Control y Gestión de La Calidad - Unidad 4 - 04 Indices de Capacidad, Métricas 6 Sigma y Análisis de Tolerancias

Universidad
Antonio Ruiz de
Montoya
Control de Calidad
Ing. Norman Reyes

Mayo 2016
Temas
2.4. ndices de capacidad, mtricas Seis Sigma y anlisis de

tolerancias:
2.4.1. ndices de capacidad para procesos con doble especificacin
2.4.2. Calidad 3 Sigma
2.4.4. Mtrica Seis Sigma para atributos (DPMO)
2.4.5. Estudio real (integral) de capacidad
Control de Calidad Ing. Norman Reyes

Introduccin
Ahora analizaremos los ndices de capacidad, que son mediciones
especializadas que sirven para evaluar de manera prctica la habilidad de
los procesos para cumplir con las especificaciones.
Tambin describiremos las mtricas ligadas de manera ms estrecha con
la estrategia Seis Sigma y, por ltimo, presentaremos el anlisis de
tolerancias que es una metodologa de gran utilidad para estudiar la
capacidad cuando se combinan varios componentes o partes.

2.4.1.- ndices de capacidad para procesos con doble especificacin
ndices de capacidad para procesos con doble especificacin

Los procesos tienen variables de salida o de respuesta, las cuales deben
cumplir con ciertas especificaciones a fin de considerar que el proceso
est funcionando de manera satisfactoria.
Evaluar la capacidad de un proceso consiste en conocer la amplitud de la
variacin natural de este para una caracterstica de calidad dada, lo cual
permitir saber en qu medida tal caracterstica es satisfactoria (cumple
especificaciones).
Consideraremos que se tiene una caracterstica de calidad de un producto
o variable de salida de un proceso, del tipo de valor nominal, en donde,
para considerar que hay calidad las mediciones deben ser iguales a cierto
valor nominal o ideal (N), o al menos tienen que estar con holgura dentro
de las especificaciones inferior (EI) y superior (ES)
Capacidad del proceso para el

ejemplo 5.1 (suponiendo una
distribucin normal)

ndice Cp
El ndice de capacidad potencial del proceso , se define de la manera:
Donde representa la desviacin estndar del proceso, mientras que

ES y EI son las especificaciones superior e inferior para la caracterstica
de calidad. Como se puede observar, el ndice Cp compara el ancho de
las especificaciones o la variacin tolerada para el proceso con la
ampliacin de la variacin real de este:

Decimos que (seis veces la desviacin estndar) es la variacin real,

debido a las propiedades de la distribucin normal, en donde se afirma que
entre +- 3 se encuentra el 99.73 % de los valores de una variable con
distribucin normal. Incluso si no hay normalidad*, en +- 3, se encuentra
un gran porcentaje de la distribucin debido a la desigualdad de
Chebyshev y la regla emprica
*Hay una definicin del ndice Cp que es independiente de la distribucin

de la caracterstica de calidad: el reporte tcnico de ISO 12783 define al Cp
de la siguiente manera:
Donde es el percentil 99.865 de la distribucin de la caracterstica de

calidad y es el percentil 0.135. De esta manera, cualquiera que sea
la distribucin entre los percentiles, se ubicar el 99.73 % de los valores
de la caracterstica de calidad.
Interpretacin del ndice Cp

Para que el proceso sea considerado potencialmente capaz de cumplir
con especificaciones se requiere que la variacin real (natural) siempre
sea menor que la variacin tolerada.


2.4.1. ndices de capacidad para procesos con doble especificacin
Un aspecto que es necesario destacar es que la interpretacin que se da

en la tablas 5.1 y 5.2 est fundamentada en 4 supuestos:
1. La caracterstica de calidad se distribuye de manera normal,
2. el proceso est centrado y
3. El proceso es estable (est en control estadstico) y
4. Se conoce la desviacin estndar del proceso. Es decir, la desviacin
estndar no es una estimacin basada en una muestra.
La violacin de alguno de estos supuestos, sobre todo de los ltimos

dos, afecta de manera sensible la interpretacin de los ndices.

ndice Cr
Este ndice se conoce como razn de capacidad potencial, , el cual est

definido por:
Como se puede apreciar, el ndice es el inverso del ya que compara

la variacin real frente a la tolerada.
Se interpreta como la variacin del proceso potencialmente cubre un x%

de la banda de las especificaciones

ndices
La desventaja es que los ndices Cp y Cr no toman en cuenta el centrado del

proceso por no tener en su calculo la media . Una forma de corregir esto
consiste es evaluar por separado, el cumplimiento de la especificacin
inferior y superior, a travs del ndice de capacidad para la especificacin
inferior, Cpi , y el ndice de capacidad para la especificacin superior, Cps ,
respectivamente, los cuales se calculan de la siguiente manera:

ndices
El ndice Cpi es el indicador de la capacidad de un proceso para cumplir

con la especificacin inferior de una caracterstica de calidad.
El ndice Cps es el indicador de la capacidad de un proceso para cumplir

con la especificacin superior de una caracterstica de calidad.
El ndice Cpk es el indicador de la capacidad real de un proceso que se

puede ver como un ajuste del ndice Cp para tomar en cuenta el centrado
del proceso.

En el ejemplo 5.1 de la longitud de las capas de las llantas, tenemos que :
Por otro lado el ndice que se conoce como ndice de capacidad real
del proceso, es considerado una versin corregida del que s toma en
cuenta el centrado del proceso. Existen varias formas equivalentes para
calcularlo, una de las ms comunes es la siguiente:
Si Cpk > 1.25 es satisfactorio
Si Cpk < 1, entonces el proceso no

cumple con por lo menos una de
las especificaciones

Como se aprecia el ndice es igual al valor ms pequeo de

entre y
<1 El proceso no cumple con por lo menos una de las
especificaciones.
siempre <= que Cuando son muy prximos, la media del proceso est muy
cerca del punto medio de las especificaciones, por lo que
la capacidad potencial y real son similares.
es mucho < que La media del proceso est alejada del centro del las
especificaciones. Si se corrige el problema de descentrado
se alcanzar la capacidad potencial indicada por
> > 1.25 Para un proceso existente, se considerar como un proceso

con capacidad satisfactoria.
> 1.45 Par un proceso nuevo se exige que sea mayor que 1.45
<= 0 La media del proceso est fuera de las especificaciones.
En el ejemplo 5.1, de la longitud de las capas de las llantas, tenemos que:

ndice K
Un aspecto importante en el estudio de la capacidad de un proceso es
evaluar si la distribucin de la caracterstica de calidad est centrada con
respecto a las especificaciones, por ello es til calcular el ndice de
centrado del proceso, k, que se calcula de la siguiente manera:
Como se aprecia, este indicador mide la diferencia entre la media del

proceso, y el valor objetivo o nominal, 0 .
El valor nominal, N, es la calidad objetivo y ptima; cualquier desviacin

con respecto a este valor lleva a un detrimento en la calidad

K> 0 La media del proceso es

mayor al valor nominal.
K<0 ser negativo cuando
K < 20 % Considerado aceptable
K > 20 % Proceso muy
descentralizado, entonces la
capacidad del proceso para
cumplir especificaciones es
baja.
En el ejemplo 5.1 de la longitud de la capa para llantas, si se

considera que el valor nominal para esa longitud es N = 780, el
ndice de K es:
La media del proceso est

desviada en 30%

ndice Cpm (ndice de Taguchi)

Los ndices Cp y Cpk estn pensados a partir de lo importante que es
reducir la variabilidad de un proceso para cumplir con las
especificaciones.
Taguchi (1986) propone que la capacidad del proceso se mida con el

ndice Cpm que est definido por:
Donde est dada por:

En el caso del ejemplo 5.1 acerca de la longitud de capa para llantas:
Interpretacin
El proceso no cumple con las especificaciones,

<1 ya sea por problemas de centrado o exceso de
variabilidad .
El proceso cumple con las especificaciones, y la

>1 media del proceso est dentro de la tercera parte
central de la banda de las especificaciones.
Adems, el proceso est dentro de la quinta

> 1.33 parte central del rango de especificaciones

Capacidad de largo plazo

La capacidad de corto plazo se calcula a partir de muchos datos tomados
durante un periodo suficientemente corto para que no haya influencias
externas sobre el proceso. El hecho relevante para que sea capacidad de
corto plazo es que la desviacin estndar utilizada sea de corto plazo, y
esta tambin se puede estimar de muestras pequeas (subgrupos) de piezas
consecutivas obtenidas durante un periodo largo. Por lo tanto esta capacidad
representa el potencial del proceso, es decir lo mejor que puede esperar del
mismo.
La perspectiva de largo plazo es la que interesa realmente al cliente. Esta
capacidad se calcula con muchos datos tomados de un periodo
suficientemente largo como para que los factores externos influyan en el
desempeo del proceso.
Ejemplo 1.- Para diferenciar entre capacidad de corto y largo plazo se

emplean diferente formas de estimar la desviacin estndar del proceso.
Subgrupo x1 x2 x3 x4 R
1 12 15.7 16.8 10.9 5.9
2 23.4 21.8 20.7 21.2 2.7
EI=10 , ES=40 3 19.5 17.1 20.9 18.7 3.8
4 16.9 13.6 12.9 17.6 4.7
5 16.3 18 21.4 15.9 5.5
6 18.5 21.2 19 22.2 3.7
7 23.6 28.5 26.9 24.5 4.9
8 22 18.9 19.4 17.6 4.4
9 24.3 21.8 22.9 27.6 5.8
10 22.3 25.9 18.7 16.9 9.0
11 23.5 22.6 30.7 25.5 8.1
12 16.8 11.8 14.7 17 5.2
13 16.6 19.6 23.6 17.8 7.0
14 22 15.5 12 20 10.0
15 22.9 21.8 19.5 22.9 3.4
16 19.6 15.5 17.3 18.7 4.1
17 17.1 18.6 18.5 15.7 2.9
18 23.8 28.2 22.4 24.6 5.8
19 24.7 27.2 20.2 23.6 7.0
20 18.5 24.4 19.5 23.9 5.9
S= 4.16 X promControl
= 20.16
de Calidad Ing.5.5
Norman Reyes
En el ejemplo 1 se mide el esfuerzo para subir el descansabrazos de

asientos para automvil (la especificacin es 25 +/- 15). Se tienen 80
datos obtenidos a travs del muestreo para cartas de control, donde se
obtuvieron 20 subgrupos de cuatro datos cada uno. Cada subgrupo se
toma en un periodo pequeo.
Entonces con estos datos hay 2 formas de calcular la desviacin
estndar. En la primera solo se considera la variacin dentro de los
subgrupos, y refleja la variacin de corto plazo a travs del rango de los
subgrupos mediante la siguiente expresin:

Por lo general, los ndices de capacidad de corto plazo se calcula con esta
forma de obtener la desviacin estndar, por lo que Cp = 1.875 y Cpk =
1.27015
As que desde una perspectiva de corto plazo se tiene un proceso capaz.
Para calcular L de largo plazo se determina de manera directa la

desviacin estndar de todos los datos. Por lo tanto , la cual
es considerablemente mayor que la obtenida con el otro mtodo y habla
de un mal proceso. Con esta desviacin se puede calcular los ndices Pp y
Ppk .

ndices
Estos ndice estn enfocados al desempeo del proceso a largo plazo, y
no solo a su capacidad. Por ello, el ndice de desempeo potencial del
proceso (process performance) se calcula de la siguiente manera:
Donde es la desviacin estndar de largo plazo.
Un problema con el ndice es que no toma en cuenta el centrado del

proceso, por ello suele complementarse con el ndice de desempeo
real del proceso

Mtricas Seis Sigma

Calidad Seis Sigma o los proceso Seis Sigma, se refieren a un concepto
que plantea una aspiracin o meta comn en calidad para todos los
procesos de una organizacin.
ndice Z
Este ndice es otra forma de medir la capacidad del proceso. Primero se
calcula la distancia entre las especificaciones y la media de un proceso
en unidades de la desviacin estndar,

De esta manera para un proceso de doble especificacin se tiene Z
superior, Zs, y Z inferior, Zi, que se definen de la siguiente manera:

La capacidad de un proceso medida en trminos del ndice Z es igual al

valor ms pequeo de entre , es decir:
Z = Mnimo (Zs, Zi)

En un proceso de envasado de cemento de una empresa cementera se
tiene como especificacin del contenido de los costales 50 kg, con una
tolerancia de 0.6 kg. De esta forma, la especificacin inferior es EI=49.4 kg,
y la superior es ES=50.6 kg. De acuerdo con los datos histricos se tiene
que la medida del proceso es =50.01 y la desviacin estndar es 0.2 kg. De
aqu que, Zs=(50.6-50.01)/0.2=2.95 y Zi=(50.01-49.4)/0.2=3.05
Para este tipo de ejemplo, el proceso tiene una calidad de Z = 2.95 sigmas

La diferencia entre la capacidad de corto y largo plazo se conoce como

desplazamiento o movimiento del proceso y se mide a travs del ndice
Zm de la siguiente manera
Zm = Zc - ZL Si Zm > 1.5 el control es muy malo
Este ndice representa la habilidad para controlar la tecnologa. Hay

estudios que ponen de manifiesto que la media de un proceso se puede
desplazar a travs del tiempo hasta 1.5 sigmas en promedio hasta cualquier
lado de su valor actual.
De la forma que se obtiene el ndice Z, es posible ver que :
3 Cpk = Zc y 3Ppk = ZL
Ejercicio 1.- Los siguientes datos representan las mediciones de viscosidad

de los ltimos tres meses de un producto lcteo. El objetivo es tener una
84 81 77 80 80 82 78 83
viscosidad de 80 +- 10 cps. 81 78 83 84 85 84 82 84
82 80 83 84 82 78 83 81
86 85 79 86 83 82 84 82
83 82 84 86 81 82 81 82
87 84 83 82 81 84 84 81
78 83 83 80 86 83 82 86
87 81 78 81 82 84 83 79
80 82 86 82 80 83 82 76
79 81 82 84 85 87 88 90
a) Calcule la media y la desviacin estndar, y tomando a estos como

parmetros poblacionales estime los ndices Cp, Cpk, Cpm, y K, (n=8), Z
b) Con base a la tabla anterior, tambin estime el porcentaje fuera de
especificaciones.
c) Las estimaciones realizadas en los puntos a y b, se deben ver con ciertas
reservas? Por qu?
Ejercicio 2.- En una empresa que elabora productos lcteos se tiene como
criterio de calidad para la crema, que sta tenga 45% de grasa, con una
tolerancia de 5. De acuerdo con los muestreos de los ltimos meses se
tiene una media de 44.5 con una desviacin estndar de 1.3. Realice un
anlisis de capacidad para ver si se cumple con la calidad exigida (Cp, Cpk,
K, Cpm, lmites reales), represente de manera grfica sus resultados y
comntelos.

Ejercicio 3.- Considere las 80 mediciones de tiempo de ciclo de un proceso

en das. Las especificaciones son EI=0 y ES=50, siendo en realidad esta
ltima la que preocupa: 30 12 22 9 18 8 42 2
19 26 28 15 10 13 33 13
13 40 8 10 14 22 27 39
a) Dibuje un histograma y verifique si los datos cumplen el 12 16 16 34 13 22 13 5
supuesto de normalidad. Aplique una prueba de 16 30 6 20 34 17 28 10
16 23 39 8 14 8 36 10
normalidad utilizado un paquete estadstico.
38 7 43 15 15 9 33 23
15 20 20 15 11 12 13 14
b) Haga el anlisis de capacidad suponiendo normalidad. 12 19 10 23 22 25 30 9
15 19 5 34 16 8 23 21
c) Usando un paquete estadstico encuentre una distribucin que se ajuste razonablemente a los
datos. Luego estime los ndices Pp, Ppi, Pps, y Ppk con el mtodo de percentiles de clements.
d) Comparar los resultados obtenidos Cul ser la mejor estimacin?

Calidad Tres Sigma
Tener un proceso Tres Sigma significa que el ndice Z,

correspondiente es igual a tres, por lo tanto en el ejemplo 5.2 el
proceso prcticamente tiene una calidad tres sigma porque Z = 2.95.
En esta grfica se aprecia que los lmites reales ( +- 3) coinciden son
las especificaciones de calidad.

Se espera que el peso de los costales vare de 49.41 a 50.61 Kg. Al

observar la grfica se espera que el porcentaje de costales envasados
que cumplen con especificaciones (rea bajo la curva normal que cae
dentro de las especificaciones) sea de 99.73% y solo 0.27% los que no
cumplen, lo cual corresponde a 2700 partes por milln (PPM) fuera de las
especificaciones.
Si se considera que una sola empresa fabrica 10 millones de aparatos por
ao, lo cual con calidad tres sigma, implica que 27 000 consumidores
tuvieron problemas con su aparato nuevo. Por lo tanto la calidad tres
sigma implica demasiados errores.

Lo anterior agrava si consideramos la diferencia entre la capacidad de

corto plazo y largo plazo que se estudi antes, en donde los estudios
indican que la media de un proceso puede desplazarse hasta 1.5
sigmas respecto al valor nominal, debido a factores externos y
desplazamientos del propio proceso. Es decir, que el ndice Z, puede
tener un cambio o movimiento a largo plazo hasta 1.5 , que si
ocurriera en el caso del peso de los costales y el desliz fuera hacia la
especificacin superior, la media del proceso sera:

De esa manera la grfica podra tomar la forma siguiente:
En donde ahora el rea de la curva dentro de las especificaciones es solo

de 93.32%, lo cual implica una taza de defectos de 66 810 PPM y Zs=1.5

Por lo tanto, a corto plazo se tiene una calidad tres sigma, Zc=3, pero a
largo plazo con este desplazamiento se tiene una calidad de 1.5 sigmas,
ZL =1,5. Todo esto hace a la calidad tres sigma poco satisfactoria, por
eso se requiere tener una meta de calidad ms elevada, y esta se llama:
calidad Seis Sigma.

Calidad Seis Sigma

Tener esta calidad significa disear productos y procesos que logren que
la variacin de las caractersticas de calidad sea tan pequea, que el ndice
de corto plazo sea igual a 6.
Esto implica que la campana de distribucin quepa 2 veces dentro de las
especificaciones. Ver figura siguiente:

En este caso, a corto plazo se tendra una taza de defectos de 0.002 PPM,
que en trminos prcticos equivale a un proceso con cero defectos. En el
caso de los costales de cemento, tener calidad seis sigma significa que en
lugar de que la desviacin estndar tenga una valor de 0.2, se requiere que
=0.1. Es decir, implica reducir la variacin en 50% con respecto a la
calidad 3 .
En trminos del ndice , un proceso seis sigma equivale a que el

proceso en el corto plazo tenga un .
Con un proceso Seis Sigma, si a largo plazo ocurriera que la media del
proceso se moviera hasta 1,5 veces a partir del valor nominal, hacia la
especificacin superior por ejemplo, eso no generara problemas, ya que
la media del proceso sera:
Y el y ahora sera de:

Lo cual de acuerdo con la tabla 5.3, es un valor cercano a 4.5, y le

corresponde una tasa de calidad fuera de especificaciones de 3.4 defectos por
cada milln de unidades producidas (3.4 PPM), como se ilustra en la figura
siguiente:
De acuerdo con lo anterior, y a pesar de los posibles desplazamientos, la

calidad Seis Sigmas implica un proceso prcticamente con cero defectos
y por lo tanto, representa una meta para los procesos de clase mundial.
En la parte izquierda se aprecia el nivel de calidad de corto plazo, sin

desplazamiento del proceso, y en la parte derecha se representa la
calidad de largo plazo, por lo que se incluye un desplazamiento del
proceso de .
Si se conoce las partes por milln fuera de especificaciones de largo

plazo , entonces el nivel de calidad en sigmas (corto plazo) se
obtiene con la siguiente ecuacin (Schmidt y Launsby 1997).
Por ejemplo, suponga que de acuerdo con datos histricos un proceso

tiene PPM = 20 000, entonces este tiene una calidad de:

De la misma manera, si se conoce es posible obtener las PPM que se

esperan a largo plazo:
A partir de la tabla 5.3 es posible obtener la tabla siguiente, en donde se

muestra la reduccin de defectos de un nivel de sigma al siguiente:

Ejercicio 4.- Si una caracterstica de calidad tiene una especificacin de 35
+-3 , y de acuerdo con datos histricos se tiene que = 35.1, y una

c=0.31, y de L=0.40, resuelva lo siguiente:
a) Obtenga Zc y ZL, y diga por qu difieren de manera importante
b) Cul es el nivel de sigmas del proceso?
c) Obtenga los ndices Pp y Ppk e interprete
d) Obtenga los ndices Cp y Cpk e interprete
e) Con cuantas PPM trabaja este proceso?

Mtrica Seis Sigma para atributos (DPMO)

El ndice Z se emplea como mtrica en seis sigma con la caracterstica de
calidad es tipo continuo; sin embargo, muchas caractersticas de calidad
son de atributos. En este caso se utilizar como mtrica a los defectos por
milln de oportunidades de error (DPMO).
Unidad.- Es la parte o producto que se elabora mediante un proceso.

Oportunidad del error.- Cualquier parte de la unidad que es posible medir o verificar si cumple con lo
estipulado.
ndice DPU (defectos por unidad).- Mtrica de calidad que es igual al numero de defectos encontrados
entre el numero de unidades inspeccionadas. No toma en cuenta las oportunidades del error.
ndice DPO (defectos por oportunidad).- Mtrica de calidad que es igual al numero de defectos
encontrados entre el total de oportunidades de error al producir una cantidad especfica de unidades

Ejemplo 2.- En una fabrica de muebles, durante la etapa de ensamble del producto se
quiere evaluar el desempeo del proceso. En particular, se pretende evaluar la calidad
del ensamble de la silla que se muestra. El producto tiene 24 puntos de ensamble; por
lo tanto, en la inspeccin final se evala cada uno de los puntos de ensamble. De los
resultados del ultimo mes se tiene que de 2 000 sillas revisadas, se encontraron 120
puntos de ensamble insatisfactorios. A continuacin, veamos cmo evaluar esta
situacin en termino de las mtricas Seis Sigmas
Producto
ensamblado,
Se entiende por unidad la parte o producto que es
Tiene 24
elaborada por un proceso y que, por tanto, es puntos de
ensamble
posible inspeccionar o evaluar su calidad. En el
caso del ejemplo, la unidad es la silla puesto que
es el producto del proceso de ensamble.

En dicho producto, existe tantas oportunidades de error como nmero de

puntos de ensamble, es decir 24 oportunidades de error.
Una oportunidad de error es cualquier parte de la unidad a la que es

posible medir o verificar si cumple con lo estipulado.
Un defecto es cualquier no conformidad o desviacin de la calidad

especificada de un producto, en el caso de la silla ser alguna desviacin
con respecto a que el ensamble se realice en forma correcta y de acuerdo
con los criterios de calidad bien especificados.

Ahora surge el ndice DPU (defectos por unidad), el cual es una mtrica
que determina el nivel de no calidad de un proceso que no toma en
cuenta las oportunidades de error y se obtiene con el siguiente cociente:
Donde U es el nmero de unidades inspeccionadas en las cuales se

observaron d defectos; ambas referidas a un lapso de tiempo especfico.
Por ejemplo, de 2000 sillas inspeccionadas se detectaron 120 ensambles

con defectos, por lo tanto:

La desventaja del DPU es que no toma en cuenta el nmero de

oportunidades de error en la unidad. Por ejemplo no es lo mismo tener
un DPU = 0.06 para una silla que solo tiene 12 puntos de ensamble a la
que se est considerando, que tiene 24. Por ello, para tomar en cuenta
la complejidad de la unidad o producto se utiliza el ndice DOP
(defectos por oportunidad), que mide la no calidad de un procesos y se
obtiene como sigue:
Donde U y d son como antes, y O es el nmero de oportunidades de error

por unidad.

Para el caso de la silla tenemos un DPO de:
El cual significa que de 48 000 ensambles (oportunidad de error) se

fabricaron 120 con algn defecto.
Para mejor entendimiento de esta mtrica, es mejor obtener los defectos del
proceso en un milln de oportunidades de error, y se obtiene al multiplicar al
DPO por un milln, por lo que para las sillas se tiene que:
no se tiene un proceso Seis Sigma, ya que la meta ser tener 3.4 DPMO como
mximo

DPU frente a PPM y el nivel de sigmas

Es importante aclarar que tanto la mtrica DPU como la DPMO se refieren
a variables para atributos que siguen una distribucin de Poisson, donde
una pieza puede tener ms de un defecto y no necesariamente debe
rechazarse. En cambio, PPM se aplica cuando la parte cumple o no cumple
(pasa o no pasa), y aqu mas bien se aplica la distribucin binomial y su
aproximacin por la normal.

Ahora en el caso del ejemplo de las sillas donde DPU = 0.06, se quiere saber
cul es el nivel de sigmas del proceso correspondiente?.
Lo primero que se hace es calcular el rendimiento Y (Probabilidad de que

todos los ensambles caigan dentro de tolerancias o especificaciones) del
proceso mediante la distribucin de Poisson con la siguiente formula:
Y=P(x=0)=e-x/x!=e-
De esta ecuacin tambin se aprecia que:

El rendimiento Y puede verse como la probabilidad de que todos los ensambles

caigan dentro de las tolerancias o especificaciones. Esta se calcula con la
distribucin de Poisson y equivale a la probabilidad de cero fallas, es decir:
Donde es el nmero promedio de defectos, que es justo lo que estima DPU.
As para ejemplo de las sillas, la estimacin del rendimiento est dada

por:

Es decir, la probabilidad de que una unidad est libre de defectos es de
94.18%. Para convertir esto al nivel de sigma de largo plazo es preciso
encontrar el valor de Z en una tabla de distribucin normal estndar que da
una probabilidad acumulada igual a Y, es decir, el nivel de sigma de largo
plazo para el proceso, , donde:
Se encuentra que el nivel de sigmas de largo plazo del proceso es igual a

1.57, as que suponiendo un desplazamiento de 1.5 sigmas, el nmero de
sigmas del proceso estar dado por:
Por lo tanto, el nivel de sigmas del proceso de ensamble de sillas es 1.57 +

1.5 = 3.07 que, de acuerdo con la tabla 5.3 corresponde a un nivel de PPM
cercano a 66 807. Es decir est muy lejos de la meta de tener un proceso
Seis sigma. Control de Calidad Ing. Norman Reyes
Ejercicio 4.- De 2 000 tarjetas electrnicas producidas , se detectaron 1 000

defectos. Cada tarjeta tiene 50 componentes.
a) Calcule el DPU y DPMO
b) Estime el nivel de sigmas del proceso

Rendimiento combinado (Rolled Troughput Yield)

Supongamos que un proceso tiene k etapas o subprocesos, y el
rendimiento combinado del proceso es el producto de los rendimientos de
sus etapas, es decir:
Donde:
El ndice se interpreta como la probabilidad de que una unidad est libre

de defectos desde la primera hasta la ltima etapa del proceso.

Ejemplo de un proceso con cinco etapas con sus respectivos rendimientos.

Ejercicio 5.- Un proceso de 5 defectos codificados con las letras A, B, C, D,

E. Los siguientes datos fueron colectados en cierto perodo, registrando (D)
defectos, (U) unidades y (O) oportunidades.
a) Con base en los datos de la tabla, obtenga el DPU, el DPO, y el DPMO
para cada tipo de defecto, as como para el total.
b) Obtenga una estimacin de la probabilidad que el producto no tenga ese
defecto, Y=e-DPU , y con ello el nivel de sigmas de largo plazo y corto
plazo para el defecto correspondiente.
c) Considere todos los defectos y determine cual es el nivel de sigmas del
proceso.
-DPU
Caractersticas D U O DPU DPO DPMO Y=e ZL ZC
Tipo A 20 450 10
Tipo B 15 350 15
Tipo C 6 200 25
Tipo D 25 350 12
Tipo E 30 400 15
Total
Procesos con una sola especificacin
Existen procesos cuyas variables de salida tienen una sola

especificacin, ya sea que se trate de variables del tipo entre ms grande
mejor, donde lo que interesa es que sean mayores a cierto valor mnimo
(EI); o de variables del tipo entre ms pequea mejor, donde lo que se
quiere es que nunca excedan cierto valor mximo (ES)
En los procesos donde se tenga una sola especificacin se debe tener

cuidado con la mala prctica de fijar de manera artificial una especificacin
inferior.

En este caso, de variable entre ms pequea mejor podramos fijar como

especificacin inferior al cero (EI = 0), pero eso no es necesario debido a
que los SST no pueden ser negativos, por lo que en forma natural esta
variable est limitada por el lado inferior. Por ello, lo correcto es evaluar el
proceso solo con la especificacin superior

Ejemplo de variable entre ms grande mejor

Estimacin por intervalo de los ndices de capacidad

Para calcular los ndices de capacidad e interpretarlos se necesita
conocer la media, , y la desviacin estndar , del proceso con una
buena estimacin. Sin embargo cuando no se conocen estos parmetros
ser necesario utilizar datos muestrales y estimar por intervalo a estos
ndices.
Sea una muestra aleatoria del proceso, y y la media y la
desviacin estndar de tal muestra respectivamente.

si la muestra es pequea, de unas cuentas decenas (menor a 80 por

ejemplo), es incorrecto comparar los valores estimados con los valores
mnimos recomendados para los ndices.
De acuerdo con lo anterior es preciso realizar una estimacin por intervalo,
en la cual se tome en cuenta el error estndar de su correspondiente
estimador muestral. De forma especfica, los intervalos de confianza para
y estn dados por:

Donde n es el tamao de muestra y es el percentil de la distribucin normal

que determina la confianza de la estimacin (si se quiere trabajar con 95% de
confianza, el valor de es 1.96). De esta manera, el verdadero valor del ndice
de capacidad del proceso se encontrar entre el intervalo obtenido con las
experiencias anteriores y la confianza dada.
Ejemplo
Supongamos que una caracterstica de calidad tiene especificaciones de 50 +/- 1.

Con el fin de tener una primera idea de la capacidad del proceso para cumplir con
esta especificacin se obtiene una muestra aleatoria de 40 unidades producidas
por el proceso. De las mediciones de esas 40 unidades se obtiene que la media y
la desviacin estndar para la muestra son X = 50.15 y S = 0.289 con lo
cual es posible estimar los ndices:

Por lo tanto, con base en la muestra sera riesgoso afirmar que el proceso es
potencialmente capaz, ya que el verdadero valor real de Cp podra ser de hasta
0.89; sin embargo tambin sera riesgoso afirmar que es malo, ya que el
verdadero valor del Cp podra ser de hasta 1.41. Lo mismo se puede decir con
respecto a la capacidad real, ya que lo mismo puede ser mala
, que buena . Para reducir esta incertidumbre y el error de
estimacin es necesario medir ms piezas (incrementar el tamao de la
muestra)

De manera general, si se toma una muestra pequea de un proceso para evaluar su

capacidad, entonces con base en los intervalos de confianza para los ndices es
posible encontrar tres tipos de procesos:
1. Procesos con muy buena capacidad. Se tiene este caso cuando el lmite
inferior de los intervalos de confianza para los ndices es mayor que 1.33 (o por
lo menos de 1.0).
2. Proceso con muy mala capacidad. Se afirma esto cuando el lmite superior de
los intervalos de confianza para los ndices es menor que 1.0.
3. Proceso con una capacidad intermedia o incertidumbre sobre su capacidad
real. Se presenta cuando no se est en ninguna de las situaciones anteriores, es
decir cuando el intervalo incluya al nmero 1 o a 1.33, como en el caso del
ejemplo anterior. En esta situacin se debe seguir monitoreando el proceso
hasta tener un tamao de muestra mayor.

Estudio real (integral) de capacidad

Aplicaremos en forma conjunta varias de las tcnicas explicadas anteriormente,
a fin de tener una informacin ms completa acerca de los diferentes aspecto
del estudio de la capacidad de un proceso.
Ejemplo
Proceso descentrado. De manera similar al ejemplo 5.1, en otro modelo de
llantas para automvil se tiene que la longitud de la capa debe ser de 500 mm,
con una tolerancia de +/-8 mm. La longitud de la capa es el resultado de un
proceso de corte de una tira de hule, el cual debe garantizar que la longitud est
entre la especificacin inferior EI = 542 y la superior ES = 558, con un valor
ideal o nominal de N = 550, para detectar la posible presencia de causas
especiales de variacin, y en general para monitorear el correcto
funcionamiento del proceso de corte, cada hora se toman cinco capas y se
miden, los datos obtenidos se muestran en la tabla siguiente:
Estudio real (integral) de capacidad

Ejemplo
Se pide:
a) Hacer el anlisis del proceso
b) Obtenga la Desviacin estndar de corto y largo plazo
c) Calcule Zc, Zl e interprete
d) Cual es el nivel de sigmas del proceso
e) con cuantas PPM trabaja este proceso?

Subgrupo Mediciones de Longitud Media Rango
1 556 552 552 551 552 552.6 5
2 556 555 553 552 554 554.0 4 Datos de longitud de capa
3 556 554 552 553 552 553.4 4
4 552 554 554 554 549 552.6 5 para llantas
5 551 556 551 551 552 552.2 5
6 552 553 554 550 549 551.6 5
7 551 550 551 552 551 551.0 2
8 550 550 553 555 552 552.0 5
9 556 553 555 552 550 553.2 6
10 554 552 553 552 555 553.2 3
11 551 553 554 549 553 552.0 5
12 556 551 553 551 554 553.0 5
13 553 553 554 548 551 551.8 6
14 550 553 548 556 553 552.0 8
15 554 552 553 555 549 552.6 6
16 556 552 554 553 553 553.6 4
17 553 552 555 555 552 553.4 3
18 550 550 553 550 549 550.4 4
19 556 557 551 550 551 553.0 7
20 552 554 552 550 553 552.2 4
21 550 553 552 555 553 552.6 5
22 554 554 553 552 552 553.0 2
23 549 551 558 551 555 552.8 9
24 551 551 552 551 554 551.8 3
25 552 548 551 552 553 551.2 5
26 551 553 551 554 548 551.4 6
27 551 550 555 552 554 552.4 5
28 551 556 553 552 555 553.4 5
29 552 554 557 553 553 553.8 5
30 551 552 554 553 550 552.0 4
31 557 551 552 554 555 553.8 6
32 550 554 554 554 556 553.6 6
33 552 552 553 552 553 552.4 1
34 552 556 554 552 554 553.6 4
35 552 550 553 552 553 552.0 3
36 553 553 549 551 552 551.6 4
552.5 4.7 Control de Calidad Ing. Norman Reyes
Capacidad para procesos no normales
Los ndices de capacidad discutidos anteriormente son sensibles a la falta de

normalidad de los datos utilizados para calcularlos. Esto significa que pueden
estar subestimando o sobreestimando la capacidad verdadera,
dependiendo de la manera en que la distribucin de los datos no se aproxima al
patrn de la distribucin normal. En la prctica existen variables de inters que
no siguen tal patrn, de aqu la importancia de conocer tcnicas que permitan
estimar de manera ms confiable la capacidad de procesos en estas
situaciones.

Bsicamente existen 2 alternativas para lidiar con datos no normales en

estudios de capacidad:
1. La primera consiste en redefinir el ancho del proceso en trminos de

los percentiles de la distribucin que sigan los datos, adems de
sustituir la media por la mediana (percentil 50), en las frmulas de
ndices de capacidad.
2. La segunda consiste en transformar los datos a normalidad, y luego
calcular los ndices de la manera usual con los datos transformados. A
continuacin describimos una manera de proceder con cada uno de los 2
enfoques mencionados:

Mtodo de percentiles de Clements
Un mtodo alternativo que toma en cuenta la distribucin de los datos y que se

basa en los percentiles, es el mtodo de Clements, quien define los cuatro
ndices de capacidad bsicos en trminos de los percentiles de la distribucin
de los datos de la siguiente manera:
Cpk = Mn (Cpu, Cpi)
Cabe sealar que si los datos siguen una distribucin normal, entonces las
frmulas anteriores coinciden con las tradicionales.

Mtodo de Transformacin de Box - Cox

Otro mtodo para calcular los ndices cuando no se cumple normalidad, consiste en
que primero se transforman los datos a normalidad usando el mtodo de Box-
Cox. Esto se hace mediante la transformacin de potencia definida como:
El valor de para un conjunto de datos se selecciona encontrando

el valor de que maximiza la funcin log verosimilitud dada por:
Donde es la media de los datos transformados. Tpicamente basta evaluar esta funcin para
valores de entre (-2, 2), y ubicar aquel donde la funcin alcanza su mximo

Control y Gestión de La Calidad - Unidad 4 - 04 Indices de Capacidad, Métricas 6 Sigma y Análisis de Tolerancias

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control y Gestión de La Calidad - Unidad 4 - 04 Indices de Capacidad, Métricas 6 Sigma y Análisis de Tolerancias

Cargado por

Copyright:

Formatos disponibles

Universidad

Ing. Norman Reyes

2.4. ndices de capacidad, mtricas Seis Sigma y anlisis de

Control de Calidad Ing. Norman Reyes

Control de Calidad Ing. Norman Reyes

ndices de capacidad para procesos con doble especificacin

Capacidad del proceso para el

Control de Calidad Ing. Norman Reyes

Donde representa la desviacin estndar del proceso, mientras que

Control de Calidad Ing. Norman Reyes

Decimos que (seis veces la desviacin estndar) es la variacin real,

*Hay una definicin del ndice Cp que es independiente de la distribucin

Donde es el percentil 99.865 de la distribucin de la caracterstica de

Interpretacin del ndice Cp

Control de Calidad Ing. Norman Reyes

Control de Calidad Ing. Norman Reyes

Un aspecto que es necesario destacar es que la interpretacin que se da

La violacin de alguno de estos supuestos, sobre todo de los ltimos

Control de Calidad Ing. Norman Reyes

Este ndice se conoce como razn de capacidad potencial, , el cual est

Como se puede apreciar, el ndice es el inverso del ya que compara

Se interpreta como la variacin del proceso potencialmente cubre un x%

Control de Calidad Ing. Norman Reyes

La desventaja es que los ndices Cp y Cr no toman en cuenta el centrado del

Control de Calidad Ing. Norman Reyes

El ndice Cpi es el indicador de la capacidad de un proceso para cumplir

El ndice Cps es el indicador de la capacidad de un proceso para cumplir

El ndice Cpk es el indicador de la capacidad real de un proceso que se

Control de Calidad Ing. Norman Reyes

En el ejemplo 5.1 de la longitud de las capas de las llantas, tenemos que :

Si Cpk < 1, entonces el proceso no

Control de Calidad Ing. Norman Reyes

Como se aprecia el ndice es igual al valor ms pequeo de

> > 1.25 Para un proceso existente, se considerar como un proceso

En el ejemplo 5.1, de la longitud de las capas de las llantas, tenemos que:

Control de Calidad Ing. Norman Reyes

Como se aprecia, este indicador mide la diferencia entre la media del

El valor nominal, N, es la calidad objetivo y ptima; cualquier desviacin

Control de Calidad Ing. Norman Reyes

K> 0 La media del proceso es

En el ejemplo 5.1 de la longitud de la capa para llantas, si se

La media del proceso est

Control de Calidad Ing. Norman Reyes

ndice Cpm (ndice de Taguchi)

Taguchi (1986) propone que la capacidad del proceso se mida con el

Donde est dada por:

Control de Calidad Ing. Norman Reyes

En el caso del ejemplo 5.1 acerca de la longitud de capa para llantas:

El proceso no cumple con las especificaciones,

El proceso cumple con las especificaciones, y la

Adems, el proceso est dentro de la quinta

Control de Calidad Ing. Norman Reyes

Capacidad de largo plazo

Ejemplo 1.- Para diferenciar entre capacidad de corto y largo plazo se

En el ejemplo 1 se mide el esfuerzo para subir el descansabrazos de

Control de Calidad Ing. Norman Reyes

Para calcular L de largo plazo se determina de manera directa la

Control de Calidad Ing. Norman Reyes

Donde es la desviacin estndar de largo plazo.

Un problema con el ndice es que no toma en cuenta el centrado del

Control de Calidad Ing. Norman Reyes

Mtricas Seis Sigma

calcula la distancia entre las especificaciones y la media de un proceso