Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPACIDAD Y DESEMPEO
DEL PROCESO
H. Hernndez / P. Reyes
Sept. 2007
Pgina 1 de 31
CONTENIDO
1. Introduccin
a. Definiciones bsicas
b. Objetivos
c. Partes fuera de especificaciones
d. Variacin a corto y a largo plazo
Pgina 2 de 31
1 a. Definiciones bsicas.
Variabilidad natural: Los productos fabricados nunca son idnticos sino que
presentan cierta variabilidad, cuando el proceso est bajo control, solo
actan las causas comunes de variacin en las caractersticas de calidad.
1b. Objetivos1
1. Predecir en que grado el proceso cumple especificaciones.
2. Apoyar a diseadores de producto o proceso en sus modificaciones.
3. Especificar requerimientos de desempeo para el equipo nuevo.
4. Seleccionar proveedores.
5. Reducir la variabilidad en el proceso de manufactura.
6. Planear la secuencia de produccin cuando hay un efecto interactivo de los
procesos en las tolerancias.
Pgina 4 de 31
Pgina 5 de 31
Variacin a corto plazo (Zst) Los datos son colectados durante un periodo de
tiempo suficientemente corto para que sea improbable que haya cambios y otras
causas especiales.
Las familias de variacin han sido restringidas
considerados, slo son los que se obtuvieron del subgrupo racional. Ayuda a
determinar subgrupos racionales importantes.
Pgina 6 de 31
Z st =
Z LT =
desv.std ST
dnde:
Zst = variacin a corto plazo.
nom = Valor nominal u objetivo
Zlt = variacin a largo plazo.
Z shift.- A largo plazo los procesos tienen un desplazamiento natural de 1.5
desviaciones estndar, de acuerdo a lo observado por Motorota Inc.
Zlt = Zst-1.5shift
J.M. Juran, Anlisis y planeacin de la Calidad, Tercera Edicin Mc. Graw Hill, Pp.404
Pgina 7 de 31
R
d2
( LSE LIE )
6 ST
donde:
Cp
= capacidad potencial
Pgina 8 de 31
ST
El ndice Cp debe
ser 1.33 para tener el potencial de cumplir con especificaciones (LIE, LSE)
Los valores Z se determinan como sigue:
ZI =
ZS =
LIE X
ST
LSE X
ST
Para calcular la ha
bilidad o capacidad real utilizamos la siguiente frmula:
C pk =
menor Z I , Z S
3
Para que el proceso cumpla con las especificaciones el Cpk= debe de ser 1.33 .
Pgina 9 de 31
Ejemplo 1:
Tenemos la siguiente serie de datos:
265
197
346
280
265
200
221
265
261
278
215
205
286
317
242
254
235
176
262
248
250
318
263
274
242
260
281
246
248
271
260
265
271
307
243
258
321
294
328
263
245
274
270
293
220
231
276
228
223
296
231
301
337
298
277
268
267
300
250
260
276
334
280
250
257
290
260
281
208
299
308
264
280
274
278
210
283
234
265
187
258
235
269
265
253
254
280
258
299
214
264
267
283
235
272
287
274
269
275
Agrupando los datos por intervalos de clase obtenemos los datos mostrados en la
siguiente tabla:
Intervalo
de clase
190-209
210-229
230-249
250-269
270-289
290-309
310-329
330-349
Marca de
Frecuencia
clase
199.5
6
219.5
7
239.5
13
259.5
32
279.5
24
299.5
11
319.5
4
339.5
3
Frecuencia
relativa
0.06
0.07
0.13
0.32
0.24
0.11
0.04
0.03
Pgina 10 de 31
Frecuencia
acumulada
0.06
0.13
0.26
0.58
0.82
0.93
0.97
1
El histograma es el siguiente:
Histogram of Datos
40
Frequency
30
20
10
160
190
210
230
260
Dat os
290
310
330
360
N
99
N*
0
Mean
264.19
SE Mean
3.23
StDev
32.15
Minimum
176.00
Q1
248.00
X = 264.19
S = 32.15
La variabilidad del proceso se encuentra en 6 s = 192.90
Si las especificaciones fueran LIE = 200 y LSE = 330
Pgina 11 de 31
Median
265.00
Q3
280.00
Cp =
Zi =
Zs =
( LSE LIE )
6S
( 330 264.19)
32.15
( 200 264.19)
C pk =
32.15
menor Z I , Z S
3
( 330 200)
192.90
= 2.046
= 1.996
2
= 0.66
3
Ventajas
1. Se puede observar el comportamiento del proceso sin tomar tantos datos como
en el histograma, 10 son suficientes
2. El proceso es ms sencillo ya que no hay que dividir el rango de la variable en
intervalos de clase como en el histograma.
3. Visualmente se puede observar la normalidad de los datos, si se apegan a la
lnea de ajuste
4. 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.
Pgina 12 de 31
Procedimiento
1. Se toman al menos n = 10 datos y se ordenan en forma ascendente,
asignndoles una posicin ( j ) entre 1 y n.
2. Se calcula la probabilidad de cada posicin con la frmula siguiente:
Pj = (j - 0.5) / n
3. En el papel especial normal se grafica cada punto (X j, Pj)
4. Se ajusta una lnea recta que mejor aproxime los puntos
5. 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 P j = 0.5
La desviacin estndar es la diferencia en X j correspondiente a Pj = 0.5 y Pj =
0.84
Ejemplo 2
. Se tomaron los datos siguientes (Xj) ordenamos los datos y, clculamos la
probabilidad de su posicin (Pj)
Pos. J
1
2
3
4
5
6
7
8
9
10
11
12
Xj
197
200
215
221
231
242
245
258
265
265
271
275
Pj
0.025
0.075
0.125
0.175
0.225
0.275
0.325
0.375
0.425
0.475
0.525
0.575
Pgina 13 de 31
13
14
15
16
17
18
19
20
277
278
280
283
290
301
318
346
0.625
0.675
0.725
0.775
0.825
0.875
0.925
0.975
Probability Plot of Xj
Normal - 95% CI
99
Mean
StDev
N
AD
P-Value
95
90
80
Percent
70
60
50
40
30
20
10
5
150
200
250
300
350
Xj
Pgina 14 de 31
400
262.9
38.13
20
0.262
0.667
Pj
0.84
0.5
Desv. Estndar
Fraccin
Defectiva
LIE
Xj
X Media
En casos especiales como estos donde las variaciones presentes son totalmente
inesperadas tenemos un proceso inestable impredecible.
?
?
?
?
?
Pgina 15 de 31
Tiempo
R
S
=
(Para cartas de control X-R y X-S respectivamente)
d2
C4
Donde,
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)
Pgina 16 de 31
Ejemplo 3 (carta X - R)
De una carta de control X - R (con subgrupo n = 5) se obtuvo lo siguiente, despus
de que el proceso se estabiliz quedando slo con causas comunes: x = 64.06 ,
R = 77.3
Por tanto estimando los parmetros del proceso se tiene:
= x ( media de medias )
R
77.3
=
= 33.23
d2
2.326
El C pk =
( 200 264.06)
3 33.23
especificaciones.
Ejemplo 4 (carta X - S)
De una carta de control X - S (con subgrupo n = 5) se obtuvo lo siguiente, despus
de que el proceso se estabiliz quedando slo con causas comunes:
x =100, s =1.05
s
1.05
= 1.117
=
C4
.094
Pgina 17 de 31
El C pk =
El C p =
(105 100)
3 1.117
(105 85)
6 1.117
= 1.492
= 2.984
Rmedio = 77.3
Pgina 18 de 31
X T
Cp
1+V
Cpk
T
1+
Pgina 19 de 31
los datos ajustada con una constante C4, denominada Sigma a largo plazo o
desviacin estndar Overall.
(X
S=
i =1
X )2
n 1
C4 =
4(n 1)
4n 3
LT =
S
C4
Pp =
( LSE LIE )
6 LT
donde:
Pp
Pgina 20 de 31
El ndice Pp debe
ser 1.33 para tener el potencial de cumplir con especificaciones (LIE, LSE)
Las variables transformadas Zs son las siguientes:
Zs =
ZI =
LSE X
LT
LIE X
LT
Ppk =
menor Z I , Z S
3
Para que el proceso cumpla con las especificaciones el Ppk= debe de ser 1 .33.
Pgina 21 de 31
Ejercicio 6
De una carta de control X - R (con tamao de subgrupo n = 5), despus de que el
proceso se estabiliz quedando slo con causas comunes (LIE = 36, LSE = 46) se
obtuvo lo siguiente:
Xmedia de medias = 40
Rmedio = 5
Pgina 22 de 31
32.02 OK
Considerando Lmites de especificaciones LIE = 200 y LSE = 330
Nos aseguramos que los datos se distribuyan normalmente con la prueba de Ryan
como sigue:
3. Stat > Basic statistics > Normalita Test
4. Variable C1
El P value debe ser mayor a 0.05 para que los datos se distribuyan normalmente
Probability Plot of Datos
Normal
99.9
Mean
StDev
N
RJ
P-Value
99
Percent
95
90
269.3
30.72
100
0.994
> 0.100
80
70
60
50
40
30
20
10
5
1
0.1
150
200
250
Dat os
300
350
6. Graph Variable C1
7. Distribution Normal OK
Los puntos deben quedar dentro del intervalo de confianza para indicar que es
normal la distribucin.
Probability Plot of Datos
Normal - 95% CI
99.9
Mean
StDev
N
AD
P-Value
99
Percent
95
90
269.3
30.72
100
0.317
0.533
80
70
60
50
40
30
20
10
5
1
0.1
150
200
250
300
350
400
Dat os
Pgina 24 de 31
USL
Within
Overall
Process Data
LSL
200.00000
Target
*
USL
330.00000
Sample Mean
269.25354
Sample N
100
StDev (Within)
30.83472
StDev (O v erall)
30.80011
210
Observ ed Performance
PPM < LSL 10000.00
PPM > USL 30000.00
PPM Total
40000.00
240
270
300
330
0.70
0.75
0.66
0.66
*
360
Interpretacin:
La desviacin estndar Within se determina en base al Rango medio y d2 (1.128
para n = 2), con esta se determinan los ndices de capacidad potencial Cp y Cpk,
as como el desempeo Within, lo cual es adecuado para un proceso en control o
normal.
La desviacin estndar Overall se determina con la desviacin estndar de los
datos ajustado por el factor C4.
Pgina 25 de 31
I Cha r t
320
_
X= 269.3
240
LCL= 176.7
160
1
10
20
30
40
50
60
70
80
100
210
100
50
270
300
330
360
Nor m a l P r ob P lot
A D: 0.317, P: 0.533
UCL= 113.6
__
MR= 34.8
LCL= 0
1
10
20
30
40
50
60
70
80
90
100
200
300
400
Ca pa bilit y P lot
Within
StDev 30.83472
Cp
0.70
Cpk
0.66
CCpk
0.70
300
Values
240
Moving Range
90
250
200
Within
Overall
O v erall
StDev 30.80011
Pp
0.70
Ppk
0.66
Cpm
*
Specs
80
85
90
Observation
95
100
Pgina 26 de 31
Pgina 27 de 31
O v erall Capability
Pp
*
PPL
*
PPU
0.85
Ppk
0.85
*
*
3.50000
0.82279
100
1.24929
0.88470
O bserv ed Performance
PPM < LSL
*
PPM > USL 10000
PPM Total
10000
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
observamos
que
PPM
>
USL
3,795
lo
cual
significa
que
Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.
Pgina 28 de 31
Pgina 29 de 31
b. Nmero de defectos
En este caso se requiere verificar y en todo caso mantener el proceso en control
por medio de una carta C o U con muestra constante por al menos 25 puntos.
La referencia son el nmero de defectos X que el cliente acepte. Con la lnea
media indicando el promedio de defectos o C media, entramos a la tabal binomial
o de Poisson tomando como Lamda la C media y como X los defectos aceptables
por el cliente.
La probabilidad de aceptacin mnima debe ser de 99.73% equivalente a un Cp de
1 o de 99.9936% para un Cp de 1.33, cualquier valor inferior indicar falta de
capacidad del proceso.
Pgina 30 de 31
A2
1.88
1.023
0.729
0.577
0.483
0.419
0.373
0.337
0.308
D3
D4
3.267
2.574
2.282
2.115
2.004
1.924
1.864
1.816
1.777
0
0
0
0
0
0.076
0.136
0.184
0.223
d2
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.97
3.078
c4
0.940
0.952
0.959
0.965
0.969
0.973
0.975
0.978
0.979
0.981
0.982
0.984
0.985
0.985
0.986
0.987
0.988
0.988
0.989
0.989
0.990
A
1.342
1.225
1..134
1.061
1.000
0.949
0.905
0.866
0.832
0.802
0.775
0.750
0.728
0.707
0.688
0.671
0.655
0.640
0.626
0.612
0.600
A3
1.427
1.287
1.182
1.099
1.032
0.975
0.927
0.886
0.850
0.817
0.789
0.763
0.739
0.718
0.698
0.680
0.663
0.647
0.633
0.619
0.606
B3
0.000
0.030
0.118
0.185
0.239
0.284
0.321
0.354
0.382
0.406
0.428
0.448
0.466
0.482
0.497
0.510
0.523
0.534
0.545
0.555
0.565
B4
2.089
1.970
1.882
1.815
1.761
1.716
1.679
1.646
1.618
1.594
1.572
1.552
1.534
1.518
1.503
1.490
1.477
1.466
1.455
1.445
1.435
Pgina 31 de 31
B5
B6 .
0.000 1.964
0.029 1.874
0.113 1.806
0.179 1.751
0.232 1.707
0.276 1.669
0.313 1.637
0.346 1.610
0.374 1.585
0.399 1.563
0.421 1.544
0.440 1.526
0.458 1.511
0.475 1.496
0.490 1.483
0.504 1.470
0.516 1.459
0.528 1.448
0.539 1.438
0.549 1.429
0.559 1.420