Está en la página 1de 38

Estadstica Bsica Interpretacin Grficos de Control

Copyright 2009 V.1

DEFINICIONES. Proceso: La combinacin de mquinas, herramientas, gente, mtodos, materiales y medio ambiente necesarios para manufacturar un producto con un nivel especfico de calidad. Una secuencia de actividades/operaciones productivas, tendientes a obtener un producto terminado. Control: El control de proceso es una retroalimentacin, a travs de la cual se mide el desempeo actual, se compara con el estndar y se acta si hay diferencia. Es el proceso de administracin para establecer y obtener estndares. Control Estadstico de Calidad (CEC): La aplicacin de tcnicas estadsticas para la medicin y el mejoramiento de la calidad de los procesos. CEC incluye CEP, herramientas de diagnstico (7HB), planes de muestreo y otras tcnicas estadsticas. Control del Proceso: Es la supervisin de las actividades productivas para obtener un producto o servicio dentro de los estndares requeridos. Control Estadstico de Proceso (CEP): La aplicacin de tcnicas estadsticas para medir y analizar la variacin de los procesos. Control Estadstico. Un proceso est en control estadstico si todas las causas especiales de variacin han sido eliminadas, por lo que podemos predecir, dentro de ciertos lmites, su comportamiento en el futuro.
Copyright 2009 V.1

a.- Introduccin
Clasificacin de la Estadstica

Estadstica Descriptiva

Describe la Caracterstica o comportamiento de una poblacin. Se basa en la organizacin y clasificacin de datos


Estadstica Inferencial

Mtodos que hacen posible la estimacin de una caracterstica de una poblacin a travs de la interpretacin de los datos de una muestra de esta

Copyright 2009 V.1

Definiciones Poblacin. Es la totalidad de elementos o cosas en estudio.

Muestra. anlisis.
Parmetro. Estadstica. Tipos de datos

Porcin de la poblacin que se seleccin para su

Medida de resumen que se calcula para describir una caracterstica de toda una poblacin. Medida de resumen que se calcula para estimar una caracterstica de una muestra de la poblacin

Datos discretos: son respuestas numricas derivadas de una proceso de conteo. Datos continuos. Son respuestas numricas que surgen de un proceso de medicin.

Los datos obtenidos de una muestra son denominados variables aleatorias


Copyright 2009 V.1

Propiedades de los datos numricos Tendencia central Variacin Forma

Si estas mediciones de resumen parten de una muestra se conocen como estadsticos; si parten de una poblacin se llaman parmetros.

A) Medidas de tendencia central Los datos tienden a agruparse alrededor de un dato central, por lo que es posible seleccionar un valor medio que describa toda la serie de datos.
Copyright 2009 V.1

Media aritmtica.

Es la suma de todas las observaciones entre el nmero total de elementos.


Notacin
n

x n

i 1

Mediana Es el valor medio de una secuencia ordenada de datos. Si el tamao de la muestra es impar la mediana ser el nmero central de la serie ordenada; si es par los dos nmeros centrales se suman y dividen por dos.

Copyright 2009 V.1

Moda Es el valor en una serie de datos que aparece con ms frecuencia.


Ejemplo: Los siguientes datos muestran el nmero de discrepancias por turno en auditora final. Obtenga la media aritmtica, la mediana y la moda de la muestra.

Media

x=
1

2+1+1+3+2+2+4+2+3+1+2+1+2+3+1 = 15

30 = 2 15

Mediana
1 1 1 1 2 2 2 2 2 2 3 3 3 4

Moda= 2

Copyright 2009 V.1

b).- Medidas de dispersin La variacin es la cantidad de dispersin o propagacin en los datos. Dos series de datos pueden tener las mismas mediciones de tendencia central pero diferir en trminos de variacin Rango Varianza Desviacin estndar Rango Es la diferencia entre la mayor y la menor observacin. Esto es: R = x mayor - xmenor
Copyright 2009 V.1

Varianza El promedio de las diferencias cuadradas entre cada una de las observaciones y la media ( x x) 2 s n 1
n 2 i 1 i

Desviacin estndar
n

Es la raz cuadrada de la varianza

(x

i 1

x)

n 1

La varianza y la desviacin estndar miden la dispersin promedio en torno a la media, es decir, es decir como las observaciones mayores fluctan por encima de sta y como las observaciones menores se distribuyen por debajo de sta
Copyright 2009 V.1

La distribucin Normal y sus diferentes formas

=1

=2

=3

Copyright 2009 V.1

c.- Grficos de Control


Fuentes de Variacin.
Variacin es la pequea diferencia que hay entre dos cosas que decimos son iguales y como no hay dos cosas que sean exactamente iguales.

PRINCIPIOS DE LA VARIACIN.
1 .- No existe 2 cosas exactamente iguales. 2 .- En un producto o proceso se pueden medir la variacin que existe entre una pieza y otra. 3 .- Los resultados individuales no son predecibles. 4 .- Cuando agrupamos y luego graficamos, los resultados forman modelos de variacin con caractersticas definidas (formas) con los cuales podemos saber si el proceso est teniendo un comportamiento normal o irregular.

TIPOS DE VARIACIN.

1 . - CAUSAS COMUNES. Es debida a los cambios en las caractersticas propias de los elementos del proceso, cambios de clima, desgaste de la mquina, fatiga del operador, vibraciones de la mquina, etc..
2.- CAUSAS ESPECIALES. Se presentan cuando hay cambios bruscos o problemas con los elementos del proceso. Puede corregirse en forma rpida y sencilla, mal ajuste de una mquina, rea de trabajo sucia, etc.
Copyright 2009 V.1

El Propsito de las Grficas de Control

Para mejorar el proceso La mayora de los procesos no se encuentran bajo control estadstico Usando bien las grficas de control se pueden identificar las causas asignables Las grficas de control solo detectan los procesos que estan fuera de control, pero no la razn por la cual estn fuera de control Lo que sucede despus de una situacin fuera de control es la base de un programa exitoso de SPC. Si usted no va a reaccionar no emprenda un programa de SPC (en vez de ste tendra SPM).

Copyright 2009 V.1

Mejoramiento del Proceso y Grficas de Control

Entrada

Salida

Proceso Sistema de Medicin


4. Verificar y Monitorear 1. Detectar Causa Asignable

2. Identificar la Causa Fundamental

3. Implementar Acciones Correctivas


Copyright 2009 V.1

Por qu? Por qu? Por qu? Por qu?

Componentes de una Grfica de Control


Lmite de Control Superior
615

X-bar Chart for KVOP


UCL=613.6

Lnea Central
Sample Mean
605 X =599.1 595

585

LCL=584.6

Lmite de Control Inferior

10

20

Sample Number

Una grfica de control es una representacin grfica de una caracterstica de calidad que se ha medido en una muestra, contra el nmero de la muestra. Contiene una lnea central que es el valor promedio de la caracterstica. Las otras lneas horizontales representan el Lmite Superior de Control (UCL) y el Lmite Inferior de Control (LCL).
Copyright 2009 V.1

Principios Estadsticos
El Teorema del Lmite Central juega un importante papel en SPC; nos permite analizar casi cualquier poblacin (la dist. de la media muestral ser normal) y determinar si existen causas asignables o no.
n

xi x

i 1

Los lmites de control se encuentran en +/- 3s. Recuerde que el 99.73% de los datos se encuentran entre +/- 3s, por lo que se espera que 1 de cada 370 puntos se encuentre fuera de los lmites de control, lo que no significa que el proceso est fuera de control. Si no obtiene puntos fuera de los lmites de control, algo anda mal (a largo plazo).

Las distribuciones Binomiales y de Poisson son la base de las grficas de datos por atributos.
Copyright 2009 V.1

Grficas de Control

40

Datos originales
30

Frecuencia

20

10

0 0 5 10 15 20 25 30 35 40 45 50 40

Exp 1

30

Frecuencia

20

Distribucin de la Media Muestral

10

0 4 6 8 10 12 14 16 18 20

Media
Copyright 2009 V.1

Muestreo
Tamao de la muestra Grfica de variables: 5 si es posible. Grfica por atributos: 30 o ms, dependiendo de los porcentajes. Frecuencia de la muestra Entre ms frecuente, mejor. Sin embargo, esto no es econmicamente factible. Se basa en el tipo de manufactura y en los tipos de causas asignables que se pueden presentar. Recomendacin: 10 veces el nmero de situaciones fuera de control en el proceso. Ejemplo: graficamos un proceso durante una semana y encontramos 2 situaciones fuera de control en cada turno (turno de 10 horas); esto significa que necesitamos tomar una muestra cada media hora. (10 por 2=20 veces en 10 horas) Subgrupos Trate de capturar el proceso cuando sus condiciones son consistentes. Copyright 2009 V.1

Grficas de Control de Datos Variables


Grfica X Mide la parte central del proceso Monitorea el cambio en la Media de la variable en el tiempo Rango Mide el aumento o reduccin de uniformidad Monitorea la variabilidad del proceso en el tiempo
limites de control para los promedios y los rangos. Para la grfica x . Para la grfica R. L.Cx = x L.S.Cx = x + A2 R L.I.Cx = x - A2 R L.CR = R L.S.CR = D 4 R L.I.CR = D3 R

Copyright 2009 V.1

Grfica X Mide la parte central del proceso Monitorea el cambio en la Media de la variable en el tiempo Sigma Similar a la grfica de rangos Usa la estimacin muestral de sigma
lmites de control para los promedios y desviaciones. Para la grfica x . Para la grfica s. L.Cx = x L.S.Cx = x + A1 s L.I.Cx = x - A1 s L.CR = s L.S.CR = B 4 s L.I.CR = B3 s

Copyright 2009 V.1

Individuales Similar a la de X Grafica puntos individuales en lugar de la Media Rango moviles Similar a la Grfica de Rango Se grafica un nuevo rango con cada punto consecutivo Se usa con la Grfica de Individuales lmites de control para los medidas individuales y los rangos moviles Para medidas individuales Para rangos.
L.CX = x L.S.CX = x + E2 m R L.I.CX = x - E2 mR L.CmR. = mR L.S.CmR = D4 mR L.I.CmR = D3 mR

Copyright 2009 V.1

Grficas de Control para Datos por Atributos


grfica p Esta grfica se usa para localizar la proporcin de un producto defectuoso en un proceso, en un tamao de muestra variable.

grfica np Igual que la anterior, con tamao de muestra constante.


grfica c Esta grfica se usa para localizar el nmero de disidencias de una muestra, tamao de muestra constante. (Una unidad puede tener ms de una disidencia)

grfica u Igual que la anterior, con tamao de muestra variable.

Copyright 2009 V.1

Interpretacin de Grficas de Control


9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1.- Proceso en control.


Al encontrarse el proceso en control, los puntos mostrarn que no existen condiciones anormales.

2.- Puntos por encima del lmite superior de control.


Pueden ser indicativos de alguna de las siguientes condiciones: Hay errores de medicin, clculo o trazo. Existi alguna condicin desfavorable para el proceso, cuya recurrencia debe evitarse mediante una accin preventiva permanente.

10 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Copyright 2009 V.1

9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

3.- Puntos por debajo del lmite inferior de control Pueden ser indicativos
de alguna de las siguientes condiciones: Hay errores de medicin, clculo o trazo. Grfico por variables, existi alguna condicin desfavorable para el proceso, cuya recurrencia debe evitarse mediante una accin preventiva permanente. Grfico por atributos, existi alguna condicin favorable al proceso cuyo contenido debe analizarse para implantarla como medida permanente al proceso.

11 10 9 8 7 6 5 4 3 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

4.- Una sucesiva puntos).

tendencia ascendente (tpicamente 7 u 8

Grfico por variables indica que la media del proceso ha aumentado. Grfico por atributos adems denota un empeoramiento del proceso.

Copyright 2009 V.1

11 10 9 8 7 6 5 4 3 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

5.- Una tendencia descendente sucesiva (tpicamente 7 u 8 puntos).


Grfico por variables, indica que la media del proceso ha disminuido. Grfico por atributos, adems, denota una mejora del proceso.

9 8 7 6 5 4 3 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

6.Puntos sucesivos por debajo/encima de la media (7 u 8). Grfico por variables, pueden significar que la media del proceso ha disminuido o aumentado, respectivamente. Grfico por atributos, adems indica una mejora o empeoramiento del proceso, respectivamente. .

Copyright 2009 V.1

7.- En cartas por variables, una reduccin de los lmites de control, respecto a la medida de centralizacin, implica una reduccin de los lmites de control en la medida de dispersin, esto indica mejora de la habilidad del proceso.
10 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

comportamiento de las medidas de centralizacin

10 9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

comportamiento de las medidas de dispersin

Copyright 2009 V.1

Aplicacin del Mtodo Adecuado


1. Datos variables. Cpk=1.5 RPN=40 La prueba es econmica. Qu mtodo usara para graficar? Respuesta:X-bar / R 2. Datos variables. Cpk<1 RPN=100 La prueba es econmica; Qu tipo de grfica? Respuesta: 100% inspection, get capable 3.Datos variables, Cpk=1.5 RPN=100 La prueba es econmica, qu tipo de grfica? Respuesta: Necesita saber qu es lo que mueve al RPN para poder decidir qu mtodo 4. Datos variables. Cpk=1.5 RPN=10 La prueba es econmica y destructiva; Qu mtodo usara para graficar? Respuesta: No usara grfica 5. Datos variables. Cpk=1.5 RPN=80 Severidad=8 La prueba es econmica y destructiva; Qu mtodo usara para graficar? Respuesta: la grfica de individuales, reducir la frecuencia de muestreo, ser estricto, apegarse a las reglas
Copyright 2009 V.1

6. Datos variables. Cpk=1.5 RPN=100 Deteccin=10 La prueba es econmica y destructiva; Qu mtodo usara para graficar? Respuesta: Para qu prueba o grafica? mejor trabaje con los mtodos de deteccin 7. Datos por atributos: Rendimiento=70% La caracterstica es cosmtica e importante para el cliente. Atributo R&R= 100% Respuesta: Realice inspeccin al 100% inspection, con certificacin de R&R de los nuevos empleados, as como una grfica NP con muestra constante. 8. Datos por atributos: Rendimiento=70% La caracterstica es cosmtica e importante para el cliente. Atributo R&R= 50% Respuesta: No se grafica; comience trabajando en definir el atributo, y luego capacite a su operador para asegurar una depuracin efectiva. Asigne al propietario para que resuelva el problema, mientras revisa constantemente la grfica de rendimiento. 9. Datos por atributos: Rendimiento=99% La caracterstica es cosmtica e importante para el cliente. Atributo R&R= 100% Qu mtodo se usa para graficar? Respuesta: La grfica NP @100% de inspeccin / grfica P @100% de inspeccin

Copyright 2009 V.1

d.- Habilidad de Proceso


Un aspecto muy importante en la planeacin del calidad de los productos a ser manufacturados, es el de asegurarnos que los procesos sern capaces de cumplir con las tolerancias. Anteriormente, esta prediccin se realizaba de manera emprica o indirecta, de tal manera que exista realmente poca certeza. En las ltimas dcadas ha surgido un concepto de Habilidad del Proceso que predice cuantitativamente la adecuacin de un proceso. Esta habilidad de prediccin cuantitativa ha tenido como resultado la adopcin general del concepto como un elemento de mayor importancia en el proceso de planeacin de la calidad. La frmula, ms ampliamente adoptada, para la Capacidad (Habilidad) de Proceso es: Habilidad de proceso = 6

Copyright 2009 V.1

La Habilidad de proceso se define como el rango 6 (sigma) de variacin inherente del proceso, para un proceso estadsticamente estable, donde es usualmente estimada por R/d2.
El Desempeo del proceso es el rango de 6 de variacin total del proceso. Donde sigma es usualmente estimada por s (desviacin estndar de la muestra). Variacin inherente al proceso es la porcin de la variacin del proceso debida solo a causas comunes. Esta variacin puede ser estimada de las cartas de control ( ej. R/d2 ). Variacin total del proceso es la variacin debida tanto a causas comunes como a causas especiales. Esta variacin puede ser estimada por s, desviacin estndar, usando todas las lecturas individuales (de una carta de control o un estudio de proceso). Las tcnicas estadsticas son herramientas tiles para analizar datos y cuantificar la variacin de un proceso y su comparacin con los lmites de tolerancia (especificaciones). A esta comparacin se le conoce como Estudio de Habilidad de Proceso.

Copyright 2009 V.1

Los estudio de Habilidad de Proceso se llevan a cabo para establecer la habilidad o aptitud de un proceso de producir partes de acuerdo a las especificaciones Los ndices ms comunes son el Cp y Cpk. Estos ndices intentan comparar la habilidad del proceso con las especificaciones, comparan la Voz del Cliente con la Voz del Proceso
El primer ndice, Cp, es la relacin entre las tolerancias y la variabilidad de la mquina o ancho del proceso. Este ndice es calculado por: Cp = Tolerancias / ancho del proceso = LSE - LIE / 6 s Donde s es la desviacin estndar del proceso. El segundo ndice de habilidad, Cpk, es la medida de qu tan bien, la distribucin del proceso est centrada entre los lmites de especificacin. Una manera rpida de calcular este ndice es:
Cpk cl - x / 3s

Donde cl es el lmite de especificacin ms cercano a x, el promedio del proceso, (asumiendo que el proceso est dentro de los lmites de especificaciones). De otra forma, el proceso no es hbil o capaz.
Copyright 2009 V.1

Para que los ndices de Habilidad de procesos (Ej.: Cp, Cpk), sean usados efectivamente, las siguientes tres condiciones se deben cumplir: - El proceso debe estar estadsticamente estable. - Las lecturas individuales del proceso, deben seguir una distribucin normal. -Las especificaciones estn basadas en los requerimientos del cliente

Por lo que para poder decir que un proceso es hbil o capaz, primero debe asegurarse que el proceso u operacin es estable y distribuido con normalidad. Por lo tanto, la habilidad de un proceso depende de su estabilidad, esto es, el proceso deber estar en control estadstico (ausencia de causas especiales o asignables) antes de evaluar su habilidad.

Copyright 2009 V.1

PASOS PARA REALIZAR ESTUDIOS DE HABILIDAD DE PROCESO.


Se recomienda seguir los siguientes pasos para realizar un estudio de la Habilidad de Proceso: 1. 2. Seleccione la mquina o proceso a ser analizado. Defina las condiciones del proceso (velocidad, alimentacin de mquinas, presin, tiempo de ciclo, etc.). Los datos de un estudio de Habilidad de proceso no tienen sentido si no estn relacionados con un conjunto definido de condiciones que se repetirn en el futuro. Seleccione un operador normal (cuando la variabilidad depende principalmente del operador, el estudio debe realizarse sobre la variabilidad del mismo). Proporcione suficiente material para poder realizar un estudio ininterrumpido. Se recomienda, como mnimo, muestras de 50 unidades. Algunas veces muestras de tamao menor pueden ser necesarias, pero es posible que stas no muestren claramente la distribucin estadstica de la caracterstica bajo estudio. Establezca un mtodo de medicin definido y adecuado. Calcule la media y la desviacin estndar. Calcule la habilidad de proceso (ndices Cp, Cpk). Si el proceso no es hbil, prepare un plan de mejoramiento.

3. 4.

5. 6. 7. 8.

Copyright 2009 V.1

LES LEI Cp = 6 donde: Cpk = min ( Cpi, Cps )

Cps =

LES

Cpi =

- LEI

LES = Lmite de especificacin superior, LES = Lmite de especificacin inferior, = desviacin estndar del proceso

Copyright 2009 V.1

A manera de ejemplo, supngase que en una operacin de remachado, el supervisor del rea desea evaluar la mquina remachadora, por lo que decide realizar un estudio de habilidad de proceso. El lmite inferior de especificacin (LIE), para la caracterstica altura, es de 82 milsimas de pulgada y el lmite superior de especificacin (LSE) es de 88.
LIE N = 85 LSE

82

NID (84,0.8 )

88

El supervisor tomo una muestra aleatoria de n 60, siendo la media del proceso ( x ) igual a 84 milsimas y la desviacin estndar (s) de 0.8, por lo que el Cp. se calcula como sigue: Calcule el ndice de Habilidad Potencial de Proceso (Cp).

Copyright 2009 V.1

Reducir la variabilidad !
Cp
1.33 1.66

LES LEI
8 8

6s
6.0 4.8

s
1.0 0.8

2.00
3.00
Aumenta

8
8

4.0
2.67

0.67
0.44
Disminuye

Copyright 2009 V.1

EJERCICIO Calcule los ndices Cp y Cpk, de dos procesos, los cuales, sus caractersticas de inters siguen una distribucin normal. LIE = - 9 , LSE = + 9

PROCESO NID( x , s )
1 2 (-0.20 , 4.85 ) ( 0.10, 2.25 )

Cp

Cpk

Sigma del Proceso

PPM

Copyright 2009 V.1

HABILIDAD PARA GRFICAS POR ATRIBUTOS. Para las grficas por atributos (p, np, c y u), la habilidad de proceso difiere de las grficas para variables en el sentido que cada punto en una grfica para atributos, indica directamente un porcentaje o tasa de producto no conforme (fuera de especificacin) a los requerimientos del cliente. De cualquier forma, para grficas para atributos, la habilidad es definida simplemente como la proporcin promedio o tasa de producto no conforme. Se puede decir que para un proceso donde se acepta una proporcin de defectuosos (o tasa), lo que refleja la capacidad del mismo ser el promedio que se obtiene en las grficas de atributos. Si este promedio es mayor al lmite permitido, decimos que el proceso no cumple, en el sentido de que produce ms artculos defectuosos de lo permitido. La habilidad de proceso, calculada de un grfico de atributos, refleja el nivel de desempeo que el proceso esta generando y que puede esperarse que genere (mientras que el proceso permanezca en control y que no experimente ningn cambio en su desempeo).
Copyright 2009 V.1

Cpm index A Process Capability Index. A measure similar to the Cpk index that also takes into account variation between the process average and a target value. If the process average and the target are the same value, Cpm will be the same as Cpk. If the average drifts from the target value, Cpm will be less than Cpk.

where T is the process target, x-doublebar is the Grand Average and x is Process Sigma, which is calculated using the Moving Range (when subgroup size = 1) or Subgroup Sigma (subgroup size >1) statistic.

Copyright 2009 V.1