Está en la página 1de 12

1.7.

Procedimientos para el anlisis de la capacidad de proceso.

Antes de calcular la capacidad del proceso, el proceso debe estar en control estadstico, es decir sin la influencia de fuerzas externas o cambios repentinos. Si el proceso est fuera de control la media y/o la desviacin estndar del proceso no son estables y, en consecuencia, su variabilidad ser mayor que la natural y la capacidad potencial estar infravalorada, en este caso no es conveniente hacer un estudio de capacidad.

1.7.1.

Condiciones y frmulas para el estudio de capacidad del proceso.

Para realizar un estudio de capacidad es necesario que se cumplan los siguientes supuestos: El proceso se encuentre bajo control estadstico. Se recolectan suficientes datos durante el estudio de habilidad para minimizar el error de muestreo para los ndices de habilidad. Si los datos se componen de menos de 100 valores, entonces deben calcularse los lmites de confianza inferiores. Los datos se recolectan durante un periodo suficientemente largo para asegurar que las condiciones del proceso presentes durante el estudio sean representativos de las condiciones actuales y futuras. En el caso de la industria automotriz se especifican 300 partes mnimo. El parmetro analizado en el estudio sigue una distribucin de probabilidad normal, de otra manera, los porcentajes de los productos asociados con los ndices de capacidad son incorrectos y solo se podrn determinar los ndices de desempeo del proceso, que no toma en cuenta si el proceso est en control o no.

Tambin es importante al realizar un estudio de capacidad, asegurarnos que la variacin en el sistema de medicin no sea mayor al 10%. Para calcular la habilidad o capacidad potencial, primero se determina la desviacin estndar estimada de la poblacin como sigue:

ST
Cp
Dnde:

R d2

LSE LIE
6 ST

Cp = capacidad potencial LSE = lmite superior de especificaciones LIE = lmite inferior de especificaciones

ST

= desviacin estndar a corto plazo

Se debe cumplir que l ndice Cp 1.33 para tener el potencial de cumplir con las especificaciones (LIE, LSE). Los valores Z se determinan como sigue:

ZI

LIE X

ST
LSE X

ZS

ST

Para calcular la habilidad o capacidad real utilizamos la siguiente frmula:

3 Para que el proceso cumpla con las especificaciones, Cpk 1.33 .

C pk

menor Z I , Z S

1.7.2. Capacidad a partir de histogramas Procedimiento: a) b) c) d) e) f) g) h) Seleccionar un proceso especfico para realizar el estudio Seleccionar las condiciones de operacin del proceso Seleccionar un operador entrenado El sistema de medicin debe tener habilidad (error R&R < 10%) Cuidadosamente recolectar la informacin Construir un histograma de frecuencia con los datos Calcular la media y desviacin estndar del proceso Calcular la capacidad del proceso.

1.7.3. Capacidad a partir de papel normal Ventajas

Se puede observar el comportamiento del proceso sin tomar tantos datos como en el histograma, 10 son suficientes El proceso es ms sencillo ya que no hay que dividir el rango de la variable en intervalos de clase como en el histograma. Visualmente se puede observar la normalidad de los datos, si se apegan a la lnea de ajuste Permite identificar la media y la desviacin estndar aproximada del proceso. As como la fraccin defectiva, el porcentaje de datos entre cierto rango, el Cp y el Cpk.

Procedimiento a) Se toman al menos n = 10 datos y se ordenan en forma ascendente, asignndoles una posicin ( j ) entre 1 y n. b) Se calcula la probabilidad de cada posicin con la frmula siguiente: Pj = (j - 0.5) / n c) En el papel especial normal se grafica cada punto (Xj, Pj) d) Se ajusta una lnea recta que mejor aproxime los puntos e) Si no hay desviaciones mayores de la lnea recta, se considera normal el proceso y se procede a hacer las identificaciones: La media ser el punto en X correspondiente a Pj = 0.5 La desviacin estndar es la diferencia en Xj correspondiente a Pj = 0.5 y Pj = 0.84. Con ayuda del grfico podemos obtener la media, la desviacin estndar y el porcentaje de valores que se encuentran fuera de especificaciones.

El trazo normal El eje Y es un rango no lineal de probabilidades normales. El eje X es un rango lineal de la variable que se est analizando. Si los datos son normales, la frecuencia de ocurrencias en varios valores Xi, puede predecirse usando una lnea slida como modelo. Por ejemplo, slo ms del 20% de los datos del proceso seran valores de 225 o inferiores.

Probability Plot of Xj
Normal - 95% CI
99 Mean StDev N AD P-Value 262.9 38.13 20 0.262 0.667

95 90 80

Percent

70 60 50 40 30 20 10 5

150

200

250 Xj

300

350

400

1.7.4. Capacidad a partir de cartas de control. En casos especiales como los siguientes donde las variaciones presentes son totalmente inesperadas tenemos un proceso inestable o impredecible.

? ? ? ? ? ? ?

Si las variaciones presentes son iguales, se dice que se tiene un proceso estable. La distribucin ser predecible en el tiempo.

Prediccin

Tiempo

Clculo de la desviacin estndar del proceso. (Para cartas de control X-R y X-S respectivamente)

R d2

S C4

Dnde: S = Desviacin estndar de la poblacin d2 = Factor que depende del tamao del subgrupo en la carta de control X - R C4 = dem al anterior para una carta X - S Al final del texto se muestran las constantes utilizadas para las cartas de control. En una carta por individuales, d2 se toma para n = 2 y Rango Medio = Suma rangos / (n -1) 1.8. Mejora de la capacidad del Proceso

Como es sabido, la filosofa del mejoramiento continuo de los procesos est orientada a reducir la variacin natural de stos, es decir, que las acciones de la gerencia deben centrarse en las 6M que componen el proceso (Mquina, Medio Ambiente, Mano de Obra, Materia Prima, Mtodos de Trabajo y Medicin). Debe tenerse en cuenta que, simultneamente con esta reduccin de la variabilidad natural, tambin estas acciones deben considerar el logro de un mejor centrado. Al ser efectivas estas mejoras, tambin mejorarn los ndices de Capacidad Potencial y Real del proceso. La efectividad de todas esas mejoras se reflejarn en los grficos de control, razn por la cual dichos grficos deben revisarse peridicamente a fin de mantenerlos acordes con las mejoras; con esto tambin se logra descubrir nuevas oportunidades de mejoras ya que las amplitudes de los grficos (Xbarra; R) se reducen. Esta situacin se ilustra en la siguiente figura. Las mejoras observadas en los grficos pueden comprobarse con procedimientos estadsticos como pruebas de hiptesis o intervalos de confianzas.

1.9.

Seguimiento de la mejora del proceso.

Es recomendable llevar grficos que muestren los progresos de los ndices de capacidad real, Cpk, del proceso en cada una de las etapas de la lnea de produccin que se encuentran bajo control estadstico. Estos grficos deben ser actualizados peridicamente, por ejemplo cada mes, por parte de la gerencia, informando a los operarios de los progresos obtenidos o, por el contrario, del estancamiento del rendimiento. Tambin se recomienda que al ir observando mejoras significativas en los ndices, se actualicen los grficos de control. El ndice Cpk puede poner de manifiesto zonas de mejoras potenciales; si dos procesos semejantes tienen ndices de capacidad que pueden considerarse significativamente diferentes, entonces analizando el mejor proceso con respecto al otro debe conducirnos a identificar zonas de mejoras potenciales.

1.10. Acciones a tomar cuando un proceso no es capaz. Cuando un proceso no es capaz, es decir, la variabilidad natural de ste (6s) es mayor que el recorrido de las especificaciones (ES EI), o lo que es lo mismo, Cp < 1 (LN 3s), o <1,33 (LN 4s) < 1,67 (LN 5s), entonces se presenta una situacin indeseable. Ante esto podran sugerirse las siguientes acciones. Discutir con los ingenieros de diseo la posibilidad de aumentar el recorrido de las especificaciones. Esta accin puede requerir estudios de confiabilidad para determinar si el producto puede funcionar adecuadamente dentro de ese rango incrementado de las especificaciones. Obviamente, esta accin no est mejorando el proceso productivo. Se podra pensar en una inspeccin 100% para eliminar las partes noconformes. Esta accin, de ser adoptada, debe ser temporal mientras se encuentra una solucin definitiva. Otra accin podra ser disminuir la dispersin del proceso, para lo cual puede ser que se requieran nuevas materias primas, re-entrenamiento de los operarios, mejores condiciones de trabajos, nuevas polticas de mantenimiento, ajustes sobre las variables principales del proceso. No es fcil la reduccin de la variabilidad de un proceso; sin embargo el uso de algunas tcnicas sencillas como diagramas de Pareto, Causa-Efecto, etc., hasta tcnicas estadsticas ms complejas como diseo de experimentos y anlisis de varianza, pueden ayudar a lograr reducciones significativas en la dispersin del proceso. Tambin habr que pensar en nuevas tecnologas. Otra posibilidad es desplazar el centrado del proceso de manera que todo el producto no-conforme ocurra de un lado de la distribucin subyacente de la caracterstica de calidad. Obviamente, esta accin debe ser temporal hasta encontrar una solucin definitiva, pues al adoptarla es porque se estara reduciendo el scrap (desecho) a expensas de aumentar un retrabajo; no debemos olvidar que el re-trabajo es un desperdicio ya que con

esta actividad no se le agrega valor al producto y se estara tolerando el derroche; de all en que se insista que esta accin debe ser temporal.

1.11. ndice Cp para especificacin.

caractersticas

de

de

calidad

cn

una

Cuando la caracterstica de calidad tiene una especificacin unilateral (solamente la Especificacin Superior ES o la Inferior EI), no tiene sentido hablar del ndice de Capacidad Potencial Cp ya que como se sabe este ndice depende del recorrido de las especificaciones (ES EI). Sin embargo, el Cpk s puede expresarse como un ndice, tal y como se seala a continuacin. Si se trabaja con 3s (a la derecha o a la izquierda con respecto a X), y la caracterstica tiene una Especificacin Inferior (EI), entonces se dice que el proceso est cumpliendo con dicha especificacin si

De esta ecuacin se obtiene que:

Concluyndose que si:

Entonces el proceso est generando producto que cumple con la Especificacin Inferior. A continuacin se presenta un resumen para diferentes Lmites Naturales del proceso cuando se tiene la Especificacin Inferior o la Superior.

1.12. ndices Cp Y Cpk cuando se trabaja con corridas cortas. Aunque los grficos de control para Corridas Cortas de Produccin trabajan con muchos nmeros de partes diferentes, la capacidad del proceso se calcula para tipos de partes individuales. Esto se hace porque el proceso puede ser capaz de producir el nmero de parte A dentro de especificaciones, pero falla cuando trata de producir la parte B, aun cuando A y B estn bajo control. Hay que tener en cuenta que las especificaciones de las caractersticas de calidad de las partes muy frecuentemente sern diferentes. Al igual que en los grficos de control convencionales, antes de hacer un estudio de capacidad de proceso, ste debe estar bajo control estadstico pues, como se sabe, el ndice de capacidad de proceso es una prediccin y si el proceso est inestable, es imposible hacer un pronstico. Puesto que la mayora de los nmeros de partes no se producen durante un perodo largo de tiempo, es difcil determinar si el proceso est estable (estabilidad en el long term), por lo que algunos autores llaman estos estudios de capacidad estudios de capacidad para perodos cortos (short term) y que vendran a representar lo que el proceso es capaz de producir en un perodo corto de tiempo. Debido a esto es muy importante tener en cuenta que muy frecuentemente se dispondr de pocos datos lo cual implica bajos niveles de confianza, por lo cual debe tenerse mucho cuidado con respecto a las estimaciones e interpretaciones de los ndices. Caso 1. Productos con igual variabilidad. Si se ha comprobado estadsticamente que todos los productos tienen la misma variabilidad y que el proceso est estable, se procede a calcular, para todos los productos

Caractersticas con dos especificaciones: Para cada modelo (parte o producto) bajo control estadstico, calcular:

Caractersticas con una sola especificacin. Inferior:

Superior:

Observaciones: Las especificaciones pueden cambiar para cada nmero de parte. El valor de k representa el nmero de sub-grupos racionales de tamao n cada uno, usado para calcular la lnea central LC del grfico. d2 es el factor que depende del tamao n del sub-grupo. c4 es el factor que depende del total de datos individuales kn.

CASO 2. Productos con diferentes variabilidades.

Si las partes o modelos son tales que la caracterstica de calidad presenta diferentes variabilidades, entonces para cada modelo o parte calcular las correspondientes

Luego se procede a estimar el ndice Cpk utilizado las ecuaciones tradicionales:

Debe recordarse que antes de realizar el clculo del ndice, el proceso debe estar bajo control estadstico. La constante d2 para estimar s se determina con el tamao n del sub-grupo racional, mientras que c4 se determina a partir del total de observaciones individuales (N = kn) y puede evaluarse mediante la siguiente expresin:

Siendo

la Funcin Gamma. Para x entero positivo,

1.13. Procedimiento para la toma de de cisiones. W. L. Pearn y K. S. Chen insisten en que una simple estimacin puntual del Cpk calculada de una muestra para tomar la decisin sobre si el proceso es capaz o no, es una conclusin muy poco confiable. Por tanto, es necesario un procedimiento para que los ingenieros de calidad determinen si sus procesos cumplen con los requerimientos de capacidad pre-establecidos por las empresas. Para determinar si un proceso dado es capaz, formularon la siguiente hiptesis estadstica:

Sobre la base de la distribucin muestral de , la cual es una t no central, se puede determinar el p-value, para tomar una decisin. Supongamos que el valor observado del estadstico de prueba es , entonces el p-value ser

Siendo:

Bajo el supuesto de que Ho es verdad, Cpk = C, el ms desfavorable, por lo que .

Las tablas que se anexan muestran p-values para diversos tamaos demuestras y un rango de valores, W, de para C = 1 y 1,33. Para la aplicacin de este mtodo, primero decidimos el valor de C y un nivel de significacin a (por lo general 5%), el cual como se sabe representa la probabilidad errneamente que un proceso es capaz cuando en realidad no lo es. Luego se calcula el valor estimado del ndice a partir de la muestra; esto es De la tabla apropiada (dependiendo del tamao de la muestra N), encontramos el correspondiente pvalue basado en W. Si el p-value es menor que a rechazamos Ho y concluimos que el proceso es capaz. De otra forma, no tenemos suficiente informacin para concluir que el proceso es capaz.

1.14. Comparacin entre capacidad de proceso y la funcin de prdidas Se ha visto que tanto la capacidad de proceso como la funcin de prdidas permiten evaluar la calidad de un producto. En el primer caso alineamos el producto con la voz del proceso, y en el segundo alineamos la voz del proceso con la voz del cliente. Nos proponemos analizar cul de las dos formas es mejor ndice de calidad. Si la meta est centrada en el valor medio de la tolerancia, o sea:

Fijado el desvo mximo,

Es:

En tal caso:

Si todos los valores se normalizan respecto al apartamiento mximo E, dividiendo numerador y denominador por E, resulta:

Por otro lado, la funcin de prdidas est dada por:

Que puede tambin ser normalizada con respecto al valor k.E 2, sin prdida de generalidad alguna. Las siguientes figuras muestran los valores del desvo estndar y del apartamiento de la meta para distintos valores de Cpk y L. Puede observarse que mientras que la funcin de prdidas L da una buena indicacin del apartamiento de la meta, o de la condicin ideal, Cpk no es un buen indicador en tal sentido.

En otras palabras, procesos con muy baja variabilidad, pero con gran apartamiento de la meta, si se evalan con la funcin de prdidas deberan ser descartados, mientras que con el Cpk pueden ser considerados como muy buenos. Es decir, si la variabilidad es una funcin de densidad delta de Dirac, lmite de la funcin gaussiana para 0, ubicada muy prxima al valor extremo tolerado por la especificacin, dara para Cpk un valor infinito, que es la mejor figura de mrito posible; mientras que evaluado el proceso en base a la funcin de prdidas se obtendra un valor muy alto, indicativo de un mal producto. En realidad, esto podra ser visto as: Un producto con una caracterstica como la indicada en la figura siguiente sera indicativa de un excelente proceso, y tendra un ndice Cpk muy alto, tericamente infinito; pero evaluada en base a la funcin de prdidas tendra un valor similar al de un producto que est en el lmite del rechazo: bastara con solo tomar un valor de suficientemente chico. Es decir, Cpk es un buen indicador de proceso pero no de producto.

Es decir, se ve que el Cpk se puede aumentar tanto como se quiera actuando solo sobre la variabilidad, mientras que en la funcin de prdidas es necesario actuar sobre ambos factores, la media y la variabilidad. Por otro lado, el valor de Cpk depende de la variabilidad del proceso y del rango de la especificacin, no as la funcin de prdidas.

También podría gustarte