Graficas de control para variables! OBJETIVOS Se espera que al terminar este capitulo, el lector: © Conozea las tres categorfas de variacién y sus causas, Comprenda el concepto del método de grifica de control. Conozea los objetivos de-las gréficas de control de variables. Sepa emo seleccionar las caracteristicas de calidad, el subgrupo racional y el método para tomar muestras. Calcule el valor central, tos Ifmites tentativos de control y los limites corregidos de control, para una grifica X y R. Compare una grifica R con una grit "La informacién en este capitulo se basa en lt norma ANSVASQC B1-B3 ~ 1996.Explique qué quiere decir un proceso bajo control, y las ventajas que Explique qué quiere decir un proceso fuera de control, y los diversos fuera de control. Conozea la diferencia entre las medidas individuales y los promedios, y limites de control y las especificaciones. Conozea los casos diferentes entre la extensién del proceso y las est nes, y qué puede hacerse para corregir una situacién no deseada. Pueda calcular la capacidad del proceso. Conozca el significado estadistico de seis sigma. Pueda identificar los diversos tipos de grificas de control de variables, zones para usarlas. INTRODUCCION Variacién: Una de fas realidades de la manufactura es que nunca pueden fabricarse de exactamente iguales. De hecho, el concepto de la variacién es una ley de la za, porque no hay dos elementos naturales en cualquier categorva que sean ex te iguales. La variacién puede ser muy grande, y fécilmente notable, como la Jos seres humanos: o bien, la variacién puede ser muy pequefia, como el plumas con punta de fibra, o las formas de los copos de nieve. Cuando las v son muy pequeitas, parecerd que los elementos son idénticos; sin embargo, ¢ mentos de precisiGn se detectardn diferencias. Si dos elementos parecen misma medida, eso se debe a los limites de los instrumentos de medicién. da que los instrumentos de medicién se vuelven més refinados, continiia e Ia variacién y s6lo cambia el incremento de la misma. Antes de controlar la es necesario poder medirla. Hay tres categorias de variacién en la produccién de partes o piezas. 1. Variacién dentro de la pieza, Esta clase de variaci6n se ilustra con dad superficial de una pieza, cuando una parte de ella es mas spera que ot la impresién en un lado de la pagina es mejor que en el lado opuesto. 2. Variacién entre piezas. Esta clase de variacién se presenta entre pi ducidas al mismo tiempo. Por ejemplo, la intensidad luminosa de cuatro lim secutivas, producidas en la misma maquina, podrd ser diferente. 3. Variacién de tiempo en tiempo. Esta clase de variaci6n se ilustra c rencia en un producto 0 servicio obtenido en diferentes horas del dfa. Asi, un: efectuado temprano por Ja mafiana seré diferente de uno efectuado mas tar mismo dfa, 0 bien, a medida que se desgasta la herramienta de corte, caml caracterfsticas de corte.Las categorias de variacién para otros tipos de procesos, como por ejemplo am proceso quimico continuo, o una auditorfa de impuestos fiscales, no serdn exactamen- te iguales, y sin embargo el concepto sera parecido. La variaci6n est presente en todo proceso, debido a una combinacién de equi- po, materiales, ambiente y operador. La primera fuente de variacién es el equipo. Esta causa comprende desgaste de herramientas, vibracién de la méquina, posicionamien- to del soporte de la pieza, y fluctuaciones hidriulicas y eléctricas. Cuando se juntan todas estas variaciones se define una cierta capacidad 6 precisién dentro de la cual el ‘equipo funciona. Aun las méquinas supuestamente idénticas tienen diferentes capacidades, y eso se vuelve una consideracién muy importante cuando se programa la producci6n de partes criticas. La segunda fuente de variaci6n es el material. Como hay variacién en el produc- to terminado, también debe existir en la materia prima (que es el producto terminado de alguien mas). Cabe esperar que caracteristicas de la calidad, como resistencia a la tensién, ductilidad, espesor, porosidad y contenido de humedad contribuyan a la varia- cién general del producto final. Una tercera causa es el ambiente. La temperatura, iluminacién, radiaci6n, des- carga electrostética, tamaito de particula, presién y humedad pueden contribuir a las variaciones en el producto. Para controlar esta causa, algunas veces los productos se fabrican en “cuartos blancos”. Los experimentos que se hacen en el espacio exterior son para aprender més acerca del efecto del ambiente sobre la variacién de los pro- ductos, Una cuarta fuente es el operador. Esa fuente de variacién comprende el méto- do con el que el operador efectiia la operacién. El bienestar fisico y emocional del operador también puede contribuir a la variacién, Un dedo cortado, un tobillo torci- do, un problema personal 0 un dolor de cabeza pueden hacer que el desempefio de ‘un operador varie respecto a la calidad. Cuando un operador no comprende las varia- ciones de equipos y materiales, por falta de entrenamiento, puede causar frecuentes ajustes de maquina y con ello complicar la variabilidad. A medida que los equipos se han automatizado cada vez més, ha disminuido el efecto del operador sobre la variacién, Esas cuatro fuentes juntas causan la variaci6n real. También hay una variacién citada, que se debe a la actividad de inspeccién. Un equipo defectuoso de inspeccién, la aplicaci6n incorrecta de una norma de calidad, o demasiada presin en un micr6- ‘metro pueden ser la causa de un informe incorrecto sobre la variacién. En general, la variacién debida a la inspeccién deberfa Ser 1a décima parte de las otras cuatro fuen- tes de variaciGn, Debe observarse que tres de esas fuentes estin presentes en la activi- dad de inspeccién: un inspector, el equipo de inspeccién y el ambiente. Mientras esas fuentes de variacién fluctien en una forma natural o esperada, se produce un patrén estable de muchas causas fortuitas (causas aleatorias) de variaci6n. Las causas aleatorias de variacién son inevitables. Como son numerosas, ¢ individual- mente tienen relativamente poca importancia, son dificiles de detectar 0 identificar. Las causas de variacién que son-de gran magnitud, y en consecuencia fécilmente identifi-Gratica eo Uckg. Lire apstors Be bre pees 10 Namero del subgrupo FIGURA 5-1 Ejemplo de una grifica de control. ¢ clasifican como causas asignables.? Cuando sélo hay causas aleator eso, se considera que el proceso estd en (0 bajo) control estadistico. estado estable y predecible. Sin embargo, cuando también esté presente una de variaci6n asignable, la variacién serd excesiva y se dice que el proceso esté fi control, 0 que sale de la variacién natural esperada. EI método de la grafica de control Para indicar cudndo las variaciones observadas en la calidad son mayores que causaria Ia casualidad, se usa el método de andlisis y presentacién de datos 1 grdfica de control. El método de la grifica de control para variables es un visualizar las variaciones que se presentan en la tendencia central y en la di de un conjunto de observaciones. Es un registro gritico de la calidad de deter caracteristica. Muestra si el proceso esta 0 no en un estado estable. En la figura 5-1 se presenta un ejemplo de una gréfica de control. Esta en parbculer se llama prifica Xo de promedio, § seus para resistrar la varia valor promedio de las muestras. Otra grifica, como la grifica R (rango) podria servir para fines explicativos. El eje horizontal tiene la leyenda “Nii subgrupo,” para identificar determinada muestra formada por una cantidad fija tos. Los subgeupos estén ordenados, y el primero que se inspeccioné es el 1, ¥ mo es el 14. El eje vertical de la grilica es la variable, que en este caso part el peso, medido en kilogramos. 2 W. Edwards Deming usa las palabras comin y especial, on ver de aleatoria y asignable, 32Cada pequeito circulo leno representa al valor promedio dentro de un subgnapo. Asi, el subgrupo nimero 5 consiste, digamos, en cuatro observaciones, 3.46, 3.49, 3.45 y 3.44, siendo su promedio 3.46 kg. Este valor es el que aparece en la grifica para el subgrupo ntimero 5, En general se usan los promedios en las grificas de control y no las observaciones individuales porque los valores promedio indican la existencia de una variacién con mucha mayor rapidez.’ También, con dos o més observaciones en una muestra, se puede obtener una medida de la dispersién para determinado sub- grupo. La recta continua en el centro de la grifica puede tener tres interpretaciones dife- rentes, que dependen de los datos disponibles. En primer lugar, y lo mis comin, puede ser el promedio de los puntos graticados, que en el caso de una grifica X es el prome- dio de promedios, 0 X (“X doble barra”). En segundo lugar, puede ser un valor patron © de referencia, Xo, basado en datos anteriores representativos, un valor econdmico basado en costos de produccién o necesidades de servicio, 0 un valor objetivo, basado en especificaciones. En tercer lugar, puede ser la media poblacional p1, si se conoce ese valor, Las dos lineas externas interrumpidas son los limites de control superior ¢ in- ferior. Esos limites se establecen para ayudar a juzgar la importancia de las varia- ciones en la calidad del producto o servicio. Con frecuencia, los limites de control se confunden con los limites de especificacidn, que son los limites admisibles de una caracteristica de calidad de cada unidad individual de un producto. Sin embargo, los limites de control se usan para evaluar las variaciones en la calidad de un subgrupo a otro. Por lo anterior, para la gréfica X, los limites de control son funcién de los promedios de subgrupo. Una distribucién de frecuencius de los promedios de sub- ‘grupo se puede determinar con su promedio y desviaci6n estindar correspondientes. Los limites de control se suelen establecer en +3 desviaciones estandar de la linea central. Recuerde, de la descripeidn de la curva normal, que la cantidad de elemen- los entre +3o y —3o es igual a 99.73%. Entonces, se espera que més de 9.973 veces de 10,000, los valores de subgrupo caigan entre los limites superior e inferior; cuando eso sucede, se considera que el proceso est bajo control. Cuando un valor de sub- grupo cae fuera de los limites, se considera que el proceso esta fuera de control, y que hay una causa asignable de la variaci6n. Hay otras clases de condiciones de fuera de control que se describiran més adelante en este capitulo. El subgrupo niime- ro 10, en la figura 5-1, sale del limite de control superior; en consecuencia, ha habi- do un cambio en Ia naturaleza estable del proceso en ese momento, causando el punto fuera de control. También es cierto que la condicién de fuera de control se pueda deber a una causa fortuita o casual, lo cual puede suceder 27 veces de cada 10,000. La longitud promedio de corrida (ARL, de average run length) para que se presente una cauisa fortuita se presenta a las 370 unidades (10,000 = 27) En la préctica, las grficas de control se colocan en lugares visibles de los cen- twos de trabajo para controlar determinada caracteristica de la calidad. En general, se usan juntas una gréfica X para el control de la tendencia central, y una grifica R para * Vea una demostracign de esta afimacion en J. M, Juran, Ed, Quality Comtol Handbook 4 ed., Nueva York McGraw-Hill, 1988, seoe. 24, p. 10.GRAFICA(X) Y Centro de trabajo nimero _ 365-2 _ Caracteristica de calidad — Durimefo Fecha 6 _ ] [ePrice iain} v8 i i in | isubonrol + [2 [3s ]«]slel[7[e[e|w[n|e)w| 155 | 57 | 48 | 45 | 53 [ I | s2 | 52 | 49 | 43 | 50 iy a | st | 57 | 50 |45 [48 | ee 39 | 50/47 143 | 50| | | | 211 | 210 | 196 | 176 | 207) | I { 528|62.5| 47 | 44 |50.2 +f it (aa MEE ean A Paice! [ Gratioa tess pele E \ x, Durémetro gs | Durémetro Namero de subgrupo FIGURA 5-2 Ejemplo de un método para informar los resultados de la inspeccién.Ia dispersi6n. En la figura 5-2 se muestra un ejemplo de esta grifica dual, donde se ve tun método de graficar e informar los resultados de la inspeccién de durometros pars hule. En el centro de trabajo mfimero 365-2, a las 8:30 a.M., el operador selecciona cuatro articulos para probar, y anota las observaciones 55, 52, 51 y 53 en los renglo- nes titulados X,, X,, X; y X,, respectivamente. Se obtiene un valor promedio de sub- grupo igual a 52.8, sumando las observaciones y dividiéndolas entre 4, y el valor de Tango igual a 4 se obtiene restando el valor bajo, 51, del valor alto, 55. El operador pone un pequefio circulo lleno en 52.8, en la grifica X, y un pequefio eirculo leno en 4, en la grdfica R, y sigue haciendo sus otras tareas. La frecuencia con que el operador inspecciona un producto en determinado cen tro de trabajo esta determinada por la calidad del producto. Cuando el proceso e bajo control y no se encuentran dificultades, puede requerir menos inspeccioness; y al revés, cuando el proceso esté fuera de control o durante el arranque, se podriin nece- sitar més inspecciones, La frecuencia de inspecei6n en un centro de trabajo se puede determinar también por la cantidad de tiempo que debe dedicarse a las actividades que no sean de inspecci6n. En el problema del ejemplo, parece que la frecuencia de ins- peccién es cada 60 0 65 minutos. A las 9:30 A.M., el operador hace las actividades para el subgrupo 2 de la mis- ma forma que para el subgrupo 1. Se ve que el valor 7 del rango estd exactamente en cl limite superior de control. El que eso se considere que est bajo control o fuera de control serfa un asunto de la politica de la organizacién. Se sugiere que se clasi- fique como bajo control, y que el operador haga un examen rapido buscando una causa asignable. Un punto en una gréfica que sale del limite de control debe ser un evento raro, Los resultados de la inspeccién para el subgrupo 2 muestran que la tercera obser vacién, Xs, tiene un valor de 57, que sale del limite superior de control. Se advierte al lector que recuerde la descripcién anterior de los limites de control y especificaciones. En otras palabras, el valor 57 es una observaci6n individual que no se rela los limites de control. Por consiguiente, el hecho de que una observacién sea mayor 0 menor que un Ifmite de control no tiene significado. El valor promedio del subgrupo 4 es 44, menor que el limite inferior de control, que-es 45. Entonces, el subgrupo 4 estd fuera de control, y el operador lo comunii al supervisor del departamento. Entonces, el operador y el supervisor buscardin una usa asignable y, si es posible, emprenderdn acciones correctivas. Cualquier accién correctiva que se haga se anotard por parte del operador en la grifica X y R, o/en una forma aparte. La gréfica de control indica cuando y dénde se presenté el problema, la identificacién y eliminacién de la dificultad es un problema de produccién. En el caso ideal, el operador debe mantener la grifica de control, siempre que tenga tiempo, y que tenga el entrenamiento adecuado. Cuando el operador no pueda mantener la gri- fica, Control de calidad la mantiene. Una grdfica de control es un método estadistico que distingue entre la variacién natural y Ia no natural, como muestra la figura 5-3. La variaci6n no natural es el resul- tado de causas asignables. En general, pero no siempre, requiere acciones correctivas por parte del personal cercano al proceso, como operadores, técnicos, empleados, tra- bajadores de mantenimiento y supervisores de primera Tinea, ase conrnot vaca vanintes REYVariacién no natural Causes aalgaties presen Operaciones 200 cts. rs g Variacién natural 2 150 % | Gaueas brtutan reser = ‘Administracién (sistema) 3 5 = 100 Lely Vista no natural acces eed Speracones| 0 5 70 ‘Subgrupo FIGURA 5-3 Causas de variacién naturales y no naturales. La variacién natural es el resultado de causas fortuitas. Se necesita la in cién de la administraci6n para mejorar la calidad. A este respecto, entre 80 y 8: los problemas con la calidad se deben a la administraci6n o al sistema, y de 15 a: se deben a las operaciones. La grifica de control sirve para tener un registro continuo de determinada istica de calidad. Es una fotografia del proceso a través del tiempo. Cuando se pleta la grifica, se sustituye por una nueva y la gréfica Hlena se guarda en un en la oficina. La gréfica se usa para mejorar la calidad del proceso, para determi ‘capacidad del proceso, para ayudar a determinar especificaciones efectivas, para minar cusindo dejar al proceso por sf solo, y cuando hacer ajustes, y para investi ccausas de la calidad inaceptable o marginal." Objetivos de las graficas de control de variables Las gréficas de control de variables proporcionan la informacién: 1. Para mejorar la calidad. Bl tener una gréfica de control de variables s6lo 4que indica que hay un programa de control de calidad es estar en un error. Una grifi control de variables es una técnica excelente para obtener el mejoramiento de la ci + Wallace Davis Il. “Using Corrective Action to Make Matters Worse;” Quality Progress, octubre Je 2 56.61 cariruLo 52. Para determinar la capacidad del proceso. La capacidad real del proceso sélo se puede alcanzar después de haber mejorado la calidad en forma sustancial Durante el ciclo de mejoramiento de la calidad, la gréfica de control indicaré que ya no ¢s posible mejorarla sin una apreciable inyecciGn de dinero. En ese punto se ob- tiene la capacidad real del proceso. 3. Para tomar decisiones respecto a las especificaciones del producto. Una vez obtenida la capacidad real del proceso, se pueden determinar las especificaciones efec- tivas, Por ejemplo, si la capacidad del proceso es +0.003, entonces el personal de ope- racién puede obtener especificaciones de 0.004 en forma realista, 4, Para decisiones del momento respecto al proceso de produccién. Primero, se necesita una decisién para juzgar si existe un control. Si no existe, se usa la grifica de control para obtenerlo. Una vez obtenido el control, se usa la gréfica de control para mantenerlo. Entonces, la gréfica de control se usa para decidir cuando existe un patron natural de variacién, y se debe dejar solo el proceso, y cuando esté sucediendo una pauta de variacién no natural que requiere tomar acciones para encontrar y eliminar las causas asignables. A este respecto, el personal de operacién esté obteniendo un desempeito en cali dad mientras los puntos de la grifica estén dentro de los limites de control. Si ese desempeno no es satisfactorio, Ia responsabilidad es del sistema y no del operador. 5. Para decisiones del momento respecto a articulos producidos recientemente. Asi, la gréfiea de control se usa como una fuente de informacién para ayudar a deci- dir si uno 0 varios elementos deben liberarse a la siguiente fase de la produccién, 0 si se debe ejecutar una disposicién alternativa, como clasificarlo y repararlo. Estos objetivos dependen con frecuencia entre si. Por ejemplo, se necesita mejo- rar la calidad antes de determinar la capacidad real del proceso, lo cual se necesita saber antes de determinar las especificaciones efectivas. Las grificas de control de variables deben establecerse para alcanzar determinadlo objetivo. Su uso debe suspen- derse cuando se haya alcanzado el objetivo, o continuar su uso con inspecciones apre- ciablemente reducidas. TECNICAS PARA ELABORAR GRAFICAS DE CONTROL Introduccién Para establecer un par de gréficas de control para el promedio (X) y el rango (R), es preferible apegarse a un procedimiento establecido. A continuacién se presentan los pasos de este procedimiento: 1. Seleccionar la caracteristica de calidad. 2. Escoger el subgrupo racional. 3. Reunir los datos. (GRAFICAS DE CONTROL PARA VARIABLES4. Determinar en forma tentativa la linea central y los limites de control. 5. Establecer la linea central y los limites de control revisados. 6. Alcanzar el objetivo, El procedimiento que se presenta en esta seccién se refiere a una grifica ¥ ‘También se presenta informacién sobre las gréficas s. Seleccionar la caracteristica de calidad La caracteristica que se escoja para elaborar una grifica X y R debe ser una car ristica de la calidad que se pueda medir y expresar en ntimeros. Son adecuadi caracteristicas de calidad que se puedan expresar en términos de las sicte uni bisicas: longitud, masa, tiempo, corriente eléctrica, temperatura, cantidad de st cia o intensidad luminosa; también cualquiera de las unidades derivadas, como cia, velocidad, fuerza, energfa, densidad y presién Normalmente se deberdn atender primero las caracteristicas de calidad afectan al desempeiio del producto o servicio. Pueden ser una funcién de las rias primas, los componentes, subensambles o partes terminadas. En otras palaby da gran prioridad a la selecci6n de aquellas caracteristicas que estén dando probl en términos de produccién y/o costo. Una oportunidad excelente para ahorrar se ciona con frecuencia donde los costos de mermas y reprocesamiento son altos diagrama de Pareto también es itil para establecer prioridades. Otra posibili cuando se usan pruebas destructivas para inspeccionar un producto, En cualquier planta manufacturera hay una gran cantidad de variables que ‘man un producto. Por ello, es imposible elaborar gréficas X y R de todas ellas, requiere una selecci6n prudente entre ellas. Como se puede considerar que to variables son atributos, también se puede usar una gréfica de control de atributos el capitulo 8) para lograr una mejora en la calidad. Escoger el subgrupo racional Como se dijo antes, los datos que se grafican consisten en grupos de elementos a llaman subgrupos racionales, Es importante comprender que los datos reunid forma aleatoria no califican como racionales. Un subgrupo racional es uno en el la variacién dentro del mismo s6lo se debe a causas fortuitas. Esta variacién den un subgrupo se usa para determinar los limites de control. La variacién entre los grupos se usa para evaluar la estabilidad a largo plazo. Hay dos esquemas para s ccionar las muestras de subgrupo: 1. El primer esquema es seleccionar las muestras de subgrupo del prod servicio que se obtienen en un momento en el tiempo, o tan cerca de ese moment el tiempo como sea posible. Cuatro partes consecutivas de una maquina, 0 ci partes de una charola de partes recién producidas serfan ejemplos de esta téeni | iss oesubagrupamiento. La siguiente muestra de subgrupo seria parecida, pero de un pro- ducto 0 servicio obtenidos cierto tiempo después, por ejemplo una hora después. A este esquema se le llama método de instante en el tiempo. 2, El segundo esquema es seleccionar un producto o servicio obtenido duran- te cierto tiempo, para que sea representativo de todo el producto o servicio. Por ejemplo, un inspector visita un proceso de ensamble de disyuntores una vez cada hora. Se selecciona la muestra de subgrupo de, por ejemplo cuatro, entre todos fos disyuntores producidos en la hora anterior. En su siguiente visita, selecciona el sub- grupo del producto producido desde la dtima visita, y asf sucesivamente. A este es: quema se Ie Hama método de lapso de tiempo. Al comparar los dos esquemas, el método del instante en el tiempo tendrd una variacién minima dentro de un subgeupo, y una variacién maxima entre subgrupos Con el método de lapso de tiempo se tendré una variacién maxima dentro de un sub- grupo, y una variacién mfnima entre subgrupos. Con algunos ejemplos numéricos se podrd ilustrar esta diferencia. Asf, para el método de instante en el tiempo, los valores promedio de subgrupo (las X) podrian ser entre, por ejemplo 26 a 34, con valores de rango de subgrupo (las R) de 0 a 4; mientras que para el método de lapso de tiempo, los valores promedio de subgrupo (las X) variarfan de 28 a 32, con valores de rango de subgrupo (las R) de 0.8. El método de instante en el tiempo se usa con mas frecuencia porque suministra la referencia del tiempo para determinar causas asignables. También permite tener una medida més sensible de los cambios en el promedio del proceso. Como todas las varia- bles son cercanas entre sf, la variaci6n’ se deberd, con més probabilidad, a causas for- tuitas, por lo que cumplen los criterios de subgrupo racional. La ventaja del método de lapso de tiempo es que permite obtener mejores resul- tados generales, por lo que los informes de calidad presentarén una imagen més fiel de ésta. Tambign es cierto que, debido a las limitaciones del proceso, este método puede ser el tinico método préctico para obtener las muestras de subgrupo. Las causas asignables de variaci6n podrdin estar presentes en el subgrupo, lo que dificultard ase~ gurar que esti presente un subgrupo racional En casos raros, podra preferirse usar ambos métodos de subagrupamiento. Cuan- do eso sucede, se requieren dos gréficas con distintos limites de control Independientemente del esquema con que se obtenga el subgrupo, los lotes de donde se toman los subgrupos deben ser homogéneos. Homogéneo quiere decir que las piezas del lote sean tan parecidas como sea posible: la misma maquina, el mismo operador, misma cavidad de molde, etcétera. [gualmente, debe ser un lote ho- ‘mogéneo una cantidad fija de material, como la que produce una herramienta hasta que se gasta y se cambia 0 se afila. También los Totes homogéneos se pueden desig- nar por intervalos de tiempo iguales, porque esta técnica es facil de organizar y administrar. Independientemente de cémo se definan los lotes, los elementos en cualquier subgrupo deben haberse producido, esencialmente, bajo las mismas con- diciones. orineas pe covrmon mea vanasus ERYLas decisiones sobre el tamafio de la muestra 0 del subgrupo requieren cantidad de juicio empirico; sin embargo, algunos lineamientos précticos son guientes: 1. Al aumentar el tamafio de subgrupo, los limites de control se acercan al central, lo cual hace que el control sea més sensible a pequefias variacioi promedio del proceso. 2. A medida que aumenta el tamafio del subgrupo, aumenta el costo de ins por subgrupo. ,Justifica el mayor costo de los subgrupos més grandes la sensibilidad? 3. Cuando se usan pruebas destructivas, y cuando los elementos son costos necesario que el tamafio de subgrupo sea de 2 0 3, porque reduci destruccién de productos 0 servicios costosos. 5. Desde un punto de vista estadistico, una distribucisn de promedios de sul X, es casi normal para subgrupos de 4 0 mas, aun cuando las muestras se de una poblacién no normal. Mas adelante en este capitulo se presentaré ‘mostraci6n de esta alirmacién, Cuando el tamafio de subgrupo es mayor que 10, se debe usar la gréfic lugar de la gréfica R para controlar la dispersién, No hay una regla para determinar la frecuencia de toma de subgrupos, pera! ser la suficiente para detectar cambios del proceso. Las incomodidades de la dis cin de la Fabrica u oficinas, y el costo de tomar subgrupos, deben balancearse yalor de los datos obtenidos. En general, 1o mejor es muestrear con bastante fi cia al principio, y reducir la frecuencia cuando lo permitan los datos, Una valiosa ayuda para tener idea de la cantidad de muestreo neces usar la tabla 5-1, obtenida de la norma ANSV/ASQ Z1.9-1993. Si un proceso TABLA 5-1 Tamaiios de muestra AMANO DE LOTE_ TAMARO DEM 91-150 10 151-280 15 281-400 401-500 501-1,200 1201-3200 3,201--10,000 5 10,001-35,000 100 35,001-150,000 150 Fuente: ANSUASQZ1.9—1993, Normal Inspection, Level I BE) cwrmosproducir 4000 piczas por dia, se sugieren entonces 75 inspecciones en total. Em tonces, con un tamaiio de subgrupo de cuatro, 19 subgrupos serian un buen panto de partida, También se podria usar la regla de precontrol (vea el capitulo 6) para frecuencia de muestreo. Se basa en la frecuencia con que se ajusta el proceso. Si el proceso se ajusta cada hora, el muestreo se debe hacer cada 10 min; si se ajusta cada 2 h, debe ‘muestrearse cada 20 min; si se ajusta cada 3h, el muestreo debe ser cada 30 min, y asi sueesivamente. La frecuencia de toma de un subgrupo se expresa en funcién del porcentaje de elementos producidos, o en términos de un intervalo de tiempo. En resumen, la selec- cin del subgrupo racional se hace de tal modo que s6lo haya causas fortuitas en el subgrupo. Recolectar los datos EI siguiente paso es recolectar los datos. Se puede usar una forma como la de la figura 5-2, donde se registran los datos verticalmente. Al anotar las mediciones una bajo la otra, se facilita un poco la operaci6n de suma para cada subgrupo. Un méto- do alternativo para anotar los datos se muestra en la tabla 5-2, donde los datos se anotan horizontalmente. El método en particular es igual cuando se dispone de una calculadora electr6nica de bolsillo, Para fines ilustrativos se usaré el segundo mé- todo. Suponiendo que ya se seleccionaron la caracteristica de la calidad y el plan para subgrupo racional, se puede asignar a un técnico Ia tarea de reunir Ios datos como parte de sus tareas normales. El supervisor de primera linea y el operador deben estar informados de las actividades del técnico; sin embargo, todavia no se ponen gréficas © datos en lugares visibles del centro de trabajo. Lo anterior se ilustra con un ejemplo: debido a la dificultad en el montaje de un cubo (mamelén) de engranaje cuando se usa una cufia y un cufiero (0 chaveta y cha- vetero), el equipo de proyecto recomienda usar una gréfica X y R. La caracteristic de calidad es la profundidad de chavetero en el eje, de 6.25 mm (0.250 pulg). Si se usa un subgrupo racional de 4, un técnico obtiene 5 subgrupos por dfa, durante 5 dias. ‘Se miden las muestras, se calculan el promedio (X) y el rango R del subgrupo, y se anotan los resultados en la forma. Entre otra informacién que se anota esté la fecha, hora y comentarios acerca del proceso. Para simplificar, se codifican las ediciones individuales a partir de 6.00 mm. Entonces, la primera medicién, de 6.35 mm, se anota como 35. Es necesario reunir un minimo de 25 subgrupos de datos. Menos subgrupos no permiten tener una cantidad suficiente de datos para calcular con exactitud la linea central y los limites de control, y més subgrupos demorarfan la implantacién de la gri- fica de control. Cuando los subgrupos se obtienen con lentitud podré preferirse obte- ner conclusiones preliminares con menos subgrupos. Los datos se grafican en la figura 5-4, que se llama gréfica de corrida. No tiene limites de control, pero se puede usar para analizar los datos, en especial en la etapa de desarrollo de un producto, o antes de un estado de control estadistico. Los pun- tos de datos se grafican en orden de produccién, como muestra la figura. Graficar‘TABLA 5-2 Datos sobre profundidad de chavetero (mm)* MEDICIONES PROMEDIO RANGO FecHa nora XX; XX; x R COMENT: 6850354037 636 0.08 130 460-3736 6.40. 0.10 145 34403436 6.36 0.06 345 69 Ot. 6.65 0.10 Operador 420 38 34 44 40 639 0.10 temporal 1227-835 42 41g 6.40 0.09 4 41 al 46 6.43 0.05 3 413836 637 0.08 48 444745 6.46 0.04 7 43 3 42 6.42 ou 12728 3841398 6.39 0.03 37 37) Al 37 6.38 0.04 40 38 4735 6.40 0.12 38390454 64l 0.07 15 5042 4345 6.45 0.08 16 12729 33°35 (939 634 0.10 17 41400 2934 6.36 12 18 100384458 642 0.30 Tubo de ac 19 235 3 Al 37 38 6.38. 0.06 dafiado 20 915) 56 55 45) 48 651 O11 Material 21 1290935 3880457 640 0.08. 2 10:20 39° «42-3540 639 0.07 B 135 42,3939 36 639 0.06 24 2:00 43-86-3538 6.238 0.08 25 425938 3B 434g 6Al 0.06 Suma 160.25 219 “Para simpliicar las anotaciones, las meicionesindivideales parten de 6.0% mm. puntos de datos es una forma muy efectiva para aprender del proceso. Se debe como primer paso en un andlisis de datos. Se necesitan limites estadisticos para determinar si el proceso es estable Determinar linea central y limites de control tentativos Las lineas centrales para gréficas X y R se obtienen con las férmulas: Sm gPromedto (X), mm E = @ 18 Numero de subgrupo FIGURA 5-4 Gréfica de corrida para la tabla 5-2. siendo X = promedio de promedios de subgrupo (se lee “X doble barra”) X, = promedio del i-ésimo subgrupo g =cantidad de subgrupos R= promedio de rangos de subgrupo R, = rango del i-ésimo subgrupo Los limites tentativos de control para las grificas se establecen en +3 desviacio- nes estiindar del valor central, como se indica en las siguientes férmulas: UCLy =X + 30% UCLy =R + 30% LCLy = X — 30% LCL a = R — 30g eteermcortentcetens Elen donde UCL = limite superior de control (de upper control limit) LCL = limite inferior de control (de lower control limit) \dar poblacional de los promedios (R) de subj {ndar poblacional del rango En la prictica, los célculos se simplifican usando el producto del rango (Rl un factor (A) para reemplazar las 3 desviaciones estindar (A2R = 3 oy)> f6rmulas para la grifica X. En la gréfica R, se usa el rango R para cién esténdar del rango (r9).° Entonces, las f6rmulas deducidas son: UCLy = ¥ + AQR UCL, = DIR »R LCLy = DR donde los factores A2, Ds yD, varfan con el tamaiio del subgrupo, y e determi la tabla B del apéndice. Para la grdfica X, los limites de control superior e infer simétricos respecto a la linea central. Teéricamente, los limites de control grifica R también deberian ser simétricos respecto a la linea central. Pero para dé ese caso, con subgrupos de tamaiio 6 o menor, se necesitaria que el limite rior de control tuviera un valor negative. Como es imposible un rango neg: limite inferior de control se ubica en 0, asignando el valor 0 a Ds, para subgru 6 0 menores. Cuando el tamaiio de subgrupo es 7 0 mayor, el limite inferior de cont mayor ue 0, y simétrico respecto a la linea central. Sin embargo, cuando se grifica R en Ingar visible del centro de trabajo, podria ser mAs préctico manten el limite inferior de control. Con esta prictica se elimina la dificultad de exph ‘operador que los puntos abajo del limite inferior de control de la grifica R son el tado de un desempefio excepcionalmente bueno. y no de un mal desempeiio. Si bargo, el personal de Control de calidad debe llevar sus propias grificas de c con el limite inferior de control en su lugar indicado, y se deben investigar t Puntos bajos fuera de control para determinar la raz6n del desempefio excepeil ‘mente bueno. Como son raros los tamatios de subgrupo de 7 més, este caso se poca frecuencia. La deduccién de 30 y = Asi se basa enlasustiucidn de wy = o/Vn yen una estimacién de = R/dgd ‘dyes un factor que depende del tamatio de subgrupo. 30 8 = 3 porto que, Ay = —2 Rg eevee eed Na * Ta deducciin de fa formula simplificada se basa en la susttuciin de dur = rg yo = Rid con lo cual (rae 2 (Be para Tos Iinites de contro. Por lo anterior, se igualan Ds y Datos coefcientes de canfruro 5PROBLEMA DE EJEMPLO 5-1 Para ilustrar los calculos necesarios para obtener los limites de control y lines central tentativos, se usardn los datos de la tabla 5-2, acerca de la profundidad del chavetero en el eje. De la tabla 5. 160.25, 2R = 2.19.y g eentonces, las lineas centrales est = 0.0876 mm De la tabla B del apéndice, los valores de los factores para un tamafio de subgru- pon = 4, son Az = 0.729, Ds = Oy Dy = 2.282. Los limites tentativos de con- trol para la grdfica X son: UCLy = K + AR LCLz = X — AR = 6.41 + (0.729)(0.0876) 6.41 — (0.729(0.0876) = 647 mm = 635 mm Los limites tentativos de control para la grifica R son UCLe = DR LCL = D3R = (2.282)(0.0876) = (0)(0.0876) = 0.20 mm =0mm La figura 5-5 muestra las Iineas centrales y los limites de control tentativos para las gréficas de X y R, con los datos preliminares. Establecer la linea central y los limites de control revisados EI primer paso es mostrar, en un lugar visible, los datos preliminares en Ta Junto con los Imites de control y las lineas centrales. Eso se ha hecho en la grifica que El siguiente paso es adoptar valores estndar para las Iineas centrales, o dicho en forma mis correcta, de la mejor estimacién de los valores estindar, con los datos dis- ponibles. Si en un anélisis de los datos preliminares resulta que hay un buen control, se podra considerar entonces que X y R son representativos del proceso, y se convier- ten en los valores estindar, Xp y Ro. Se puede describir en forma sucinta que un buen control es el que no tiene puntos fuera de control, no tiene corridas largas en alguno de los lados de la Iinea central, y que no tiene pautas anémalas de variacién. A conti- nuacién, en este capstulo hallaré més informacién acerca de los conceptos “en contro!” y “fuera de control”.Graticas de control - Profundidad de chavetero Promedio (4), mm 5 E @ 10 5 Numero de subgrupo FIGURA 5-5 Gréfica X y R para datos preliminares, con limites tentativos de co La mayor parte de los procesos no estén bajo control cuando se analizan ‘mera vez, Un andlisis de la figura 5-5 muestra que hay puntos fuera de control grifica X, en los subgrupos 4, 16 y 20, y un punto fuera de control en gréfica Ry subgrupo 18. También se ve que hay una gran cantidad de puntos abajo de la lin tral que sin duda se deben a la influencia de los puntos altos. Primero se analiza la gréfica R para determinar si es estable. Como el fuera de control en el subgrupo 18 de la gréfica R tiene una causa asignable (tut aceite dafiado), se puede descartar de los datos. Los puntos graficados restantes can que el proceso es estable. Entonces se puede analizar la gréfica X. Los subgrupos 4 y 20 tuvier causa asignable, pero la condicién de fuera de control para el subgrupo 16 no laSe supone que el estado de fuuera de control para el subgrupo 16 se debe @ una causa fortuita, que es parte de la variaci6n natura. Los subgrupos 4 y 20 de la gréfica X, y el subgrupo 18 de la grifica R no son parte de la variacién natural, y se desechan de los datos: se calculan entonces nuevos valores de X y R con los datos que restan. Los célculos se simplifican al usar las formulas siguientes: promedios de subgrupos descartados niimero de subgrupos descartados Ry = rangos de subgrupos descartados Para desechar los datos se usan dos técnicas. Si el valor X o R de un subgrupo estd fuera de control y tiene una causa asignable, los dos valores se desechan, 0 solo se desecha el valor que esté fuera de control dentro del subgrupo. En este libro se seguiré la segunda téenica; entonces, cuando se desecha un valor de X, no se desecha el valor correspondiente de R, o viceversa. Con un conocimiento del proceso se puede adoptar la técnica adecuada en determinado momento. PROBLEMA DE EJEMPLO 5-2 Se caleularé un nuevo valor de X basado en desechar los valores de X de 6.65 y 6.51, para los subgrupos 4 y 20, respectivamente. Los céleulos para un nuevo valor de R se basardn en desechar el valor de R = 0.30, para el subgrupo I8. 2X -X, &~ 8a _ 160.25 25 6.40 mm 0.079 mm. ____ Estos nuevos valores de X y R se usan para establecer los valores esténdar de Xo, Ros oo Entonces, Ro donde d, = un factor de la tabla B, en el apéndice, para estimar 79 a partir de Ro. Los valores estindar o de referencia pueden considerarse como 1a mejor estimacién, con los datos disponibles. A medida que se disponga de més datos, se podriin hacer mejores GRAVICAS DE CON’estimaciones, 0 tener més confianza en los valores esténdar que se tengan. El obj es obtener la mejor estimacién de esos valores esténdar poblacionales. Las Iineas centrales y los limites de control 3c, para las operaciones real obtienen usando los valores esténdar y las siguientes formulas: UCLy = Xo + Ago LCLy = Xp — Aoy UCL, = Dro LCLg = Dioy donde A, D; y Dz son factores de la tabla B, para obtener los limites de control partir de Xo yo, PROBLEMA DE EJEMPLO 5-3 De acuerdo con la tabla B del apéndice, y para un tamafio de subgrupo igu: 4, los factores son A = 1,500, da = 2.059, D, = 0 y D; = 4,698. Entonces, cdlculos para determinar Xo, Ry ¥ Oy usando los datos indicados, son: Xo = Xmew = 6.40 mm Ro = Rovevo = 0-079 (0.08 para la gréfica) ey b 0.079 ~ 2.059 = 0.038 mm Entonces, los limites de control son: UCL x = Xo + Ao LCL = Xo — Aog = 6.40 + (1.500) (0.038) = 6.40 — (1.500)(0.038 = 646mm = 634mm Dyo9 LCL = Diao = (4.698) (0.038) (0)(0.038) = 0.18mm =0mm Las lineas centrales y los limites de control se dibujan en las gréficas X y Ri el siguiente periodo se muestran en la figura 5-6. Para fines ilustrativos, en la ‘grifica se muestran los limites de control, tentativos y revisados. Los limites de l gréficas, X y R, se volvieron mas angostos, como era de esperarse. No hubo €a en el LCL, porque el tamaiio de subgrupo es 6 0 menor. También se ve, en la “a, porque no se trazan Iineas ent 5-6, una técnica més simple para trazar la gré puntos.Graticas de control — Profundidad de chavetero Claris = en |— R= 640 = 6.35 ot. UCLa = 0.18 5 Z o- = obs a Numero de subgrupo FIGURA 5-6 Limitestentativos y revisados de control para las grficas X y R. Los datos preliminares de los 25 subgrupos iniciales no se grafican con los limi- tes de control revisados. Estos limites son para informar los resultados de los subgru- pos futuros. Para usar con eficiencia la grifica de control durante la produccién, ésta debe mostrarse en un lugar conspicuo, donde la puedan ver los operadores y los supe visores, Antes de proceder al paso de tomar acciones, cabe mencionar algunos comenta- rios finales. El primero es que muchos analistas eliminan este paso del procedimiento porque parece ser algo redundante. Sin embargo, al desechar los puntos fuera de con- trol que tienen causas asignables, la linea central y los limites de control son mas representativos del proceso. Este paso podré ser demasiado complicado para el perso- nal de operacién. Su eliminaci6n no afecta el siguiente paso. En segundo lugar, las formulas para los limit te iguales. Asi, para el limite superior de control, Xp +Ao» = Xue + A2Ravew- El Timite de control inferior, y los dos limites de control para la gréfica R tienen equiva- lencias similares.En tercer lugar, ya queda disponible el pardmetro oy para obtener Ia esti inicial de la capacidad del proceso, que es 6%, La capacidad real del proceso se ne en el siguiente paso (alcanzar el objetivo). También, como se mencioné capitulo 4, se obtiene una mejor estimacién de la desviaci6n estdndar con o7) y la mejor estimacién con 9 = sy/cy de las gréficas de control X, s, en la see desviacién estindar muestral de la grifica de control En cuarto lugar, la linea central Xq para la gréfica X se basa, con frecuencis las especificaciones. En ese caso, s6lo se usa el procedimiento para obtener Ry Si en este problema de ejemplo el valor nominal de la caracteristica es 6.38 entonces se iguala Xp a ese valor, y los limites superior e inferior de control son: UCLy = Xp + Aoy LCLy = Xp — Aog = 6.38 + (1.500)(0.038) = 6.38 — (1.500)(0.038) 644 = 632 La Iinea central y los limites de control no cambian para la grafica R. Sélo se hacer esa modifieacién si el proceso es ajustable. Si no es ajustable, se deben us célculos originales, En quinto lugar, entonces los ajustes al proceso deben hacerse mientras se los datos. No es necesario producir material no conforme al recolectar los datos, que el principal interés es obtener Ro, que no se afecta con el ajuste del proc fundamento de este concepto es la independencia entre wy o. En sexto lugar, el proceso determina la linea central y los limites de cont los establecen Disefio, Manufactura, Ventas o algtin otro departamento, sal cuando el proceso es ajustable. Por tiltimo, cuando se conocen los valores para la poblacién (q yo) se calcular de inmediato las Iineas centrales y los limites de control, ahorrando ties trabajo. Asi, X = ML, 7» =o y Ro = door, y los limites se obtienen con las 61 adecuadas. Este caso puede ser extremadamente raro. Alcanzar el objetivo Cuando se introducen las gréficas de control por primera vez en un centro de t suele mejorar el desempeiio del proceso. Esta mejora inicial se nota en especial do el proceso depende de la habitidad del operador. Parece que poner una graf control de calidad en lugar visible es una sefial sicol6gica para que cl operador re su desempefio, La mayorfa de los trabajadores desean producir un articulo calidad, y en consecuencia, cuando la gerencia muestra que Ie interesa la cé operador responde. La figura 5-7 ilustra el mejoramiento inicial que se obtuyo al introdu ficas X y R en enero. Por limitaciones de espacio, en esa figura s6lo se mut cantidad representativa de subgrupos para cada mes. Durante enero, los prome subgrupo tuvieron menor variaciGn, y tendieron a centrarse en un punto un p alto. También se obtuvo una reduccién en la variacién del rango. caPéruLo 5Grificas de control - Profundidad de chavetero Enero Fobrero Uso continuo de grificas de control, donde se ve el mejoramiento de la calidad. No toda la mejoria de desempefio en enero se debid a los esfuerzos del operador. El operador de primera Ifnea inici6 un programa de control de desgaste de herramicn- ta, lo cual también contribuy6. Al final de enero se calcularon nuevas lineas centrales y limites de control, con los datos de los subgrupos obtenidos durante el mes. Se aconseja, en especial cuando se inicia una gréfica, calcular periédicamente los valores esténdar, para ver si han su- cedido cambios. Esta reevaluacién se puede hacer cada 25 subgrupos o mas y los re- sultados se comparan con los valores anteriores.” i Se establecieron nuevos limites de control para las gréficas X y R, y la linea cen- tral para la gréfica R para el mes de febrero. No se cambi6 la linea central de la gréfi- ca X porque es el valor nominal. Durante los meses que siguieron, el departamento de mantenimiento cambi6 un par de engranajes gastados; Compras cambié de proveedor de material, y Herramientas modificé una mordaza de herramienta. Todas esas mejo- ras resultaron de investigaciones que rastrearon las causas de las condiciones de fuera de control, o fueron ideas desarrolladas por un equipo de proyecto. La generacién de ideas por muchas personas distintas es el ingrediente mds esencial en el mejoramiento continuo de la calidad. Se deben evaluar las ideas del operador, del supervisor de pri- mera Ifnea, de Aseguramiento de Ia calidad, de Mantenimiento, de Ingenierfa de ma- 0s valores se suelen comparar sin hacer pruchas formales. Una evaluacién exacta se puede obtener compa rando matemaicament las linea centrale, para ver ison de la misma poblacién, GRAPICAS DE CONTROL PARA VARIABLES BLnufactura y de Ingenierfa industrial. Esta evaluacién o prueba de una idea requik subgrupos o mas. La gréfica de control dirs si la idea es buena, mala, 0 si no tiene en el proceso. Se produce un mejoramiento de la calidad cuando las lineas que cen en la gréfica X convergen hacia la Ifnea central, 0 cuando los puntos en la R tienden hacia abajo, 0 cuando suceden ambas cosas. Si se prueba una idea sucede lo contrario. Naturalmente, si Ia idea es neutra, no tiene efecto sobre el de los puntos graficados. Para acelerar los ensayos de ideas, se puede comprimir en el tiempo Ia tor subgrupos, siempre que los datos representen al proceso, por tener en cuenta cu: fluctuacién de una hora a otra, o de un dia a otro. Sélo se debe probar una idea. vez, porque de lo contrario los resultados serén confusos ‘Al final de junio la evaluaci6n periddica del desempefio mostré la necesi revisar las Iineas centrales y los limites de control. El desempefio para el mes de y los meses siguientes mostraron un patrén natural de variacién, sin mejoramies ia calidad. A partir de ese momento, ya no es posible mejorar més la calidad sis inversién sustancial en equipo nuevo, 0 para modificar el equipo. W. Edwards Deming dijo “que si hubiera sido banquero, no hubiera pres una empresa a menos que usara métodos estadisticos para demostrar que era rio el dinero. Esto es exactamente Io que puede obtener una grfica de control, pre que todo el personal la use como método de mejorar la calidad, y no s6lo tuna funcién de mantenimiento. Cuando se ha alcanzado el objetivo de iniciar el uso de las grificas, sé discontinuar, o se debe reducir la frecuencia de la inspeccién hasta slo una cién de vigilancia por parte del operador. Se debe tratar entonces de mejorar otra caracteristica de la calidad. Si intervino un equipo de proyecto, se le del citar por su papel, y se debe desintegrar. Grafica de control de desviacién estandar muestral Aunque las grficas X y R son las mas comunes para variables, algunas orga ciones prefieren la desviaci6n esténdar muestral, s, como medida de la dis subgrupos. Al comparar una gréfica R con una gréfica s, se ve que la R es mi de calcular y més fécil de explicar. Por otra parte, la desviacidn estéindar de sul para la grafica s, se calcula usando todos los datos, y no s6lo los valores alto y. como se hizo en la grifica R. Una gréfica s es mas exacta que una R. Cuando los jis de subgrupo son menores que 10, ambas gréficas retratan gréficamente la variacién*; sin embargo, cuando el tamafio de subgrupo aumenta hasta 10 0 los valores extremos tienen una influencia exagerada sobre la gréfica R. Por lo se debe usar la gréfica s para tamaiios mayores de subgrupo. * Se puede demostrar esta ufrmacin al comparar la grfica de fa figura 5-5 con la gréfcas dela FiguLos pasos necesarios para obtener los limites tentativos y revisados de control X ¥y 5, son iguales a los que se usaron para la grifica X y R, excepto que se usan diferen- tes formulas, Para ilustrar el método, se usardn los mismos datos. Se reproducen en Ia tabla 5-3, donde se adicioné una columna s y eliminé la columna R. Las formulas correspondientes que se usan para calcular los Iimites de control tentativos son. Me | UCLy=X+As UCL, = LCLy=X- AS LCL, = Bs donde 5; = desviaci6n estindar muestral de los valores de subgrupo 5 = promedio de desviaciones estindar muestrales de subgrupo As, By, Bs = Factores de la tabla B en ef apéndice, para obtener los limites de control 3c para grificas X y sa partir de 5: Las formulas para calcular los I res estindar de Xy y 0 son: nites de control revisados a partir de los valo- UCLy = Xp + Aog UCL, = Bean LCLy = Xo — Aoo LCL, = Bsa donde sy = desviaci6n estindar muestral del subgrupo desechado eq = factor que se encuentra en la tabla B, para calcular oy a partir de 5 A, Bs, Bg = factores de la tabla B para calcular los limites 3o- de control de proceso, para las grifieas X ys El primer paso es determinar la desviaci6n estindar de cada subgrupo a partir de Jos datos preliminares. Para el subgrupo 1, con valores de 6.35, 6.40, 6.32 y 6.37, la desviacién estindar es [nSix2 (3x) é a aN na = 1) GRAFICAS DE CONTROL PARA VARIABa + 6.40? + 632" + 6.37) — (6.35 + 640 + 632 + 63 v 4(4 = 1) = 0.034 mm. La desviaci6n estiindar de! subgrupo 1 se anota en la columna s, como se ve en la 5-3, y el proceso se repite para los 24 subgrupos restantes. La continuacién de las: ficas X y s se hace de Ja misma manera que para las grificas X-y R. TABLA 5-3 Datos sobre profundidad de chavetero (mm)* DESVIACION ESTANDAR NUMERO DE EDICIONES PROMEDIO. MUFSTRAL SUBGRUPO FECHA Xa x s 12726 37 636 0.034 41 640 0.085 36 636 0,028 6.65 0.045 40 639 0.042 34 640 0.041 46 643 0.024 637 0,034, 45 646 0018 a2 642 0.045, 38 639 0.014 37 638 0.020 35 640 0.051 641 0.032 645 0.036 634 0.042 636 0.056 642 0.125 638 0.025, 651 0.054 640 0.036 639 0,029 639 0.024 8 638 0,036 a4 641 0.029) 160.25 0.965 “Para simplificar Tas anotaciones, las mediciones individuals parten de 6,00 mm,PROBLEMA DE EJEMPLO 5-4 Con los datos de la tabla 5-3, determinar la linea central y los limites de control revisados para las gréficas X y s. El primer paso es obtener 5 y X, que se caleu- Jan a partir de Es y SX, y esos valores estan en la tabla 5-3, Sa 3% = & _ 160.25 25 = 0.039 mm = 641mm En la tabla B se encuentran los valores de los factores: A = 1,628, By y B, = 2.266, y los limites de control tentativos son: UCL =X + As Lc — As = 6.41 + (1.628)(0.039) = 6.41 — (1.628)(0.039) = 647 mm = 6.35 mm UCL, = Bis LCL, = B3s = (2.266)(0.039) = (0)(0.039) = 0.088 mm = 0mm EI siguiente paso es graficar X y s de subgrupo en papel milimétrico, con Jas Iineas centrales y los limites de control, Este paso se muestra en la figura 5-8. ‘Los subgrupos 4 y 20 estén fuera de control en la gréfica X, y como tienen causas asignables, se desechan, El subgrupo 18 esté fuera de control en la grifica s, y ‘como tiene una causa asignable, también se descarta, Los cdlculos para obtener los valores esténdar de X, so ¥ &% son: a &~ 8a _ 160.25 = 665-651 —_ 0,965 = 0.125 25-2 5-1 = 640mm = 0.035 mm oo= 2 de la tabla B, cy = 0.9213 cs GRAFICAS DE. CONTROL PARA VARIABLES.vo del rango, en la seccién anterior. Al usar los valores estindar de Xy = 6. oO E E Ez 3 é é (s).mm i FIGURA 58 Gréfiea de control X y s para los datos preliminares con limites de tentativos. capiruLo 5 _ 0.035 0.9213 0.038 mm, El lector observard que la desviaci6n estindar oy es igual a la que se 0.038, se calculan los limites de control revisados: UCL = X + Aoy LCLx = Xo — Aoy = 6.40 + (1.500)(0.038) = 6.40 — (1.500)(0.038) = 6.46 mm = 634mm UCL, = Boro LCL, = Byoy (2.088) (0.038) = (0)(0.038) = 0.079 mm = 0mm Grificas de control ~ Profundidad de chavetero g 635 0.088 0.039 Numero de subgrupoESTADO DE CONTROL Proceso bajo control Cuando se han eliminado del proceso las causas asignables, hasta el grado en que los puntos de la gréfica de control permanecen dentro de los limites de control, el proce- so esté en un estado de control. Ya no se puede aleanzar mayor grado de uniformidad con el proceso existente. Sin embargo, se puede lograr mayor uniformidad mediante tun cambio en el proceso basico, promovido por ideas para mejorar la calidad, Cuando un proceso esté “bajo control” (0 “en control,” 0 “controlado”) se pre- senta un patrén natural de variacién que se ilustra con la grafica de control en la figu- ra 5-9. El patr6n natural de variacién tiene: (1) aproximadamente 34% de los puntos dentro de una banda imaginaria a 1 desviaci6n esténdar en ambos lados de la linea central, (2) 13.5% de los puntos estén en una banda imaginaria entre I y 2 desviacio- nes estiindar en ambos lados de la linea central, y (3) 2.5% de los puntos graficados dentro de una banda imaginaria entre 2 y 3 desviaciones estindar en ambos lados de Ja linea central. Los puntos estén hacia uno y otro lado de la linea central en forma aleatoria, sin que haya puntos que se salgan de los limites de control. El patrén natu- ral de los puntos, o los valores promedio de subgrupo, forman su propia distribucién de frecuencia. $i todos los puntos se apilaran en uno de los extremos (derecho 0 izquierdo) formarian una curva normal (vea la figura 5-11). En general, se establecen los limites de control a 3 desviaciones esténdar de distancia a la linea central. Se usan como base para juzgar si hay evidencia de falta de control. La eleccién de los limites 30" es econémica, con respecto a dos tipos de errores que se pueden presentar. Un error, que los estadisticos Haman Tipo 1 ocurre cuando se busca una causa asignable de variacién, cuando en realidad est presente una causa fortuita. Cuando los limites se establecen a 3 desviaciones esténdar, un error Tipo I se presentard durante 0.27% (3 de 1000) del tiempo. En otras palabras, cuando tun punto sale de los limites de control, se supone que se debe a una causa asignable, aun cuando se pueda deber a una causa fortuita 0.27% del tiempo. Se podria pensar Linea central IRA 5-9 Patron natural de variaci6n en una grafica de control. GRAFICAS DE CONTROL PARA VARIABLESTABLA 5-4 Errores tipo Ly tipo IT ic EL PUNTO GRAFICADO ESTA FUERA DE LOS DE CONTROL, Hay presente una causa asignable Correcto, Exror tipo II Hay presente una causa fortuita Error tipo T que este caso es uno de “culpable hasta que se demuestre su inocencia”. El ot de error se lama Tipo Tl, y se presenta cuando se supone que hay una causa fo variacién, cuando en realidad hay una causa asignable. En otras palabras, ct punto esté dentro de los limites de control se supone debido a una causa for aun cuando podria deberse a una causa asignable. Se puede imaginar que esta situaci6n de “inocente hasta que se demuestre su culpabilidad”. La tabla 5-4 m Ja diferencia entre los errores tipo Ty tipo II. Si se establecen los limites de cont digamos, +2.5 desviaciones esténdar, aumentarfan los errores tipo I y bajarfan | tipo II. Hay abundante experiencia, desde 1930 y en toda clase de industrias, que ca que los limites 3c permiten tener un equilibrio econémico entre los costos dos por los dos tipos de errores. A menos que haya fuertes razones précticas hacerlo en forma diferente, se deben usar los limites de +3 desviaciones estén Cuando un proceso esté controlado, sélo hay presentes causas fortuitas de cién. Se espera que haya pequefias variaciones en el funcionamiento de la méqui desempefio del operador y las caracteristicas del material, y se consideran parte de un proceso estable. Cuando un proceso esté bajo control, el productor y el consun ciertas ventajas précticas. 1. Cada unidad del producto 0 servicio sera més uniforme; dicho de otra ra, habré menos variacién y menos rechazos. 2. Como el producto o servicio es mas uniforme, se necesitan menos m para juzgar la calidad. En consecuencia, se puede reducir el costo de la ins hasta un minimo. Esta ventaja es extremadamente importante cuando no es eset 100% de conformidad con las especificaciones. 3. La capacidad del proceso, o amplitud del proceso, se obtiene con fi con 6a. Conociendo la capacidad del proceso, se pueden tomar varias decision bles, en relacién con las especificaciones, como: (a) Decidir las especificaciones o requisitos del producto o servicio. (b) Decidir la cantidad de reprocesamiento o desecho cuando hay toler insuficientes, y " Elisabeth J. Umble y M. Michael Umble, “Developing Control Chars and Iluststing Type 1 snd! Errors Quality Management Journal, vol. 7, nim. 4, 2000, pp. 23-30.(©) Decidir si se fabrica el producto con especificaciones estrechas y permitir la intercambiabilidad de los componentes, o fabricarlo con amplias especifica- ciones y usar apareamiento selectivo de los componentes. 4. Se podra prever un problema antes de que se presente, y con ello acelerar la produccién evitando rechazos e interrupciones. El porcentaje del producto que esta dentro de un par de valores se podra pre- decir con la maxima seguridad. Por ejemplo, esta ventaja puede ser muy importante cuando se ajusten méquinas lenadoras para obtener diferentes porcentajes de articulos abajo, entre, o arriba de valores particulares. 6. Permite que el consumidor use los datos del productor y, con ello, s6lo probar pocos subgrupos como verificacién de los registros del productor. Las grificas X y R se usan como prueba estadistica de que el proceso esti controlado. 7. El operador se desempeita en forma satisfactoria, desde el punto de vista de la calidad. Solo se puede mejorar més el proceso cambiando los factores de entrada: ma- teriales, equipo, ambiente y operadores. Para cambiarlos se requieren acciones de la administracién. Cuando séto existen causas fortuitas, ef proceso es estable y predecible en el tiempo, como se ve en la figura 5-10(a). Se sabe que la variaci6n futura, indicada por la curva de puntos, seré igual, a menos que haya un cambio en el proceso que se deba una causa asignable. Proceso fuera de control El término “fuera de controf” (o descontrolado) se suele considerar inconveniente; sin embargo, hay casos en que esa condiciGn es deseable. Lo mejor es pensar que el tér- mino fuera de control es un cambio en el proceso debido a una causa asignable. Cuando un punto (valor de subgrupo) sale de sus Iimites de control, el proceso, fuera de control. Quiere decir que existe una causa asignable de variacién. Otra forma de considerar al punto fuera de control es imaginar que el valor de subgrupo proviene de una poblaci6n diferente que aquella con la que se obtuvieron los limites de control. La figura 5-11 muestra una distribucién de frecuencia de puntos graficados, apilados todos en un extremo para fines educativos, que forman una curva normal para promedios. Los datos fueron obtenidos a partir de una gran cantidad de sub- grupos y, por consiguiente, representan a la media poblacional, sz = 450 g, y ala desviacién esténdar poblacional para promedios, oy ~ 8 g. La distribucin de fre- cuencia para promedios de subgrupo se representa con una linea interrumpida. En futuras explicaciones se usard la linea interrumpida para representar la distribucién de frecuencia de promedios, y se usaré una linea llena para representar Ia distribu- cién de frecuencia de valores individuales. El punto fuera de control tiene un valor de 483 g. Este punto estd tan alejado de los limites 30” (99.73%), que sélo se puede pensar que provino de otra poblacién. En otras palabras, el proceso que produjo el GRAFICAS DE CONTROL. PARA VARIABLES = BIS(a) Solo existon causas fortuitas de variacion Ag ee (©) Existen causas asignables de variacién FIGURA 5-10 Variaci6n estable e inestable. promedio de subgrupo de 483 g es distinto que el proceso estable de donde se vieron los limites 3c. Por consiguiente, el proceso cambié, y existe una causal nable de variacién La figura 5-10(b) ilustra el efecto de Tas causas asignables de variacién en cin del tiempo. La naturaleza excepcional e inestable de las variaciones hace i sible predecir variaciones futuras. Se deben encontrar y corregir las causas asi antes de que pueda continuar un proceso natural y estable. BU) cariru.oSPunto fuera de control Promedios (Xi, 9 Lely © = Promedio de subgrupo (X) FIGURA Distribucién de frecuencia de promedios de subgrupo, con limites de control. ‘También se puede considerar que un proceso esté fuera de control, aun cuando Jos puntos estén dentro de los ffmites 3er. Este caso se presenta cuando en el proceso hay presentes corridas con variaciones no naturales en el proceso. Primero, se divide Ia gréfica de control en 6 bandas iguales, de desviacién esténdar, de la misma manera que la figura 5-9. Para fines de identificacién, las bandas se Hamardn zonas A, B y C, ‘como muestra fa figura 5-12. No es natural que siete puntos consecutivos o més estén artiba 0 abajo de la linea central, como se muestra en la figura 5-12(a). También, cuando hay 10 de 1 puntos, 0 12 de 14 puntos, etc., en un lado de la linea central, se consideran como no natura- les. Otra cortida no natural es la de (b), cuando seis puntos consecutivos crecen 0 decrecen continuamente. En la figura 5-12(c) hay dos de tres puntos consecutivos en Ja zona A, y en (d) hay cuatro de cinco puntos consecutivos en la zona B y més alld. Hay muchas posibilidades estadisticas, pero las cuatro més comunes son las que se muestran en la figura. En realidad, toda divergencia importante de la distribucién natu- ral, como se ve en la figura 5-9, serfa no natural, y se clasificarfa como condici6n fuera de control Mas que dividir el espacio en tres zonas iguales de 1 desviaci6n esténdar, una técnica més simple divide el espacio en dos zonas iguales de 1.5 desviaciones estén- dar de ancho. EI proceso esté fuera de control cuando hay dos puntos sucesivos a 1.5 desviaciones esténdar 0 més alld. Esta regla simplificada se puede implementar con mayor facilidad para los operadores, sin sacrificar drésticamente su potencia.' Se a en la figura 5-13, y sustituye la informacién de las figuras 5-12(c) y (d). "Para conocer més informacion, véase A, M. Hurwitz y M. Mathur, “A Very Simple Set of Process Conta Rules” Quality Engineering, vol. 5, nim. 1, 1992-1993, pp. 21-28. GRAFICAS DE; CONTROL PARA VARIABLESvet Let vet Let vet Let {a) Siete puntos consecutivos (0) Seis puntos consecutivos aumentando ‘en ia zona Co mas alla ‘ disminuyendo continuamenta x * vet - Let (6) Dos de tres puntos consecutivos (@) Cuatro de cinco puntos consecutivos ena zona A ‘ena zona 6 0 mas allé FIGURA 5-12 Algunas corridas no naturales; el proceso est fuera de control. ey FIGURA 5-13 Regla sit ‘cada para ver si el proceso) fuera de control. Anilisis de las condiciones fuera de control Cuando un proceso estd fuera de control, se debe encontrar la causa asignable sable de la condicién. Se puede reducir al minimo el trabajo detectivesco ne para localizar la causa de esa condicién, conociendo los tipos de patrones fi control y sus causas asignables. Los tipos de patrones X y R fuera de control cambio o salto de nivel, (2) tendencia, o cambio paulatino de nivel, (3) ciclos re tes, (4) dos poblaciones, y (5) errores o faltas, caviruLo 5FIGURA 5-14 Patron de fuera de control: cambio o salto de nivel. 1. Cambio o salto de nivel. Este tipo consiste en un cambio repentino en el nivel de la gréfica X, de la gréfica R, 0 de ambas. La figura 5-14 ilustra el cambio de nivel. Para una gréfica X, el cambio en el promedio del proceso se puede deber a: (a) Un cambio intencional 0 no intencional en el ajuste del proceso. (b) Un operador nuevo o inexperto. (©) Un material diferente. (@)_ Una falla menor de una parte de la maquina. Algunas causas de un cambio repentino en Ia extensi6n o variabilidad del proce- so, detectado en la gréfica R son: (a) Un operador inexperto. (b) Aumento repentino en el juego de los engranajes. (©). Mayor variacién en el material que llega. a Puede haber cambios repentinos de nivel en ambas gréficas, la X y la R. Este caso es frecuente durante el inicio de actividades con la gréfica de control, antes de Megar a un estado de control. Podré haber mds de una causa asignable, © podré haber tuna causa que pueda afectar a ambas grificas, como un operador inexperto. 2. Tendencia 0 cambio gradual de nivel. Esos cambios en el nivel de una grafi- ca de control son fenémenos industriales muy comunes. La figura 5-15 muestra una tendencia 0 cambio gradual de nivel que esté sucediendo en la direccién creciente; la FIGURA 5-15. Patrén fuera de control: tendencia o cambio gradual de nivel.tendencia podria haberse ilustrado en direccién decreciente. Algunas causas ‘cambios continuos y progresivos en una gréfica X son: (a) Desgaste de herramienta o troquel. (b) Deterioro gradual del equipo. (c) Cambio gradual de temperatura o humedad. (@) Alteracién de la viscosidad en un proceso quimico. () Acumulacién de virutas en un soporte de pieza. Un cambio continuo de nivel, 0 tendencia, en la grifica R, no es tan comin en la grifica X. Sin embargo, sf sucede, y algunas de sus posibles causas son: (@) Una mejoria en la destreza del operador (tendencia decreciente), (b) Disminucién de destreza del operador, debido a fatiga, tedio, falta de cién, etc. (tendencia creciente). (©) Mejora gradual en ta homogeneidad del material que Wega. _ 3. Ciclos recurrentes. Cuando los puntos graficados en una grafica Xo R tran puntos altos o bajos ondulatorios o periddicos, se trata de un ciclo. Un patrér co recurrente de fuera de control se ve en la figura 5-16. Para una gréfica X, algunas de las causas de los ciclos recurrentes son: (a) Efectos estacionales de! material que llega. (b) Efectos recurrentes de temperatura y humedad (arranques en frfas. (©) Todo evento diario o semanal, de naturaleza quimi ; mecinica o si ica de operadores. _Los ciclos periddicos en una grifica R no son tan comunes como los de Ui fica X. Algunos de los que afectan la grifica R son: (a) Fatiga y despabilado del operador debidos a pausas matutinas, a medi y, por la tarde. (b) Ciclos de tubricacién. El patrén fuera de control de un ciclo recurrente no se informa con frecuencia, ciclo de inspeccién. Asf, un patrén ciclico de variacién que se presente aproxi mente cada 2 h podria coincidir con la frecuencia de inspeccién. Por consigui canfruio 5FIGURA 5-17 Patrén fuera de control: dos poblaciones. sélo se informan los puntos bajos en el ciclo, y no hay evidencia que haya un evento ico. 4. Dos poblaciones (llamada también mezela). Cuando hay una gran cantidad de puntos cerea 0 fuera de los limites de control, podré existir una situacién de dos pobla- ciones. Esta clase de patrén de fuera de control se ilustra en la figura 5-17. Para una grifica X, el patrén de fuera de control se puede deber a: (a) Grandes diferencias en la calidad del material. (b) Dos 0 més méquinas en la misma gréfica. (©) Grandes diferencias en el método o equipo de prueba. Algunas causas de patrén de fuera de control en una grifica R son: (a) Diferentes operadores en la misma cartogréfica. (b) Materiales de distintos proveedores. 5. Errores. Los errores 0 faltas pueden ser muy penosas para el aseguramiento de la calidad. Algunas causas de los patrones fuera de control debidas a errores son: (a) Equipo de medicién descalibrado. (b) Ertores en los calculos. (©) Errores en el uso del equipo de prueba (@) Tomar muestras de diferentes poblaciones. También se ha dicho que muchas causas de patrones fuera de control se pueden atribuir a errores o fallas en la inspeccién. Las causas indicadas de los diversos patrones fuera de control son posibilidades que se sugieren y no pretenden abarcar todo. Esas causas dardn ideas al personal de Produccién y de Calidad para resolver los problemas. Pueden ser un inicio hacia el desarrollo de una lista de comprobacién de causas asignables que se aplique a su orga- nizaci6n en particular. Cuando se presentan patrones de fuera de control en relaci6n con el limite infe- rior de control en la gréfica R, se deben a un desempefio excepcionalmente bueno. Se debe determinar la causa para poder continuar con el desempefio excepcional La descripcisn anterior ha citado a la grifica R como medida de la dispersién, La informacién sobre patrones y causas también es vélida para la gréfica s.En el sexto paso del método de la gréfica de control se mencioné que son sarios 25 subgrupos para probar una idea. La informacién citada, sobre fuera de trol, se puede usar para tomar una decisién con menor cantidad de subgray ejemplo, una corrida con seis puntos consecutivos con tendencia decreciente grdfica R indicaria que la idea fue buena, ESPECIFICACIONES Comparacién de valores individuales con promedios Antes de describir las especificaciones y su relacién con las grificas de control, momento es preferible obtener mejor comprensién de valores individuales y promedio. La figura 5-18 muestra un conteo de valores individuales (X) y un de promedios de subgrupo (X) para los datos sobre profundidades de chavetero: tabla 5-2, No se usaron los cuatro subgrupos fuera de control en los dos conte To que hay 84 valores individuales y 21 promedios. Se observa que los prom agrupan mucho mas cerca del centro que los valores individuales. Cuando se dian cuatro valores, se minimiza el efecto de un valor extremo porque es ped Inivduales x} = 5 | Incividualos (X) 43 ze Promedic a neo = 46 uw (x) x f 4% it eer 1S aw “4 > 3H 2 | 2 omwioa | | 41 TH Mit 4a W 1 40 Ht 40 ah z 2 wh 3 t = wim 3 | 7 mt I 36 mt 36 a oo 3 3 “OW aa = oi 2 3 30 2 nn 38.9 n FIGURA 5-18 Comparacién de valores indi capiruLo 5 iduales y promedios para los mismosprobabilidad de tener cuatro valores extremadamente altos o extremadamente bajos ex el subgrupo. Los célculos para determinar el valor promedio, tanto de los valores individuales como los de subgrupo, son iguales; X = 38.9. Sin embargo, la desviacién esténdar muestral de los valores individuales (s) es 4.16, mientras que la desviacién estin- dar muestral de promedios de subgrupo (sg) es 2.77. Si hay una gran cantidad de valores individuales y promedios de subgrupo los poligonos uniformes de la figura 5-18 representarian sus distribuciones de frecuencia, sila distribuci6n es normal. La curva de distribucién de frecuencia de promedios es una Ifnea interrumpida, mientras que la de la distribucin de frecuencia de valores individuales es una linea continua. Esta convencién se seguird en este libro. Al com- Parar las dos distribuciones, se observa que ambas tienen la forma normal; de hecho, aun cuando la curva para los valores individuales no fuera muy normal, la de los promedios se acercarfa mas a la forma normal. La base de la curva, para valores indi- viduales, es aproximadamente el doble de extensa que para los promedios. Cuando se dispone de los valores poblacionales de la desviaci6n esténdar de los valores indivi- duales (7) y para la desviacién estindar de los promedios (o°z), hay una relacién defi- nida entre ellas, que se expresa con la férmula: ee “Va ‘éindar poblacional de los promedios de subgrupo (X) = desviaci6n estindar poblacional de los valores individuales n= tamafio del subgrupo donde oy = desviacién Asi, para un subgrupo de tamatio 5, ¢¥ = 0.450; y para un subgrupo de tamatio 4, oy = 0500. Si se supone la normalidad (lo cual podré ser cierto 0 no), se podré estimar la desviacién esténdar poblacional (¢) con: & donde &es la “estimaci le la desviacién esténdar poblacional, y c, es aproximada- ‘mente igual a 0.996997 para n = 84."' Por tanto, o = s/cq = 4.16/0.996997 = 4.17 y ox — of Vn = 4.17/-V4 = 2.09. Observe que sy, que se calculé con datos mue: tales, y oz, que se calculé arriba, son diferentes. Fsta diferencia se debe a variacién de la muestra, o a la pequefia cantidad de muestras, que s6lo fueron 21, 0 a alguna combinacién de las anteriores. La diferencia no se debe a una poblacién de X no normal. ‘Ya que la altura del pico es funci6n de la frecuencia, la curva para los valores individuals es mis alta. Eso se verifica con facilidad comparando la hoja de conteo en la figura 5.18, Sin embargo, si las curvas representan distribuciones relativas 0 Los valores de cy aparecen en la tabla B del apéndice, hasta n = 20, Para valores mayores que 2 n= Wan ~3. GRAFICAS DE CONTROL PARA VARIABLES BASporcentuales de frecuencia, el drea bajo la curva debe ser igual a 100%. Por guiente, la curva de distribucién porcentual de frecuencias para promedios, base més angosta, necesitaria ser mucho més alta para encerrar la misma drea curva de distribucién porcentual de frecuencia para valores individuales, Teorema del limite central Ahora que el lector percibe la diferencia entre distribuciGn de frecuencia de individuales, X, y la de distribucién de promedios, X, se puede analizar el teor limite central, En términos sencillos dice ast: Si la poblacién de donde se toman las muestras no es normal, la distribueién promedios muestrales tenderd hacia la normalidad, siempre que el tamafio. muestra, n, sea 4, cuando menos. Esta tendencia mejora cada vez més a medi el tamafio de la muestra es mayor. Ademés, para describir la distribucién de I medios, se puede usar la distribucién normal estandarizada (0 “normal est con la modificacién: X-K Este teorema fue ilustrado por Shewhart”? para una distribuci6n uniforme de cin, y otra triangular, de valores individuales, como muestra la figura 5-19. Es que la distribucién de las X es muy diferente que una distribucién normal; sin 0, la distribucién de las X es aproximadamente normal. _El teorema del limite central es una de las razones por las que funciona fica X, porque no es necesario ocuparse de si la distribucién de las X no es n siempre que el tamaiio de muestra sea 4 0 mayor. La figura 5-20 muestra los res de un experimento con dados. Primero esti la distribuciGn de tiradas individu un dado de seis caras; después esté una distribucién del promedio de tiradas dados. La distribucién de los promedios (las X) es unimodal, simétrica y dis hacia las orillas, Este experimento es una evidencia prictica de la validez del del limite central Limites de control y especificaciones Los limites de control se establecen en funcién de los promedios; en otras p: los Ifmites de control son para promedios. Por otra parte, las especificaciones variaciones permisibles de tamafio de la parte, por lo que son para valores indi les. Los ingenieros de disefio establecen la especificacién o limites de tolerancia umplir con determinada funci6n. La figura 5-21 muestra que la ubicacién de las cificaciones es opcional, y no se relaciona con cualquier otra propiedad en la EW.A. Shewhart Economic Contol of Quality Manufactured Product, Princeton, Nueve Jersey, Van Reinhold, 1931, pp. 180-186. BEY carirutoDistribucion de 1000 valores de X Distribucién de 250 valores de (%) 1 ete x x Distribucén uritorme de x Distribucin do, apraximadamente normal (X) a n=4 f Ul 1 x Oy ad Disinbucin tnangular do x Distribucién de, aproximadamente ‘normal (%) FIGURA 5-19 Hustraci6n del teorema del limite central. eres @ Resultados de X 1f2[s[«]e[e rst | se [rite free [rie [rH ei fr | rt | ot | rset | rH re | rage re | ns | ri | ne ree [rs |e |e | ra | re Resultados de (X) n= 2 10] 15| 20] 25] 30 | 35 | 40 | a5 | 50 | 55 | 60 tat prs forse fre | tae | re | ee re Pr Pra] rr Th Psd fra | PA] Pe | HE | THE PH we [rea fre fra ree | re] free] rae | te | 1 um FIGURA 5.20 Hustracién del teorema del limite central con dados. onincss x conrnor na vananies ESBEspeciicacién superior (Localizacién dptima) Distibucién de Distbucién valores inaividuales de promedios \ Se ---=- vet | Ss Limites de! papel control 1 . Pee Espectficacin inferior (Localizacion éptima) — FIGURA 5-21 Relacién entre limites, especificaciones y distribuciones. Los limites de control, la extensi6n del proceso, la distribucién de promedios, y tribucién de valores individuales son interdependientes. Estin determinadas proceso, mientras que las especificaciones tienen un lugar opcional. Con las de control no se puede determinar si el proceso cumple con las especificacions Capacidad y tolerancia del proceso En adelante, la extensién de proceso se llamard capacidad (0 posibilidad) del 80, y es igual a 607. También, a la diferencia entre las especificaciones se le Ila rancia, Cuando el ingeniero de disefio establece tolerancias sin tener en ci extensién del proceso, pueden resultar situaciones indescables. Son posibl casos: (1) cuando la capacidad del proceso es menor que la tolerancia, (2) cu: capacidad del proceso es igual a la tolerancia, y (3) cuando la capacidad del pr 5 mayor que la tolerancia. Caso I: 60 < (limite superior de especificacién — limite inferior de especificacién) Esta situaci6n, cuando la capacidad del proceso (6x) es menor que la tol (USL ~ LSL), es el més conveniente. La figura 5-22 ilustra esta relacién ideal, trando la distribucién de los valores individuales (X), los limites de la gréfica trol X y la distribucién de los promedios (X). El proceso esta bajo control en (a). la tolerancia es apreciablemente mayor que la capacidad del proceso no hay difi aun cuando haya un desplazamiento apreciable en el promedio del proceso, como Este desplazamiento ha causado una condicién de fuera de control, como indi EB) comoe— - — ust Fuera de control ste UCL. ustist = LeL. nea ust (@) Deseable (©) Indeseabie, pero sin desperdicio FIGURA 5-22 Caso I: 60 < USL ~ LSL. puntos graficados. Sin embargo, no se produce desperdicio, porque la distribucién de luales (X) no ha rebasado la especificacién superior. Se requiere accién correctiva para llevar al proceso al control. Caso Il: 6a = (limite superior de especificacién — limite inferior de especificacién) La figura 5-23 muestra este caso, donde la capacidad del proceso es igual a la toleran- a. La distribuci6n de frecuencia de las X en (a) representa un patr6n natural de varia- cién. Sin embargo, cuando hay un desplazamiento en el promedio del proceso, como Desperdicio 4 ust. fra —————- is. (@) Satistactorio (©) Fuera de controt y desperdicio FIGURA 5-23. Caso II: 6" = USL = LSL. GRAFICAS DE CONTROL PARA VARIABLES BEse ve en (b), los valores individuales (X) rebasan las especificaciones. Mii proceso esté bajo control, no se produce producto no conforme; sin embargo, el proceso sale de control, como se indica en (b), se fabrica producto no ci Por Io anterior, las causas asignables de variacién deben corregirse tan pronto senten. Caso III: 60 > (limite superior de especificacién — limite inferior de especificacién) ‘Cuando la capacidad del proceso es mayor que la tolerancia se presenta una sit indeseable. La figura 5-24 ilustra este caso. Aun cuando se forma un patrén nal variaci6n, como se ve en la distribucién de las X en (a), algunos valores indiv son mayores que la especificacién superior, 0 menores que la especificaci6n i Este caso es el tinico en el que el proceso esté bajo control, como indican los de control y la distribucién de frecuencias de X°s, pero se obtiene producto forme. En otras palabras, el proceso no es capaz de fabricar un producto que las especificaciones. Cuando el proceso cambia como en (b), el problema e mucho. ‘Cuando este caso se presenta sera necesaria una inspecci6n del 100% minar el producto no conforme. Una soluci6n es ver con el ingeniero de disefio qué posibilidad hay de Ta tolerancia. Esta solucién necesitard estudios de confiabilidad, con las pa juego, para determinar si e! producto puede funcionar con mayor tolerancia. Ts el ingeniero podria considerar que el ensamble sea selectivo Una segunda posibilidad es cambiar la dispersién del proceso para obté istribucién més puntiaguda. Para obtener una reduccién apreciable en la des) estdindar se podria necesitar material nuevo, o un operador con més experienci entrenamiento de readaptacién, o una maquina nueva o reparada, 0 quizd, automético en el proceso. (@) En control, (©) Fuera de contro, ‘con desperdicio ‘con despercicio FIGURA 5-24 Caso Il: 6 > USL — LSL. carfruve stra soluci6n es desplazar el promedio del proceso para que todo el producto so conforme esté en una cola de la distribucién de frecuencia, como se ve en la figura 5-24(b). Para ilustrar esta soluci6n, supongamos que se rectifica un eje con especifi- caciones estrechas, Si se quita mucho metal, la parte se desecha: si se quita muy poc la parte debe reprocesarse. Al desplazar el promedio del proceso se puede eliminar la cantidad de desperdicio y aumentar la cantidad de reprocesamiento. Se presenta una situaciGn similar cuando una parte tiene medidas internas, como un agujero o un cha- vetero, pero en ese caso el desperdicio se produce més arriba de la especificacién, y el reprocesamiento se hace a productos con menores medidas que la especificaci6n infe- rior. Esta clase de solucién es posible, cuando el costo de la parte es suficiente para justificar econémicamente la operacién de reprocesamiento. PROBLEMA DE EJEMPLO 5-5 Los pemos de situacién para los soportes de piezas se rectifican hasta un didme- tro de 12.50 mm (aproximadamente 1/2 pulg), con una tolerancia de +0.05 mm. Si el proceso esté centrado en 12.50 mm (14) y la dispersi6n es 0.02 mm (c) ,qué porcentaje del producto debe desperdiiciarse y qué porcentaje puede reprocesar- se? COmo se puede cambiar el centro del proceso para eliminar el desperdicio? 4Cudl seria el porcentaje de reprocesamiento? Las técnicas para resolver este problema se describieron en el capitulo 3 y se ven a continuacién. ist ~2 <— hres, —+ Desperdiciom = 12.45 = 12.50 X= 12.65 USL = 4 + 0.05 = 12.50 + 0.05 = 12.55 mm LSL =p. — 0.05 = 12.50 — 0.05 = 12.45 mm Xr =2.50 En la tabla A del apéndice se ve que para un valor Z = ~2.50: Area, = 0.062, 0 0.62% de desperdicio. GRAFICAS DE CONTROL PARA VARIABLES‘Como el proceso est centrado en las especificaciones, y se supone que tiene t distribuci6n simétrica, el porcentaje de reprocesamiento sera igual al por taje de desperdicio, 0.62%. La segunda parte del problema se resuelve c siguiente esquema: <0 <——— ‘vea, ; hea, ——> 400 | o=0.02 ict sft Despericio >. -<—Reprocesamienio 12.45 12.85 Si la cantidad de desperdicio debe ser cero, entonces Area, = 0. En la’ A se ve que el valor més cercano a un drea cero es 0.00017, cuyo valor 3.59. Asi, 12.55 2 a0 = +150 De la tabla A, Area; = 0.9332, y Area, = Areay — Area, = 1.0000 — 0.9332 = 0.0668, 0 6.68% La cantidad de reprocesamiento es 6.68%, que por cierto, es bastante mayor el porcentaje combinado de reprocesamiento y desperdicio (1.24%) cuan proceso esti centrado. El andlisis anterior de la capacidad del proceso y las especificaciones usando una especificacién superior y una inferior. Muchas veces, slo hay ui cificacién, que puede ser superior o inferior. El andlisis cuando hay s6lo un especificacién seria similar, pero mucho més simple. EB) comesCAPACIDAD DEL PROCESO La capacidad verdadera del proceso no se puede determinar sino hasta que las grifi- cas X y R hayan alcanzado el mejoramiento dptimo de la calidad, sin una inversién apreciable en equipo nuevo o modificacién de equipo. La capacidad del proc igual a 67p, cuando el proceso esté bajo control estadistico. En el problema de ejemplo 5-1, para las grificas X y R, el proceso de mejora- miento de la calidad comenzé en enero, con a = 0.038. La capacidad del proceso es 60 = (6)(0.038) = 0.228 mm. Para julio, o» = 0.30, con lo que la capacidad del pro- ceso es 0.180 mm, Es un mejoramiento de 20% en la capacidad del proceso, que en la mayor parte de los casos serd suficiente para resolver un problema de calidad. Con frecuencia se necesita obtener la capacidad del proceso con algin método rapido, en vez de usar las gréficas X y R. Este método supone que el proceso es esta- ble, o que esté bajo control estadistico, y ese puede ser o no el caso. El procedimien- toes el siguiente: 1, Tomar 25 subgrupos de tamafio 4, con un total de 100 mediciones. 2. Caleular el rango R para cada subgrupo. 3. Calcular el rango promedio R = © Rig = & R25. 4, Calcular el estimado de la desviacién esténdar de la poblacién, a _R oo=5 donde d, se obtiene en la tabla B del apéndice, y para n = 5. La capacidad del proceso serd igual a 6 J, €8 2.059. Recuerde que esta técnica no da como resultado la capacidad verdadera del pro- eso, y slo se debe usar cuando las circunstancias lo requieran. También, se pueden usar més de 25 subgrupos para mejorar la exactitud. PROBLEMA DE EJEMPLO 5-6 Un proceso ya existente no cumple las especificaciones de dureza Rockwell C. Determinar la capacidad del proceso con base en los valores de rango de 25 sub- grupos de tamaiio 4. Los datos son 7, 5, 5, 3,2,4,5,9,4,5,4, 7,5, 7.3.4.4. 5, GATES 1. ER _ 129 = R rE 251 609 = (6)(251) = 15.1 GRAFICAS DE CONTROL PARA VARIABLES BEL6 ‘También se puede obtener la capacidad del proceso con la desviacién dar. Se supone que el proceso est bajo control estadistico. El procedimiento siguiente: 1. ‘Tomar 25 subgrupos de tamafio 4, con un total de 100 mediciones. 2. Calcular la desviaci6n esténdar muestral, s, para cada subgrupo. 3. Calcular la desv j6n esténdar muestral promedio, § = ¥ sig = ¥ s/25. 4. Calcular el estimado de la desviacién estindar poblacional, co 4 donde c, se obtiene en la tabla B, y para n = 4 es 0.9213. 5. La capacidad del proceso serd igual a 67, Con més de 25 subgrupos mejorard la exactitud. PROBLEMA DE EJEMPLO 5-7 Se inicia un nuevo proceso, y la suma de las desviaciones esténdar para 25 ‘grupos de tamaito 4 es 105. Determinar la capacidad del proceso. Be _ 105 & 25 42 aq ome (6)(456) 24 Se pueden usar tanto el método del rango como el de la desviacién est aunque, como ya se dijo, el método de la desviacién esténdar es mas exacto. Se: trazar un histograma para presentar en forma gréfica la capacidad del proce realidad, en un histograma se requiere un minimo de 50 mediciones. Por lo ani los histogramas preparados con los mismos datos que se usaron para calc capacidad del proceso deberfan representar fielmente al proceso durante ese tis La capacidad del proceso y Ia tolerancia se combinan para formar un in capacidad, que se define como sigue USL — LSL 609 donde CG, = indice de capacidad USL — LSL = especificacién superior — especificacién inferior, o tolerancia 6079 = capacidad del proceso Si el indice de capacidad es 1.00, se trata del caso TI descrito en la anterior; si la relaci6n es mayor que 1.00, es el caso I, que es el deseable: si cAPiTULO 5Casor Cp > 1.00 Caso Cp = 1.00 Seer | 1 js +| ust ist ust cp = USLLSL _ or = 1.00 bo Gr Casomt Cp < 1.00 USLLSL _ de 6a FIGURA 5-25 indice de capacidad, y los tres casos. cin es menor que 1.00, se trata del caso TMI, indeseable. La figura 5-25 muestra los tres casos. PROBLEMA DE EJEMPLO 5-8 Suponer que las especificaciones son 6.50 y 6.30 en el problema de la profundi- dad del chavetero. Determinar el indice de capacidad antes (a9 = 0.038) y des- pués (oy = 0.030) del mejoramiento. USL =LSL _ 6.50 600 6(0.038) _ USES ISL _ 650>630 _ z 609 6(0.030) G, ic En el problema de ejemplo 5-8, el mejoramiento de la calidad dio como resulta- do un indice de capacidad deseable (caso 1). Con frecuencia, el indice de capacidad mjnimo se establece en 1.33. Con menos de este valor, se requiere que los ingenieros de disefio busquen la aprobacién de Manufactura antes de pat GRAFICAS DE CONTROL PARA VARIABLcin. La mayorfa de las organizaciones consideran que un indice de capacidad es una norma de facto y que son deseables valores hasta mayores de 2.00, lo c quiere que las especificaciones se establezcan en 260. Usando el concepto del indice de capacidad'* se puede medir la calidad, que el proceso esté centrado, Cuanto mayor sea el indice de capacidad, la cali mejor. Se debe tratar de hacer que el indice de capacidad sea lo més grande Eso se logra teniendo especificaciones realistas y tratando continuamente de la capacidad del proceso. El indice de capacidad no mide el desempefio del proceso en términos del nominal u objetivo. Para esa medida se usa Cy. que se define como: Min{(USL — X) o (X — LSL)} eg =. (USL-LSL\/60 = Ba/6e = 1.00 f ——e—__+ 5.26 Valores de C, y Cy. para los tres casos. La figura 5-26 ilustra los valores de C, y Cx para un proceso centrado y uno que std fuera de centro, la cantidad de 1c, para los tres casos. Los comentarios acerca de GY Cu son los siguientes: 1. El valor de C, no cambia cuando cambia el centro del proceso. 2. Cuando el proceso esté centrado, C, = Cy. GGRAFICAS DE CONTROL PARA VARIABLESCu siempre es igual o menor que G,. Un valor de Cy. = 1.00 es una norma (0 un esténdar) de facto, Indica que eso esté obteniendo un producto fabricado conforme a las especificacior Un valor de Cj; menor que 1.00 indica que el proceso obtiene producto, estd fabricado conforme a las especificaciones. Un valor de C, menor que 1.00 indica que el proceso no tiene la capaci cesaria, Un valor de C,x = 0 indica que el promedio es igual a uno de los limites d cificaci6n. Un valor negativo de C,« indica que el promedio esti fuera de las es ciones. SEIS SIGMA Como se indicé antes, la desviaci6n estindar es 1a mejor medida de la variabili proceso porque cuanto menor sea la desviacidn esténdar, el proceso tiene menos bilidad. Si se puede reducir sigma, o, hasta el grado de que las especificacion en £6, entonces 99.9999998% del producto o servicio estard dentro de las es ciones y la tasa de no conformidades ser de 0,002 partes/millén (ppm), con u de C, = 2.0. La figura 5-27 ilustra este caso y la tabla 5-5 muestra la infor sobre cuando es posible establecer las especificaciones con otros valores. De acuerdo con la filosofia seis sigma, el proceso rara vez permanece ci el centro tiende a “correrse” arriba y abajo del objetivo. La figura 5-28 muestra eso con distribucién normal, pero que est desplazado en un rango de 1.5e 1.5 abajo del objetivo. Para el caso de ese diagrama, 99.9996600% del pro servicio estard dentro de las especificaciones, y la tasa de no conformidades seré 3. ao FIGURA 5-27 Tasa de no conformidades cuando el proceso esta centrado. 30TABLA 5.5. Tasa de no conformidades y capacidad del proceso, cuando el proceso est centrado LiMITE DE PORCENTAJE DE TASA DE NO CAPACIDAD DEL ESPECIFICACION __CONFORMIDAD _CONFORMIDADES (PPM) __ PROCESO (C;) 68.7 317,300 0.33 95.45 485,500 0.67 99.73, 2,700 1.00 99.9937 6B 1.33 99,999043 057 L67 .99,9999998, 0.002 2.00 FIGURA 5-28 Tasa de no conformidades cuando el proceso esti +1.Se fuera del centro. Con esta situacién de fuera de centro, el indice de capacidad Cj, del proceso es 1.5. La tabla 5-6 muestra el porcentaje entre las especificaciones, la tasa de no conformidades y la capacidad del proceso para diferentes ubicaciones de limites de especificacién. La magnitud y tipo de desplazamiento se debe descubrir y no se debe suponer antes de tiempo. TABLA 5-6 Tasa de no conformidades y capacidad del proceso, cuando el proceso esti £1.50 descentrado DE PORCENTAJE DE TASA DE NO. ‘CAPACIDAD DEL. ECIFICACION __CONFORMIDAD _CONFORMIDADES (PPM) _ PROCESO (Cyx) lo 30.23 697,700 0.167 220 69.13 308,700 0.167 93.32 66,810 0.500 t4o 99.3790 6,210 0.834 +50 99.97670 2.330 1.167 +60 199,9996600 34 1,500 GRAFICAS DE CONTROI. PARA VARIABLES, eyUna tasa de no conformidades igual a 3.4 ppm es un nimero estadistico desplazamiento de proceso de 1 5c. En realidad, la tasa verdadera de no confor des se acerca mucho més a 0.002 ppm, o 2 partes por mil millones. Esta afirm: basa en lo siguiente. + En primer lugar, se supone que el desplazamiento del proceso es 1.50, puede ser mucho menor, + En segundo lugar, se supone que el desplazamiento del proceso siempre es a 1.5¢,, lo cual no suceders. + En tercer lugar, el proceso de vigilancia en una gréfica X y R con n = 4, probablemente capte y corrija la condicién fuera de control dentro de, por: plo, 2 horas Asi, en una semana de 40 horas, el proceso estarfa trabajan tasa de 3.4 ppm de no conformidades, s6lo 5% del tiempo. + Si realmente el proceso sf se desplaza continuamente, un controlador inci do lo podria mantener centrado 1a mayor parte del tiempo.'* No ser fiicil lograr las especificaciones seis sigma, y s6lo se debe tratar de para caracteristicas criticas de la calidad, cuando Ia economia de la situacic mande. as OTRAS GRAFICAS DE CONTROL Las grificas de control basicas para variables se deseribieron en las secciones ant res. Aunque la mayor cantidad de actividad de control de variables se ocupa de la, fica X y R, o la grafica X y s, hay otras gréficas que se aplican en algunas situa Esas grificas se describirdn en forma breve en esta seccién. Graficas para mejor comprensién de los operadores ‘Como al personal de Produccién se le dificulta comprender las relaciones entre medios, valores individuales, limites de control y especificaciones, se han desa do varias gréficas para superar esta dificultad, 1. Anotar los valores individuales en la gréfica. En esta técnica se grafica valores individuales y el promedio de subgrupo se ilustra en la figura 5.29. Un equeifo representa un valor individual, y un circulo mas grande representa al pi dio del subgrupo. En algunos casos, un valor individual y un promedio de sub; serdn idénticos, y en ese caso, el punto pequeiio est dentro del cfrculo, Cuando! valores individuales son idénticos los dos puntos se trazan lado a lado, Un refinamil to mas de la gréfica es afadir las Ifneas de especificacién superior ¢ inferior; sin bbargo no se recomienda esta préctica. De hecho, graficar valores individuates es innecesario, que se puede superar con un entrenamiento adecuado del operador. “Joseph G. Voetkel, “What is 3.4 Million.” Quality Progress, mayo de 2004, pp. 63-65. caPiruLo 5uct; Promedio (X) aes Lely FIGURAS-29 ‘Técnica para graficar valores individuales y promedios de subgrupo. 2. Gréfica para sumas de subgrupo. En esta técnica se grafica la suma del sub- grupo, EX, y no el promedio de subgrupo, X. Como los valores en la gréfica tienen distinta magnitud que las especificaciones, no hay posibilidad de confusién, La figu- ra 5-30 muestra una grifica de suma de subgrupo, que es una grifica X con la escala aumentada en un factor igual al tamafio n del subgrupo. La linea central es nXq, y los limites de control se obtienen con las férmulas UCLyy = n(UCLz) LCL yy = n(LCL3) Matemdaticamente, esta grifica es igual que la de X, y tiene la ventaja adicional de que los célculos son més sencillos. Slo se requieren sumas y restas. Grafica para subgrupos de tamaiio variable Se debe tratar, hasta donde sea posible, de mantener constante el tamafio de subgrupo. Sin embargo, a veces, porque se pierde material, por las pruebas de laboratorio, por problemas de produccién 0 por errores de inspeccién, varia el tamafio del subgrupo. ‘Cuando se presenta esta situacién los limites de control varian. Al aumentar el tama- flo n del subgrupo, los limites de control se vuelven miis angostos, y al disminuir el tamaiio del subgrupo, los limites de control se ensanchan (figura 5-31), Esto se con- firma analizando los factores de limite de control A>, D, y Dz, que son funciones del tamafo del subgrupo, y que son parte de las férmulas de limites de control. También en la gréfica R varfan los limites de control. Una de las dificultades que tiene una gréfica para tamafio variable de subgru- pos es la necesidad de hacer varios célculos de limite de control. Una dificultad mas seria es la tarea de explicar al personal de Produccién la raz6n de los distintos de control. Por lo anterior, esta clase de gréficas debe evitarse. Ucl ‘Suma de subgrupo, (3X) FIGURA 5-30 Gréfica de sumas de subgrupos. GRAVICAS DE CONTROL PARA VARIABLESPer} Promedio (X) FIGURA 5-31 Grifica para tamaiio variable de subgrupo. Grificas para tendencias ‘Cuando los puntos graficados tienen una tendencia ascendente o descendente, de decir que hay un patrén no natural de variacién, o un patron natural de como el desgaste de una herramienta. En otras palabras, a medida que se herramienta, cabe esperar un cambio gradual en el promedio, y se considera n La figura 5-32 muestra una grifica con una tendencia que refleja el desgaste ‘matriz. Al gastarse el troquel, aumenta la medida en forma gradual, hasta que I limite superior de rechazo. Entonces, el troquel se cambia 0 se repara. Como la linea central est en una pendiente, debe determinarse su ecuaciét se hace mejor con el método de los minimos cuadrados, para ajustar una rect conjunto de puntos. La ecuacién de la recta de tendencia, en su forma de pent interseccién (0 forma simplificada), es: X=a+bG donde X = promedio de subgrupo, representa el eje vertical G = mimero de subgrupo, representa el eje horizontal a= punto del eje vertical donde cruza la recta (0 la ordenada al on (2 X)(3 G) = (2 G)(2 GX) gh? - (sey b = pendiente de la recta p — $2 OK = (EGER) gG? — (2G) intidad de subgrupos 8 Los coeficientes de a y b se obtienen Henando las columnas de G, X, GX y G?, se ve en la tabla 5-7, determinando sus sumas y sustituyendo esas sumas en la cién, Una ver, conocida la ecuacién de Ia recta de tendencia, se puede graficar niendo valores de G y calculando X. Cuando se grafican dos puntos, se traza ellos la recta de tendencia. A cada lado de la Iinea de tendencia se trazan los If de control, a la distancia (en direccién perpendicular) igual a ApR 0 Aoy. capiroLo 5Promedio (X) FIGURA 5-32 Grafica de tendencia. ‘TABLA 5-7. Célculos para la recta de tendencia, con minimos ‘cuadrados NOMERO DE PROMEDIO DE_—-PRODUCTO DE. SUBGRUPO SUBGRUPO GY Gk fe x 9 ul En general, la gréfica R tendré el aspecto tipico de la figura 5-7. Sin embargo, podra ser también que la dispersién aumente, Grafica para promedio mévil y rango mévil En algunos casos se usa una gréfica donde se combinan varios valores individua- Jes, y se anotan en una grifica de control. Ese tipo de gréfica se lama de promedio mévil y rango mévil, y es muy comtin en la industria quimica, donde sélo es posi- ble tener una lectura a la vez. La tabla 5-8 muestra la técnica. Para elaborar la tabla 5-8 no se hacen cdlculos, hasta el tercer periodo, cuando la suma de los tres valores se adjudica a la columna de suma mévil de tres periodos (35 + 26 + 28 = 89). Se caleulan el promedio y el rango (X = 52 = 29.6)(R = 35 ~ 26 = 9) y se anotan GRAFICAS DE CONTROL PARA VARIABLES.cartrovo 5 TABLA 5-8 Caleulos para promedio mévil y rango mévil VALOR __SUMA MOVIL DE TRES PERIODOS 35 2 = = 26 _ = 28 89 32 86 36 96 en las columnas de X y R. Los célculos posteriores se hacen agregando un valor y eliminando el més antiguo; asf, se agrega 32 y se quita 35. y Ja suma 26 + 28 + 32 = 86. Los célculos para obtener promedio y rango son X ~ 8 R = 32 — 26 = 6. Una vez llenas las columnas de X y R, se trazan usan de la misma manera que las gréficas normales de X y R. En la descripci6n anterior se us6 un tiempo de 3 horas; este periodo podria sido de 2 horas, 5 dias, 3 turnos, eteétera. Al comparar las gréficas de promedio mévil y rango mévil con las grafic: vencionales, se observa que un punto extremo (0 “enclave”) tiene mayor efecto. primeras. Eso se debe a que se usa varias veces un valor extremo en los célcul To que los cambios pequefios se detectarén con mucha mayor rapidez. Gréfica para mediana y rango Una grifica de control simplificada, donde se minimiz nna y rango. Los datos se retinen en la forma convencional y se determinan la na, Md, y el rango, R, de cada subgrupo. Cuando se usan métodos manuale: valores se agrupan en orden creciente o decreciente. La mediana de las medi subgrupo, o gran mediana, Md, y la mediana de rangos de subgrupo, Ryay Se minan contando hasta el valor en la mitad. Se determinan los limites de cont la mediana, con las frmulas: LCLats = Meda + AsRite LCLatg = Maya — suaTABLA 5.9 Factores para calcular los limites de control 3 para las, Fuente: Feagmento reproducido con permiso de P.C. Clifford, “Contol Without Caleala- tions,” Indusvial Quality Control, ol. 15, Nim. 6, mayo de 1959, p. 44 donde Mays = gran mediana (mediana de las medianas); Mig se puede sustituir en la formula ‘As = factor para determinar los limites de control 30" (véase la tabla 5-9) Rug = mediana de tos rangos de subgrupo Los limites de control del rango se determinan con las formulas: UCLa = DeRua LCL = DR donde Ds y D, son factores usados para determinar los limites de control 30: basados en Ryu. y Se encuentran en la tabla 5-9. Se puede obtener una estimacién de la desvia- cin estindar poblacional con & =Ryy/Ds. Las ventajas principales de la gréfica de medianas son: (1) hay menos operacio- nes aritméticas, (2) es més fécil de comprender, y (3) los operadores Ta pueden man- tener con facilidad. Sin embargo, la gréfica de medianas no puede asignar peso alguno a los valores extremos en un subgrupo. Cuando el personal de operacién va elaborando estas gréficas, se recomienda que el tamafo del subgrupo sea 3. Por ejemplo, en el caso de los tres valores 36, 39 y 35, la Md es 36 y R es 4; se usan los tres valores. La figura 5-33 es un ejemplo de una atifica de medianas. Con subgrupos de tamaiio 5 se obtienen mejores gréficas; sin ‘embargo, si usa el método manual, el operador tendré que ordenar los datos para obtener la mediana. Aunque esas grificas no son tan sensibles a la variacién como las gréficas X y R, pueden ser muy efectivas, en especial después de haber obtenido el mejoramiento de la calidad, y cuando el proceso esté en una fase de monitoreo 0 vigi- lancia. En una tesis de maesirfa, sin publicar, se demostré que hay poca diferencia en la efectividad de las gréficas Md y R en comparacién de las gréficas X y R.Bey UClya Ma |}. Maya LChina Ucly ° R Bas FIGURA 5-33 Grificas de Ee eg para mediana y rango. Grafica para valores individuales ristica de la En muchos casos, s6lo se toma una medici6n de una e: se puede deber a que sea demasiado costosa o demasiado tardada la inspecciés haya muy pocos artfculos que inspeccionar, o simplemente que no sea posible. casos, con datos limitados, se puede obtener algo de informacién con una g1 mientras que una gréfica X no podria proporcionar informacién alguna, o s6lo de considerable demora para obtener los datos suficientes. La figura 5-34 mues grifica X. Las formulas para la linea central y los Iimites de control son: Si ZR Fe R & 8g UCLy =X + 2.660R UCL = 3.267R LCLy =X —2.660R LCLz = (0)R En estas formulas se requiere la técnica de promedio mévil, con un subgrupo de 2."° Para obtener el primer punto de rango, se resta el valor de de Xy; para obtener el segundo punto, X> se resta de X;, y asi sucesivamente. valor individual se usa para dos puntos diferentes, excepto el primero y el tilt ahi el nombre de rango “mévil”. Se deben poner los puntos de rango entre los ros de subgrupo en la gréfica R, porque se obtienen con ambos valores. o bien, den poner en el segundo punto. _Estos puntos de rango se promedian para obtener R. Observe que g, paral ner R, seré 1 menor que g para obtener X. "=3.M. furan, Juran's Quality Control Handbook, 4a ed,, Nueva York, MeGraw-Hill, 1988. capiruLo SIndividual, (x) Raango, (Ri) Namero de subgrupo FIGURA 5-34 Gréficas de control para valores individuales, y para rango mévil. Las f6rmulas para calcular la linea central y los limites de control revisados son: Xo nuevo. Ro = Rinevo UCLy = Xp +30 UCL a = (3.686)o9 LCLx = Xo — 309 LCLg = (0)ap donde 7) = 0.8865Rp. La grfica X tiene las ventajas de ser comprensible mds fiicilmente por el perso- nal de Produccién, y de proporcionar una comparacién directa con las especificacio- nes, Sin embargo tiene las desventajas siguientes: (1) requiere demasiados subgrupos para indicar una condicién fuera de control, (2) no resume los datos tan bien como X, y (3) distorsiona los limites de control cuando la distribucién no es normal. Para corregir esta tiltima desventaja, se deben usar pruebas de normalidad. A menos que haya una cantidad insuficiente de datos, se recomienda usar la gréfica X. Grificas con limites de no aceptaci6n Los Ifmites de no aceptacién, o limites de rechazo, tienen la misma relacién con los promedios que la de las especificaciones a los valores individuales. La figura 5-35 muestra la relacién de los limites de no aceptacién, limites de control y especificacio- nes, para Tos tres casos descritos en la secciGn sobre especificaciones. Las especific ciones superior e inferior se muestran en la figura 5-35, para ilustrar la técnica, pero en la practica real no se incluyen. Enel caso, los limites de no aceptacién son més amplios que los limites de con- trol, lo que es un caso deseable, porque una condicién de fuera de control no causaré GRAFICAS DE CONTROL PARA VARIABLES BSceartruio 5 Promedio, (®) ist Caso I (60 < (USL-LSL)) Caso ll (6a =(USL-LSLI) Casolll (6 > (USL- FIGURA 5-35 Relacién de limites de no aceptacién, limites de control y ‘especificaciones. producto no conforme. El caso II se presenta cuando los limites de no acepti iguales a los limites de control; entonces, toda situacién de fuera de control cat fabricacién de producto no conforme. El caso IIT ilustra la situacién cuando | tes de no aceptacién estin dentro de los Iimites de control, por lo que algo de to no conforme serd fabricado, aun cuando el proceso esté bajo control. La figura muestra que los limites de no aceptacién estén a una distancia cida de las especificaciones. Esa distancia es igual a Vor, donde V varia con el de subgrupo y es igual a3 — 3/Vn. Esta férmula de V se deduce del caso II, en esa situacién los limites de control son iguales a los limites de no aceptaci Los limites de control indican lo que el proceso es capaz de hacer, y I tes de rechazo indican cuando el producto es fabricado conforme a las es] ‘iones. Pueden ser un método valioso para el profesional de la calidad, y qui el supervisor de primera linea. Se debe evitar el mostrar los limites de no ace} al personal de operacién, porque los confundiré y pueden causar ajustes im tios. Ademés, el operador s6lo es responsable de mantener al proceso dentro limites de control. Grafica de promedio mévil ponderado exponencial La gréfica de promedio mévil ponderado exponencial (EWMA. de exponential ted moving-average), que también se llama grafica de promedio mévil georasigna el mayor peso a los datos més recientes, y menos peso a todos los datos ante riores. Su ventaja principal es su capacidad de detectar pequefios desplazamientos en el promedio del proceso: sin embargo no reacciona tan répidamente a los desplaz- mientos grandes como la grifica X. Se pueden obtener las ventajas de ambas técnicas si se grafican en las mismas coordenadas, usando colores diferentes. Otra gréfica que puede detectar desplazamientos pequefios en el promedio del pro- ‘ceso se llama gréfica cusum (cusum = cumulative sum, suma acumulada). Es mas di- ficil de comprender y calcular, y no reacciona tan bien como la grifica EWMA a gran- des desplazamientos. En Juran’s Quality Control Handbook’ se pueden ver sus detalles El promedio mévil ponderado exponencial (EWMA) se define con la ecuacin: V, = AX, + (1 - AW donde V, = EWMA det punto graficado més reciente V,; = EWMA del pentiltimo punto A= peso 0 factor de ponderacién asignado al promedio de subgrupo o al valor individual X, = promedio de subgrupo o valor individual EL valor de lambda, A, debe ser entre 0.05 y 0.25; los valores menores producen mejor capacidad de deteccién de pequefios cambios. Los valores de 0.08, 0.10 y 0.15 funcio- nan bien. Para iniciar los calculos consecutivos, a V,_, se le asigna el valor X.!” Los limites de control se establecen con las ecuaciones: = Ue — AR aR Q@ aay En realidad, para los Imites de controt de las primeras muestras se usan otras ecua- cciones; sin embargo, sus valores aumentan répidamente hasta sus valores limite, deter- minados con las ecuaciones anteriores." LCL PROBLEMA DE EJEMPLO 5-10 Usar la informaci6n de la tabla 5-2, sin los tres subgrupos fuera de control para determinar los limites de control y trazar los puntos en una gréfica EWMA de control usando un valor de I = 0.15. La tabla 5-10 muestra una hoja de cdlculo de Excel para el problema, y la figura 5-36 muestra la grifica de control ya ter- minada pia "Douglas C. Montgomery, Inroduetion o Statistical Quality Contr, Sa e., Wiley Publishing, Ine Indianapolis, Indiana, 2008 ia GRAPICAS DE CONTROL PaRA VARIABLES BEETTABLA 5-10 Hoja de cfleulo de Excel para la grifica de control EWMA, con datos del problema de ejemplo 5-10 ‘NUMERO DE XOX-BAR RANGO 6.36 0.08 64 On 6.36 0.06 6.39 On 64 643 637 6.46 642 639 638 64 6al 6.45 634 636 638 64 639 6.39 638 al 140.67 X-DBar 6.394 RBar 0.0764 Lambda 015 UCL 6410 LcL 6378, Los célculos de los primeros puntos y limites de control son Vy = AX + (1-AWYo Vo =X = 0.15(6.36) + (1 ~ 0.15)(6.394) = 6.389 Vz = AX, + (1 — A)Y, = 0.15(6.40) + (1 — 0.15)(6.389) = 6391 cartrovo 5Vs = AX3 + (1 — A)V2 = 0.15(6.38) + (1 ~ 0.15)(6.391) = 6.385 = 6.394 + (oxn)(omre) | = 6.413 LCL = X — ApR a 15, = 6.394 — (0.729) (0.0764). a = 6.376 Grafica EWMA 2 4 6 8 10 12 1 16 18 20 22 Namero de subgrupo FIGURA 5-36 Grifica de control de promedio mévil ponderado exponencial (EWMA) para los datos de la tabla 5-10. Como la gréfica EWMA no es sensible a los supuestos sobre la normalidad, se puede usar para valores individuales. También se puede usar para las gréficas de atributos. GRAFICAS DE CONTROL PARA VARIABLESns PROGRAMA DE COMPUTO Usando el programa Excel en el CD que acompafia este libro, se trazan gréfic R, graficas Md y R, gréficas X y MR, gréficas EWMA, y capacidad del proces nombres de sus archivos son X-bar & R Charts, Md & R Charts, X & MR EWMA Charts y Process Capability, respectivamente. EJERCICIOS 1. Se adjunta un formato tipico de gréfica X y R con informacién sobre cont de Acido, en mililitros. Termine los célculos para los subgrupos 22, 23, 24 Trace la gréfica de los puntos para completar la gréfica de corrida. Tr _GRAFICA DE CONTROL PARA VARIABLES DePTo“AREA IDent, GRARICA: IDENT. PARTE: [OENT. OPERAGION. (CARACTERISTICA: Conn epee a fe | oo] 6 AES slalalal alele|- ® 28 Z Sinan [28] 520] 5 2 Proweniox| 71 | 2] 76 ogrlfica de control calculando y dibujando la linea central y los limites tentativos. Analice los puntos graficados para determinar si el proceso es estable. 2, Se van a establecer graficas de control para X y R en determinada dimensién, en milimetros, de una parte. Se reunieron datos en tamaiios de subgrupo igual 6, y se citan a continuacién. Determine la linea central y los limites de con- trol tentativos. Suponga que hay causas asignables, y revise la linea central y los limites. NUMERO DE _ ‘NOMBRO DE suscRuPO SuBGRUPO X R 1 20235 4 2041 036 2 20.40 15 20450334 3 20.36 16 2034 0336 4 20.65 17 2036 0337 5 20.20 18 2042 0.73 6 20.40 19 2050 0,38 7 20.43 20 2031 035 8 2037 21 2039 0.38 9 20.48 2 2039 0.33 10 20.42 2B 2040 032 i 20.39 24 2041 0334 12 20.38 25 2040 0230 B 20.40 3. La tabla siguiente muestra el promedio y el rango, en kilogramos, obtenidos en pruebas de tensidn para una cuerda de plistico, mejorada. El tamaio de subgru- po es 4, Determine la linea central y los limites de control tentativos. Si hay pun- tos fuera de control, suponga que hay causas asignables, y calcule los limites y la linea central revisados. NOMERO DE _ NOMERODE SUBGRUPO SUBGRUPO x R 1 4 482 2 2 15 506 B 3 16 496 B 4 7 478 25 5 18 484 24 6 19 506 23 7 20 476 25 8 21 485 29 9 2 490 25 lo 2B 463 2 i 24 469, a 12 25 474 2 1B4. Vuelva a resolver el ejercicio 2, suponiendo que los tamaiios de subgrupo 4y 5. Compare los limites de control. 5. Se Hevan graficas de control X y R para el peso, en kilogramos, de mento para un proceso por lotes. Después de 25 subgrupos de tam: EX = 52.08 kg (114.8 Ib), y ER = 11.82 kg (26.1 1b). Suponiendo que cceso se encuentra bajo control, calcule la linea central y los limites de cor la grafica X y R, para el siguiente periodo de produccién. 6. Se van a establecer grificas de control para la dureza Brinell de acero en do para herramientas, en kilogramos por milimetro cuadrado. A continua mwuestran los datos para tamafios de subgrupo igual a 8. Determine la lin tral y los limites de control tentativos para las gréficas X y s. Suponga puntos fuera de control tienen causas asignables, y calcule los limites y NUMERO DE s__| suscruro XS 26 4 23, 15 24 16 at fa 2} 18 50 19 22 29 20 28 2 | 24 33 eee 2 23 ma | 2B 25, 28 24 7 | 25 3 26 7. Se llevan graficas de control de X y s, para la resistencia (en Q) de una] eléctrica. El tamafto de subgrupo es 6. Después de 25 subgi EX = 2046.5, y Zs = 17.4. Si el proceso esta bajo control estadistico, g son los limites de control y a linea central? 8. Repita el ejercicio 6, suponiendo que el tamafio de subgrupo es 3. 9. Copie las gréficas de la figura 5-8 en papel transparente. Ponga esa copia, la grifica R de la figura 5-5, y compare los patrones de variacién. 10. Al llenar bolsas con fertilizante nitrogenado, se desea mantener un exces ‘medio tan bajo como sea posible. El limite inferior de especificaci6n es 22 (48.50 Ib), el peso promedio de la poblacién de sacos es 22.73 kg (50.11 la desviaciGn esténdar de la poblacién es 0.80 kg (1.76 Ib). Qué porce BE carro 5las bolsas contiene menos de 22 kg? Si se puede admitir que 5% de las bolsas tengan menos de 22 kg ,cudl seria el peso promedio? Suponga que la distribu- ci6n es normal. Las platinas (es decir, las bases) plésticas que se usan en un instramento electr6- nico sensible se fabrican con una especificacién maxima de 305.70 mm (unas 12 pulg), y especificacién mfnima de 304.55. Silas platinas tienen menos que la es- pecificacién minima, se desechan; si tienen mas que la especificacién maxima, se reprocesan. Las dimensiones de esas partes tienen distribucién normal, con la ‘media poblacional de 305.20 mm y desviaci6n esténdar de 0.25 mm. ; Qué por- centaje del producto es desperdicio? {Qué porcentaje es reprocesamiento? ;C6mo se puede centrar el proceso para eliminar todo el desperdicio, salvo 0.1%? En ese caso {cul serd el porcentaje de reprocesamiento? Una empresa fabrica sellos de aceite y ve que el promedio de poblacién es 49.15, mm (1.935 pulg), la desviacién estindar poblacional es 0.51 mm (0.020 pulg), y que los datos tienen distribucién normal, Si el didmetro interno del sello es menor que el limite inferior de especificacién, de 47.80 mm, se reprocesa la parte. Sin embargo, si es mayor que el limite de especificacién superior de 49.80 mm, el sello se desecha. (a) {Qué porcentaje de os sellos se reprocesa? ;Qué porcentaje se desecha? (b) Por diversas razones se cambia el promedio de pro- eso a 48.50 mm. Con esta nueva media 0 centro de proceso, zqué porcentaje de los sellos se reprocesa? {Qué porcentaje se desecha? Si el reproceso es econé- micamente factible, ces una decisi6n correcta el cambio de centro de proceso? Los datos hist6ricos del ejercicio 37 tienen un tamafio de subgrupo igual a 3. No hay tiempo de reunir datos para un estudio de capacidad del proceso usando un tamafio de subgrupo de 4. Determine la capacidad del proceso usando los prime- tos 25 subgrupos. Use un valor de D, para n = 3. Repita el ejercicio 13 usando los iltimos 25 subgrupos y compare los resultados. . Determine la capacidad del proceso de cementacién (endurecimiento superfi- cial) en el ejercicio 6. Determine la capacidad del proceso con pruebas de resistencia de la cuerda mejorada a la tensi6n del ejercicio 3. . yCudl es la capacidad del proceso en: (a) Elejercicio 2? (b) Elejercicio 52 Determine el indice de capacidad antes (7 = 0.038) y después (a = 0.030) de Ja mejora en el problema de ejemplo 5-8, usando las especificaciones 6.40 + 0.15 mm. Se inicia un nuevo proceso, y la suma de las desviaciones estindar muestrales para 25 subgrupos de tamafio 4, es 750. Si las especificaciones son 700 + 80 {cual es el indice de capacidad del proceso? {Qué accién recomienda usted? rine rice20. 2. 22. 23. 25. {Cudl es el valor de Cy. después de la mejora en el eercicio 18, cuando el del proceso es 6.40? ,Cuando el centro del proceso es 6.30? Explique por {Cuall es el valor de Cx para la informacién del ejercicio 19, cuando el dio del proceso es 700, 740, 780 y 820? Explique por qué. Determine la linea central y los Iimites de control revisados para una grit suma de subgrupo, usando los datos de: (a) Elejercicio 2 (b) El ejercicio 3 Determine la linea central y los Ifmites de control tentatives para una gi promedio mévil y rango mévil usando un periodo de 3. Los datos. en Ii los siguientes: 4.56, 4.65, 4.66, 4.34, 4.65, 4.40, 4.50, 4.55, 4.69, 4.29, 4.71, 4.61, 4.66, 4.46, 4.70, 4.65, 4.61, 4.54, 4. 4.47, 4.64, 4.47, 4.66, 4.51, 4.43, 4.34. ,Hay puntos fuera de control? Repita el ejercicio 23, con un intervalo de tiempo de 4. ;Cudl es la diferen la linea central y los limites de control? ;Hay puntos fuera de control? En un hospital se termin6 un proyecto de mejoramiento de la calidad tiempo de admisién de un paciente usando grificas X y R. Ahora, el hi desea vigilar la actividad usando gréficas de mediana y rango. Determine la central y los limites de control con Tos tiltimos datos, en minutos, present co NUMERO DE _ OBSERVACION NUMERO DE _OBSERVACIGN susceuro XX, XX suscruvo X; XX; 1 60 58 61 13 61 69 74 S 52 64 69 4 62 52 68 3 Sa 58 15 49 66 66 4 50 57 | 16 10 64 61 3 67 65 7 S465 67 6 Se 252 Is 66 70 68 7 56 Sl 19 47 62 71 8 60 58 20 Gi) 5a er 9 Seas = 57 68 65 52 10 43° 64 63 59 64 60 ul 62 69 50 67 63 46 12 67 71 62 74 68 63 Determine la linea central y los limites de control tentativos para las grif mediana y rango, con los datos de la tabla 5-2. Suponga que hay causas bles para los puntos fuera de control que haya, y determine la linea cent limites de control revisados. Compare el patrn de variacién con las gra y Rde la figura 5-4. cariruto 527. Se va a llevar una grifica de X y R sobre el pH del agua en una piscina de an hotel muy importante, Cada dia se toma una lectura, durante 30 dias. Los datos son 7.8, 7.9, 7.7, 7.6, 74, 7.2, 6.9, 15, 18, 1.7, 15, 78, 8.0, 8.1, 8.0, 79, 82, 73,78, 7.4, 7.2, 7.5, 6.8, 7.3, 14, 8.1, 7.6, 8.0, 7.4 y 7.0. Ponga los datos en Papel milimétrico, determine la linea central y los limites tentativos, y evalie la variaciGn, 28. Determine los limites superior ¢ inferior de rechazo para la grafica X del ejerci cio 2. Las especificaciones son 20.40 +0.25. Compare estos limites con los limi tes de control revisados. 29. Repita el ejercicio 28 para las especificaciones 20.40 = 0.30. 30. Esté comenzando un nuevo proceso. y existe la posibilidad de que haya proble- mas con la temperatura. Cada dia se hacen ocho mediciones, a las 8:00 4.M., 10:00 a.m, 12:00 A. ., 2:00 PM. 4:00 Pa., 6:00 PM., 8:00 PM. y 10:00 PM. Prepare una grifica de corrida y evalie los resultados con los siguientes datos: tie ee __Temperatura (0°) - Lunes 789 800 796 799 786 80.2 789 785 Martes 807 80.5 796 802 792 793 79.7 803 Migroles 79.0 806 79.9 79.6 80.0 800786 79.3 Ineves 9.7 799 802 792 795 803 79.0 794 ‘Viernes 793 802 71 795 788 789 800 788 31. Cada media hora se mide la viscosidad de un liquido, durante un dia con tres tur- nos. Prepare un histograma con 5 clases y el valor de punto medio de la prime- ra clase igual a 29 y evaltie la distribucidn. Prepare una grifica de corrida y de nuevo eval la distribucién. {Qué indica la grafica de corrida? Los datos son 39, 42, 38, 37, 41, 40, 38, 36, 40, 36, 35, 38, 34, 35, 37, 36, 39, 34, 38, 36, 32, 37, 35, 34, 33, 35, 32, 32, 38, 34, 37, 35, 35, 34, 31, 33, 35, 32, 36, 31, 29, 33, 32. 31, 30, 32, 32 y 29. 32. Use el programa del CD y resuelva: (a) Elejercicio 1 (b) El ejercicio 25. (©) Elejercicio 27 33. Use Excel para escribir una plantilla para gréficas de promedio mévil y rango mévil, para 3 periodos, y trace las grficas con los datos de: (a) El ejercicio 23, (b) El ejercicio 30. (©) Elejercicio 31. Use Excel para escribir una plantilla para grificas X y s y trace las grificas para ele)3. Use el programa del CD para obtener una grifica de X y MR para los dat (a) Elejercicio 30. (b) El ejercicio 31 36. Use el programa del CD para determinar Ia capacidad del proceso de bols corteza de ciprés, en kilogramos, para los datos de la tabla siguiente. Te determine los coeficientes C, y Cpe para un Ifmite superior de tolerancia ( de 130 kg, y limite inferior de tolerancia (LSL) de 75 kg. ae Xs 90 93 120 2 81 81 3 3 107 80 87 95 4 83 1 87 90 5 105 93 95 103 6 88 16 95 7 7 100 87 100 103 8 7 1 2 94 9 90, 91 95 101 10 93 9 91 94. u 106 o7 100 90 12 89 91 80 82 3 2 83 95 S 4 87 90 100 98 Is 7 95 95, 90 16 82 106 99. tor 7 100 95 95, 90, 18 81 94 o7 90. 19 98 101 87 89 20 B 96 100 2 a 1 91 87 89. 2 16 91 106 80, 23 95 ” 100 93 24 92 99 o7 4. 25 2 85 90, 90, 37. Con el programa del CD adjunto en el libro, prepare las graficas X y R datos siguientes, sobre pesos de champii en kilogramos. NUMERO DE suscruro, XX, XX hy OX 1 601 601 5.97 598 6.02 2 599 6.03 5.99 601 597 3 6.00 5.96 6.00 5.99 6.02 4 601 599 5.99 598 601 caPiruLo 5NCMERO DE NUMERO DE suscRuro X; 5 6 6 6.00 21 595 5.99 7 6.04 2 6.00 5.98 8 6.01 B 5.99 6.00 9 6.00 24 600 5.98 10 5.98 25 599 6.02 i 6.00 26 602 5:99 12 5.98 a 596 601 13 597 28. 602 5.98 14 6.01 29 598 5.96 15 6.00 30 601 5.98 38. Con el programa del CD adjunto en el libro, prepare una gréfica de promedio mévil ponderado exponencial (EWMA) para los datos del (a) Ejercicio 2, usando A = 0.10 y 0.20. (b) Ejercicio 3, usando A = 0.05 y 0.25. Verifique sus respuestas con algunos célculos a mano. 39. Escriba un programa en Excel para hacer una gréfica EWMA usando los datos individuales del ejercicio 27. Sugerencia: Consulte la informacién acerca de la gréfica para valores individuales.