Her Ram Ient As Decontrol de Proceso S

Control de Calidad Estadstico, Parte uno, Herramientas de Control de Procesos
Autor: Edgardo Ojeda Barcos

Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor Pgina 1 de 51

Autor del presente manual:

Edgardo Ojeda Barcos

Profesor de Control de Calidad y Estadstica
Inacap Universidad Tecnolgica de Chile

Licenciado en Organizacin Industrial
Universidad Argentina de La Empresa

Postgrado en Ingeniera de Calidad
Universidad de Santiago de Chile

Herramientas de Control de Procesos



INDICE

Captulo Uno
1 Los defectos
1.1 Introduccin
1.2 Definicin de la calidad
1.3 El objetivo de los mtodos estadsticos de control en los procesos
1.4 Qu causa los productos defectuosos?
1.5 son todos los defectos iguales? Debemos tratar a todos los defectos
por igual?
1.6 Clasificacin de los defectos, muestrarios de defectos.

Captulo dos
2 Distribuciones de frecuencia e Histogramas
2.1 Poblacin y muestras
2.2 Cmo se distribuyen los valores de las variables que medimos? Qu
frecuencia tiene cada valor que la causa llamada "variacin" nos entrega?
2.3 Que tipos de variables conocemos?
2.4 Distribuciones de frecuencia
2.5 Histograma

Captulo tres
3 Medidores de tendencia central y de dispersin
3.1 Media aritmtica
3.2 Desviacin tpica
3.2.1 Definicin, frmulas.
3.2.2 Mtodo de clculo por compilacin:
3.3 Ejercicios prcticos en clases:

Captulo cuatro
4 Grficas de Control
4.1 Qu son las Grficas de Control?
4.1.1 Causas no Asignables
4.1.2 Causas Asignables
4.1.3 Cul es el objetivo de una Grfica de Control?
4.2 Tipos de Grficas de Control
4.2.1 Grfica X R
4.2.2 Grfica pn, Grfica p
4.3 Especificaciones, Tolerancias, Discrepancias
4.4 Capacidad de Proceso o Capacidad de Mquina

Captulo cinco
5 Cmo elaborar una grfica de control
5.2 Clculo de los Lmites de Control
5.2.1 Clculo de Lmites Sin Valores Especificados
5.2.2 Clculo de los Limites con Valores Especificados
5.2.3 Comparacin de los lmites Con y Sin Especificaciones. Resultado de la
Capacidad de Proceso
5.2.4
Grfica de control de proceso por variables, grfica X - R
5.2.5 Algunos casos de lecturas de grficas de control por variables
5.3 Grfica np, (grfica por atributos)
5.4 Clculo de los lmites de control
5.5 Grfico de Control de Proceso por Atributos
5.6 ndice de la Capacidad de Proceso, ICP
5.6.1 Mtodo clsico
5.6.2 ndice de Capacidad de proceso modificado. ICPm
5.7 Los cuatro casos posibles de los lmites con y sin especificaciones

Captulo seis

6 Normas Chilenas
6.1 Norma Chilena 42 Resumen De Grficos De Control Por Variables
6.1.1 Control De La Exactitud
6.1.2 Control de la Precisin
6.1.3 Norma Chilena 42, Factores Para Grficos De Control Por Variables

Captulo siete
7 Frmulas Para El Control Durante El Proceso De Fabricacin
7.1 Introduccin, desarrollo de frmulas bsicas
7.1.1 Clculo de los Lmites para control por variables con valores
especificados
7.1.1 Para el control de la exactitud
7.1.2 Para el control de la precisin
7.2 Clculo de lmites para el control por variables sin valores especificados
7.1.2.1 Para el control de la exactitud
7.1.2.2 Para el control de la precisin
7.2 Control de procesos por atributos
7.2.1 Resumen de Frmulas
7.2.2 Ejemplos de uso de cada frmula en el control por atributos
7.2.2.1 Grfica p , fraccin defectuosa, n es variable
7.2.2.2 Grfica np , control de defectos por muestra, n es constante
7.2.2.3 Grfica u , control de defectos por unidad. n es variable
7.2.2.4 Grfica c , control de defectos por muestra, n constante
7.2.3 Grficos de aplicacin
7.2.3.1 Grfico p
7.2.3.2 Grfico np
7.2.3.3 Grfico u
7.2.3.4 Grfico c



Captulo Uno

1 Los defectos.

1.1 Introduccin.

Actualmente, todas las empresas modernas saben que lograr un buen nivel de calidad es
fundamental para el xito de su gestin.

La obtencin de este objetivo, no solo es importante desde el punto de vista de la
competencia, sino tambin para la satisfaccin de las necesidades humanas.

Estas necesidades humanas evolucionan constantemente, hay cada da mayor demanda
de mejor precisin, ms exactitud, intercambiabilidad, confort, etc. y lo que hoy acepta el
consumidor, maana puede rechazarlo, pues esta demanda de la cual estamos hablando,
se perfecciona cada da, y toda empresa que no se adapte a este movimiento continuo
corre el riesgo de quedar desplazada a corto plazo.

Para marchar al comps de este ritmo se hacen necesarios mejores instrumentos,
maquinarias, mtodos, etc., y lo que es ms importante, un mejor aprovechamiento de los
mismos, es decir, obtener mejor calidad con la misma cantidad de dinero. Para lograr este
objetivo debemos recurrir al control estadstico de calidad, como una de las armas ms
poderosas para la realizacin de todas estas ideas.

El objetivo de este curso es dar una buena informacin de la herramientas existentes para
el control estadstico de la calidad, pero debemos dejar bien claro que los objetivos de
calidad no se logran esgrimiendo solamente estas herramientas estadsticas. Hoy en da, el
concepto de Control Total de Calidad, ensea claramente que todos los estamentos de la
empresa estn involucrados en la obtencin de la mejor calidad del producto, y que ste
objetivo no es, de ninguna manera, responsabilidad exclusiva de los departamentos
tcnicos especializados en el control estadstico de la calidad, sino de todos los integrantes
de la empresa, desde el ms humilde empleado, al ms importante de los gerentes.

1.2 Definicin de la calidad

Definiremos dos aspectos de la calidad, la Calidad del Diseo y la Calidad del Producto.

Entendemos por Calidad del Diseo al grado de concordancia entre el diseo y el fin para el
cual fue creado, y por Calidad del Producto, al grado de conformidad entre el producto y su
diseo.

Los conceptos y mtodos que veremos son aplicables al control de calidad del producto, y
son, en general, mtodos universales, es decir que valen para cualquier producto, ya sean
cremas dentales, bebidas gaseosas, tractores, medicamentos o ampolletas.

Un buen nivel de calidad implica un diseo correcto y un producto de acuerdo con su
diseo.


1.3 El objetivo de los mtodos estadsticos de control en los procesos .

Podramos preguntarnos, qu es un producto defectuoso? o ms concretamente, qu es
un defecto?

Juran explica lo que es un defecto haciendo un juego de palabras:

" Un defecto es un defecto cuando todos estamos de acuerdo que es un defecto"

Definicin tradicional:

Un defecto es el incumplimiento de una caracterstica de calidad respecto de un lmite
especificado.

Pero, los lmites especificados, los determinamos nosotros, previo acuerdo con las partes
interesadas o involucradas en el proceso, luego, por carcter transitivo, vale la frase del
insigne maestro del control de calidad, Dr. J. M. Juran.

Otra ilustre definicin de lo que es un defecto, es la afirmacin de Kahoru Ishikawa, quien
dice que un defecto es lo que causa insatisfaccin al cliente.

1.4 Qu causa los productos defectuosos?

La respuesta universal a esta pregunta es: la variacin

La variacin en los materiales, en las condiciones de la mquina, en los mtodos de trabajo
y en las inspecciones. Estas variaciones son las causas de los productos defectuosos. Si no
existiera ninguna de esas variaciones, todos los productos seran idnticos y no habra
variaciones en la calidad, y no existira la ocurrencia de productos defectuosos y no
defectuosos.

1.5 Son todos los defectos iguales? Debemos tratar a todos los defectos por igual?

El sentido comn nos dice que no a las dos preguntas. No es lo mismo un defecto
considerado leve como ser una imperfeccin superficial en la etiqueta de un producto, que
una medida fuera de especificaciones en un repuesto para motor de automviles que lo
haga absolutamente inservible.

Y consecuentemente, no ser el mismo criterio para tolerar la presencia de ambos defectos,
y eso dar paso a distintos planes de calidad segn el tipo de defecto.


1.6 Clasificacin de los defectos, muestrario de defectos.

Existen distintas maneras de clasificarlos. aqu utilizaremos el siguiente:

Defectos crticos: son aquellos que violan leyes, agreden al consumidor o hacen inservible
al producto.

Defectos mayores: producen una disminucin en el correcto funcionamiento o utilizacin del
producto y es notado por el consumidor.

Defectos menores: producen una disminucin leve en el correcto funcionamiento o
utilizacin del producto, probablemente no lo note el consumidor. pero si lo nota, el
personal calificado de produccin y de control de calidad,

Cada tipo de defecto ser objeto de un estudio minucioso por las partes interesadas y
deber finalizar en un muestrario de defectos, debidamente clasificado por tipo de defecto
y firmado por las partes involucradas.

En todos los casos posibles deber construirse el muestrario con defectos situados justo en
los lmites de aceptacin o rechazo.


Captulo dos

2 Distribuciones de frecuencia e Histogramas

2.1 Poblacin y muestras

Una poblacin es el total de las unidades que se consideran.

En esta poblacin queremos investigar una caracterstica para conocer su situacin relativa
con los valores del diseo.

Una muestra es una cantidad estadsticamente calculada de unidades de dicha poblacin,
cada unidad deber ser extrada al azar.

La medicin y clculo de una determinada caracterstica nos dar una estimacin del
verdadero valor en la poblacin.

2.2 Cmo se distribuyen los valores de las variables que medimos? Qu frecuencia
tiene cada valor que la causa llamada "variacin" nos entrega?

Tenemos claro que las variaciones nos producen distintas medidas de una variable, la
pregunta es como se distribuyen.

En general siguen un comportamiento llamado gaussiano o normal

De que se trata lo veremos ms adelante pero por ahora nos alcanza con comprender que
dicho comportamiento significa que los valores ms cercanos al valor central, son los que
ms frecuentemente se repiten, y a medida que nos alejamos del valor central, la frecuencia
baja dramticamente. La grfica de este comportamiento tiene una forma de campana.

2.3 Que tipos de variables conocemos?

Existen dos tipos de variables a considerar, Variables Continuas y Variables Discretas.

Las variables continuas son aquellas que se miden...
y las variables discretas se cuentan.

Las primeras dan origen al control por variables y las segundas al control por atributos.

Las caractersticas de calidad que llamaremos variables son todas aquellas que podemos
representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores
de alambre, el contenido de cenizas en carbn, etc., etc.

Los atributos son aquellas caractersticas de calidad no mensurables, cuya dimensin en
general no se puede representar con una cifra. Como por ejemplo podemos tomar las
imperfecciones visuales de las superficies de los productos, tales como manchas,
diferencias de tono, aspectos de una soldadura, etc., etc.


Por fin, debemos tener en cuenta, que tanto los procesos como los lotes terminados pueden
ser inspeccionados por atributos o por variables.

2.4 Distribuciones de frecuencias.

Cuando se realiza una recoleccin de datos muy extensa, por ejemplo, 50 o ms datos,
resulta muy difcil interpretar la informacin recibida.
Una primera investigacin que podramos realizar, sera la de encontrar el mayor valor y el
menor de ellos lo cual nos informara acerca del INTERVALO el cual se encuentran todos
los datos.
Lo segundo podra ser ordenarlos de menor a mayor, pero aun seguira siendo una larga
lista de nmeros.
El siguiente procedimiento, nos permitir ordenarlos e interpretar valiosa informacin
estadstica.
Este ordenamiento consiste en crear CLASES, dentro de las cuales clasificaremos los
datos. El procedimiento es dividir la distancia del INTERVALO en intervalos ms cortos que
llamaremos clases. La pregunta que nos haremos es: en cuantas clases dividiremos el
INTERVALO?
Existe una regla emprica, (prctica) que dice lo siguiente:
Si el total de datos es n, el nmero de clases que buscamos ser n
Para entenderlo mejor, haremos un ejemplo.
Supongamos que se han tomado 84 datos de una medida de dimetros de ejes para un
instrumento de precisin.
Los datos tal como se obtuvieron son:

881 880 905 933 872 861 882 877 890 898 863 896 878 906
886 875 890 928 911 955 893 867 920 879 899 897 870 883
885 883 889 874 878 904 939 901 894 859 886 865 902 867
889 874 891 925 866 869 868 894 891 901 912 892 921 895
910 915 846 892 885 866 910 885 916 915 923 857 891 889
912 907 881 893 905 924 876 903 887 901 888 907 880 882

En total son 84 mediciones, por lo tanto n = 84

El mayor valor es 955
El valor mnimo es 846

El INTERVALO es 109


De acuerdo con la regla emprica, descrita anteriormente, el nmero de CLASES que
deberemos hacer ser 9.17 84 = , este nmero debe aproximarse al valor entero, es decir
9.
El paso siguiente ser, dividir el INTERVALO, 109, por el dato hallado,
109 / 9 = 12.1
Nuevamente deberemos tomar el nmero entero, es decir 12.
El nmero 12 es par, existen razones que veremos mas adelante para preferir que este
nmero sea impar, por lo tanto elegiremos 11, podra servir 13? La respuesta es s, pues
ste es un procedimiento aproximado.
Este valor es denominado: ANCHO DE CLASE.
Bien, este ANCHO DE CLASE: 11, nos servir para construir nuestras CLASES.
Por cual nmero comenzaremos?

Es costumbre comenzar exactamente por el menor de los datos encontrados, es decir 846,
pero podramos empezar por algn otro nmero, algo menor por ejemplo 840 y el resultado
obtenido sera igualmente vlido.
Para nuestro ejemplo comenzaremos con el mnimo ledo, esto es 846 y lo utilizaremos
como LMITE INFERIOR DE LA CLASE 1.
Para hallar el LMITE DE LA CLASE 2, sumaremos 11 a 846, es decir que el lmite de la
clase 2 es: 857, y el de la clase 3 ser 868.
Nos queda ahora, determinar el LMITE SUPERIOR DE LA CLASE 1 y subsiguientes.
El LMITE SUPERIOR DE LA CLASE 1 ser una unidad significativa menor que el lmite
inferior de la clase 2, es decir: 856 y el lmite superior de la clase 2 ser: 867.
De esta forma las clases sern:

CLASES LIMITE INFERIOR LIMITE SUPERIOR
1 846 856
2 857 867
3 868 878
4 879 889
5 890 900
6 901 911
7 912 922
8 923 933
9 934 944
10 945 955

En este paso debemos preguntarnos, porqu son 10 las clases, si habamos calculado 9?.
Porque descartamos el 12 y preferimos el nmero impar (11),

Ahora tenemos que determinar con qu FRECUENCIA caen los datos dentro de estas
celdas llamadas CLASES.


Para ello procederemos a marcar con un pequeo trazo vertical, cada dato dentro de su
clase, Por ejemplo, los nmeros 881 y 880, pertenecen a la clase 4 y el nmero 905 a la
clase 6. De esta forma se registran los 84 datos.

As se construye la siguiente tabla:

CLASES LMITE
INFERIOR
LMITE
SUPERIOR
DIAGRAMA
DE TILDES
FRECUENCIA
DE CLASE
1 846 856 / 1
2 857 867 //// //// 9
3 868 878 //// //// / 11
4 879 889 //// //// //// //// 19
5 890 900 //// //// //// / 16
6 901 911 //// //// //// 14
7 912 922 //// // 7
8 923 933 //// 5
9 934 944 / 1
10 945 955 / 1
TOTAL 84 84

Este perfil obtenido con el diagrama de frecuencias ya nos est dando valiosa informacin
estadstica, vemos que los datos estn concentrados con preferencia alrededor de la
CLASE 4 y que un valor representativo del grupo debera estar dentro de esa clase.

Para terminar con el estudio de los diagramas de frecuencia, veremos algunas
caractersticas ms que sern necesarias en clculos futuros:

ANCHO DE CLASE, en nuestro ejemplo es 11, y se obtiene como diferencia entre el lmite
inferior de una clase y el lmite inferior de la clase inmediatamente anterior.

MARCA DE CLASE, es el promedio entre los lmites superior e inferior de una clase
determinada. Por ejemplo, para la clase 1 de nuestro ejemplo, tenemos:

Limite inferior de la clase: 846
Limite superior de la clase: 856

Promedio: (846+856)/2 = 851


Por lo tanto, la MARCA DE CLASE del grupo 1 ser 851.En ste punto recordaremos que al
principio de stos clculos mencionamos que era conveniente utilizar un nmero impar.
Ahora explicaremos el porqu de esa recomendacin.
Si el numero no hubiera sido impar, la MARCA DE CLASE, no hubiera sido un nmero
exacto, hubiera tenido un valor decimal que habra que mantener, necesariamente, y esto
trae aparejado, un aumento de las posibilidades de error en los clculos.
Sin embargo, si pese a la recomendacin de usar impar, prefiri un nmero par, no habr
error si mantiene durante todos los clculos, el valor decimal que se genera por dicha
causa.
En nuestro caso, no hay decimales, la marca de clase de la clase uno dio 851 exacto.
Luego sumamos el ancho de clase, 11, para hallar las marcas de clases sucesivas.

CLASES LMITE
INFERIOR
LMITE
SUPERIOR
MARCA DE
CLASE
FRECUENCIA
DE CLASE
1 846 856 851 1
2 857 867 862 9
3 868 878 873 11
4 879 889 884 19
5 890 900 895 16
6 901 911 906 14
7 912 922 917 7
8 923 933 928 5
9 934 944 939 1
10 945 955 950 1
TOTAL 84

Es recomendable, calcular primero la frecuencia y despus la marca de clase para que esta
columna no interfiera durante la clasificacin de los datos.

Distribucin de frecuencias:

Se denomina Distribucin de Frecuencia, al resultado de la marca de clase, que
posteriormente ser la variable X y la frecuencia que corresponde para cada valor de la
marca de clase.


Distribucin de Frecuencia:
MARCA DE
CLASE (X)
FRECUENCIA
DE CLASE
851 1
862 9
873 11
884 19
895 16
906 14
917 7
928 5
939 1
950 1
84

2.5 Histograma

Con los datos de la distribucin de frecuencias se procede a construir el histograma.

HISTOGRAMA
1
9
11
19
16
14
7
5
1 1
0
2
4
6
8
10
12
14
16
18
20
851 862 873 884 895 906 917 928 939 950
CLASES
F
R
E
C
U
E
N
C
I
A

Esto es una representacin grfica del comportamiento de la distribucin. Y nos indica, en
este caso, donde empieza la distribucin, donde termina, donde estn los valores ms
frecuentes, y sobre todo, que esta muestra de 84 datos, han sido extrados de una
poblacin cuyo comportamiento es aproximadamente gaussiano.

Captulo tres

3 Medidores de tendencia central y de dispersin

Son varios los medidores de la tendencia central y de la dispersin de una serie de datos
experimentales, de ellos estudiaremos los dos ms frecuentes y tiles en Control de
Calidad, estos son : la Media Aritmtica , medidor de la tendencia central, y la Desviacin
Tpica, medidor de la dispersin de los datos alrededor de la Media Aritmtica.

El desarrollo de las frmulas es materia que se entrega durante el desarrollo de las clases.

3.1 Media aritmtica

Mide la tendencia central.

Se define como Media Aritmtica al valor central producto del siguiente clculo:

n
fX
f
fX
f
X f
f ... f f
.X f ... .X f .X f
X
k
1 j
j
k
1 j
j j
k 2 1
k k 2 2 1 1

= = =
+ + +
+ + +
=
=
=

de donde deriva:

+ =
=
n
fu
c A
f
u f
c + A X
k
1 = j
j
k
1 j
j

Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse:
a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap.
b) en el libro de Estadstica de Murray Spieguel.

3.2 Desviacin tpica

3.2.1 Definicin, frmulas.

Mide la dispersin de los valores con respecto al valor central.

Se define como desviacin tpica al valor que surge del siguiente clculo:

( )
( )
n
X X f
f
X X f
S
2
k
1 j
j
k
1 j
2
j j
=
=
=
pues f = n

Esta frmula puede derivarse mediante sencillos clculos a esta otra:

2
n
fu
n
2
fu
* c S

=

3.2.2 Mtodo de clculo por compilacin:

X f U fu fu
2
22 3 -3 -9 27
31 5 -2 -10 20
40 9 -1 - 9 9
49 12 0 0 0
58 5 1 5 5
67 4 2 8 16
76 2 3 6 18
fu = - 9 fu
2
= 95

donde: c = 9 y A = 49

Media aritmtica: 46,98 Desviacin tpica: 13.72

Este clculo tiene un error como consecuencia de suponer a todos los datos dentro de cada
clase como iguales.
Nota: Los decimales de las respuestas obtenidas, debern guardar relacin con los
decimales que tengan los datos, sin embargo, cuando use las calculadoras deber
conservar en cada clculo, todos los decimales que genera la calculadora, para luego
aproximar la respuesta a la cantidad de decimales igual a los que tengan los datos, nunca
menos. En particular en estos clculos es costumbre usar uno o dos decimales ms que los
datos. Tampoco es correcto usar muchos decimales pues no tienen significado alguno.




Ejercicios prcticos en clases:

Mediante la extraccin de datos de una urna normal se construye la correspondiente
distribucin de frecuencias, el histograma, se calcula la Media Aritmtica y la Desviacin
Tpica.

Se usarn dos mtodos de clculo, uno por medio de la calculadora y otro por medio de las
frmulas vistas en clases.


Captulo cuatro

4 Grficas de Control

4.1 Qu son las Grficas de Control?

En 1924, W.A. Shewhart, propuso una Grfica de Control para eliminar las variaciones
anormales, distinguiendo las variaciones debidas a causas asignables de aquellas debidas
a causas al azar, es decir, causas no asignables

Una grfica de Control consiste en una lnea central, un par de lmites de control, uno de
ellos colocado por encima de una lnea central y otro por debajo, y en ciertos valores
caractersticos registrados en la grfica que representa el estado del proceso. Si todos los
valores ocurren dentro de los lmites de control, sin ninguna tendencia especial, se dice que
el proceso est en estado controlado. Sin embargo, si ocurren por fuera de los lmites de
control o muestran una forma peculiar, se dice que el proceso est fuera de control.

Grfica para estado controlado
90
95
100
105
110
0
8
:
0
0
0
8
:
3
0
0
9
:
0
0
0
9
:
3
0
1
0
:
0
0
1
0
:
3
0
1
1
:
0
0
1
1
:
3
0
1
2
:
0
0
1
2
:
3
0
1
3
:
0
0
1
3
:
3
0
1
4
:
0
0
1
4
:
3
0
1
5
:
0
0
1
5
:
3
0
1
6
:
0
0 0
Lmite de
Control
Superior
Linea
Central
Lmite de
Control
Inferior
Valores
del
Proceso

Grfica para estado fuera de control
90
92
94
96
98
100
102
104
106
108
110
0
8
:
0
0
0
8
:
3
0
0
9
:
0
0
0
9
:
3
0
1
0
:
0
0
1
0
:
3
0
1
1
:
0
0
1
1
:
3
0
1
2
:
0
0
1
2
:
3
0
1
3
:
0
0
1
3
:
3
0
1
4
:
0
0
1
4
:
3
0
1
5
:
0
0
1
5
:
3
0
1
6
:
0
0 0
Lmite de
Control
Superior
Linea
Central
Lmite de
Control
Inferior
Valores
del
Proceso

La calidad de un producto manufacturado por medio de un proceso inevitablemente sufrir
variaciones. Estas variaciones tienen causas y estas ltimas pueden clasificarse en los
siguientes dos tipos:


4.1.1 Causas no Asignables (Causas debidas al azar)
Las causas no asignables son las responsables de las variaciones normales que producen
la distribucin gaussiana dentro del entorno de las 3 sigmas alrededor de la media. Son
desviaciones debidas al azar, sin poder determinar con seguridad las causas que producen
dicha variacin. Solo se pueden conocer las causas generales de dichas variaciones,
cambios de temperatura, oscilaciones de la electricidad, desgastes en la mquina, etc.

Las variaciones debidas al azar son inevitables en el proceso.

Tratar de eliminarlas puede resultar estril y en la mayora de los casos extremadamente
caro. Por otra parte estas variaciones dentro de ciertos lmites pueden ser totalmente
tolerables y no causan reales disminuciones de la calidad del producto.

Estas variaciones se aceptan, se las consideran inherentes al proceso, y por lo tanto son
variaciones normales.

4.1.2 Causas Asignables

Las causas asignables son aquellas que producen datos que se alejan significativamente
de la media de la distribucin normal. Es decir, los datos, o sea los resultados de las
mediciones, estn ms all del entorno de los 3 sigmas a partir de la media aritmtica.

La variacin debida a Causas Asignables significa que hay factores indeseables que deben
ser investigados. Estas variaciones no son normales, no pertenecen al proceso y no sern
aceptadas.

Las Causas Asignables podran originar productos defectuosos, (aunque no
indispensablemente) es decir, contienen caractersticas, que hacen a la calidad del
producto, que podran estar afuera de los lmites que establecen las especificaciones de
calidad del producto.

El objeto del Control de Calidad Estadstico, de proceso o cualquier otro, es encontrar y
separar las Causas Asignables. (Aun cuando no estn causando defectos).

Estas Causas Asignables tienen necesariamente que ser encontradas y eliminadas pues
producen una disminucin de la calidad del producto.

Cuando los puntos se encuentran fuera de los lmites de control o muestran una tendencia
particular, decimos que el proceso est fuera de control, y esto es a causa de las Causas
Asignables.

Nota: Mas adelante, se retomar este tema, cuando se hable de limites con y sin valores
especificados, all se ver que no siempre que un proceso que est fuera de control
producir defectos, por lo cual estas definiciones que aqu se mencionan son solo para
iniciar el estudio, pero el alumno deber remitirse a los desarrollos posteriores si se le
consulta sobre lo que significa un proceso en estado controlado y si se cumplen o no con la
especificaciones.



4.1.3 Cul es el objetivo de una Grfica de Control?

El objetivo, como lo indica su nombre, es controlar el proceso, es decir, mantenerlo en
estado controlado, para ello debemos hacer una grfica que en rigor son dos, una para la
exactitud, o sea, la grfica X, y otra, para la precisin, esta es la grfica R.

El control siempre deber contener ambas grficas, es decir, la correspondiente a X y la
correspondiente a R. Son indisolubles, no pueden existir independientes, no existe control
con solo una de ellas. Y cualquiera de las dos que este fuera de control declara al proceso
fuera de control.

Para comprender un proceso, y saber si se encuentra bajo control, deberemos conocer la
variacin debida al azar, y este conocimiento lo extraeremos, precisamente de las grficas
de control de proceso. Para esto se tomaran pequeas muestras cada periodos de tiempo
preestablecidos, de forma que en cada pequea muestra los factores de variacin sean
comunes. Por esta razn las unidades que se toman para cada pequea muestra debern
ser una a continuacin de otra, de esta forma, los factores que varan de unidad a unidad
sern mnimos.

Las cantidades a extraer en cada muestra tomada a perodos regulares sern de 3 a 10
unidades siendo las ms frecuentes de 3 a 6 y la ms recomendable es 5.

Hay varias clases de grficas de control, dependiendo de su propsito y de las
caractersticas de la variable. En cualquier tipo de grfica de control el lmite de control se
calcula usando la siguiente frmula:

(Valor Promedio) 3 x (Desviacin Estndar)

Donde la Desviacin Estndar es la variacin debida al azar.
Este tipo de grfica de control se llama una grfica de control de 3-sigma.

4.2 Tipos de Grficas de Control

Hay dos tipos de Grficas de Control, una para valores continuos y otra para valores
discretos. En cada tipo hay varias alternativas para elegir el par de medidores necesarios.


Grficas de Control
Valor caracterstico Nombre de la grfica
Valor continuo

- X
R - X
- X
R - X
~
~
Valor discreto np
p
u
c

La tabla siguiente muestra las frmulas que deben utilizarse para calcular los lmites de
control y el valor central, utilizando los medidores
R , X
.
Las tablas donde figuran los factores son provistas en este apunte y son equivalentes a las
que se encuentran en la Norma Chilena 42.

Tipo de grfica de control
limite superior de control (LCS)
lnea central (LC)
limite inferior de control (LCI)

Valor continuo promedio

X

LCS =
R A X
2
+

LC =
X
LCI = R A X
2

Valor continuo Rangos
R

LCS =
R D
4
LC = R

LlCI = R D
3

Valor discreto nmero
de unidades defectuosas
pn

) p n(1 p 3 n p LCi
n p LC
) p n(1 p 3 n p LCs
=
=
+ =

Los valores de las constantes debe consultarse en las tablas 10.1.1, 10.1.2 y 10.1.3 del
captulo 10 de este apunte.

_
4.2.1 Grfica X - R

Esta se usa para controlar y analizar un proceso en el cual la caracterstica de calidad del
producto que se est midiendo toma valores continuos, tales como longitud, peso o

concentracin, y esto proporciona la mayor cantidad de informacin sobre el proceso. El
valor X representa un promedio de una pequea muestra o subgrupo, y R el rango de dicho
subgrupo. Una grfica
X

debe usarse en combinacin con una grfica R para
controlar la variacin dentro de un subgrupo.

4.2.2 Grfica pn, Grfica p

Estas grficas se usan cuando la caracterstica de calidad se representa por el nmero de
unidades defectuosas o la fraccin defectuosa. Para una muestra de tamao constante, se
usa una grfica pn del nmero de unidades defectuosas, mientras que una grfica p de la
fraccin de defectos se usa para una muestra de tamaos variable. Otros tipos de grficas
por atributos son las grficas c y las grficas u.
Luego de los ejemplos que se desarrollarn de grficas
X - R se dar un ejemplo de
grfica np.

4.3 Especificaciones, Tolerancias, Discrepancias

Antes de entrar a la metodologa de elaboracin de las grficas de control, deberemos
distinguir claramente lo que son las Especificaciones, con sus Tolerancias y lo que
posteriormente llamaremos Limites de Control sin valores Especificados.

La Especificacin y sus tolerancias, son dadas por el cliente o en su defecto el diseador
del producto. La Especificacin indica como uno quiere el producto. Cada variable que
tenga que ver con la calidad del producto tendr que tener su correspondiente
especificacin. Por ejemplo, el largo de un tornillo, el contenido en gramos de un recipiente
que contiene un alimento, etc., etc. Ahora bien, tenemos que tener muy claro, que las
especificaciones tienen que ver con el producto, con su funcionalidad, su esttica, y todo lo
que hace a la calidad de dicho producto. Adems, se establecen los lmites de tolerancia
para dichas Especificaciones, dentro de las cuales, el producto se considera Bueno, y se
sobreentiende que si se excede dichos lmites el producto ser defectuoso.

Un ejemplo de Especificaciones y sus Tolerancias son las siguientes:

Para el largo de un perno: 2,54 mm 0,20 mm

En este ejemplo la Especificacin es 2,54 mm la tolerancia es 0,40 mm ( de extremo a
extremo) y la discrepancia 0,20mm.

Para el contenido de un envase de crema de leche: 200 c.c. 5 c.c.

La Especificacin es 200 c.c., la Tolerancia es 10 c.c. y la discrepancia 5 c.c.

Podramos hacernos la siguiente pregunta: Porque las tolerancias?

Pues, desde el principio sabemos que los procesos no pueden hacer todos los productos
iguales, por ello tenemos que poner lmites, de forma que cuando se excedan dichos lmites
diremos que se producen defectos. . Por ejemplo, un perno con un largo de 2,80 mm o un
envase de crema de leche con 193 c.c.


En resumen, a) las Especificaciones y sus tolerancias son puestas con criterios que no
necesariamente tienen relacin con los procesos productivos, y, en general obedecen al
diseo o a razones estticas del producto. b) cuando el producto, al medir la variable de
una caracterstica, excede la especificacin se lo declara defectuoso.
Ahora veamos la mquina y el proceso que tiene que elaborar el producto, hasta ahora
sabemos que dichos procesos presenta variaciones que son normales, entonces nos
preguntamos:
Podr ser capaz, la mquina de producir nuestro producto dentro de las tolerancias que
nos da la Especificaciones que nos entregaron? Ser capaz de hacer el producto sin
defectos?
Los procedimientos estadsticos que estudiaremos a continuacin que respondern esta
pregunta se denominan, por esta razn: Capacidad de Proceso o Capacidad de Mquina

4.4 Capacidad de Proceso o Capacidad de Mquina

El estudio de la Capacidad de Proceso consta de una serie de pasos. En primer lugar, se
toman una serie de datos del proceso, mediante los cuales se calculan, usando las
frmulas vistas anteriormente, los Lmites Naturales del Proceso, que de ahora en mas se
denominan: Limites de Proceso Sin Valores Especificados. Es decir son los lmites
normales del proceso, es lo que la mquina pide para trabajar normalmente. Estos lmites
son los que si se trasponen se dice que el proceso esta Fuera de Control, (aunque solo sea
un punto). Pero en este clculo, no han intervenido las especificaciones del producto, y
estos entran a jugar despus de haber conocido los lmites anteriores.
A partir de las Especificaciones y sus tolerancias, y utilizando las frmulas que se proveen
en los adjuntos, se transforman las Especificaciones y sus Tolerancias en lo que desde
ahora llamaremos Lmites de Proceso Con Valores Especificados.

Estos Lmites de Proceso con Valores Especificados, siguen siendo las Especificaciones,
solo que traducidas a un modo que puedan ser comparadas a los Lmites de Proceso sin
Valores Especificados que pidi la mquina.

Si el proceso puede trabajar dentro de los Lmites con valores Especificados estaremos
cumpliendo con las especificaciones y no habrn defectos. Dicho de otra forma, los Lmites
Con Valores Especificados, defienden las Especificaciones.
Una vez que conocemos los lmites con y sin especificacin, procederemos a comparar
ambos juegos de lmites, y podremos contestar si el proceso es o no es capaz de producir
sin defectos.

Si la amplitud de los lmites Con Valores Especificados, es mayor que la amplitud de los
lmites Sin Valores Especificados, podremos decir que el proceso es capaz de cumplir con
lo que se le solicita. Por lo contrario, si la amplitud de los lmites Con Especificaciones, es
inferior a la amplitud de los lmites Sin Especificaciones, diremos que el proceso no es
capaz de cumplir con las especificaciones y consecuentemente, si se produce, habr
defectos.

Una analoga til es la siguiente, si los lmites Con Valores Especificados, fuera una caja de
zapatos, y los lmites Sin Valores Especificados, fueran los zapatos, diremos que si la caja
es ms grande que los zapatos podremos acomodar los zapatos adentro y diremos que el
proceso es capaz. Si los zapatos son ms grandes que la caja, stos no podrn entrar en la
caja y en consecuencia, diremos que la Capacidad de Proceso es negativa.


Captulo cinco
5 Como elaborar una grfica de control
_
5.1 Grfica X - R

La grfica para este control se provee en los adjuntos. Se trata de una grfica que contiene
tres reas, una para el registro de los datos, la segunda para el control de la exactitud del
proceso, y es donde se trazan las medias aritmticas de los datos y por ltimo, al pie del
grfico, el rea donde se controla la precisin del proceso, y es donde se ponen los rangos.

La ruta para elaborar una grfica de control es la siguiente:

Paso 1 Recoja los datos, o sea controle el proceso a intervalos regulares y anote los datos
de cada subgrupo.

Paso 2 Calcule los promedios para cada subgrupo,

Paso 3 Calcule el promedio de los promedios.

Paso 4 Calcule R cada subgrupo. ( El Rango R es la diferencia entre el mayor y el menor
valor de cada subgrupo)

Paso 5 Calcule el promedio de R.

Paso 6 Calcule las lneas de control, usando las frmulas provistas.

Paso 7 Dibuje las lneas de control.

Paso 8 Localice los puntos en el grfico y determine si hay puntos que salgan de los lneas
de control, ya sea por exactitud o por precisin.

Paso 9 Registre todos los antecedentes de inters.

EJEMPLO DE UNA GRFICA DE CONTROL

A continuacin se provee de una serie de datos que hipotticamente fueron extrados de
un proceso que funciona de acuerdo a una distribucin normal.
El tamao del subgrupo ser para ste caso de 5 unidades. Este tamao puede variar de 3
a 10 unidades y la eleccin del tamao ser una decisin econmica, si tengo tiempo y
gente para hacerlo, cuanto ms grande pueda extraer la muestra, mejor ser el control. El
mismo criterio vale para la frecuencia, cuanto menos tiempo tarde en realizar otro control,
mejor ser. Si por limitaciones de disponibilidad de gente, tenemos que elegir entre hacer
subgrupos ms grandes o extraer subgrupos ms frecuentemente, es mejor esto ltimo.
Normalmente, para este tipo de estudios, no deben extraerse menos de 20 subgrupos,
ojal, 25. Pero para no hacer largo nuestro estudio, solo procesaremos 10 muestras de 5
unidades cada una. Supondremos que la dimensin esta expresada en gramos. A partir de
ahora llamaremos muestras a los subgrupos de 5 unidades, si bien se sobreentiende que el

total de unidades que se extraiga en el da ser la verdadera muestra de nuestra
produccin.

Muestras extrados a lo largo del turno:
Hora: 08:30 09:00 09:30 10:00 10:30 11:00 11:30 12:00 12:30 13:00
N 1 2 3 4 5 6 7 8 9 10
1 65,9 68,2 67,2 67,0 66,8 67,8 68,3 66,9 68,7 67,3
2 67,8 69,1 66,0 67,3 67,6 68,1 68,0 66,6 65,0 68,0
3 65,4 67,7 69,2 67,5 67,4 70,3 67,4 69,4 67,5 67,3
4 66,6 68,3 65,2 67,6 66,0 68,1 68,6 67,2 68,6 68,2
5 67,5 66,9 69,5 68,0 67,6 67,5 68,9 66,8 68,3 68,2

Media 66,6 68,0 67,4 67,5 67,1 68,4 68,2 67,4 67,6 67,8
Rango 2,4 2,2 4,3 1,0 1,6 2,8 1,5 2,8 3,7 0,9

Media aritmtica de las medias : 67.6 gr.
Media aritmtica de los Rangos: 2.3 gr.

5.2 Clculo de los Lmites de Control

5.2.1 Clculo de Lmites Sin Valores Especificados

Nota: los decimales a usar en los clculos debern guardar coherencia con los decimales
que tengan los datos. El alumno deber usar las calculadoras correctamente, es decir,
realizar los clculos utilizando todos los decimales que genera la calculadora, para luego
aproximar la respuesta a los decimales que sean coherentes con los datos.
Para estos clculos se utilizarn las tablas adjuntas donde figuran los valores de las
constantes.
_
Grfica X

Para el control de la Exactitud del proceso.

De tablas 10.1.3 : A
2
: 0.58
=
LC = X = 67.6 gr.
= _
LSC = X + A
2
R = 67.6 + 0.58 x 2.3 = 68.9 gr.
= _
LIC = X - A
2
R = 67.6 - 0.58 x 2.3 = 66.3 gr.

_
Grfica R

Para el control de la Precisin del proceso.

De tablas: D
4
: 2.11
_
LC = R = 2.3 gr.

_
LCS = D
4
R = 2.11 x 2.3 = 4.9 gr.

L I C = Como lmite inferior debe tomarse cero, esto simplemente significa que todos los
datos podran ser iguales, por lo cual, el valor mximo menos el valor mnimo es igual a
cero, pues son el mismo nmero.
Los lmites calculados, para ambos casos, se trasladan al grfico, se trazan como lneas
destacada a lo largo de todo el ancho del grfico. Debe destacarse tambin, las lneas
centrales.
Luego se anotan como un punto las medias de los valores de cada subgrupo. Y los rangos.
Todos los puntos deben unirse formando una lnea quebrada que interpreta el
comportamiento del proceso.
Una vez realizado esto se deben destacar los puntos que eventualmente excedan los
lmites establecidos. Estos puntos, de existir, declaran al proceso fuera de Control, si no los
hay, decimos que el proceso est bajo control.

5.2.2 Clculo de los Limites con Valores Especificados

Estos Lmites son otra expresin de las Especificaciones, no dejan de ser las
Especificaciones, lo que sucede es que tenemos la tarea de querer compararlos con los
lmites de Control Sin especificaciones, por lo cual, tendremos que traducir las
especificaciones que son para valores individuales, a lmites para subgrupos de n
unidades. En nuestro caso n = 5.
Una especificacin la hemos definido como un valor determinado por el cliente o el
diseador y ciertas tolerancia dentro de las cuales el producto continua siendo satisfactorio.

Ejemplo:

Para el largo de un clavo 8,0 cm

Supongamos que se establece una tolerancia de 0,2 cm para ambos lados del valor central.
De tal forma que expresaremos la Especificacin con sus Tolerancias de la siguiente
manera:

Especificacin: 8,0 0,2 cm

Para nuestros clculos llamaremos M a la Especificacin y (Nabla) a la Discrepancia (en
este caso 0.2 cm).

Se define como Tolerancia a 2 veces , en este caso 0,4 cm.

La tolerancia es entonces todo el ancho a travs del cual se puede desplazar mi medida sin
que constituya defecto.

Para poder establecer la comparacin entre el universo verdadero del proceso y los datos
de las Especificaciones, tendremos que establecer algunos supuestos bsicos, los cuales
son:

a) Que la media del Universo de datos a producir, coincida con la Especificacin

b) Que la amplitud de la Especificacin sea capaz de contener adentro del su intervalo la
distribucin normal de los datos del proceso. Esto significa que suponemos que la
Tolerancia es igual a 6 , o, lo que es lo mismo, que sea igual a 3
_
x = M y = / 3

De acuerdo con esto, los lmites son:

n
- M : INFERIOR LIMITE
M : CENTRAL LINEA
n
+ M : SUPERIOR LIMITE

Para los intervalos ser :

3
D : SUPERIOR LIMITE
2

Otros lmites para los intervalos, no tienen valor prctico.

Para poder resolver los lmites y luego compararlos con los Valores sin Especificacin,
tendremos que establecer unas Especificaciones para el proceso que hemos ejemplificado
antes.

Supongamos que las Especificaciones fueran : 67.8 4.0 gr.

Aplicando las frmulas anteriores, los resultados son:

Limite Superior Con Valores Especificados: 69.6 gr.
Lnea Central: 67.8 gr.
Lmite Inferior Con Valores Especificados: 66.0 gr.

Limite Superior para los Rangos: 6.6 gr.

El valor D
2
debe buscarse en tablas, y vale 4.92

5.2.3 Comparacin de los Lmites Con y Sin Especificaciones. Resultado de la Capacidad
de Proceso.

Control de la Exactitud (X) Sin Especificacin Con Especificacin
Lmite de Control Superior 68.9 69.6
Lnea central 67.6 67.8
Lmite de Control Inferior 66.3 66.0
Control de la Precisin (R)
Lmite de Control Superior 4.9 6.6

Comparando los valores de la tabla, y teniendo en cuenta los conceptos explicados, vemos
que los lmites Con Especificacin, tanto para la Exactitud como para la Precisin, son ms
amplios que los Lmites Sin Especificacin.

Por esta razn podemos decir que la Capacidad de Proceso es Positiva, es decir el proceso
puede cumplir con las especificaciones y por lo tanto esta habilitado el proceso. (La caja es
mas grande que los zapatos)

En ste punto podramos plantearnos la siguiente pregunta:

Cual de los lmites debern usarse para los das subsiguientes?

La respuesta tiene que ser muy clara: deben usarse los limites con especificacin, pues
ellos son los solicitados cumplir por los Ingenieros de Diseo y Desarrollo


Los grficos siguientes representan el ejemplo anterior:

CONTROL DE LA EXACTITUD
65,0
66,0
67,0
68,0
69,0
70,0
1 2 3 4 5 6 7 8 9 10
Lm.Sup.C.E.
Lm.Sup.S.E.
Datos Proc.
Lm.Inf.S.E.
Lm.Inf.S.E.

CONTROL DE LA PRECISION
0,0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
1 2 3 4 5 6 7 8 9 10
Datos Proc.
Lm.Sup.C.E.
Lm.Sup.S.E.

En la siguiente pgina se muestra una planilla de recoleccin de datos y espacios para
graficar a medida que se trabaja en el proceso.

Debe tenerse muy en cuenta que esta planilla deber estar a la vista de los operadores y
que se debe llevar a medida que se procesa para que el personal pueda ir evaluando el
desempeo del proceso industrial.
No tendr ningn valor si este grfico se realiza despus de que se termin el trabajo.

5.2.4 Grfica de control de proceso por variables, grfica X - R

Muestra n 1 2 3 4 5 6 7 8 9 10
1
2
3
4
5
Suma
Promedios
Rangos

Promedios (Control de la exactitud del proceso)


Rangos (Control de la precisin del proceso)


5.2.5 Algunos casos de lecturas de grficas de control por variables.

Si bien el objetivo primario de las grficas es que los puntos se encuentres dentro de los
lmites, hay ocasiones donde la tendencia o racha" de los puntos nos anticipa claramente
lo que va a suceder si no nos anticipamos.

Una "racha" es cuando hay una sucesin de datos a un solo lado de la lnea central, una
sucesin de ms de siete puntos a un solo lado es estadsticamente muy poco probable.
(La probabilidad de 7 puntos es de 0.78%)

Una racha de 7 puntos es anormal (a - b)
Una racha de 10 de 11 puntos de un solo lado tambien es
anormal (c - d)
90
95
100
105
110
a b c d

Una tendencia es cuando hay una serie de puntos que consistentemente se alinean y
evidencian que en algn momento los puntos caern fuera de los lmites.

Estadsticamente las lneas de control nos puede dar ms informacin, pero ese anlisis
corresponde ya a los especialistas en la materia.

TENDENCIA de 7 puntos ASCENDENTES (a - b)
TENDENCIA DESCENDENTE DRASTICA (c - d)
90
95
100
105
110
a b c d


5.3 Grfica np, (grfica por atributos).

Muestra
nmero
Cantidad de
la muestra
Muestra
nmero
Cantidad de
la muestra
Muestra
nmero
Cantidad de
la muestra
1 100 4 14 100 0
2 100 2 15 100 2
3 100 0 16 100 3
4 100 5 17 100 1
5 100 3 18 100 6
6 100 2 19 100 1
7 100 4 20 100 3
8 100 3 21 100 3
9 100 2 22 100 2
10 100 6 23 100 0
11 100 1 24 100 7
12 100 4 25 100 3
13 100 1 total 2500 68

5.4 Clculo de los lmites de control

) p n(1 p 3 n p LCi
n p LC
) p n(1 p 3 n p LCs
=
=
+ =

0 LIC
7.60 0.0272) 2.72(1 3 2.72 LSC
2.72 100 * 0.0272 n p LC
0.0272
100 * 25
68
kN
pn
p
=
= + =
= = =
= = =

De estos lmites, solo tiene valor el Lmite Superior de Control, el cual debe aproximarse al
valor superior, en este caso ser: 8


5.5 Grfico de Control de Proceso por Atributos.

PRODUCTO:........................................................................

FECHA:.................................

CLASE DE DEFECTO A CONTROLAR:

CRITICO MAYOR MENOR

Caracterstica 1 2 3 4 5 6 7 8 9 1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
Total:

9
8
Tamao
de la
muestra:
7
6
T
o
t
a
l

c
o
n
t
r
o
l
a
d
o

5
4
3
Frecuenc
ia del
control:
2
1
T
o
t
a
l

d
e

d
e
f
e
c
t
o
s

C
a
n
t
i
d
a
d

d
e

d
e
f
e
c
t
u
o
s
o
s

0
Muestra n 1 2 3 4 5 6 7 8 9 0 1
1
1
2
1
3
1
4
1
5
1
6
1
7
Hora
Minutos

F
r
a
c
c
i
n

d
e
f
e
c
t
u
o
s
a

Inspector:


5.6 ndice de la Capacidad de Proceso, ICP

5.6.1 Mtodo clsico:

A continuacin se desarrolla un mtodo de calcular si un proceso puede o no satisfacer las
Especificaciones que se nos est solicitando cumplir.
Mediante la extraccin en el proceso de una muestra adecuada , podremos hacer la
distribucin de frecuencias y el correspondiente Histograma. Este nos mostrar la forma de
la distribucin y como consecuencia si el proceso obedece la Distribucin Normal.
El la gran mayora de los casos, la respuesta ser positiva. Siguiendo los pasos que se
estudiaron oportunamente de este apunte, podemos calcular la Desviacin Tpica de la
muestra obtenida. Si suponemos que esta corresponde tambin a la poblacin o universo
del proceso, podemos hacer el siguiente clculo, llamado Indice de la Capacidad de
Proceso:

' 6
E E
ICP
I S
=

donde E
S
es la especificacin superior y E
I
la inferior, y es la desviacin tpica de la
muestra tomada.

De acuerdo a esto podemos evaluar con el siguiente criterio:

Si 1.33 < ICP Tendremos un proceso satisfactorio, capaz de cumplir con las
Especificaciones
Si 1.00 < ICP< 1.33 Tendremos un proceso poco satisfactorio que podra cumplir
con las Especificaciones, aunque probablemente con
problemas, pues su variabilidad est muy parecida a la
amplitud de las Especificaciones
Si ICP < 1.00 Tenemos un proceso inadecuado, que con seguridad no podr
cumplir con las Especificaciones.

5.6.2 ndice de Capacidad de proceso modificado. ICPm

En este caso debe usarse la amplitud de los lmites calculados Con Especificacin y la
amplitud de los lmites calculados Sin Especificacin.

Los criterios de decisin son los mismos que en el clculo del ICP segn el mtodo
clsico.. La ventaja de este mtodo es que resulta ms realista respecto de un proceso que
recin se inicia. Los valores de los lmites obtenidos y las conclusiones a las que
arribaremos luego de hacer un ensayo donde se extrae 20 a 25 muestras, dejando trabajar
a la mquina sin tocarla, sern mejores que en el primer caso.


oc.S/E Lm.Inf.Pr oc.S/E Lm.Sup.Pr
oc.C/E Lm.Inf.Pr oc.C/E Lm.Sup.Pr
ICPm
=



5.7 Los cuatro casos posibles de los lmites con y sin especificaciones.

Cuando comparemos la capacidad de nuestro proceso con las Especificaciones que hay
que cumplir, nos encontraremos siempre con alguna de las cuatro siguientes situaciones (y
solo estas):

a- El proceso est bajo control y no hay productos defectuosos.

b- El proceso est bajo control pero hay productos defectuosos.

c- El proceso est fuera de control pero no hay productos defectuosos.

d- El proceso est fuera de control y tambin hay unidades defectuosas.

El primer caso es el que debiera ser todo el tiempo, es decir, un proceso en estado
controlado que se desenvuelve correctamente dentro de los lmites especificados.
El ndice de capacidad de Proceso deber ser preferentemente superior a 1.3

El segundo caso, significa que el proceso, aun cuando anda bien, pues est bajo control,
por lo tanto no hay causas asignables que buscar y eliminar, pero las especificaciones son
muy estrechas para la mquina y no es capaz de cumplirlas. En este caso, el Indice de
Capacidad de proceso ser inferior a uno y no deber producirse en estas condiciones. En
este caso, probablemente el peor de todos, decimos que la mquina no sirve para lo que
necesitamos.

El tercer caso, significa que los lmites de proceso con valores especificados son
extremadamente amplios y soportan las causas asignables del proceso fuera de control,
sin que estos lleguen a ser defectos. El ndice de Capacidad de Proceso es muy amplio, por
ejemplo superior a tres o ms.
No debe producirse en estas condiciones, pues la variabilidad puede ser advertida por el
cliente y produce una baja imagen del producto, por otra parte es probable que se produzca
una prdida de insumos, o sea de dinero.
Lo que corresponde hacer es reducir la amplitud de los lmites especificados a valores de
ndice de Capacidad de Proceso cercano , por ejemplo a dos.
O sea, hay que achicar la caja de los zapatos.

En el ltimo caso, tenemos un descontrol muy grande, no se puede trabajar y hay que
investigar las causas. Corresponde hacer entrar los datos bajo control y cumplir con los
lmites establecidos.


Caso a: El proceso est bajo control y no hay productos defectuosos.

Diagnstico:

Estado de la grfica: Bajo control
La distribucin satisface las especificaciones
El ndice de Capacidad de Proceso modificado es mejor que 1.3

85
90
95
100
105
110
115
8
:
0
0
8
:
3
0
9
:
0
0
9
:
3
0
1
0
:
0
0
1
0
:
3
0
1
1
:
0
0
1
1
:
3
0
1
2
:
0
0
1
2
:
3
0
1
3
:
0
0
1
3
:
3
0
1
4
:
0
0
1
4
:
3
0
Lmite de Control
Superior C/E
Lmite de Control
Superior S/E
Valores del Proceso
Linea Central del proceso
Lmite de Control Inferior
S/E
C/E

Esta es la situacin normal, significa que existe concordancia entre la capacidad de proceso
y las especificaciones


Caso b: El proceso est bajo control pero hay productos defectuosos.

Diagnstico:

Estado de la grfica: Bajo control
La distribucin no satisface las especificaciones

El Indice de Capacidad de Proceso modificado es menor que uno.

85
90
95
100
105
110
115
8
:
0
0
8
:
3
0
9
:
0
0
9
:
3
0
1
0
:
0
0
1
0
:
3
0
1
1
:
0
0
1
1
:
3
0
1
2
:
0
0
1
2
:
3
0
1
3
:
0
0
1
3
:
3
0
1
4
:
0
0
1
4
:
3
0
Lmite de Control
Superior S/E
Lmite de Control
Superior C/E
Valores del Proceso
C/E
S/E

En esta situacin no se debe trabajar. El proceso est bajo control pues los valores no
superan los lmites naturales Sin Especificacin, pero exceden los lmites Con
Especificacin.

Accin a tomar: Este caso es el mas desfavorable. En general, cuando nos encontramos
con esta situacin, significa que nuestra mquina no es capaz de hacer lo que deseamos
hacer.


Caso c: El proceso est fuera de control pero no hay productos defectuosos.

Diagnstico:

Estado de la grfica: Fuera de control
La distribucin satisface las especificaciones

El Indice de Capacidad de Proceso es muy superior a 1.3, por ejemplo cuatro.

70
80
90
100
110
120
130
8
:
0
0
8
:
3
0
9
:
0
0
9
:
3
0
1
0
:
0
0
1
0
:
3
0
1
1
:
0
0
1
1
:
3
0
1
2
:
0
0
1
2
:
3
0
1
3
:
0
0
1
3
:
3
0
1
4
:
0
0
1
4
:
3
0
Lmite de Control
Superior C/E
Lmite de Control
Superior S/E
Valores del Proceso
S/E
C/E

Los lmites especificados son muy amplios y soportan que el proceso est fuera de control,
sin que se produzcan defectos pues no trasgreden los lmites especificados.

Accin a tomar: Exige un mantenimiento de la mquina a fin de ponerla bajo control y una
revisin de los lmites especificados que debern reducirse convenientemente.


Caso d: El proceso est fuera de control y tambin hay unidades defectuosas.

Diagnstico:

Estado de la grfica: Fuera de control
La distribucin no satisface las especificaciones

El Indice de Capacidad de Proceso es superior a uno.

70
80
90
100
110
120
130
8
:
0
0
8
:
3
0
9
:
0
0
9
:
3
0
1
0
:
0
0
1
0
:
3
0
1
1
:
0
0
1
1
:
3
0
1
2
:
0
0
1
2
:
3
0
1
3
:
0
0
1
3
:
3
0
1
4
:
0
0
1
4
:
3
0
Lmite de Control
Superior C/E
Lmite de Control
Superior S/E
Valores del Proceso
Linea Central del
proceso
Lmite de Control
Inferior S/E
Lmite de Control
Inferior C/E

En este caso se dan las dos condiciones desfavorables, fuera de control y defectos. No
puede trabajarse en estas condiciones.
Accin a tomar: debe verificarse si la mquina, mediante ajustes adecuados puede trabajar
dentro de los lmites Sin Especificacin. Debera interpretarse que si los lmites Sin
Especificacin existen, es porque alguna vez la mquina los cumpli, y por lo tanto debera
poder volverse a ello.

Captulo Seis
6 Normas Chilenas
6.1 Norma Chilena 42 Resumen De Grficos De Control Por Variables
6.1.1 Control De La Exactitud
P
a
r
m
e
t
r
o

E
s
p
e
c
i
f
i
c
a
c
i
o
n
e
s

T
a
m
a
o

s
u
b
g
r
u
p
o

L
n
e
a

C
e
n
t
r
a
l

L
m
i
t
e
s

O
b
s
e
r
v
a
c
i
o
n
e
s

n
>
2
5

X
n
3
X

Para grficos tipo , X (muestras
grandes)

n
2
5

X
1
A X
1)para grficos , X (muestras
pequeas)
2)
n c
3
A
2
1
=

s
i
n

n
2
5

X
R A X
2

1)para grficos R , X (muestras
pequeas)
2)
n d
3
A
2
2
=

M
e
d
i
a

c
o
n

C
u
a
l
q
u
i
e
r
a

M
n
M

n
>
2
5

X
~

n
3
25 . 1 X
~

Para grficos tipo (muestras
grandes)
, X
~

n
2
5

X
~

A 25 . 1 X
~
1

Para grficos tipo (muestras
pequeas)
, X
~

s
i
n

n
2
5

X
~

R A 25 . 1 X
~
2

Para grficos tipo R , X
~

M
e
d
i
a
n
a

c
o
n

C
u
a
l
q
u
i
e
r
a

M
n
25 . 1 M


Tabla 10.1.1

6.1.2 Control de la Precisin

P
a
r
m
e
t
r
o

E
s
p
e
c
i
f
i
c
a
c
i
o
n
e
s

T
a
m
a
o

s
u
b
g
r
u
p
o

L
n
e
a

C
e
n
t
r
a
l

L
m
i
t
e
s

O
b
s
e
r
v
a
c
i
o
n
e
s

s
i
n

n

2
5

R

R D . I . L
R D . S . L
3
4
=
=

2
1
3
2
2
4
d
D
D
d
D
D
=
=

I
n
t
e
r
v
a
l
o

c
o
n

n

2
5

3
d
2

3
D . I . L
3
D . S . L
1
2
=

D
1
= (d
2
- 3d
3
)

D
2
= (d
2
+ 3d
3
)

n

>

2
5

2n
3

s
i
n

n

2
5

B I. L.
B L.S.
3
4
=
=

n

>

2
5

3

n 2
3

D
e
s
v
i
a
c
i
n

N
o
r
m
a
l

c
o
n

n

2
5

3
c
2

3
B . I . L
3
B . S . L
1
2
=

c
2
=
si n > 25 es c
2
1
entonces:
c
2
=

Tabla 10.1.2


6.1.3 Norma Chilena 42, Factores Para Grficos De Control Por Variables.

MEDIAS INTERVALOS DESVIACIONES TIPICAS
n A

A
1
A
2
d
2
d
3
D
1
D
2
D
3
D
4
c
2
B
1
B
2
B
3
B
4
2 2.12 3.76 1.88 1.13 0.89 0 3.69 0 3.27 0.56 0 1.84 0 1.27
3 1.73 2.39 1.02 1.69 0.88 0 4.36 0 2.57 0.72 0 1.86 0 2.57
4 1.50 1.88 0.73 2.06 0.86 0 4.70 0 2.28 0.80 0 1.81 0 2.27
5 1.34 1.60 0.58 2.33 0.85 0 4.92 0 2.11 0.84 0 1.76 0 2.09
6 1.23 1.41 0.48 2.53 0.85 0 5.08 0 2.00 0.87 0.03 1.71 0.03 1.97
7 1.13 1.28 0.42 2.70 0.83 0.20 5.20 0.08 1.92 0.89 0.10 1.67 0.12 1.88
8 1.06 1.17 0.37 2.85 0.82 0.39 5.31 0.14 1.86 0.90 0.17 1.64 0.18 1.81
9 1.00 1.09 0.34 2.97 0.81 0.55 5.39 0.18 1.82 0.91 0.22 1.61 0.24 1.76
10 0.95 1.03 0.31 3.08 0.80 0.69 5.47 0.22 1.78 0.92 0.26 1.58 0.28 1.72
11 0.91 0.97 0.29 3.17 0.79 0.81 5.53 0.26 1.74 0.93 0.30 1.56 0.32 1.68
12 0.87 0.92 0.27 3.26 0.78 0.92 5.59 0.28 1.72 0.94 0.33 1.54 0.35 1.62
13 0.83 0.88 0.25 3.34 0.77 1.03 5.65 0.33 1.69 0.94 0.36 1.52 0.38 1.65
14 0.80 0.85 0.23 3.41 0.76 1.12 5.69 0.31 1.67 0.95 0.38 1.51 0.41 1.59
15 0.78 0.82 0.22 3.47 0.75 1.21 5.74 0.35 1.65 0.95 0.41 1.49 0.43 1.57
16 0.75 0.79 0.21 3.53 0.75 1.28 5.78 0.36 1.64 0.95 0.43 1.48 0.45 1.55
17 0.73 0.76 0.20 3.59 0.74 1.36 5.82 0.38 1.62 0.96 0.44 1.46 0.47 1.53
18 0.71 0.74 0.19 3.64 0.74 1.43 5.85 0.39 1.61 0.96 0.46 1.45 0.48 1.52
19 0.69 0.72 0.19 3.69 0.73 1.49 5.89 0.40 1.60 0.96 0.48 1.44 0.50 1.50
20 0.67 0.70 0.18 3.73 0.73 1.55 5.92 0.41 1.59 0.96 0.49 1.43 0.51 1.49
21 0.66 0.68 0.17 3.78 0.72 1.61 5.95 0.42 1.57 0.96 0.50 1.42 0.52 1.48
22 0.64 0.66 0.17 3.82 0.72 1.66 5.98 0.43 1.57 0.97 0.52 1.41 0.53 1.47
23 0.63 0.65 0.16 3.86 0.72 1.71 6.00 0.44 1.56 0.97 0.53 1.41 0.54 1.45
24 0.61 0.63 0.16 3.90 0.71 1.76 6.03 0.45 1.55 0.97 0.54 1.40 0.55 1.44
25 0.60 0.62 0.15 3.93 0.71 1.80 6.06 0.46 1.54 0.97 0.55 1.39 0.56 1.43

+
de
25

n
3

n
3

- - - - - - - 1

n 2
3
1

n 2
3
1+

n 2
3
1
n 2
3
1+

Tabla 10.1.3

Los tamaos de muestra ms frecuentes son de 3 a 6, y los datos estn en el rea
sombreada.


Captulo 7

7 Frmulas Para El Control Durante El Proceso De Fabricacin

En este captulo se desarrollan las frmulas para el clculo de los lmites de proceso por
variables y por atributos, con especificaciones y sin especificaciones.

7.1 Introduccin, desarrollo de frmulas bsicas.

Tal como se ha visto en la parte uno de este libro, los medidores ms utilizados en Control
de Calidad para controlar los procesos son:
Para la exactitud: la media aritmtica
Para la dispersin: la desviacin tpica y el rango.
En ste captulo desarrollaremos las frmulas que hemos visto en la parte uno y
utilizaremos los mismos smbolos que antes:
Una especificacin y sus tolerancias sern representadas por: M
Estas tolerancias debern ser cumplidas por el proceso que producir el producto, por ello,
la condicin de mnimo desecho tendr que ser:

3
'
M ' X
X

=
=

Por otra parte, y de acuerdo con el Teorema del Lmite central, si la distribucin de los
valores individuales, (X), es gaussiano, tambin lo ser la distribucin de las medias de
muestras sacadas para controlar el proceso. El grfico ilustra las dos distribuciones:

Distribucin de las medias de muestreo
0
10
20
30
40
50
60
70
59 62 65 68 71 74 77
Kilogramos
P
r
o
b
a
b
i
l
i
d
a
d
Distribucin de las X
Distribucin de las
medias


Los valores de los parmetros de ambas distribuciones estn representadas de la siguiente
manera:

=
m
' X X Lm
para n = constante

Adems, la relacin entre las desviaciones normales es la siguiente:

=
m
n
'
. Lm
X

De esta frmula, ya se puede deducir porque es preferible utilizar para el control de los
procesos, los promedios de muestras en lugar de valores individuales. La respuesta es que
los promedios estn menos dispersos y son ms sensibles a las variaciones.

Por otra parte, si en lugar de usar para controlar los procesos, el parmetro desviacin
tpica, utilizamos el rango, las relaciones que vinculan el rango con la desviacin tpica son:

X 3 R
X 2
' d
' d R
=
=

Donde R es la media de los intervalos de muestras de tamao n , y
R
es la
desviacin tpica de los rangos, d
2
y d
3
son factores que dependen del tamao de la
muestra n.

Si se est controlando el proceso con grficas de control X, , la frmula para estimar
sigma prima es
2
c
=


7.1.1 Clculo de los Lmites para control por variables con valores especificados:

7.1.1.1 Para el control de la exactitud:

n
M
n 3
3 M
n
'
3 x 3 x
x

=
= =

7.1.1.2 Para el control de la precisin:

2 3 2 X 3 X 2 R
D
3
= ) 3d + (d
3
= ' 3d ' d = 3 R

El lmite inferior y la lnea central no tienen utilidad prctica y no se calculan.

7.1.2 Clculo de lmites para el control por variables sin valores especificados.

7.1.2.1 Para el control de la exactitud:

R A X
n d
R
3 X
n
3 X 3 X
2
2
x
= =
=

7.1.2.2 Para el control de la precisin:

R D
d
d
3 1 R R
d
d
3 R ' 3d R 3 R
4
2
3
2
3
3 R
=
+ = + = + = +


7.2 Control de procesos por atributos.

7.2.1 Resumen de Frmulas:

Grfico de
control por
atributos
Valor
Central
Desviacin
Tpica
Lmites
p grficos para
la fraccin
defectuosa.
Sirve para n
variable.
p

n
) p 1 ( p

n
) p 1 ( p
3 p

np grficos de
defectos.
Sirve solo para
n constante.
p n
) p 1 ( p n
p n k donde
k 3 k
n
k
1 k 3 k
p n 3 p n ) p 1 ( p n 3 p n
=

u grficos de
defectos por
unidad.
Sirve para n
variable.
u
n
u

muestra n defectos, c ,
n
c
u donde
n
u
3 u
= = =

c grficos de
defectos en la
muestra.
Sirve solo para
n constante.
c
c
muestra la en
defectos de cantidad c
donde
c 3 c
=


7.2.2 Ejemplos de uso de cada frmula en el control por atributos:

7.2.2.1 Grfica p , fraccin defectuosa, n es variable

Muestra Cantidad n revisada Defectos Fraccin no conforme
1 724 48 0.066
2 763 83 0.109 Causa asignable
3 748 70 0.094
4 748 85 0.114 Causa asignable
5 724 45 0.062
6 727 56 0.077
7 726 48 0.066
8 719 67 0.093
9 759 37 0.049
10 745 52 0.070
11 736 47 0.064
12 739 50 0.068
13 723 47 0.065
14 748 57 0.076
15 770 51 0.066
16 756 71 0.094
17 719 53 0.074
18 757 34 0.045
19 760 29 0.038

Totales 14091 1030
Medias 741.6 54.2

Calculamos el promedio de la fraccin defectuosa como el cociente de:
54.2/741.6 = 0.073

029 . 0 073 . 0
6 . 741
) 073 . 0 1 ( 073 . 0
3 073 . 0
n
) p 1 ( p
3 p =

De acuerdo a esta ecuacin , el lmite superior ser 0.102 y el lmite inferior 0.044. Pero
ta.
as muestras 2 y 4 presentan causas asignables por lo que debern ser eliminadas y se
recordemos que el lmite inferior no tiene significado, es decir que no lo tomamos en cuen

L
deber re calcular los lmites.


.2.2.2 Grfica np , control de defectos por muestra, n es constante.
uestra Cantidad n Defectos
7

M
revisada
1 48
ausa asignable.
ausa asignable.
otales 4250 030
edias 50,0 4,2
750
2 750 83 C
3 750 70
4 750 85 C
5 750 45
6 750 56
7 750 48
8 750 67
9 750 37
10 750 52
11 750 47
12 750 50
13 750 47
14 750 57
15 750 51
16 750 71
17 750 53
18 750 34
19 750 29

T 1 1

M 7 5

3 . 76 1 . 22 2 . 54
2 . 54 3 2 . 54
p n 3 p n
= +
= +
= +

e acuerdo a esta ecuacin , el lmite superior ser 76.
ser descartadas y los lmites re
.2.2.3 Grfica u , control de defectos por unidad. n es variable.
D
La muestra 2 y 4 presentan causas asignables y debern
calculados.

7

Muestra n Defectos Defectos x unidad
1 10 17 1,70
2 11 14 1,27
3 9 6 0,67
4 8 23 2.88 Causa Asignable

Causa Asignable

otales 95 79
edias 0,3 4,7
5 11 5 0,45
6 12 7 0,58
7 10 10 1,00
8 10 19 1,90
9 7 29 4.14
10 9 18 2.00
11 13 25 1,92
12 10 5 0,50
13 9 8 0,89
14 9 11 1,22
15 9 18 2,00
16 12 13 1,08
17 11 22 2,00
18 12 6 0,50
19 13 23 1,77

T 1 2

M 1 1

uego: u = 14.7 / 10.3 = 1.43

L

55 . 2 12 . 1 43 . 1
3 . 10
43 . 1
3 43 . 1
n
u
3 u = + = + = +

l limite superior ser 2.55
xisten dos muestras que contienen causas asignables y debern ser eliminadas para
E

E
recalcular el lmite de control definitivo.


.2.2.4 Grfica c , control de defectos por muestra, n constante.
Muestra n n Total de defectos de
1 10
ausa asignable
ausa asignable
70 50
0 4.71

7

la muestra, c
17
2 10 14
3 10 6
4 10 23
5 10 5
6 10 7
7 10 10
8 10 19
9 10 29 C
10 10 18
11 10 25 C
12 10 5
13 10 8
14 10 11
15 10 18
16 10 13
17 10 22

1 2

1 1

26 = 71 . 14 3 + 71 . 14 = c 3 + c

El lmite superior ser 24, nuevamente se detectan dos muestras con causas asignables
que obligan a re calcular los lmites eliminando primero los valores sealados.


7.2.3 Grficos de aplicacin

7.2.3.1 Grfico p

0
0,02
0,04
0,06
0,08
0,1
0,12

7.2.3.2 Grfico np

0
10
20
30
40
50
60
70
80
90


7.2.3.3 Grfico u

0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
4,50

7.2.3.4 Grfico c

0
5
10
15
20
25
30
35


Her Ram Ient As Decontrol de Proceso S

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Her Ram Ient As Decontrol de Proceso S

Cargado por

Copyright:

Formatos disponibles

Control de Calidad Estadstico, Parte uno, Herramientas de Control de Procesos

Autor: Edgardo Ojeda Barcos

También podría gustarte