See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/228602814

CONTROL ESTADSTICO DE PROCESOS Y

METROLOGA EN LA CONSTRUCCIN DE UN
BUQUE EN GRADA

Article

CITATIONS READS

0 103

3 authors, including:

Salvador Naya
University of A Corua
74 PUBLICATIONS 481 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

qcr and ILS Libraries in R View project

All content following this page was uploaded by Salvador Naya on 03 June 2017.

The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
 CONTROL ESTADSTICO DE PROCESOS Y METROLOGA EN LA
CONSTRUCCIN DE UN BUQUE EN GRADA
Salvador Naya1 y Jos ngel Fraguela2
1
Departamento de Matemticas. Escuela Politcnica Superior. Universidad de A
Corua. (salva@udc.es)
2
Departamento de Ingeniera Naval y Ocenica. Escuela Politcnica Superior.
Universidad de A Corua. (fraguela@cdf.udc.es)

RESUMEN

La monotorizacin de procesos mediante el control estadstico de procesos (CEP) y las

tcnicas usadas en Metrologa, basadas en analizar la reproductidad y repetitividad de las
medidas (RyR), suelen presentarse como dos mtodos distintos de cara a controlar un
proceso. En este trabajo se propone la utilizacin conjunta de ambas tcnicas, analizando los
aspectos comunes de cara a controlar la variabilidad en la toma de mediciones. Se presentar
la aplicacin de estas tcnicas de calidad al proceso de construccin de un buque en grada,
concretamente al control dimensional y de calidad de los paneles de acero utilizados.

Palabras e frases clave: Control Estadstico de Procesos, Control Ingenieril de

Procesos, Metrologa.

1. INTRODUCIN

Un primer objetivo del Control Estadstico de procesos (SPC) es identificar la naturaleza de

las causas comunes de variabilidad (aqullas que estn permanentemente presentes en un
proceso) y cuantificar su efecto, con el fin de establecer la capacidad del proceso para las
diferentes caractersticas de calidad. Las causas comunes producen en los resultados del
proceso una pauta de variabilidad, generalmente estable y globalmente predecible, que define
la capacidad del proceso para satisfacer determinadas especificaciones. Cuando en un proceso
slo estn presentes sus causas comunes de variabilidad se dice que el proceso est bajo
control. Por otra parte, en un proceso es posible que existan otras causas que afecten a la
variabilidad, llamadas causas especiales de variabilidad, que suelen tener un carcter
espordico y puntual, y que provocan las denominadas salidas de control del proceso. Las
causas especiales estn asociadas, por tanto, a hechos excepcionales como averas o fallos
humanos.

Un segundo objetivo del SPC es el establecimiento de un sistema de observacin,

permanente, que detecte precozmente la aparicin de causas especiales de variabilidad y
ayude a identificar su origen, con el fin ltimo de eliminarlas del proceso y tomar medidas
que eviten su reaparicin futura. Su fundamento es la toma peridica de muestras, y la
representacin grfica de estadsticos adecuadamente elegidos (como la media o la desviacin
tpica de las muestras) que actan como seales de aviso de las salidas de control.

La Metrologa entendida como la ciencia de las mediciones, tiene como objetivo el estudio de
la incertidumbre que se produce en los procesos de medicin. Para ello estima la variabilidad
y la repetitividad (RyR) de las medidas con la intencin de ajustar lo mejor posible las
caractersticas de calidad a sus valores deseados. Al igual que en el control estadstico de
procesos se definen ndices para medir la capacidad de los procesos en metrologa tambin
son habituales ndices para verificar el instrumento de medicin y la repetitividad de las
medidas.

Una vez introducido el problema sobre las dos posibles formas de controlar los procesos en el
contexto de calidad, en la segunda seccin presentaremos las ideas bsicas de ambas tcnicas,
la tercera seccin se presentar una aplicacin real de un control de procesos y la metrologa
en la medicin de los paneles utilizados en la construccin de un buque en un Astillero y,
finalmente, la ltima seccin, estar dedicada a las conclusiones.

2. CONTROL ESTADSTICO FRENTE A METROLOGA

El control estadstico de procesos tiene como principal objetivo conseguir productos y

procesos robustos para lo que suele utilizar grficos, llamados tambin grficos Shewhart en
honor a uno de los considerados como padre de esta ciencia, el profesor Walter Shewhart, que
fue quien los propuso cuando trabajaba en los laboratorios de la compaa americana Bell
Telephone en el ao 1931.

Un grfico de control bien diseado debe avisar, lo antes posible, de la aparicin de una causa
especial de variabilidad y ayudar a su identificacin y eliminacin. Es muy importante, en
consecuencia, que todo el grfico de control que se implante venga acompaado de su
correspondiente plan de reaccin, que precise las medidas que deben adoptarse en funcin de
la naturaleza de las posibles seales de falta de control que puedan aparecer. Los lmites que
aparecen en un grfico de control indican la variabilidad que cabe esperar para el estadstico
graficado (por ejemplo la media de n observaciones) en el caso de que el proceso se halle bajo
control, es decir, actuando slo las causas comunes de variabilidad. Debe quedar claro que
estos lmites de control no tienen en principio nada que ver con las especificaciones
establecidas para la caracterstica estudiada. Es, en efecto, muy frecuente que lmites de
control calculados aplicando las frmulas estndar de los manuales que no se adaptan a la
naturaleza de un determinado proceso, se traduzcan en reiteradas falsas alarmas (el grfico
indica una salida de control a pesar de que el proceso est realmente bajo control) que
finalmente generan una falta de confianza en el grfico y su abandono.

Los grficos de control tienen unas sencillas frmulas que dependen de la media de las
submuestras y de estimaciones de la desviacin tpica, para lo que se suelen usar las medias
de las desviaciones de cada submuestra o las medias de los recorridos, en funcin de esto se
obtienen las siguientes expresiones, en las que los valores de las constantes estn tabulados en
funcin del tamao de la submuestras.

LCI = X A S LCI = X A R
1
2

Grfico X Grfico X
LCS = X + A S LCS = X + A R
1 2

LCI = B3 S LCI = D3 R
Grfico S Grfico R
LCS = B4 S LCS = D4 R

En la Figura 1 de la seccin siguiente puede verse uno de estos grficos en el que se aprecian
distintas submuestras fuera de control. La Figura 2 representa la salida para un grfico tipo S.
Es un error muy frecuente en la industria la confusin entre ambos aspectos de control y, en
particular, la creencia de que los grficos de control clsicos del SPC son los que indican, a
partir de las seales de salidas de control, la necesidad de adoptar una decisin de regulacin
del proceso manejando una variable compensatoria. Una seal de falta de control (si el
grfico se ha construido correctamente) indica la aparicin en el proceso de una causa
especial que debe ser identificada, pero el proceso, aun hallndose bajo control, puede
presentar una variabilidad indeseable que quizs sea posible reducir manejando
adecuadamente variables compensatorias mediante el EPC. En definitiva, SPC y RyR no son
dos alternativas excluyentes, sino dos enfoques complementarios, y ambos deben ser
utilizados, siempre que sea posible, para optimizar el control de un proceso.

3. IMPLEMENTACIN DE UN CONTROL A UN PROCESO EN UN ASTILLERO

Como ejemplo de aplicacin de un control de procesos veremos la implementacin de un

sistema de control en un astillero dedicado a la construccin de buques, con la intencin de
controlar una serie de variables de inters. En un primer paso se desarroll un control
estadstico para verificar que el acero cumpla con los requisitos de calidad que fija la
correspondiente norma, concretamente se analiz como variable de calidad el lmite elstico.

Figura 1: Grfico de medias para la variable de inters del acero.

Figura 2: Grfico S para la variable de inters, lmite elstico del acero.

De cara a controlar el proceso no era posible hacer agrupamientos en submuestras, por lo que
optamos por considerar muestras de tamao uno. En este caso, nos vemos obligados al uso de
grficos de medias individuales. Para este tipo de control es necesario hacer un agrupamiento
en bloques o por rangos mviles de los datos, en submuestras, para estimar la variabilidad.

Finalmente, hemos utilizado una opcin distinta a los grficos de Shewhart. Esta ltima
propuesta consiste en hacer uso de los grficos de sumas acumuladas, propuestos por vez
primera por Page en 1954, tambin llamados grficos CUSUM. A diferencia de los grficos
clsicos, la decisin sobre si el proceso est o no bajo control se toma tras el anlisis
sistemtico de toda, o de la mayor parte, de la serie temporal de medias. El grfico CUSUM
presenta, adems, la ventaja de que tiene un ARL (Average Run Length) del orden de la
mitad de un grfico tipo Shewhart. Teniendo en cuenta que el ARL es una buena medida para
comparar dos grficos de control ya que representa la longitud media del nmero de muestras
necesarias hasta encontrar una seal de fuera de control.

Figura 3: Grfico CuSum para la variable de inters, lmite elstico del acero.

En la Figura 3 se muestra una de estas salidas correspondiente a un grfico CUSUM para la

variable de control del lmite elstico para 224 muestras de tamao 1. Este grfico, a
diferencia del grfico de medias, representa en el eje X, el nmero de muestra, y en el eje de
ordenadas, representa las sumas parciales de las observaciones menos la media del proceso.
En este caso concreto se ha usado un grfico CUSUM con mscara, que permite detectar la
falta de control, siempre que aparezcan puntos fuera de esa mscara o plantilla. Para ms
detalles sobre la construccin de este grfico puede acudirse al texto de Montgomery (2005)
entre otros.

En cuanto al estudio metrolgico hemos seguido para su implementacin la norma EN 10080

que indica que la determinacin de los niveles de calidad garantizable se llevar a cabo
mediante la obtencin de los valores caractersticos para las diferentes caractersticas de
calidad. Dichos valores caractersticos se calculan a partir de los resultados obtenidos en la
totalidad de los ensayos realizados para la poblacin considerada (por ejemplo chapas de
acero de construccin naval) durante un determinado periodo de tiempo (por ejemplo, en el
ltimo semestre).
 Hemos analizado la variabilidad de las piezas tomando 3 medidas diferentes con 5 operarios
distintos, calculando los ndices de reproducibilidad y repetitividad entre operarios y entre
medidas. Estos ndices los hemos comparado con los obtenidos mediante la estimacin de la
capacidad del proceso observando que nos dan valores similares.

4. CONCLUSIONES

Como conclusin a lo anteriormente expuesto podra resaltarse la ventaja que tiene combinar
mtodos que permiten controlar la variabilidad de los procesos, como es el caso del control
estadstico de procesos, con mtodos que lo que persiguen es verificar que las mediciones
sean correctas como el caso del control de incertidumbre que proponen las tcnicas de
Metrologa.

Adems hemos visto que el empleo de los grficos CUSUM suponen una mejora en el control
estadstico por cuanto tienen en cuenta toda la serie de estudio y evitan el problema que de la
seleccin de tamaos de submuestras.

Finalmente, hemos analizado los distintos ndices de metrologa para controlar las mediciones
y los hemos relacionado con los ndices de capacidad utilizados en el control estadstico
aplicando estos resultados a los procesos de construccin tpicos de un astillero.

REFERENCIAS

Black-Nembhard, H y Chen S. (2007). Cuscore Control Charts for Generalized Feedback-

control Systems. Quality and Reliability Engineering International, 23, 483502.

Box G. E. P. y Luceo A. (1997). Statistical Control by Monitoring and Feedback

Adjustment. Wiley. New York.

Nembhard H, Changpetch P. (2006). Detected monitoring using cuscore charts for seasonal
time series. Quality and Reliability Engineering International. 10,766-786.

Del Castillo E. (2002). Statistical Process Adjustment for Quality Control. Wiley. New York.

Montgomery D. C. (2005). Introduction to Statistical Quality Control (5th edn). Wiley. New
York.

View publication stats