Está en la página 1de 28

Curso: Control Estadstico de la Calidad 2016

Introduccin al Control Estadstico de la Calidad


6.1. Conceptos generales

6.1.1. Control

Conjunto de actividades dirigidas a mantener un proceso en operacin homognea dentro de


ciertos lmites establecidos.

6.1.2. Autocontrol

Control de un proceso cuando las personas cumplen con dos caractersticas:

- Conocimiento completo del proceso y sus resultados


- Conocimiento y autoridad para cambiar a su voluntad el proceso y sus resultados

6.1.3. Control Estadstico de Proceso

Es un elemento de control de procesos dentro de un sistema de calidad, el CEP, es una actividad


inicialmente de Control de la Calidad (deteccin) y posteriormente de Aseguramiento de la Calidad
(prevencin), es una herramienta de monitoreo de procesos para tomar decisiones de control, es
adems, un requisito de aplicacin en caractersticas crticas (de afectacin a la seguridad o
regulacin gubernamental), su elaboracin es generalmente funcin de los departamentos
productivos, que son quienes pueden tomar decisiones en la lnea de control de procesos (Ing.
David Hernndez Arciga, 1999).

En capacitacin, las herramientas que forman parte del CEP son utilizadas por otras funciones
como parte de los medios para resolver problemas sistmicos, operativos o administrativos

6.1.4. Variables

Caractersticas del producto o proceso que se deben medir o controlar para asegurar la calidad del
bien o del servicio. A los valores de las variables se les llama datos.

6.1.5. Clasificacin de las variables

Se dividen en dos tipos: variables continuas y variables discretas

- Las variables continuas se miden con aparatos o instrumentos de medicin con una escala
numrica continua, como por ejemplo: dimensiones, espesores, humedad, concentracin,
resistencia a la tensin, dimetros, voltaje, amperaje, etc.
-
- Las variables discretas, tambin llamadas atributos, se miden generalmente con los
sentidos humanos (por ejemplo, apariencia, tersura, color, sabor, etc.), con calibradores,
gages o escantillones pasa - no pasa, con un conteo de sus elementos o con pruebas de
aceptacin o rechazo.

1
Curso: Control Estadstico de la Calidad 2016

6.1.6. Poblacin y Muestra

La poblacin, es el conjunto de todos los valores factibles que puede tener los datos de una
variable. Muestra es un conjunto de datos obtenidos a azar de la poblacin.

6.1.7. Clasificacin de la estadstica

Estadstica descriptiva: Hace uso de parmetros para describir a una poblacin

Estadstica inferencial: Es la que analiza una muestra para realizar conclusiones de toda la
poblacin.

6.1.8. Coleccin de datos

Un estudio estadstico inicia con la planeacin de objetivos, mtodos y sistemas de medicin. Si


durante la coleccin de los datos se toman valores falsos, la planeacin y conclusin del estudio
estadstico no servir para nada porque generar decisiones falsas. Por este motivo, debe
asegurarse de la fidelidad de los valores obtenidos considerando los siguientes aspectos:

1) Una cultura de verdad en la organizacin para asegurar que las personas registren
fielmente los valores, esto se logra con concientizacin.
2) El instrumento de medicin debe ser el adecuado, para variables continuas se requiere
una resolucin de al menos la dcima parte de la tolerancia que se mide, existen otras
reglas de decisin en funcin de los mtodos MSA.
3) Los instrumentos de medicin deben tener una exactitud aceptable en la obtencin de
datos, esto se logra con un programa peridico de verificacin o calibracin de
instrumentos de medicin.
4) Los instrumentos de medicin debe tener una precisin (variabilidad) aceptable en sus
mediciones, de acuerdo al mantenimiento del equipo y habilidad de las personas que lo
usan.

Estos cuatro aspectos se deben verificar en todas las organizaciones, y no se debe dar por obvio
que se cumplen sin comprobarlo.

6.2. Anlisis bsico de datos

Para variables continuas se requiere el uso de medidas de tendencia central y dispersin de los
datos (variabilidad). En el caso de variables discretas, es comn el uso de la proporciones.

Para hacer uso de las medidas conocidas de tendencia central y variabilidad, debe probarse la
normalidad de los datos. Es comn encontrar informacin tratada bajo una distribucin normal
cuando no cumple con tales caractersticas. Se recomienda hacer uso de la prueba de normalidad.

2
Curso: Control Estadstico de la Calidad 2016

Ejercicio:

Realizar el anlisis bsico para la siguiente informacin considerando una especificacin inferior de
98 y una superior de 104:

Turno 101.24 98.02 99.83 101.08 99.24 100.75 102.90 98.90 100.25 100.92
1
Turno 103.24 92.98 97.15 105.47 100.10 100.90 105.98 94.32 98.90 104.09
2

Medidas de tendencia central Medidas de dispersin de datos


Media (promedio) =
Desviacin estndar =
Mediana =
Varianza =
Moda =
Rango =
Otras medidas importantes:
Sesgo = Kurtosis =
Miden el grado de simetra y curvatura de un conjunto de datos.

Grfico

107
106
105
104
103
102
101
100
99
98
97
96
95
94
93
92
Obs. 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Turno Turno 1 Turno 2
Anlisis y conclusin:

3
Curso: Control Estadstico de la Calidad 2016

En Minitab

Titule las columnas correspondientes e ingrese la informacin de los


datos por columna.

Ingrese a los Mens: Estadsticas


Estadsticas bsicas. El primer bloque del
men se utiliza para anlisis descriptivo.

Utilizaremos el Resumen grfico.

Ingrese en la ventana variables, las columnas con los datos.

Ingrese el nivel de confianza, por lo general los estudios se realizan


al 95% de confianza. Haga Click en Aceptar

Resultados:

El valor P obtenido se utiliza como indicador de normalidad, para este caso, si P 0.05, los
datos se comportan normalmente.

Los cuartiles indican la distribucin de datos.

IC: El nivel de confianza y la amplitud del intervalo varan conjuntamente, de forma que un
intervalo ms amplio tendr ms posibilidades de acierto (mayor nivel de confianza),
mientras que para un intervalo ms pequeo, que ofrece una estimacin ms precisa,
aumentan sus posibilidades de error.

4
Curso: Control Estadstico de la Calidad 2016

Resumen para Turno 1


P rueba de normalidad de A nderson-Darling
Normal! A -cuadrado 0.19
V alor P 0.862
M edia 100.31
Desv .Est. 1.39
V arianza 1.93
A simetra 0.137227
Kurtosis 0.307651
N 10
M nimo 98.02
1er cuartil 99.16
M ediana 100.50
3er cuartil 101.12
98 99 100 101 102 103 M ximo 102.90
Interv alo de confianza de 95% para la media
99.32 101.31
Interv alo de confianza de 95% para la mediana
99.12 101.13
Interv alo de confianza de 95% para la desv iacin estndar
Intervalos de confianza de 95%
0.95 2.53
Media

Mediana

99.0 99.5 100.0 100.5 101.0

Resumen para Turno 2


P rueba de normalidad de A nderson-Darling
Normal! A -cuadrado 0.22
V alor P 0.784
M edia 100.31
Desv .E st. 4.52
V arianza 20.40
A simetra -0.37034
Kurtosis -1.03543
N 10
M nimo 92.98
1er cuartil 96.44
M ediana 100.50
3er cuartil 104.44
92 96 100 104 M ximo 105.98
Interv alo de confianza de 95% para la media
97.08 103.54
Interv alo de confianza de 95% para la mediana
96.18 104.56
Interv alo de confianza de 95% para la desv iacin estndar
Intervalos de confianza de 95%
3.11 8.25
Media

Mediana

95.0 97.5 100.0 102.5 105.0

5
Curso: Control Estadstico de la Calidad 2016

Una forma integral de realizar este anlisis sin presentar informacin descriptiva:

Ingrese en el Men Grfica Grfica de caja.

Seleccione el grfico que corresponda, para este


ejercicio se tienen dos turnos (Mltiples Y).

Seleccione las columnas que contienen las


variables. Click en Aceptar.

Resultado:

Grfica de caja de Turno 1, Turno 2

106

104

102

100
Datos

98

96

94

92
Turno 1 Turno 2

6
Curso: Control Estadstico de la Calidad 2016

Ejercicio: Haciendo uso del Minitab , realice el anlisis bsico de los siguientes 32 datos de
densidad de Materia Prima

n
1-4 5-8 9 - 12 13 - 16 17 - 20 21- 24 25 - 28 29 - 32
15.16 14.35 15.04 13.98 15.37 16.12 14.73 15.67
17.03 14.99 15.76 15.57 16.07 13.61 14.87 13.79
14.76 14.78 14.67 17.29 14.10 14.30 15.12 15.55
13.53 16.09 14.54 15.29 12.85 14.18 15.26 15.65
Especificacin de proceso: 16.00 2.00

COMPLEMENTARIO: ANORMALIDAD Y TRANSFORMACIN

Cuando la variable de estudio es continua y los datos colectados presentan un problema de


normalidad, se sugiere realizar una transformacin de los datos o proseguir con el estudio
haciendo uso de estadstica no paramtrica. Si la coleccin no requiere una inversin considerable
y el periodo en estudio no es un requerimiento especfico pueden volver a tomarse los datos, no
sin antes realizar un anlisis del sistema de medicin y de causas potenciales de la anormalidad.

Paso 1: Realice la prueba de normalidad correspondiente o evalu por resumen grfico.

Paso 2: Ingrese la columna correspondiente a la


variable, utilice la prueba que convenga.

7
Curso: Control Estadstico de la Calidad 2016

Paso 3: Analice el resultado grfico y concluya (Valor P


0.05 tendencia a normalidad)

Se ordenan los datos de menor a mayor

Para cada dato se calcula un valor de


probabilidad Pi = i/(n+1)

Se grfica en un papel probabilstico


normal

Si los puntos graficados se aproximan a


una lnea recta, se concluye que los
datos son normales.

Paso 4: Si la distribucin resulta anormal, preprese para intentar una transformacin (Men:
Herramientas de calidad Transformacin de Jhonson)

8
Curso: Control Estadstico de la Calidad 2016

Paso 5: Seleccione la columna de los datos a transformar e identifique la columna destino de los
nuevos datos (transformados)

Paso 6: Analice los resultados y concluya sobre


el nuevo valor P y la ecuacin de
transformacin.

Es posible que la transformacin de Jhonson no


se realice, si esto sucede ser necesario evaluar
el sistema de medicin y/ identificar las causas
del problema.

Si el objetivo del estudio es ms profundo, es recomendable identificar la distribucin de los datos,


por ejemplo, para realizar un estudio No normal de Capacidad.

Ejercicio: Usando un resumen grfico, analice el comportamiento de este proceso.

Muestras
1 2 3 4 5 6 7 8 9 10
0.65 1.00 0.85 0.85 0.55 1.00 0.95 0.85 1.00 0.60
0.60 1.00 0.80 0.95 0.45 1.00 0.95 0.80 1.00 0.70
0.55 1.05 0.80 0.80 0.40 1.00 0.95 0.75 1.00 0.55
0.55 0.95 0.75 0.75 0.40 1.05 0.90 0.70 0.95 0.50
0.55 1.05 0.80 0.80 0.45 1.00 0.95 0.80 1.05 0.85
0.55 1.00 0.80 0.80 0.50 1.05 0.95 0.80 1.05 0.80

Qu podemos concluir? Qu debemos hacer?

Considere el cambio del instrumento de medicin a uno con mayor exactitud, se usaron las
mismas piezas.

Muestras
1 2 3 4 5 6 7 8 9 10
0.653 1.006 0.854 0.855 0.553 1.002 0.952 0.850 1.008 0.602
0.601 1.009 0.803 0.959 0.459 1.003 0.953 0.807 1.007 0.703
0.556 1.056 0.804 0.807 0.406 1.002 0.957 0.755 1.008 0.554
0.555 0.953 0.752 0.753 0.404 1.058 0.904 0.704 0.956 0.505
0.552 1.052 0.807 0.804 0.455 1.004 0.953 0.806 1.054 0.856
0.557 1.002 0.809 0.802 0.502 1.053 0.950 0.803 1.052 0.807

Qu podemos concluir?

9
Curso: Control Estadstico de la Calidad 2016

Modulo 4: Grficos de control


Todos los procesos tienen variabilidad natural (debido a causas comunes) y variabilidad no natural
(debida a causas especiales). Usamos el SPC para comprobar y/ o mejorar nuestros procesos. El
uso del SPC nos permite DETECTAR la variacin de la causa especial por medio de
las seales FUERA DE CONTROL. Estas seales fuera de control NO PUEDEN decirnos POR QU el
proceso est fuera de control, solamente que est.

Los GRFICOS DE CONTROL son los medios por los que los parmetros de proceso y producto
vienen seguidos estadsticamente durante periodos de tiempo. Los Grficos de Control,incorporan
lmites de control superior e inferior que reflejan los lmites naturales de la variabilidad aleatoria
en el proceso. Estos lmites NO deberan compararse con los lmites de especificacin del cliente.

La grfica de control sirven para distinguir entre causas comunes de variacin y causas especiales
de variacin. Distinguir entre dos tipos de causas indica cuando es necesario actuar en un proceso
para mejorarlo y cuando no hacerlo, pues sobreactuar en un proceso estable provoca ms
variacin.

Un PROCESO ESTABLE solamente est sujeto a causas comunes de variacin, est sujeto a control
estadstico y por lo tanto la variacin es predecible. Esto no significa que el proceso tenga poca
variacin o se encuentre dentro de especificaciones.

En el caso de un proceso inestable no necesariamente tiene gran variacin, sin embargo esta no es
predecible.

6.8. Grficos de control para variables

Son utilizados para controlar caractersticas de calidad medibles en una escala continua.

Grfica de medias y rangos


Grfica de lecturas individuales
Grfica de medias y desviacin estndar
Grfica de medianas y rangos (se excluye del alcance de este documento)

Parmetros tpicos de una grfica de control:

1. Tamao de muestra (n), Shewhart recomienda entre 4 o 5.


2. Frecuencia de muestreo: En promedio debe haber un punto fuera de los lmites de control
por cada 25. Si hay ms, incrementar la frecuencia . Si hay menos disminuirla (Pizdek
1990)
3. Nmero de muestras: 20 o 25 (100 observaciones individuales)

10
Curso: Control Estadstico de la Calidad 2016

Grfica de medias y rangos

Se cuenta con informacin sobre el peso de rollo de papel sin centro cuya especificacin es de 58
69 g. Las muestras fueron tomadas cada hora. Elaborar una grfica de medias y rangos e
interpretarla.

Hora Peso de rollo


1 62.45 62.58 63.38 62.02 63.11
2 64.17 63.34 62.33 62.21 63.57
3 64.78 63.92 62.80 62.10 63.86
4 63.92 63.70 62.37 62.88 63.88
5 63.77 63.80 64.83 63.45 65.32
6 63.15 63.04 63.22 62.73 64.27
7 63.09 64.34 64.27 66.04 64.15
8 62.84 64.49 63.04 62.87 61.73
9 62.88 64.68 62.74 63.15 64.19
10 62.13 63.08 62.83 63.42 63.26
11 65.98 63.48 64.59 65.03 63.29
12 63.13 63.71 63.11 62.67 64.66

Inserte la informacin en la hoja de


trabajo (en una sola columna o en
filas de columna). Men: Grficos
de control grficos de variables
para subgrupos Xbarra-R

Elija la forma de datos y seleccione las columnas


que correspondan.

11
Curso: Control Estadstico de la Calidad 2016

En el men opciones de Xbarra-R administre las pruebas


de control. Para este caso se decidi realizar todas las
pruebas para causas especiales.

Resultado:

Grfico de control.
LC S =64.678
64.5
M edia de la muestr a

64.0
_
_
63.5 X=63.497

63.0

62.5
LC I=62.316
1 2 3 4 5 6 7 8 9 10 11 12
M uestr a

LC S =4.331
4
Rango de la muestr a

3
_
2 R=2.048

0 LC I=0
1 2 3 4 5 6 7 8 9 10 11 12
M uestr a

12
Curso: Control Estadstico de la Calidad 2016

Grfica de lecturas individuales

Es utilizada cuando el proceso tiene cierto grado de control, y su finalidad es verificar ese nivel de
control. Tambin es utilizado en pruebas destructivas costosas. Debe considerarse que la grfica
es muy poco sensible a cambios en el proceso en comparacin con las otras grficas. Se
recomienda no tomar menos de 100 observaciones.

En minitab

A continuacin se presenta la informacin de aire en la botella en una operacin de envasado de


cerveza.

1-5 6-10 11-15 16-20 21-25 26-30 31-35 36-40 41-45


0.51 0.42 0.42 0.34 0.59 0.34 0.59 0.42 0.59
0.59 0.34 0.34 0.42 0.34 0.42 0.42 0.42 0.42
0.42 0.34 0.51 0.42 0.34 0.42 0.42 0.42 0.42
0.42 0.42 0.34 0.42 0.51 0.42 0.42 0.42 0.42
0.34 0.34 0.34 0.34 0.34 0.42 0.34 0.42 0.68

Ingrese la informacin en una sola


columna de datos (Men Grficos de
control Graficos de variables para
individuos I-MR.

Seleccione la columna correspondiente a la variable en estudio y en el men opciones de I-MR


administre las pruebas a realizar.

Resultados:

13
Curso: Control Estadstico de la Calidad 2016

Grfica I-MR de aire


1

LC S =0.6233
0.6

V alor individual
_
X=0.422
0.4 2 2

2 6 6

LC I=0.2207
0.2
1 5 9 13 17 21 25 29 33 37 41 45
O bser vacin

1
1 1
0.24 LC S =0.2473
Rango mvil

0.18

0.12
__
M R=0.0757
0.06

0.00 LC I=0
1 5 9 13 17 21 25 29 33 37 41 45
O bser vacin

Grfica de medias y desviacin estndar

A diferencia de la grfica de medias y rangos, este modelo no presenta restriccin alguna con el
tamao de n. Es usada comnmente cuando n tiende a ser 10 o ms. El grfico es ms sensible a la
variabilidad por eso es uno de los ms recomendados.

En minitab

Supongamos la misma informacin utilizada para el grfico de medias y rangos.

Hora Peso de rollo


1 62.45 62.58 63.38 62.02 63.11
2 64.17 63.34 62.33 62.21 63.57
3 64.78 63.92 62.80 62.10 63.86
4 63.92 63.70 62.37 62.88 63.88
5 63.77 63.80 64.83 63.45 65.32
6 63.15 63.04 63.22 62.73 64.27
7 63.09 64.34 64.27 66.04 64.15
8 62.84 64.49 63.04 62.87 61.73
9 62.88 64.68 62.74 63.15 64.19
10 62.13 63.08 62.83 63.42 63.26
11 65.98 63.48 64.59 65.03 63.29
12 63.13 63.71 63.11 62.67 64.66

El procedimiento de creacin es el mismo:

14
Curso: Control Estadstico de la Calidad 2016

En el men estimar, ajuste el


mtodo de para estimar la
desviacin estndar

Resultado:

Grfica Xbarra-S de X1, ..., X5


LC S =64.661
64.5
M edia de la muestr a

64.0
_
_
63.5 X=63.497

63.0

62.5
LC I=62.333
1 2 3 4 5 6 7 8 9 10 11 12
M uestr a

LC S =1.704
Desv.Est. de la muestr a

1.6

1.2
_
0.8 S =0.816

0.4

0.0 LC I=0
1 2 3 4 5 6 7 8 9 10 11 12
M uestr a

15
Curso: Control Estadstico de la Calidad 2016

TABLAS DE CONSTANTES PARA GRFICOS DE CONTROL

Ejercicio: Elabore los grficos de control Xbarra R y Xbarra S para la siguiente informacin de
muestreo. Analice los resultados y compare los grficos.

Muestras
1 2 3 4 5 6 7 8 9 10
0.653 1.006 0.854 0.855 0.553 1.002 0.952 0.850 1.008 0.602
0.601 1.009 0.803 0.959 0.459 1.003 0.953 0.807 1.007 0.703
0.556 1.056 0.804 0.807 0.406 1.002 0.957 0.755 1.008 0.554
0.555 0.953 0.752 0.753 0.404 1.058 0.904 0.704 0.956 0.505
0.552 1.052 0.807 0.804 0.455 1.004 0.953 0.806 1.054 0.856
0.557 1.002 0.809 0.802 0.502 1.053 0.950 0.803 1.052 0.807

Ejercicio: Realice una grfica de lecturas individuales para las siguientes 10 observaciones sobre
volumen de vasos de plstico.

Vaso 1 2 3 4 5 6 7 8 9 10
Volumen 0.42 0.51 0.51 0.25 0.25 0.42 0.42 0.59 0.51 0.34
Vaso 11 12 13 14 15 16 17 18 19 20
Volumen 0.48 0.48 0.42 0.52 0.54 0.51 0.51 0.59 0.51 0.42

16
Curso: Control Estadstico de la Calidad 2016

6.9. Grficos de control por atributos

Se utilizan para medir caractersticas discretas, es decir medibles (contables) sobre una escala
que solo tomara valores puntuales o discretos, como nmero de defectos o nmero de artculos
defectuosos.

Grfica P: evala la fraccin o porcentaje de unidades defectuosas. El tamao de la


muestra n puede ser variable.
Grfico np: evala el nmero de unidades defectuosas, con nconstante.
Grfico c: evala el nmero de defectos en unidades bien definidas (n constante)
Grfico u: evala el nmero de defectos por unidad. El tamao de la muestra n puede ser
variable.

Western Electric recomienda tanto para las grficas p como para las np usar muestras de tamao
25, 50 o 100.

Para los grficos p y np debe cumplirse dos caractersticas: la probabilidad de obtener una unidad
defectuosa sea igual dentro de cada muestra n, y que las muestras sean independientes.

Ejercicio: Elaborar una grfica p para la siguiente informacin:

Fecha Unidades producidas (n) Unidades defectuosas (x)


5- May 145 10
6 May 236 1
7 May 184 4
8 May 122 6
9 May 215 12
10 May 218 35
11 May 221 21
12 May 149 32
13 May 189 12
14 May 156 22
15 May 172 24
16 May 125 35
17 May 118 21
18 May 164 19
19 May 215 17
20 May 248 21
21 May 168 23
22 May 159 24

17
Curso: Control Estadstico de la Calidad 2016

Grfica P de Unidades defectuosas (x)


0.30
1

0.25
1

0.20
LCS=0.1790
Proporcin

0.15
_
0.10 P=0.1058

0.05
LCI=0.0326
1
0.00 1
1 3 5 7 9 11 13 15 17
Muestra
Las pruebas se realizaron con tamaos de la muestra desiguales

El proceso no se encuentra bajo control. El proceso es inestable.

Ejercicio: Elaborar una grfica np para la siguiente informacin:

Fecha Unidades producidas (n) Unidades defectuosas (x)


5- May 100 10
6 May 100 1
7 May 100 4
8 May 100 6
9 May 100 12
10 May 100 35
11 May 100 21
12 May 100 32
13 May 100 12
14 May 100 22
15 May 100 24
16 May 100 35
17 May 100 21
18 May 100 19
19 May 100 17
20 May 100 21
21 May 100 23
22 May 100 24

18
Curso: Control Estadstico de la Calidad 2016

Grfica NP de Unidades defectuosas (x)


40
1 1
1
Conteo de muestras
30 LCS=30.56

20 __
NP=18.83

10
LCI=7.10
1
1
0 1
1 3 5 7 9 11 13 15 17
Muestra

El proceso es inestable.

Ejercicio: Construir una grfica p para la siguiente informacin:

Unidades 236 158 221 168 218 149 168


producidas
Unidades 8 7 9 5 9 7 6
defectuosas

Ejercicio: Construya una grfica np para la siguiente informacin, considerando lotes de


produccin = 180, utilice la misma informacin de unidades defectuosas del ejercicio anterior.

Ejercicio: Elabore una grfica c para el nmero de defectos que presento una muestra de 20
botellas para refresco:

No. de Nmero No. de Nmero No. de Nmero No. de Nmero No. de Nmero
botella de botella de botella de botella de botella de
defectos defectos defectos defectos defectos
(c) (c) (c) (c) (c)
1 3 5 1 9 6 13 1 17 4
2 2 6 2 10 1 14 5 18 3
3 4 7 1 11 2 15 2 19 6
4 0 8 5 12 0 16 5 20 2

19
Curso: Control Estadstico de la Calidad 2016

Grfica C de defectos
8
LCS=7.725
7

6
Conteo de muestras
5

3 _
C=2.75
2

0 LCI=0

1 3 5 7 9 11 13 15 17 19
Muestra

Proceso en control estadstico, tiene estabilidad

Ejercicio: Construir una grfica c para la siguiente informacin del nmero de impurezas en 10
lotes de penicilina.

1 2 3 4 5 6 7 8 9 10
0 3 5 8 2 1 1 5 2 3

Ejercicio: Construir una grfica U para la siguiente informacin.

Nmero Nmero Nmero Nmero Nmero Nmero Nmero Nmero Nmero Nmero
de de de de de de de de de de
Botellas defectos Botellas defectos Botellas defectos Botellas defectos Botellas defectos
(c) (c) (c) (c) (c)
2 3 4 1 4 6 4 1 9 4
3 2 6 2 3 1 6 5 8 3
8 4 9 1 8 2 3 2 5 6
6 0 5 5 9 0 7 5 6 2

20
Curso: Control Estadstico de la Calidad 2016

Grfica U de defectos
2.0

Conteo de muestras por unidad


1.5
LCS=1.325

1.0

_
0.5 U=0.478

0.0 LCI=0

1 3 5 7 9 11 13 15 17 19
Muestra
Las pruebas se realizaron con tamaos de la muestra desiguales

Proceso estable.

21
Curso: Control Estadstico de la Calidad 2016

Modulo 5: Estudios de Capacidad de proceso


Indicadores de capacidad de proceso

Tradicionales por excelencia, los estudios de capacidad de proceso son indicadores claros y
especficos del desempeo de un proceso ya que lo evalan en funcin de las especificaciones del
cliente o normativas, y/ del valor ideal o meta. Para hacer uso de estas mtricas el proceso debe
encontrarse bajo control estadstico. El ndice de capacidad potencial es una comparacin entre
los lmites de especificacin y el proceso. La capacidad potencial no evala el centrado, es decir la
ubicacin del proceso. La capacidad real si evala la localizacin del proceso respecto a los lmites
de especificacin.

Mientras ms esbelto el proceso, ms veces cabra dentro de especificaciones. Vase la siguiente


figura. El ndice de capacidad potencial indicar cuantas veces cabe el proceso dentro de
especificacin

Tolerancia (T) Tolerancia (T) Tolerancia (T)

Proceso (P) Proceso (P) Proceso (P)


T/P 1 T/P = 1 T/P = 2

Capacidad de proceso real, a corto plazo Cpk

El Cpk se define a partir del estudio de capacidad por ambos lados de la tolerancia. El valor
mnimo entre la capacidad obtenida por el lmite inferior y la obtenida por el lmite superior
indicar el descentrado del proceso. Si el resultado es negativo, el proceso est centrado fuera de
la especificacin. En s, el Cp separa la variacin del centrado del proceso, mientras que el Cpk
evala ambos con un solo parmetro.
Tolerancia (T)

Proceso (P)

Cp = 2 Cpk = 1

22
Curso: Control Estadstico de la Calidad 2016

El Cp indica la esbeltez del proceso (variacin), la curva cabe dos veces en la tolerancia, mientras
el Cpk evala al proceso a partir de su centrado y variacin

En Minitab

Ejercicio: Supongamos que el supervisor de calidad y black belt del equipo de seis sigma para el
mejoramiento de un proceso de elaboracin de moldes a base de yeso, ha realizado un proceso de
muestreo, recolectando 25 observaciones de resistencia en kg/cm del producto con mayor
desperdicio por defecto de quebradura, vase la siguiente tabla. El supervisor desea usar esta
informacin para evaluar el desempeo de proceso, y ha optado por realizar primeramente la
prueba de normalidad, para determinar si se enfrenta a esta distribucin.

Muestra X1 X2 X3 X4 X5
1 15.3 15.1 15.4 14.8 15.6
2 15.4 15.3 15.4 15.5 15.4
3 15.0 15.2 15.1 14.9 15.0
4 15.4 15.2 15.6 14.9 14.9
5 15.3 15.2 15.3 15.4 15.6

Como primer paso del estudio, se ingresan los datos al software, para este estudio se recomienda
usar una sola columna de datos.

23
Curso: Control Estadstico de la Calidad 2016

Prueba de normalidad para el ejemplo


Normal
99
Media 15.25
Desv.Est. 0.2347
95 N 25
AD 0.529
90
Valor P 0.160
80
70

Porcentaje
60
50
40
30
20

10

1
14.6 14.8 15.0 15.2 15.4 15.6 15.8
Kg/cm^3

Prueba de Normalidad, P-value mayor a 0.05

Ya validado un comportamiento normal, el siguiente paso consiste en evaluar el proceso haciendo


uso de los indicadores de calidad. De no tener normalidad se procede a transformar los datos o
identificar la distribucin y proceder a realizar el estudio.

Para este caso, se seleccionan los datos


en una sola columna, sealando el
tamao de muestra (5), los lmites de
especificacin (15 16 kg/cm) y el valor
objetivo (15.5 kg/cm)

24
Curso: Control Estadstico de la Calidad 2016

Estudio de capacidad para la resistencia

LIE Objetiv o LSE


P rocesar datos Dentro de
LIE 15 General
O bjetiv o 15.5
LS E 16 C apacidad (dentro) del potencial
M edida de la muestra 15.248 Cp 0.70
C PL 0.34
N mero de muestra 25
C P U 1.05
D esv .E st. (D entro) 0.239619
D esv .E st. (G eneral) 0.234734 C pk 0.34
C apacidad general
Pp 0.71
PPL 0.35
PPU 1.07
P pk 0.35
C pm 0.48

14.8 15.0 15.2 15.4 15.6 15.8 16.0


D esempeo observ ado E xp. D entro del rendimiento E xp. Rendimiento general
P P M < LIE 160000.00 P P M < LIE 150339.52 P P M < LIE 145366.38
P P M > LS E 0.00 P P M > LS E 849.59 P P M > LS E 678.54
P P M Total 160000.00 P P M Total 151189.12 P P M Total 146044.92

El Cp para este ejemplo es menor a 1. Lo que indica que el proceso no cabe una vez en la
tolerancia. Se recomienda que este valor se encuentre en 1.33. La capacidad real (Cpk) es de
0.34, cuando debera ser al menos de 1. Este valor indica un sesgo en el proceso. Visualmente la
media se encuentra por debajo del valor esperado, esto lleva a un problema serio de calidad
relacionado con el cumplimiento del lmite inferior de especificacin. Este es un problema tpico:
se hace presente una variacin excesiva y un descentrado de proceso. El Cpk es llamado indicador
de capacidad a corto plazo, ya que evala dentro de muestras y no directamente entre ellas. Para
su clculo se recomienda hacer uso del rango promedio.

Desempeo de proceso real, a largo plazo Ppk

La ventaja del estudio a largo plazo sobre el de corto, radica en que este incluye todas las posibles
fuentes de variacin en el proceso. Se hace uso de la desviacin estndar de todo el conjunto de
datos.

Los resultados en la grfica muestran similitud en capacidad y desempeo. Adems, se puede


concluir que el proceso, potencial y realmente, es incapaz de producir bajo especificacin.

Para incluir el valor objetivo como parte del estudio de capacidad comnmente se hace uso del
Cpm. Su estimacin utiliza la variacin a partir del valor objetivo y no de la media de proceso.

Para efectos prcticos, Veamos otro ejemplo, supongamos los resultados de la variable Y de un
proceso cualquiera:

25
Curso: Control Estadstico de la Calidad 2016

Paso 1. Probar la normalidad

Resumen para Y
P rueba de normalidad de A nderson-Darling
A -cuadrado 0.36
V alor P 0.443
M edia 738.31
Desv .E st. 6.77
V arianza 45.89
S esgo 0.463372
Kurtosis 0.408514
N 100
M nimo 723.94
1er cuartil 733.25
M ediana 738.09
3er cuartil 742.53
727.5 735.0 742.5 750.0 757.5 M ximo 758.86
Interv alo de confianza de 95% para la media
736.96 739.65
Interv alo de confianza de 95% para la mediana
736.45 739.66
Interv alo de confianza de 95% para la desv iacin estndar
Intervalos de confianza de 95%
5.95 7.87
Media

Mediana

736 737 738 739 740

Paso 2. Realizar el estudio de capacidad, considerar una especificacin de 740 40 y muestras de


tamao 5.

Capacidad de proceso de Y

LIE Objetiv o LSE


P rocesar datos Dentro de
LIE 700 General
O bjetiv o 740
LS E 780 C apacidad (dentro) del potencial
M edida de la muestra 738.305 Cp 1.92
C PL 1.84
N mero de muestra 100
C P U 2.00
D esv .E st. (D entro) 6.95391
D esv .E st. (G eneral) 6.77414 C pk 1.84
C apacidad general
Pp 1.97
PPL 1.88
PPU 2.05
P pk 1.88
C pm 1.91

700.0 712.5 725.0 737.5 750.0 762.5 775.0

D esempeo observ ado E xp. D entro del rendimiento E xp. Rendimiento general
P P M < LIE 0.00 P P M < LIE 0.02 P P M < LIE 0.01
P P M > LS E 0.00 P P M > LS E 0.00 P P M > LS E 0.00
P P M Total 0.00 P P M Total 0.02 P P M Total 0.01

Paso 3. Analice y concluya los resultados.

El proceso demuestra, potencial y realmente, capacidad y un excelente desempeo. La curva de


proceso cabe casi dos veces en las especificaciones dadas. El proceso tiene una excelente calidad
al demostrar su esbeltez ante la voz del cliente y su capacidad para cumplir el valor objetivo
(Cpm).

26
Curso: Control Estadstico de la Calidad 2016

Como parte del anlisis ser necesario comparar lo potencial contra lo real. Si Cp/Pp es mayor a
Cpk/Ppk, se puede asegurar que el proceso se encuentra descentrado en las especificaciones. En
resumen, estas son las reglas de decisin para los estudios de capacidad:

Indicador Aceptable si
Cp 1.33
Cpk 1.00
Pp 1.33
Ppk 1.00
Cpm 1.00

Comnmente nos encontramos con el problema de anormalidad en los datos. Cuando esto sucede
existen tres alternativas:

1. Realizar un estudio de capacidad no normal, identificando la distribucin de los datos.


2. Realizar una transformacin de los datos.
3. No hacer el estudio y volver a recabar la informacin.

Para ejercitar un poco estos conceptos recurramos a ejercicios anteriores con algunos ajustes para
poder analizar diferentes situaciones.

Ejercicio: Elabore un estudio de capacidad de proceso. Concluya los resultados.

Especificacin: 75 95, valor objetivo (target) = 85

1 2 3 4 5 6 7 8 9 10
88.2 84.8 85.3 74.2 81.4 81.3 89.7 83.5 79.8 82.6
94.0 93.4 86.3 81.7 79.8 75.7 97.0 87.3 78.4 76.6
83.3 80.2 80.0 84.1 83.8 81.4 92.0 79.2 82.8 90.4
73.9 89.0 84.3 85.3 86.5 84.6 71.5 88.5 89.5 79.5

Ejercicio: Elabore un estudio de capacidad de proceso. Concluya los resultados.

Altura de la pata (Especificacin: 1.30 1.50, Valor objetivo = 1.40)

1 2 3 4 5 6 7 8 9 10
1.37 1.36 1.38 1.37 1.45 1.44 1.43 1.41 1.40 1.38
1.35 1.46 1.36 1.38 1.40 1.41 1.36 1.44 1.37 1.42
1.42 1.39 1.40 1.40 1.38 1.34 1.36 1.40 1.38 1.38

27
Curso: Control Estadstico de la Calidad 2016

Dimetro de la pata (Especificacin: 1.05 1.65, Valor objetivo = 1.35)

1 2 3 4 5 6 7 8 9 10 11 12
1.4 1.6 1.8 1.4 1.1 1.5 1.1 1.6 1.4 1.3 1.4 1.5
1.3 1.4 1.6 1.7 1.5 1.4 1.3 1.1 1.5 1.6 1.4 1.3
1.4 1.8 1.6 1.8 1.4 1.5 1.6 1.1 1.7 1.6 1.5 1.9

Ejercicio:

Se realizo una evaluacin de resistencia con la finalidad de evaluar el proceso de fabricacin de


tela, se tomaron 13 muestras de tamao 5, la especificacin es unilateral, 35 se considera
producto conforme. Elabore el estudio de capacidad correspondiente.

1 2 3 4 5 6 7 8 9 10 11 12 13
32 40 34 40 44 29 40 32 34 42 32 32 36
36 41 36 42 35 35 48 34 38 36 35 34 35
45 39 32 42 35 32 37 32 36 35 27 38 29
34 37 38 41 31 29 39 37 33 43 30 40 34
32 42 34 43 30 39 43 28 36 34 41 39 39

28