribd Newsletter.. p. p. p.2. FASE 1: PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTO16.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->