Está en la página 1de 21

Control Estadstico de Procesos Grficos de Control

Los grficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Bsicamente, una Carta de Control es un grfico en el cual se representan los valores de algn tipo de medicin realizada durante el funcionamiento de un proceso contnuo, y que sirve para controlar dicho proceso.

amos a tratar de entenderlo con un e!emplo. "upongamos que tenemos una mquina inyectora que produce piezas de plstico, por e!emplo de # C. $na caracterstica de calidad importante es el peso de la pieza de plstico, porque indica la cantidad de # C que la mquina inyect en la matriz. "i la cantidad de # C es poca la pieza de plstico ser deficiente% si la cantidad es e&cesiva, la produccin se encarece porque se consume ms materia prima. 'ntonces, en el lugar de salida de las piezas, hay un operario que cada () minutos toma una, la pesa en una *alanza y registra la o*servacin+

etc... "upongamos que estos datos se registran en un grfico de lneas en funcin del tiempo+

,*servamos una lnea que*rada irregular, que nos muestra las fluctuaciones del peso de las piezas a lo largo del tiempo. 'sta es la fluctuacin espera*le y natural del proceso. Los valores se mueven alrededor de un valor central -'l promedio de los datos., la mayor parte del tiempo cerca del mismo. #ero en algn momento puede ocurrir que aparezca uno o ms valores demasiado ale!ados del promedio.

Cmo podemos distinguir si esto se produce por la fluctuacin natural del proceso o porque el mismo ya no est funcionando *ien0 'sta es la respuesta que provee el control estadstico de procesos, y a continuacin veremos como lo hace. 1odo proceso de fa*ricacin funciona *a!o ciertas condiciones o varia*les que son esta*lecidas por las personas que lo mane!an para lograr una produccin satisfactoria. Cada uno de estos factores est su!eto a variaciones que realizan aportes ms o menos significativos a la fluctuacin de las caractersticas del producto, durante el proceso de fa*ricacin. Los responsa*les del funcionamiento del proceso de fa*ricacin fi!an los valores de algunas de estas varia*les, que se denominan varia*les controla*les. #or e!emplo, en el caso de la inyectora se fi!a la temperatura de fusin del plstico, la velocidad de tra*a!o, la presin del pistn, la materia prima que se utiliza -#roveedor del plstico., etc. #ero un proceso de fa*ricacin es una suma comple!a de eventos grandes y peque2os. 3ay una gran cantidad de varia*les que sera imposi*le o muy difcil controlar. 'stas se denominan varia*les no controla*les. #or e!emplo, peque2as variaciones de calidad del plstico, peque2os cam*ios en la velocidad del pistn, ligeras fluctuaciones de la corriente el4ctrica que alimenta la mquina, etc. Los efectos que producen las varia*les no controla*les son aleatorios. 5dems, la contri*ucin de cada una de las varia*les no controla*les a la varia*ilidad total es cuantitativamente peque2a. "on las varia*les no controla*les las responsa*les de la varia*ilidad de las caractersticas de calidad del producto. Los cam*ios en las varia*les controla*les se denominan Causas 5signa*les de variacin del proceso, porque es posi*le identificarlas. Las fluctuaciones al azar de la varia*les no controla*les se denominan Causas 6o 5signa*les de variacin del proceso, porque no son pasi*les de ser identificadas. Causas 5signa*les+ "on causas que pueden ser identificadas y que conviene descu*rir y eliminar, por e!emplo, una falla de la mquina por desgaste de una pieza, un cam*io muy notorio en la calidad del plstico, etc. 'stas causas provocan que el proceso no funcione como se desea y por lo tanto es necesario eliminar la causa, y retornar el proceso a un funcionamiento correcto. Causas 6o 5signa*les+ "on una multitud de causas no identificadas, ya sea por falta de medios t4cnicos o porque no es econmico hacerlo, cada una de las cuales e!erce un peque2o efecto en la variacin total. "on inherentes al proceso mismo y no pueden ser reducidas o eliminadas a menos que se modifique el proceso. Cuando el proceso tra*a!a afectado solamente por un sistema constante de varia*les aleatorias no controla*les -Causas no asigna*les. se dice que est funcionando *a!o Control 'stadstico. Cuando, adems de las causas no asigna*les, aparece una o varias causas asigna*les, se dice que el proceso est fuera de control. 'l uso del control estadstico de procesos lleva implcitas algunas hiptesis que descri*iremos a continuacin+ /.$na vez que el proceso est en funcionamiento *a!o condiciones esta*lecidas, se supone que la varia*ilidad de los resultados en la medicin de una caracterstica de calidad del producto se de*e slo a un sistema de causas aleatorias, que es inherente a cada proceso en particular. 7. 'l sistema de causas aleatorias que acta so*re el proceso genera un universo hipot4tico de o*servaciones -mediciones. que tiene una 8istri*ucin 6ormal. (. Cuando aparece alguna causa asigna*le provocando desviaciones adicionales en los resultados del proceso, se dice que el proceso est fuera de control. La funcin del control estadstico de procesos es compro*ar en forma permanente si los resultados que van surgiendo de las mediciones estn de acuerdo con las dos primeras hiptesis. "i aparecen uno o varios resultados que contradicen o se oponen a las mismas, es necesario detener el proceso, encontrar las causas por las cuales el proceso se apart de su funcionamiento ha*itual y corregirlas. Control 'stadstico...Cmo ponerlo en marcha0

La puesta en marcha de un programa de control estadstico para un proceso en particular implica dos etapas+

5ntes de pasar a la segunda etapa, se verifica si el proceso est a!ustado. 'n caso contrario, se retorna a la primera etapa+

'n la /a etapa se recogen unas /))97)) mediciones, con las cuales se calcula el promedio y la desviacin standard+

Luego se calculan los Lmites de Control de la siguiente manera+

'stos lmites surgen de la hiptesis de que la distri*ucin de las o*servaciones es normal. 'n general se utilizan lmites de 7 sigmas de ( sigmas alrededor del promedio. 'n la distri*ucin normal, el intervalo de (,): sigmas alrededor del promedio corresponde a una pro*a*ilidad de ),::;.

'ntonces, se construye un grfico de prue*a y se traza una lnea recta a lo largo del e!e de ordenadas -'!e <., a la altura del promedio - alor central de las o*servaciones. y otras dos lneas rectas a la altura de los lmites de control+

'n este grfico se representan los puntos correspondientes a las o*servaciones con las que se calcularon los lmites de control+

'ste grfico de prue*a se analiza detenidamente para verificar si est de acuerdo con la hiptesis de que la varia*ilidad del proceso se de*e slo a un sistema de causas aleatorias o si, por el contrario, e&isten causas asigna*les de variacin. 'sto se puede esta*lecer porque cuando la fluctuacin de las mediciones se de*e a un sistema constante de causas aleatorias la distri*ucin de las o*servaciones es normal+

Cuando las o*servaciones sucesivas tienen una distri*ucin normal, la mayor parte de los puntos se sita muy cerca del promedio, algunos pocos se ale!an algo ms y prcticamente no hay ninguno en las zonas ms ale!adas+

"i no se descu*ren causas asigna*les entonces se adoptan los lmites de control calculados como definitivos, y se construyen cartas de control con esos lmites+

>

"i slo hay pocos puntos fuera de control -7 (., estos se eliminan, se recalculan la media, desviacin standard y lmites de control con los restantes, y se construye un nuevo grfico de prue*a. Cuando las o*servaciones no siguen un patrn aleatorio, indicando la e&istencia de causas asigna*les, se hace necesario investigar para descu*rirlas y eliminarlas. $na vez hecho esto, se de*ern recoger nuevas o*servaciones y calcular nuevos lmites de control de prue*a, comenzando otra vez con la primera etapa. 'n la 7a etapa, las nuevas o*servaciones que van surgiendo del proceso se representan en el grfico, y se controlan verificando que est4n dentro de los lmites, y que no se produzcan patrones no aleatorios+

Como hemos visto, el ::,; ? de las o*servaciones de*en estar dentro de los lmites de (,): sigmas alrededor de la media. 'sto significa que slo / o*servacin en >)) puede estar por causas aleatorias fuera de los lmites de control. 'ntonces, cuando se encuentra ms de / punto en >)) fuera de los lmites de control, esto indica que el sistema de causas aleatorias que provoca*a la varia*ilidad ha*itual de las o*servaciones ha sido alterado por la aparicin de una causa asigna*le que es necesario descu*rir y eliminar. 'n ese caso, el supervisor del proceso de*e detener la marcha del mismo e investigar con los que operan el proceso hasta descu*rir la o las causas que desviaron al proceso de su comportamiento ha*itual. $na vez eliminadas las causas del pro*lema, se puede continuar con la produccin normal.

Control Estadstico de Procesos

Grficos X-R

Los grficos A9B se utilizan cuando la caracterstica de calidad que se desea controlar es una varia*le continua.

#ara entender los grficos A9B, es necesario conocer el concepto de "u*grupos -o "u*grupos racionales.. 1ra*a!ar con su*grupos significa agrupar las mediciones que se o*tienen de un proceso, de acuerdo a algn criterio. Los su*grupos se realizan agrupando las mediciones de tal modo que haya la m&ima varia*ilidad entre su*grupos y la mnima varia*ilidad dentro de cada su*grupo. #or e!emplo, si hay cuatro turnos de tra*a!o en un da, las mediciones de cada turno podran constituir un su*grupo. "upongamos una f*rica que produce piezas cilndricas para la industria automotriz. La caracterstica de calidad que se desea controlar es el dimetro de las piezas.

3ay dos maneras de o*tener los su*grupos. $na de ellas es retirar varias piezas !untas a intervalos regulares, por e!emplo cada hora+

La otra forma es retirar piezas individuales a lo largo del intervalo de tiempo correspondiente al su*grupo+

.....'tc. #or cualquiera de los dos caminos, o*tenemos grupos de igual nmero de mediciones. #ara cada su*grupo calculamos el #romedio y el Bango -8iferencia entre el valor m&imo y el valor mnimo..

Como ya se ha visto, para calcular los Lmites de Control es necesario o*tener un gran nmero de mediciones, divididas en su*grupos. 'n nuestro e!emplo, podramos o*tener () su*grupos de @ datos cada uno+

8espu4s de calcular el #romedio y el Bango de cada su*grupo, tendramos una ta*la como la siguiente+

5 partir de esta ta*la, se calculan el promedio general de promedios de su*grupo y el promedio de rangos de su*grupo+

#romedio de "u*grupo 6 6mero de "u*grupos

o tam*i4n+

/)

Dediciones individuales 6 n 6mero de "u*grupos 6mero de mediciones dentro del "u*grupo

Bango del "u*grupo La desviacin standard del proceso se puede calcular a partir del rango promedio, utilizando el coeficiente d7, que depende del nmero de mediciones en el su*grupo+

Con esto podemos calcular los Lmites de Control para el grfico de A+

La desviacin standard del rango se puede calcular utilizando el coeficiente d(, que tam*i4n depende del nmero de mediciones en el su*grupo+

< as podemos calcular los Lmites de Control para el Erfico de B+

//

La ta*la siguiente muestra los coeficientes d7 y d( para su*grupos de hasta /) mediciones+

Construmos entonces un Erfico A de prue*a y representamos los promedios de los su*grupos+

< un Erfico B de prue*a, donde representamos los rangos de los su*grupos+

"i no hay puntos fuera de los lmites de control y no se encuentran patrones no aleatorios, se adoptan los lmites calculados para controlar la produccin futura.

/7

Control Estadstico de Procesos Grficos np

Duchas caractersticas de calidad se evalan dando resultados como+ conforme o disconforme, defectuoso o no defectuoso. 'stas caractersticas de calidad se conocen como atri*utos. "upongamos un proceso que fa*rica tornillos. $na manera de ensayar cada tornillo sera pro*arlo con una rosca cali*rada. 'l resultado de este ensayo slo tiene dos posi*les resultados+ 8efectuoso96o 8efectuoso - Conforme98isconforme ..

"i el tornillo no entra en la rosca, se lo considera defectuoso o disconforme. #ara controlar este proceso, se puede tomar una muestra de tornillos y contar el nmero de defectuosos presentes en la muestra.

La varia*le aleatoria nmero de defectuosos es una varia*le aleatoria discreta, porque puede tomar un nmero finito de valores, o infinito numera*le. Los grficos np se utilizan para controlar el nmero de defectuosos en una muestra. 'ntonces, para controlar este proceso, un inspector se coloca al final de la lnea de produccin y cada hora retira una muestra de nF>) tornillos -por e!emplo., comprue*a cada uno con la rosca y anota el nmero de defectuosos.

'ste resultado se anota en un grfico hora por hora y se denomina grfico np. "i se tomara del proceso un slo tornillo GCul es la pro*a*ilidad de que sea defectuoso0 Hmaginando la po*lacin de tornillos que podra fa*ricar el proceso tra*a!ando siempre en las mismas condiciones, una cierta proporcin p de estos seran defectuosos. 'ntonces, la pro*a*ilidad de tomar un tornillo y que sea defectuoso es p.

/(

'n una muestra de n tornillos, la pro*a*ilidad de encontrar+ I I I I I ) defectuosos / defectuoso 7 defectuosos ... n defectuosos

est dada por una distri*ucin *inomial con parmetros n y p. Como sa*emos, el promedio de la po*lacin es p y la varianza es n.p.-/9p.. #ara construir los grficos de control np, en una primera etapa se toman 6 muestras -ms de 7) 7>. a intervalos regulares, cada una con n tornillos. "e cuenta en cada muestra el 6mero de 8efectuosos y se registra. "e o*tendra una 1a*la como la siguiente+ Muestra / 7 ( = > @ C 'n cada muestra, la fraccin de defectuosos es+ N Defectuosos ( 7 = ( = 7 >

6J 8efectuosos en muestra i n 6J elementos en la muestra

'ntonces, a partir de la ta*la podemos calcular p como promedio de las fracciones de defectuosos en las muestras+

6K muestras

y luego la 8esviacin "tandard s+

/=

Con esto podemos calcular los Lmites de Control para el grfico np+

Construmos entonces un Erfico np de prue*a y representamos el nmero de defectuosos en las muestras+

"i no hay puntos fuera de los lmites de control y no se encuentran patrones no aleatorios, se adoptan los lmites calculados para controlar la produccin futura. Control Estadstico de Procesos Grficos C y U

'n algunos procesos interesa medir la cantidad de defectos que presentan las unidades de producto que se estn fa*ricando. #or e!emplo, se fa*rican tel4fonos celulares y entonces se toma uno de ellos y se cuenta el nmero total de defectos. 'stos podran ser+

Bayaduras en la superficie. Ba!aduras en el plstico 5ntena defectuosa Botn defectuoso. 'tc.

Los defectos pueden ser de diferentes tipos y se cuenta el total de todos estos defectos en la unidad inspeccionada. ,*tenemos un resultado que es el 6mero de 8efectos por unidad de inspeccin.

/>

5 medida que el proceso genera las unidades -1el4fonos celulares., retiramos una unidad a intervalos regulares y contamos el nmero total de defectos. 'n cada unidad podemos encontrar+ I I I I I I ) defectos / defecto 7 defectos ( defectos ... n defectos

Los resultados que o*tenemos al contar el 6mero de 8efectos en unidades de inspeccin retiradas a intervalos regulares constituyen una varia*le aleatoria discreta, porque puede tomar valores ), /, 7, (, ... n. 'sta varia*le aleatoria tiene una distri*ucin de #oisson+

Los grficos C se utilizan para controlar el nmero de defectos en una muestra del producto o unidad de inspeccin. 'ntonces, para controlar este proceso, un inspector se coloca al final de la lnea de produccin y cada hora retira una unidad de inspeccin -'n este caso un tel4fono celular., verifica y anota el nmero total de defectos.

/@

'ste resultado se anota en un grfico hora por hora y se denomina grfico C. 8e acuerdo a la 8istri*ucin de #oisson, si denominamos C al parmetro de la funcin de distri*ucin, el promedio de la po*lacin es C y la varianza tam*i4n es C. #ara construir los grficos de control C, en una primera etapa se toman N unidades de inspeccin -ms de 7> (). a intervalos regulares. "e cuenta en cada unidad de inspeccin el 6mero de 8efectos y se registra. "e o*tendra una 1a*la como la siguiente+

$nidad de 6m. 8efectos Hnspeccin / 7 ( = > @ C ; ( 7 = ) / / > 7

'ntonces, a partir de la ta*la podemos calcular C como promedio del 6mero de 8efectos en las muestras -$nidades de Hnspeccin.+

ni Cantidad de 8efectos por $nidad de Hnspeccin

/C

N 6mero de $nidades de Hnspeccin y luego la 8esviacin "tandard+

Con esto podemos calcular los Lmites de Control para el grfico C+

'n caso de que el Lmite Hnferior de Control resulte negativo, se le asigna valor cero. Construmos entonces un Erfico C de prue*a y representamos el nmero de defectos en las muestras+

"i no hay puntos fuera de los lmites de control y no se encuentran patrones no aleatorios, se adoptan los lmites calculados para controlar la produccin futura. ,tro e!emplo sera controlar el nmero de defectos a la salida de una lnea de ensam*lado de licuadoras. 8e igual manera podra ser una lnea de ensam*lado de computadoras personales, cafeteras automticas, televisores, etc. Cuando se fa*rican pinturas y *arnices, un ensayo muy comn es hacer un e&tendido so*re una placa de vidrio, de!ar secar el producto y luego inspeccionar los defectos en la superficie. "e pueden aplicar los grficos C para controlar este tipo de procesos, contando el nmero de defectos so*re la superficie del recu*rimiento. 'n la industria te&til tam*i4n es necesario controlar defectos superficiales en las telas. "e pueden aplicar los grficos C para controlar el nmero de defectos so*re la superficie de un rea rectangular de tela. Duchas veces ocurre que las unidades que produce el proceso presentan una tasa de defectos muy *a!a. #or e!emplo, supongamos un proceso automatizado que fa*rica tar!etas de sonido. 5 la salida del mismo se inspecciona una tar!eta a intervalos de media hora y se cuenta el nmero de defectos. 'l resultado seguramente ser algo como esto+

1ar!eta

6m. 8efectos

/;

/ 7 ( = > @ C ; etc

) ) ) ) ) / ) ) 9

'sto se de*e a que la fa*ricacin se realiza por medio de un proceso totalmente automatizado donde ocurren pocos errores. #or lo tanto, el promedio de defectos ser cercano a cero y el Lmite Hnferior de Control seguramente ser negativo. #ara evitar esto, es conveniente redefinir la $nidad de Hnspeccin. #or e!emplo, se puede tomar como unidad de inspeccin la cantidad de /)) tar!etas de sonido. 's decir, cada media hora se retiran del proceso /)) tar!etas y se cuentan los defectos del total de las mismas. 8e esta manera la cantidad de defectos promedio por unidad de inspeccin ser mas alta. < es posi*le tam*i4n que el LHC sea mayor que cero. "upongamos que se est controlando el nmero de defectos en un proceso de ensam*lado de licuadoras y se define una unidad de inspeccin de > licuadoras. 'n este caso es posi*le tra*a!ar con un grfico C, como ya hemos visto. #ero tal vez se desea controlar el promedio de defectos por cada licuadora -unidad de produccin. en lugar de el total de defectos para las > licuadoras -unidad de inspeccin.+

ni Cantidad de 8efectos por $nidad de Hnspeccin m 6m. de $nidades de #roduccin en la $nidad de Hnspeccin 'n nuestro e!emplo, si encontramos ni defectos en la unidad de inspeccin -> licuadoras., la cantidad promedio de defectos por licuadora ser+

/:

"e de*e tener en cuenta que x es una nueva varia*le aleatoria discreta que toma valores ), /L m, 7Lm, (Lm, =Lm, .....etc., y cuya distri*ucin de pro*a*ilidades se puede calcular a partir de la 8istri*ucin de #oisson. Como en el caso de los grficos C, en una primera etapa se toman N unidades de inspeccin -ms de 7> (). a intervalos regulares. "e cuenta en cada unidad de inspeccin el 6mero de 8efectos y se registra. Luego se divide el 6mero de 8efectos de cada unidad de inspeccin por m -6mero de unidades de produccin en cada unidad de inspeccin.. 'n nuestro e!emplo -m F >. la 1a*la quedara as+

$nidad de 6m. 8efectos Hnspeccin / 7 ( = > @ C ; > ; @ /) > /> /7 >

6m. 8efectos por Licuadora /.) /.@ /.7 7.) /.) (.) 7.= /.)

'ntonces, a partir de la ta*la podemos calcular el parmetro U como promedio del 6mero de 8efectos por licuadora+

ni Cantidad de 8efectos por $nidad de Hnspeccin m 6m. de $nid. de #roduccin en la $nidad de Hnspeccin N 6mero de $nidades de Hnspeccin y luego la 8esviacin "tandard+

Con esto podemos calcular los Lmites de Control para el grfico $+

7)

7/