CONCEPTOS Carta de control: Es una tcnica grfica en la cual se trazan estadsticas calculadas a partir de valores medidos de ciertas caractersticas

s del proceso durante un periodo, a fin de determinar si el proceso sigue bajo control estadstico. Carta de control: Es una grfica que sirve para observar y analizar la variabilidad y el comportamiento de un proceso a travs del tiempo. Para que un producto cumpla con los requerimientos del cliente generalmente deber fabricarse con poca variabilidad en las dimensiones objetivo nominal de las caractersticas de calidad del producto. El control estadstico de procesos (SPC por sus siglas en ingles), es una metodologa para el seguimiento de un proceso para identificar las causas de la variacin y sealar la necesidad de emprender una accin correctiva en el momento apropiado, resolviendo problemas, muy til para conseguir estabilidad y mejorar la capacidad del mismo proceso mediante la reduccin de la variacin. El control estadstico de procesos consiste en recoger datos durante el proceso de fabricacin; analizarlos mediante las 7 herramientas bsicas del control de calidad. El termino control estadstico del proceso (CEP) tiene muchos significados, pero en la mayora de las empresas se considera que abarca el uso de: 1. Recogida de datos bsicos 2. Anlisis por medio de herramientas tales como las distribuciones de frecuencia, el principio de Pareto, el diagrama de Ishikawa, y el grfico de control de Shewhart. 3. Aplicacin del concepto capacidad del proceso. El control estadstico del proceso (SPC) es una tcnica estadstica ampliamente usada para asegurar que los procesos cumplan los estndares, tomar medidas y acciones correctivas mientras el producto o servicio se est produciendo y su base fundamental las grficas de control.

INTRODUCCION Y OBJETIVOS introduccin Las tcnicas de control estadstico de procesos (SPC) fueron desarrolladas por W. A. Shewhart en EE.UU a principios de los aos treinta. Durante la Segunda Guerra Mundial se usaron de forma masiva, especialmente en el sector relacionado con la industria blica, pero en los aos posteriores, de gran desarrollo y mercado de oferta, su utilizacin cay prcticamente en desuso. En los aos setenta, con el inicio de la crisis, volvieron a utilizarse estas tcnicas. Ford inicio esta segunda poca del SPC y la oficializ mediante la publicacin de su norma Q 101. Actualmente, la prctica del SPC se desarrolla frecuentemente tomando como referencia la metodologa y las publicaciones elaboradas por Ford. Objetivo

El control estadstico de procesos tiene como misin fundamental el asegurar que el proceso se mantiene en estado de control. Y sus objetivos principales del SPC o CEP son las siguientes 1. Minimizar la produccin defectuosa 2. Mantener una actitud de mejora continua del proceso 3. Comprar la produccin con respecto a las especificaciones CAUSAS COMUNES Y ESPECIALES DE LA VARIACIN CAUSAS COMUNES Las causas comunes de variacin son las fuentes de variacin puramente aleatorias, son aquellas que estn siempre presentes, no identificables e imposibles de evitar mientras se utilice el procedimiento actual, suelen ser muchas y de escaso relieve, producen una variabilidad pequea y estable, y es muy difcil reducir su nmero y sus efectos. Si la variabilidad del proceso proviene nicamente de causas comunes de variacin, la suposicin tpica es que se trata de una distribucin simtrica, donde la mayora de las observaciones se localiza cerca del centro. CAUSAS ASIGNABLES Incluye cualquiera de los factores causantes de variacin que logre ser identificado y eliminado. Son aquellas que existen en pequeo nmero. Dan lugar a efectos fuertes (variaciones importantes e imprevisibles) que desaparecen al eliminarse las causas. Son el origen del fallo del sistema, y eliminarlas corresponde, en la mayora de los casos, a la Direccin

ELEMENTOS DE UNA GRFICA DE CONTROL La forma general de una carta de control se ilustra en la figura 42.6. La carta tiene tres lneas horizontales que permanecen constantes con el tiempo: una central, un lmite de control inferior (lower control limit, LCL) y un limite de control superior (upper control limit, UCL). La central generalmente se establece en el valor nominal de diseo. Los Lmites de control superior e inferior se establecen en 3 (tres desviaciones estndar) de las medias de muestra.

ERROR TIPO I Y II Las grficas de control no son herramientas perfectas para detectar los cambios en la distribucin de procesos, por el hecho de que estn basadas en distribuciones de muestreo. Se pueden presentar dos tipos de errores cuando se utilizan grficas de control.

EL ERROR TIPO I Un error tipo I se produce cuando el empleado saca la conclusin de que el proceso esta fuera de control, basndose en un resultado de muestra ubicado fuera de los acotamientos de control, cuando en realidad se trataba de un efecto puramente aleatorio. EL ERROR TIPO II Un error tipo II se presenta cuando el emleado en cuestin concluye que el proceso est bajo control y que slo se presentan discrepancias aleatorias, cuando en realidad dicho proceso est fuera de control estadstico La gerencia puede controlar estos errores mediante la seleccin adecuada de los acotamientos de control. Dicha seleccin depender de estimar los costos correspondientes a la bsqueda de causas asignables cuando en realidad no existe ninguna, y compararlos con el costo de no detectar un cambio generado en el proceso.

La figura 7.8 muestra las consecuencias de estos errores cuando el promedio del proceso es la medida de la calidad. En la grafica (a), se establecieron los acortamientos de control de la distribucin de muestreo para tres desviaciones estndar con respecto a la media. Nos referimos a

estos acotamientos de control como lmites o acotamientos tres sigma. En este caso, sigma se refiere a la desviacin estndar de la distribucin de muestreo, no a la distribucin del proceso. En la curva que aparece ms a la izquierda, la porcin sombreada representa la probabilidad de cometer un error tipo I. Esa probabilidad es muy pequea en el caso de los acotamientos tres sigma. En la curva que se ilustra ms a la derecha, el promedio del proceso se ha modificado. La porcin smbreada de la curva muestra ahora la probabilidad de cometer un error tipo II, la cual es bastante grande. En la grfica (b), la grfica de control tiene solamente acotamientos de control dos sigma, es decir, una expansin ms estrecha que en el caso de la grfica de control tres sigma, Ahora la probabilidad de un error Tipo I ha aumentado, y la probabilidad de un error Tipo II ha disminuido. Asi pues, cuando se incrementa la expansin decrecen los errores Tipo I, al tiempo que se incrementan los errores Tipo II.

TIPOS DE GRAFICOS DE CONTROL Las distintas formas de llamarle a una carta de control se deben al correspondiente estadstico que se representa en la carta, y por medio de la cual se busca analizar una caracterstica importante de un producto o proceso Hay 3 tipos bsicos de cartas de control: 1. Cartas de control por variables: Se aplican a caractersticas de calidad de tipo continuo, que intuitivamente son aquellas que requieren un instrumento de medicin (peso, volumen, voltaje, longitud, resistencia, temperatura, humedad, etc.). Las cartas para variables tipo Shewhart ms usuales son: 1.1. La grfica (de medias) 1.2. La carta R (de rangos) 1.3. La carta S (de desviaciones estndar) 1.4. La carta X (de medidas individuales) 2. Cartas de control por atributos: Diagramas que se aplican al monitoreo de caractersticas de calidad del tipo pasa, o no pasa, donde se cuenta el nmero de no conformidades que tienen los productos analizados o en su defecto las cartas de control por atributos simplemente requieren que se determine si una parte est defectuosa o cuntos defectos hay en la muestra. Las cartas de control por atributos no usan una variable de calidad medida; en lugar de eso, vigilan la cantidad de defectos presentes en la muestra o la tasa fraccionaria de defectos segn las estadsticas trazadas 2.1. La carta p (Proporcin o fraccin de artculos defectuosos) 2.2. La carta np (Nmero de unidades defectuosas) 2.3. La carta c (Nmero de defectos por unidad) 2.4. La carta u (Para nmero promedio de defectos por unidad) 3. Cartas de control para la deteccin de cambios pequeos: Las cartas de control de Shewhart, ya que se basaron en los principios de las cartas de control desarrollados por el Dr. Walter A.

Shewhart, una de sus principales desventajas de cualquier carta de control de Shewhart es que slo utiliza la informacin del proceso contenida en el ltimo punto graficado e ignorar cualquier informacin ofrecida por la secuencia de puntos. Esta caracterstica hace que la carta de control de Shewhart sea relativamente insensible los corrimientos pequeos del proceso Por ejemplo, del orden de aproximadamente 1.5 o menos. Pueden usarse dos alternativas muy efectivas para la carta de control de Shewhart cuando son de inters los corrimientos pequeos: 3.1. La carta de control CUSUM (Sumas acumuladas) 3.2. La carta de control EWMA (Promedio mvil ponderado exponencialmente) TAMAO DE LA MUESTRAS Y FRECUENCIA DEL MUESTREO TAMAO DE LA MUESTRA Al disear un grfico de control se debe especificar tanto el tamao de la muestra como su frecuencia. En general muestras grandes harn ms fcil detectar pequeos cambios en el proceso. Al elegir el tamao de la muestra hemos de tener en cuenta el orden de magnitud del cambio que tratamos de detectar. Cuanto mayor sea ste menor ser el tamao de a muestra necesaria. FRECUENCIA DEL MUESTREO Para responder con mayor precisin a la pregunta de la frecuencia del muestreo, es necesario tomar en consideracin varios factores, incluyendo el costo del muestreo, las prdidas asociadas con permitir que el proceso opere fuera de control, la rapidez de la produccin, y las probabilidades con las que ocurren varios tipos de corrimientos en el proceso En cuanto a la frecuencia lo mejor para detectar cambios en el proceso seria tomar muestras continuamente, sin embargo esto incrementa los costes de fabricacin. En la prctica actual en la industria tiende a favorecer muestras pequeas y frecuentes, sobre todo en procesos de gran volumen o en procesos donde existen muchas posibles causas asignables. El desarrollo en la tecnologa de inspeccin hace que cada vez resulte ms econmico el utilizar frecuencias de toma de datos mayor, hasta el punto de ser econmicamente justificable una inspeccin 100 %. Esta capacidad no elimina la necesidad de grficos de control debido a que un sistema de inspeccin no ayuda a prevenir defectos. El disponer de ms datos aumenta la eficacia del proceso de control y mejora de la calidad MTODO ESTADSTICO PARA TAMAO DE LA MUESTRA Y FRECUENCIA El mtodo estadstico para determinar el tamao y la frecuencia de la muestra ms extendido utiliza el concepto de la Longitud del Recorrido Medio (LRM) del grfico de control. Bsicamente la LRM es el nmero medio de puntos que deben representarse en el grfico de control antes de que un punto indique una condicin de falta de control. Para cualquier grfico de Shewhart la LRM puede calcularse a partir de la media de una distribucin geomtrica.

LRM = 1/p P = Es la probabilidad de que un punto caiga fuera de los lmites de control por lo tanto se puede deducir: P = ; Cuando el proceso est bajo control P = 1 ; Cundo el proceso est fuera de control Por lo tanto el nmero medio de observaciones que se realizarn hasta que aparezca una seal de falsa alarma, Longitud del Recorrido Medio (LRM) es: [ Siendo el tiempo que transcurrir: ( )]

. INTERPRETACIN DE LOS GRFICOS DE CONTROL PARA VARIABLES A). Un valor individual fuera de tolerancias o Rechazar la pieza evitando que se sigan produciendo piezas defectuosas o Parar el proceso y averiguar la causa para subsanarla (si pudiera subsanarse la causa sin parar el proceso, naturalmente no se detendra) o Comunicar inmediatamente a los responsables directos del proceso para que acten con la mayor rapidez posible. o Inspeccionar al 100% todo lo producido desde la toma de la muestra anterior, rechazando todas las piezas con valores fuera de tolerancias. o Establecer las medidas preventivas oportunas para evitar que se repita, dejando constancia de las mismas B). Un valor de la media muestral fuera de los lmites de control Dado que la probabilidad de encontrarnos un valor de fuera de los lmites de control es muy pequea (0,27 % para 3), si esta apareciera, sospecharamos que la media del proceso ya no es la que venamos obteniendo, sino que se ha desviado (hacia arriba o hacia abajo). Antes de tomar una decisin, habr que observar la evolucin del grfico del recorrido R o de la desviacin tpica s.

C). Un valor de R o de s por encima del lmite superior de control Tambin en este caso, la probabilidad de que ocurra es muy pequea (0,135% para + 3), por lo que pensaremos que la desviacin tpica del proceso habr aumentado.En general es ms fcil corregir una del proceso que disminuir la dispersin . En este caso nos enconramos con una causa asignable que acta de forma que el proceso trabaja con menos precisin. En principio, la situacin es peor que cuando slo era la media.La forma de actuar es similar a lo explicado en la situacin B) caso 2, es decir, inspeccion 100%, detectar la causa y corregirla, tomar acciones para prevenir que vuelva a producirse y parar el proceso si es que se puede. D). 8 Valores consecutivos de la media muestral entre la lnea central y el lmite de control (superior e inferior) La probabilidad de que 8 puntos consecutivos estn dentro de la Linea central y un lmite de control sera de 0,0382 que es 0,38% es tan pequea que, cuando se presente, sospecharemos que la media del proceso ha cambiado, debido a alguna causa asignable que habr que identificar. Si la causa fuera conocida y esperada, se admitir slo esta variacin. Si la causa fuera desconocida, habr que intentar identificarla para eliminarla. CAUSAS DE INESTABILIDAD Ademas hay una serie de patrones de inestabilidad. Cuando observamos uno de estos patrones en nuestro grficos de control, tenemos que considerar que nuestro proceso no esta bajo control. Para la deteccin de los patrones dividimos el rea entre los lmites de control en tres zonas de igual tamao. (Zonas A, B y C)

Los patrones de inestabilidad son las siguientes: 1. 2. 3. 4. 5. 2 puntos de 3 consecutivos se encuentran en la Zona A. 4 puntos de 5 seguidos se encuentran al mismo lado de la zona B. 9 puntos seguidos en el mismo lado (por encima o por debajo de la lnea del centro). 6 puntos consecutivos con una tendencia creciente o decreciente. 14 puntos que se mueven de forma consecutiva hacia arriba y hacia abajo (en forma de onda). 6. 15 puntos consecutivos en la zona C.

GRFICOS DE CONTROL PARA VARIABLES Se denominan as los grficos de control para caractersticas continuas del producto o del proceso tales como: contenido en cm3, peso de un saco de cemento, viscosidad de una resina, intensidad de una tinta, temperatura de un horno, etc., las cuales, cuando el proceso est en estado de control, se distribuyen en general segn la ley normal, es decir, si no se distribuyen las observaciones individuales, si lo hacen las medias para tamao suficientemente grande(Teorema del lmite central) con el propsito de vigilar la media y la variabilidad de la distribucin de un proceso.

Las causas que pueden generar que una caractersitca continua deje de estar bajo control son: Desplazamiento de su valor medio Cambio de variabilidad Ambas a la vez.

GRFICO POR VARIABLES X-R Y SU INTERPRETACION