Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2 - 2 - 1 - Control Estadistico de Procesos PDF
2 - 2 - 1 - Control Estadistico de Procesos PDF
1 Los defectos
1.1 Introduccin.
1.2 Definicin de la calidad
1.3 El objetivo de los mtodos estadsticos de control en los procesos.
1.4 Qu causa los productos defectuosos?
1.5 Son todos los defectos iguales? Debemos tratar a todos los defectos por igual?
1.6 Clasificacin de los defectos, muestrario de defectos.
5 Los diagramas
6 Grficas de control
8 Normas Chilenas
11 Costos de calidad
1 Los defectos
1.1 Introduccin.
Actualmente, todas las empresas modernas saben que lograr un buen nivel de calidad es
fundamental para el xito de su gestin.
El objetivo de este curso es dar una buena informacin de la herramientas existentes para
el control estadstico de la calidad, pero debemos dejar bien claro que los objetivos de
calidad no se logran esgrimiendo solamente estas herramientas estadsticas. Hoy en da,
el concepto de Control Total de Calidad, ensea claramente que todos los estamentos de
la empresa estn involucrados en la obtencin de la mejor calidad del producto, y que
ste objetivo no es, de ninguna manera, responsabilidad exclusiva de los departamentos
tcnicos especializados en el control estadstico de la calidad, sino de todos los
integrantes de la empresa, desde el ms humilde empleado, al ms importante de los
gerentes.
1.2 Definicin de la calidad
Definiremos dos aspectos de la calidad, la Calidad del Diseo y la Calidad del Producto.
Entendemos por Calidad del Diseo al grado de concordancia entre el diseo y el fin para
el cual fue creado, y por Calidad del Producto, al grado de conformidad entre el producto y
su diseo.
Los conceptos y mtodos que veremos son aplicables al control de calidad del producto, y
son, en general, mtodos universales, es decir que valen para cualquier producto, ya
sean cremas dentales, bebidas gaseosas, tractores, medicamentos o ampolletas.
Definicin tradicional:
Pero, los lmites especificados, los determinamos nosotros, previo acuerdo con las
partes interesadas o involucradas en el proceso, luego, por carcter transitivo, vale la
frase del insigne maestro del control de calidad, Dr. J. M. Juran.
El sentido comn nos dice que no a las dos preguntas. No es lo mismo un defecto
considerado leve como ser una imperfeccin superficial en la etiqueta de un producto, que
una medida fuera de especificaciones en un repuesto para motor de automviles que lo
haga absolutamente inservible.
Defectos crticos: son aquellos que violan leyes, agreden al consumidor o hacen inservible
al producto.
Cada tipo de defecto ser objeto de un estudio acabado por las partes interesadas y
deber finalizar en un muestrario de defectos, debidamente clasificado por tipo de defecto
y firmado por las partes involucradas.
En todos los casos posibles deber construirse el muestrario con defectos situados justo
en los lmites de aceptacin o rechazo.
Unidad 2, Distribuciones de frecuencia e Histogramas
La medicin y clculo de una determinada caracterstica nos dar una estimacin del
verdadero valor en la poblacin.
2.2 Cmo se distribuyen los valores de las variables que medimos? Qu frecuencia
tiene cada valor que la causa llamada "variacin" nos entrega?
Tenemos claro que las variaciones nos producen distintas medidas de una variable, la
pregunta es como se distribuyen.
De que se trata lo veremos ms adelante pero por ahora nos alcanza con comprender
que dicho comportamiento significa que los valores ms cercanos al valor central, son los
que ms frecuentemente se repiten, y a medida que nos alejamos del valor central, la
frecuencia baja dramticamente. La grfica de este comportamiento tiene una forma de
campana.
Las primeras dan origen al control por variables y las segundas al control por atributos.
Las caractersticas de calidad que llamaremos variables son todas aquellas que podemos
representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores
de alambre, el contenido de cenizas en carbn, etc., etc.
Por fin, debemos tener en cuenta, que tanto los procesos como los lotes terminados
pueden ser inspeccionados por atributos o por variables.
2.4 Distribuciones de frecuencias.
38 47 54 61 26 35 28 48 53 44
32 52 46 42 63 35 50 38 35 57
49 68 47 45 65 45 25 19 56 58
44 73 50 40 46 76 40 64 36 42
Total, n: 40 datos
Rango, 76-19= 57
Raz de 40 y se redondea: 6
Ancho de clase : 9
El motivo por el cual conviene usar el ancho de clase como nmero impar es para que la
marca de clase sea un nmero entero igual que los datos que se estn estudiando. Si se
utilizara un nmero par, el ancho de clase resulta con un decimal que habra que
conservar hasta el final del clculo y esto es fuente de errores.
Con estos datos procedemos a construir nuestro diagrama de frecuencias, el cual una vez
finalizado tiene el siguiente diagrama:
LI LS Marca de Clase (mediana) (x)
18 26 22 ( 18 + 26 ) / 2
27 35 31
36 44 40
45 53 49
54 62 58
63 71 67
72 80 76
LI LS X recuento frecuencia
18 26 22 /// 3
27 35 31 //// 5
36 44 40 //// //// 9
45 53 49 //// //// // 12
54 62 58 //// 5
63 71 67 //// 4
72 80 76 // 2
total 40 40
El cuadro anterior puede llevarse a un grfico como sigue, dando lugar al Histograma:
HISTOGRAMA
14
12
12
10 9
FRECUENCIAS
6 5 5
4
4 3
2
2
0 0
0
21 22 31 40 49 58 67 76 85
MARCAS DE CLASE
Medidores de tendencia central y de dispersin
Son varios los medidores de la tendencia central y de la dispersin de una serie de datos
experimentales, de ellos estudiaremos los dos ms frecuentes y tiles en Control de
Calidad, estos son : la Media Aritmtica , medidor de la tendencia central, y la Desviacin
Tpica, medidor de la dispersin de los datos alrededor de la Media Aritmtica.
Se define como Media Aritmtica al valor central producto del siguiente clculo:
f . X + f . X + ...+ fk . Xk
fX
j =1
j j
fX = fX
X= 1 1 2 2 = =
f1 + f2 + ...+ fk
f
k
j
f N
j=1
de donde deriva:
k
fju
fu
X = A + c j=k1 = A + c
N
fj
j=1
Se define como desviacin tpica al valor que surge del siguiente clculo:
k
f (X )
2
X
f( X X )
2
j j
j= 1
S= k
= f = n
N pues
fj
j= 1
fu fu
2 2
S= c*
N N
Nota: El desarrollo de las Frmulas se explica en clase o pueden consultarse:
a) en la obra del autor: Estadstica para Ingenieros y Tcnicos del Inacap.
b) en el libro de Estadstica de Murray Spieguel.
X f U fu fu2
22 3 -3 -9 27
31 5 -2 -10 20
40 9 -1 - 9 9
49 12 0 0 0
58 5 1 5 5
67 4 2 8 16
76 2 3 6 16
fu = - 9 fu2 = 95
donde: c = 9 y A = 49
Este clculo tiene un error como consecuencia de suponer a todos los datos dentro de
cada clase como iguales.
Nota: Los decimales de las respuestas obtenidas, debern guardar relacin con los
decimales que tengan los datos, sin embargo, cuando use las calculadoras deber
conservar en cada clculo, todos los decimales que genera la calculadora, para luego
aproximar la respuesta a la cantidad de decimales igual a los que tengan los datos,
nunca menos. En particular en estos clculos es costumbre usar uno o dos decimales
ms que los datos. Tampoco es correcto usar muchos decimales pues no tienen
significado alguno.
Se usarn dos mtodos de clculo, uno por medio de la calculadora y otro por medio de
las frmulas vistas en clases.
4 3 2 1 +1 +2 +3 +4
y
Si bien en este curso no tenemos espacio para desarrollar el concepto de probabilidades,
ser necesario definir los siguientes puntos:
Un suceso es ms o menos probable segn la frecuencia con que ocurre. a mayor
frecuencia de ocurrencia pasada ser mayor la probabilidad de ocurrencia futura.
Los histogramas y los grficos de frecuencia, tambin pueden interpretarse como grficos
de probabilidades de ocurrencia. En particular, la Campana de Gauss, o Curva Normal, es
una funcin de probabilidades, y la superficie que se encierra debajo de la curva, y
limitada por dos valores de x es directamente una medida de la probabilidad de ocurrencia
de un suceso determinado.
Aceptando estos conceptos veremos como se puede hacer los clculos partiendo de la
Curva Normal. En primer trmino, la Curva Normal hay que transformarla en lo que se
llama forma cannica, esto significa que el cero de las X ir al medio del grfico. Para
lograrlo se usa una variable llamada z y es:
z=
( X X)
Esta transformacin hace que siempre el valor de la desviacin tpica, en una curva
cannica, sea igual a uno, y el valor de z no es ms que un dato medido en relacin a su
propia desviacin. Esto hace que la curva tenga caractersticas muy particulares que
veremos luego de los siguientes comentarios.
PROBABILIDADES
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
DESDE -1 A +1 DESVIACION TIPICA
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
DESDE -2 A +2 DESVIACION TIPICA
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
DESDE -3 A +3 DESVIACION TIPICA
4.3 Ejercicios de comprensin sobre la Distribucin Normal.
Los siguientes ejercicios, tienen como objetivo aprender el uso de las tablas de Gauss.
Ejercicio n 1
Hallar el rea bajo la CURVA NORMAL en cada uno de los 7 casos siguientes:
a) Entre z = 0 y z = 1.20
CURVA NORMAL DE GAUSS
45
40
PROBABILIDADES
35
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
Area bajo la curva entre z = 0 y z = 1,2
De tablas leemos que para z = 1,2 es 0,3849, por lo tanto: Pr {0 z 1,2} = 0,3849
Esto significa que el rea bajo la curva normal para z entre 0 y 1,2 es del 38.49%
b) Entre z = - 0.68 y z = 0
45
40
35
PROBABILIDADES
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
Area bajo la curva entre z = -0,68 y z = 0
En tablas se lee para z = 0.68 es 0.2518 por lo tanto, Pr {-0,68 z 0} =0.2518 Esto significa que
el rea bajo la curva, para z= -0,68 y z=0 es el 25.18%
c) Entre z = - 0.46 y z 2.21
CURVA NORMAL DE GAUSS
45
40
PROBABILIDADES
35
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
Area bajo la curva de z = -0,46 a z = 2,21
30
PROBABILIDADES
25
20
15
10
0
-3 -2 -1 0 1 2 3
Area bajo la curva entre z = 0,81 y z = 1,94
30
PROBABILIDADES
25
20
15
10
0
-3 -2 -1 0 1 2 3
Area bajo la curva entre z = - infinito y
z = - 0,6
30
PROBABILIDADES
25
20
15
10
5
0
-3 -2 -1 0 1 2 3
Area entre z = -1,28 y z = + infinito
PROBABILIDADES
12
10
8
6
4
2
0
-3 0 3
A la izquierda de -1,44 y a la derecha de
2,05
Ejercicio n 2
Este ejercicio ayuda a entender el uso de los procedimientos anteriores para el clculo de
las probabilidades en eventos reales.
Si los dimetros de las bolillas de rodamientos estn normalmente distribuidas con media
0.6140 mm y desviacin tpica 0.0025 mm determinar el % con dimetro :
a) entre 0.6100 y 0.6180 mm
b) mayores que 0.6170 mm
c) menores que 0.6080 mm
Solucin:
a) - z = (0.6100-0.6140) / 0.0025 = - 1.60
La probabilidad de que el dimetro de las bolillas sea mayor que 0.617 es del 11.51%
Probabilidad = 0.82 %
Unidad 5, Los Diagramas
La mayora de las prdidas se debern a unos pocos tipos de defectos, y estos defectos
pueden atribuirse a un nmero muy pequeo de causas.
Si se identifican las causas de estos pocos defectos vitales, podremos eliminar casi todas
las prdidas, concentrndonos en esas causas particulares y dejando de lado otro
muchos defectos triviales. El uso del diagrama de Pareto permite solucionar este tipo de
problemas con eficacia.
Existen dos tipos de diagramas, los que analizan los efectos, y los que estudian las
causas.
120 100
90
100 80
DEFECTUOSAS
PORCENTAJE
ACUMULADO
70
NUMERO DE
80
UNIDADES
60
60 50
40
40 30
20 20
10
0 0
TENSION RAYADO BURBUJA FRACT. MANCHA RAJAD. OTROS
DEFECTOS
En este ejemplo, produccin tendr que resolver, en primer trmino, las causas de los
defectos tensin y rayado, con lo cual se reducir el inconveniente en el 73% !
Utilizando una urna con datos, se extrae una muestra y se elabora un diagrama de
Pareto.
5.2 El diagrama Espina de Pescado, o de Ishikawa, o de
Causa y Efecto
Es un diagrama que muestra la relacin entre una caracterstica de calidad por la cual
estamos interesados, (probablemente porque haya baja calidad en dicha caracterstica) y
los factores de los cuales depende (entre los cuales deberemos buscar las causas del
problema de calidad)
En general, puede decirse que un proceso puede atribuirse a una cantidad de factores y
es posible encontrar la relacin Causa y Efecto de esos factores.
Hueso grande
Hueso
mediano
Hueso
pequeo
Columna Vertebral
Caracterstica
Efecto
Factores (Causas)
Auuutttooorrr E
A
A E O Baaarrrcccoooss
Ojjjeeedddaaa B
Edddgggaaarrrdddooo O B D
Deeerrreeeccchhhooosss ddeee A
D Auuutttooorrr eeennn tttrrrm
A miiittteee
m
C
Cuuurrrsssooo dddeee C
C Cooonnntttrrrooolll dddeee C
C Caaallliiidddaaaddd E
C Essstttaaadddssstttiiicccooo yyy G
E Geeessstttiiinnn,,, A
G Agggooossstttooo 222000000000
A Pgggiiinnnaaa 222666
P
P
Caloras
Animo
Salud Ejemplo de Diagrama de Ishikawa
Entusiasmo
Nutricin
Comida Orgullo
Espritu de lucha
Paciencia
Cantidad
Devocin
Diversin Cuidado
Calma
Descanso
Tiempo Compostura
Auuutttooorrr E
A
A E O Baaarrrcccoooss
Ojjjeeedddaaa B
Edddgggaaarrrdddooo O B D
Deeerrreeeccchhhooosss ddeee A
D Auuutttooorrr eeennn tttrrrm
A miiittteee
m
5.2.2. Cmo elaborar diagramas de causa y Efecto.
Paso 1
Describa el efecto o atributo de calidad
Paso 2
Escoja una caracterstica de calidad y escrbala en el lado derecho de una hoja de papel,
dibuje de izquierda a derecha la lnea de la espina dorsal y encierre la caracterstica en un
cuadrado.
Luego, escriba las causas primarias que afectan a la caracterstica de calidad, en forma
de grandes huesos, encerrados tambin en cuadrados.
Paso 3
Escriba las causas (causas secundarias) que afectan a los grandes huesos (causas
primarias) como huesos medianos, y escriba las causas (causas terciarias) que afectan a
los huesos medianos como huesos pequeos.
Paso 4
Asigne la importancia de cada factor, y marque los factores particularmente importantes
que parecen tener un efecto significativo sobre la caracterstica de calidad.
Paso 5
Registre cualquier informacin que pueda ser de utilidad.
6 Grficas de Control
En 1924, W.A. Shewhart, propuso una Grfica de Control para eliminar las variaciones
anormales, distinguiendo las variaciones debidas a causas asignables de aquellas
debidas a causas al azar, es decir, causas no asignables
Una grfica de Control consiste en una lnea central, un par de lmites de control, uno de
ellos colocado por encima de una lnea central y otro por debajo, y en ciertos valores
caractersticos registrados en la grfica que representa el estado del proceso. Si todos los
valores ocurren dentro de los lmites de control, sin ninguna tendencia especial, se dice
que el proceso est en estado controlado. Sin embargo, si ocurren por fuera de los lmites
de control o muestran una forma peculiar, se dice que el proceso est fuera de control.
110 Lmite de
108 Control
106 Superior
104
102 Linea
Central
100
98
96 Lmite de
94 Control
92 Inferior
90
Valores
del
0
0
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
08
08
09
09
10
10
11
11
12
12
13
13
14
14
15
15
16
Proceso
110 Lmite de
108 Control
106 Superior
104
102 Linea
Central
100
98
96 Lmite de
94 Control
92 Inferior
90
Valores
del
0
0
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
:3
:0
08
08
09
09
10
10
11
11
12
12
13
13
14
14
15
15
16
Proceso
Causas Asignables
La variacin debida a Causas Asignables significa que hay factores anormales que deben
ser investigados. Estas variaciones no son normales, no pertenecen al proceso y no sern
aceptadas.
Estas Causas Asignables tienen necesariamente que ser encontradas y eliminadas pues
producen una disminucin de la calidad del producto.
Cuando los puntos se encuentran fuera de los lmites de control o muestran una
tendencia particular, decimos que el proceso est fuera de control, y esto es a causa de
las Causas Asignables.
Nota: Mas adelante, se retomar este tema, cuando se hable de limites con y sin valores
especificados, all se ver que no siempre que un proceso que est fuera de control
producir defectos, por lo cual estas definiciones que aqu se mencionan son solo para
iniciar el estudio, pero el alumno deber remitirse a los desarrollos posteriores si se le
consulta sobre lo que significa un proceso en estado controlado y si se cumplen o no con
la especificaciones.
Hay dos tipos de Grficas de Control, una para valores continuos y otra para valores
discretos. En cada tipo hay varias alternativas para elegir el par de medidores necesarios.
La tabla siguiente muestra las frmulas que deben utilizarse para calcular los lmites de
control y el valor central, utilizando los medidores X, R .
Las tablas donde figuran los factores son provistas en este apunte y son equivalentes a
las que se encuentran en la Norma Chilena 42.
limite superior de control (LCS)
Tipo de grfica de control lnea central (LC)
limite inferior de control (LCI)
LCS = X + A 2R
Valor continuo promedio
X
X LC =
LCI = X A 2R
LCS = D4 R
Valor continuo Rangos
LC = R
R
LlCI = D3 R
LCs = p n + 3 p n (1 p )
Valor discreto nmero
de unidades defectuosas LC = pn
pn LCi = p n 3 p n (1 p )
Los valores de las constantes debe consultarse en las tablas del adjunto o en la Norma
Chilena 42.
_
6.2.1 Grfica X - R
Esta se usa para controlar y analizar un proceso en el cual la caracterstica de calidad del
producto que se est midiendo toma valores continuos, tales como longitud, peso o
concentracin, y esto proporciona la mayor cantidad de informacin sobre el proceso. El
valor X representa un promedio de una pequea muestra o subgrupo, y R el rango de
dicho subgrupo. Una grfica X debe usarse en combinacin con una grfica R
para controlar la variacin dentro de un subgrupo.
Pues, desde el principio sabemos que los procesos no pueden hacer todos los productos
iguales, por ello tenemos que poner lmites, de forma que cuando se excedan dichos
lmites diremos que se producen defectos. . Por ejemplo, un perno con un largo de 2,80
mm o un envase de crema de leche con 193 c.c.
En resumen, a) las Especificaciones y sus tolerancias son puestas con criterios que no
necesariamente tienen relacin con los procesos productivos, y, en general obedecen al
diseo o a razones estticas del producto. b) cuando el producto, al medir la variable de
una caracterstica, excede la especificacin se lo declara defectuoso.
Ahora veamos la mquina y el proceso que tiene que elaborar el producto, hasta ahora
sabemos que dichos procesos presenta variaciones que son normales, entonces nos
preguntamos:
Podr ser capaz, la mquina de producir nuestro producto dentro de las tolerancias que
nos da la Especificaciones que nos entregaron? Ser capaz de hacer el producto sin
defectos?
Los procedimientos estadsticos que estudiaremos a continuacin que respondern esta
pregunta se denominan, por esta razn: Capacidad de Proceso o Capacidad de Mquina
Si el proceso puede trabajar dentro de los Lmites con valores Especificados estaremos
cumpliendo con las especificaciones y no habrn defectos. Dicho de otra forma, los
Lmites Con Valores Especificados, defienden las Especificaciones.
Una vez que conocemos los lmites con y sin especificacin, procederemos a comparar
ambos juegos de lmites, y podremos contestar si el proceso es o no es capaz de producir
sin defectos.
Si la amplitud de los lmites Con Valores Especificados, es mayor que la amplitud de los
lmites Sin Valores Especificados, podremos decir que el proceso es capaz de cumplir con
lo que se le solicita. Por lo contrario, si la amplitud de los lmites Con Especificaciones, es
inferior a la amplitud de los lmites Sin Especificaciones, diremos que el proceso no es
capaz de cumplir con las especificaciones y consecuentemente, si se produce, habr
defectos.
Una analoga til es la siguiente, si los lmites Con Valores Especificados, fuera una caja
de zapatos, y los lmites Sin Valores Especificados, fueran los zapatos, diremos que si la
caja es ms grande que los zapatos podremos acomodar los zapatos adentro y diremos
que el proceso es capaz. Si los zapatos son mas grandes que la caja, stos no podrn
entrar en la caja y en consecuencia, diremos que la Capacidad de Proceso es negativa.
La grfica para este control se provee en los adjuntos. Se trata de una grfica que
contiene tres reas, una para el registro de los datos, la segunda para el control de la
exactitud del proceso, y es donde se trazan las medias aritmticas de los datos y por
ltimo, al pie del grfico, el rea donde se controla la precisin del proceso, y es donde se
ponen los rangos.
Paso 1 Recoja los datos, o sea controle el proceso a intervalos regulares y anote los
datos de cada subgrupo.
Media 66,6 68,0 67,4 67,5 67,1 68,4 68,2 67,4 67,6 67,8
Rango 2,4 2,2 4,3 1,0 1,6 2,8 1,5 2,8 3,7 0,9
Media aritmtica de las medias : 67.6 gr.
Media aritmtica de los Rangos: 2.3 gr.
Nota: los decimales a usar en los clculos debern guardar coherencia con los decimales
que tengan los datos. El alumno deber usar las calculadoras correctamente, es decir,
realizar los clculos utilizando todos los decimales que genera la calculadora, para luego
aproximar la respuesta a los decimales que sean coherentes con los datos.
Para estos clculos se utilizarn las tablas adjuntas donde figuran los valores de las
constantes.
_
Grfica X
_
Grfica R
De tablas: D4 : 2.11
_
LC = R = 2.3 gr.
_
LCS = D4R = 2.11 x 2.3 = 4.9 gr.
L I C = Como lmite inferior debe tomarse cero, esto simplemente significa que todos los
datos podran ser iguales, por lo cual, el valor mximo menos el valor mnimo es igual a
cero, pues son el mismo nmero.
Los lmites calculados, para ambos casos, se trasladan al grfico, se trazan como lneas
destacada a lo largo de todo el ancho del grfico. Debe destacarse tambin, las lneas
centrales.
Luego se anotan como un punto las medias de los valores de cada subgrupo. Y los
rangos. Todos los puntos deben unirse formando una linea quebrada que interpreta el
comportamiento del proceso.
Una vez realizado esto se deben destacar los puntos que eventualmente excedan los
lmites establecidos. Estos puntos, de existir, declaran al proceso fuera de Control, si no
los hay, decimos que el proceso est bajo control.
Estos Lmites son otra expresin de las Especificaciones, no dejan de ser las
Especificaciones, lo que sucede es que tenemos la tarea de querer compararlos con los
lmites de Control Sin especificaciones, por lo cual, tendremos que traducir las
especificaciones que son para valores individuales, a lmites para subgrupos de n
unidades. En nuestro caso n=5.
Una especificacin la hemos definido como un valor determinado por el cliente o el
diseador y ciertas tolerancia dentro de las cuales el producto continua siendo
satisfactorio.
Ejemplo:
La tolerancia es entonces todo el ancho a travs del cual se puede desplazar mi medida
sin que constituya defecto.
Para poder establecer la comparacin entre el universo verdadero del proceso y los datos
de las Especificaciones, tendremos que establecer algunos supuestos bsicos, los cuales
son:
D
LIMITE SUPERIOR : M +
n
LINEA CENTRAL : M
D
LIMITE INFERIOR : M -
n
D
LIMITE SUPERIOR : D 2
3
Para poder resolver los lmites y luego compararlos con los Valores sin Especificacin,
tendremos que establecer unas Especificaciones para el proceso que hemos
ejemplificado antes.
Supongamos que las Especificaciones fueran : 67.8 4.0 gr.
En la siguiente pgina se provee una planilla tpica para el control por variables.
7.2.4 Grfica de control de proceso por variables, grfica X - R
Muestra n 1 2 3 4 5 6 7 8 9 10
1
2
3
4
5
Suma
Promedios
Rangos
Si bien el objetivo primario de las grficas es que los puntos se encuentres dentro de los
lmites, hay ocasiones donde la tendencia o racha" de los puntos nos anticipa claramente
lo que va a suceder si no nos anticipamos.
Una "racha" es cuando hay una sucesin de datos a un solo lado de la lnea central, una
sucesin de ms de siete puntos a un solo lado es estadsticamente muy poco probable.
(La probabilidad de 7 puntos es de 0.78%)
105
100
95
90
a b c d
Una tendencia es cuando hay una serie de puntos que consistentemente se alinean y
evidencian que en algn momento los puntos caern fuera de los lmites.
Estadsticamente las lneas de control nos puede dar ms informacin, pero ese anlisis
corresponde ya a los especialistas en la materia.
TENDENCIA de 7 puntos ASCENDENTES (a - b)
110 TENDENCIA DESCENDENTE DRASTICA (c - d)
105
100
95
90
a b c d
1 100 4 14 100 0
2 100 2 15 100 2
3 100 0 16 100 3
4 100 5 17 100 1
5 100 3 18 100 6
6 100 2 19 100 1
7 100 4 20 100 3
8 100 3 21 100 3
9 100 2 22 100 2
10 100 6 23 100 0
11 100 1 24 100 7
12 100 4 25 100 3
13 100 1 total 2500 68
LCs = p n + 3 p n (1 p )
LC = p n
LCi = p n 3 p n (1 p )
pn 68
p= = = 0.0272
kN 25 * 100
LIC = 0
Los lmites calculados se traslada al grfico y luego se anotan los valores de cada
subgrupo.
PRODUCTO:........................................................................
FECHA:.................................
Caracterstica 1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2 Total:
0 1 2 3 4 5 6 7 8 9 0
Tamao
controlado
de la 9
Cantidad de
muestra: 8
Total
7
6
5
To
de
tal
4
Frecuenc 4
ia del 3
control: 2
1
0
Muestra n 1 2 3 4 5 6 7 8 9 0 1 1 1 1 1 1 1 1 1 2
defectuosa
1 2 3 4 5 6 7 8 9 0
Fraccin
Hora
Minutos
Inspector:
Es Ei
ICp =
6
7.7 Los cuatro casos posibles de los lmites con y sin especificaciones.
Cuando comparemos la capacidad de nuestro proceso con las Especificaciones que hay
que cumplir, nos encontraremos siempre con alguna de las cuatro siguientes situaciones
(y solo estas):
El primer caso es el que debiera ser todo el tiempo, es decir, un proceso en estado
controlado que se desenvuelve correctamente dentro de los lmites especificados.
El Indice de capacidad de Proceso deber ser preferentemente superior a 1.3
El segundo caso, significa que el proceso, aun cuando anda bien, pues est bajo control,
por lo tanto no hay causas asignables que buscar y eliminar, pero las especificaciones
son muy estrechas para la mquina y no es capaz de cumplirlas. En este caso, el Indice
de Capacidad de proceso ser inferior a uno y no deber producirse en estas condiciones.
El tercer caso, significa que los lmites de proceso con valores especificados son
extremadamente amplios y soportan las causas asignables del proceso fuera de control,
sin que estos lleguen a ser defectos. El Indice de Capacidad de Proceso es muy amplio,
por ejemplo superior a dos o ms.
No debe producirse en estas condiciones, pues la variabilidad puede ser advertida por el
cliente y produce una baja imagen del producto, por otra parte es probable que se
produzca una prdida de insumos, o sea de dinero.
Lo que corresponde hacer es reducir la amplitud de los lmites especificados a valores de
Indice de Capacidad de Proceso cercano , por ejemplo a dos.
O sea, hay que achicar la caja de los zapatos.
El ltimo caso es el peor de todos y significa que estamos con el proceso inadecuado y la
mquina equivocada, y no deberemos producir bajo ninguna circunstancia.
Caso a: El proceso est bajo control y no hay productos defectuosos.
Diagnstico:
110
Lmite de Control
108 Superior C/E
106
Lmite de Control
Superior S/E
104
102
Valores del Proceso
100
96
92
Diagnstico:
Estado de la grfica: Bajo control
La distribucin no satisface las especificaciones
115
Lmite de Control
110 Superior S/E
Lmite de Control
Superior C/E
105
Valores del Proceso
100
Linea Central del proceso
95
Lmite de Control Inferior
C/E
85
08:00 08:30 09:00 09:30 10:00 10:30 11:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30
En esta situacin no se debe trabajar. El proceso est bajo control pues los valores no
superan los lmites naturales Sin Especificacin, pero exceden los lmites Con
Especificacin. Corresponde mejorar la mquina para que el proceso entre dentro de las
especificaciones.
Caso c: El proceso est fuera de control pero no hay productos defectuosos.
Diagnstico:
Estado de la grfica: Fuera de control
La distribucin satisface las especificaciones
130
Lmite de Control
120 Superior C/E
Lmite de Control
110 Superior S/E
Los limites especificados son muy amplios y soportan que el proceso est fuera de
control, sin que se produzcan defectos pues no se transgreden los lmites especificados.
Exige una revisin de la mquina y una revisin de los lmites especificados que debern
reducirse convenientemente.
Caso d:
130
Lmite de Control
110 Superior S/E
100
Linea Central del proceso
70
08:00 08:30 09:00 09:30 10:00 10:30 11:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30
En este caso se dan todas las condiciones desfavorables. No puede trabajarse en estas
condiciones.
8 Normas Chilenas
8.1 Norma Chilena 42 of 53
Esta tabla contiene todo lo visto en nuestro capitulo 7 y define adems el mtodo de
clculo llamado del falso cero para el clculo de la media aritmtica y de la desviacin
tpica. En ste apunte, al mtodo del falso cero se lo llam el mtodo de Compilacin.
Las frmulas son coincidentes con las tablas del adjunto de este libro.
Control de la Exactitud
Tamao subgrupo
Especificaciones
Observaciones
Lnea Central
Parmetro
Lmites
Para grficos tipo X, (muestras
n>25
3
X X grandes)
n
n25
pequeas)
X X A2 3
2) A 2 =
c2 n
Media
pequeas)
X X A 2R
3
2) A 2 =
d2 n
cualquiera
M
con
M
n
~
~ 3 Para grficos tipo X, (muestras
~
n>25
X X 1.25 grandes)
n
~
Para grficos tipo X, (muestras
n25
sin
~ ~ pequeas)
X 1.25 A 1
Mediana
~
Para grficos tipo X, R
n25
~ ~
X X 1.25 A 2 R
Cualquier
M 1.25
con
M
n
a
Observaciones
Lnea Central
Parmetro
Lmites
D2
D4 =
n 25
L.S. = D 4 R d2
R
sin
L. I. = D3 R D1
Intervalo
D3 =
d2
n 25
L.S. = D 2
con
3 D1=(d2-d3)
d2
3
L. I. = D1 D2=(d2+d3)
3
n > 25
3
2n
sin
Desviacin Normal
n 25
L.S. = B 4
L. I. = B 3
n > 25
3
3 2n
con
= c 2
n 25
L.S. = B 2
3 si n > 25 es c21
c2
3 L. I. = B1 entonces:
3 = c 2
Los tamaos de muestra mas frecuentes son de 3 a 6, y los datos estn en el rea
sombreada.
8.2 Norma Chilena 43 of 61
Esta norma formaliza el mtodo de extraccin de las unidades representativas del lote o
poblacin mediante la determinacin de cuales sern las unidades a controlar siguiendo
las tablas de nmeros al azar que conforman la norma.
Este procedimiento debe tomarse cada vez que se necesite rigurosidad absoluta en la
extraccin al azar de las muestras.
Se trabaja en clase con el original de la Norma Chilena 44. Inspeccin por atributos.
Tablas y procedimientos de muestreo.
8.3.1 Alcance
8.3.2.1 Uso
El AQL junto con la letra cdigo del tamao de la muestra, se usa para identificar los
planes de muestra descritos en esta norma.
Se define como AQL, al porcentaje defectuoso de un lote que tiene una probabilidad
cercana al 95 % de ser aprobado.
Todo inicio de proceso productivo, debe comenzar con la Inspeccin Normal. Cuando
una sucesin predeterminada de lotes (10 lotes?) se obtienen con resultados aprobados,
puede hacerse una reduccin de la carga de trabajo, disminuyendo la cantidad
inspeccionada. Este procedimiento no disminuye la seguridad de la inspeccin. La tabla
da otras condiciones para poder realizar el cambio.
Las tablas 2, 3 y 4 dan tres tipos de planes de muestreo: simple, doble y mltiple.
La eleccin de la conveniencia de dichos planes se basa en la comparacin de las
dificultades administrativas y el tamao medio de las muestras de los planes disponibles.
El tamao medio de las muestras de los muestreos mltiples suele ser menor que el de
los planes dobles y estos que los del muestreo simple. Sin embargo la administracin de
los planes tienen relacin inversa.
9 Bibliografa de la parte 1
Gestin de Calidad
Introduccin:
Sin duda el concepto de Calidad es muy antiguo, as lo demuestran los dibujos de los
frisos egipcios. En el 2150 antes de Cristo, se poda leer en el Cdigo de Hammurab :
...si un albail ha construido una casa y ,no siendo sta suficientemente slida, se hunde
y mata a sus ocupantes, el albail deber ser ejecutado.
Los fenicios, eran menos drsticos, si las violaciones a los requisitos de calidad sucedan
con frecuencia inapropiada, los inspectores tomaban una solucin que impedan la
repeticin de los defectos, la los artesanos que haban elaborado un producto no
conforme, les cortaban las manos!!.
Ya en los comienzos de este siglo, Ford aplica en gran escala los principios de Frederick
W. Taylor. Esto permiti fabricar productos de alta tecnologa con bajo costo.
En este punto aparece la inspeccin como parte del proceso. El objetivo de la inspeccin
era la de separar los productos buenos de los malos.
Poco despus, en las fbricas, se comienza a separar la funcin de control de la de
produccin.
En 1920, Western Electric instala un por primera vez un departamento de calidad.
Uno de los miembros es, nada menos que Walter Shewhart.
W. Shewhart, introduce por primera vez, la estadstica como herramienta de trabajo. En
1931, publica su Tratado, donde explica el principio de los grficos de Control, con una
serie de tablas que aun conservan vigencia y se utilizan como herramienta didctica. (ver
Parte Dos, Grficas de control de Shewart, Control de Calidad Estadstico de Eugene
Grant)
J.M.Jurn y W.E. Deming, son discpulos de Shewhart.
En 1941, Dodge y Romig, publican las primeras tablas de muestreo.
Al finalizar la segunda guerra mundial, el General D.MacArthur, la nueva autoridad del
Japn, trae al pas, las tcnicas estadsticas, que haban sido durante la guerra, secreto
militar.
En 1945, A. V. Feigenbaum, publica su primer artculo, La Calidad como Gestin. A su
lado, los dos discpulos de Shewhart,W.Edward Deming y J. M. Juran, alcanzan lugar
destacado.
En 1949, la JUSE, ( Japanese Union of Scientis and Engineers) forma un grupo de
investigacin donde comienza su destacada labor, el mximo cientfico del Control de
Calidad en Japn, el Seor Kaoru Ishikawa.
En 1950, Deming comienza una serie de visitas al Japn, que a la postre resultan
decisivas en el desarrollo de la calidad en Japn.
Los japoneses, utilizan las nuevas tcnicas con gran inters, y desarrollan un plan de
capacitacin a gran escala,. Estos cursos comienzan en 1950. Uno de los medios que
utilizan para la capacitacin a gran escala es la radio por ondas cortas.
En 1951, Feigenbaum, publica su libro, Control Total de la Calidad. Este libro se
considera como la gnesis del concepto del CTC, pero no ser hasta fines de siglo que el
concepto se impondr en todo el mundo, comenzando en Japn.
En 1951, Juran publica su primer Tratado de Calidad, Quality Control Handbook.
En 1954, es invitado al Japn para participar con Deming, en la formacin de los
Directivos de las empresas en asuntos de Gestin de Calidad.
Ambos fueron condecorados por el emperador Hiroito con la ms alta condecoracin.
En 1962, la JUSE, publica en su revista de gestin de Control de Calidad, el manual de
Control de Calidad de K. Ishikawa, del cual rpidamente se venden 200.000 ejemplares.
Tambin en 1962, se forma el primer Crculo de Calidad.
Debemos aclarar en este punto, que un Circulo de Calidad, es un grupo de gente,
coordinados por un Lder, que se rene a estudiar y aprender.
Como consecuencia de su aprendizaje, y aplicando los nuevos conocimientos adquiridos,
se pueden solucionar eficazmente problemas de la empresa.
Actualmente, existen pases como China que tienen 70 millones de personas formndose
en los conceptos del CTC, lo que hace predecir que en el futuro cercano, seremos
inundados por productos chinos de la mejor calidad y a bajo precio.
Los Crculos de Calidad han tenido buena aceptacin en pases como Francia, pero sobre
todo en otros pases de Oriente.
La ley de Murphy, dice que si puede aparecer un competidor, a nivel internacional, para
nuestro producto, aparecer.
En los ltimos 20 aos, a quedado claro, que una estrategia rentable ha sido producir ms
rpido, entregar antes y cobrar menos, pero en esta dcada, ya no es suficiente, adems
hay que producir... mejor !!
El autor e iniciador del Control Total de la Calidad, A. V. Feigenbaum, nos provee de diez
puntos de referencia del CTC para sta dcada que est a punto de finalizar.
La calidad es trabajo de todos. No deben existir islas de calidad entre los distintos
grupos de produccin, sin puentes que los unan.
c) La calidad es un modo de dirigir.
El concepto bsico debe ser el de que nunca se alcanza el objetivo de calidad, es decir,
siempre se deber subir y subir el lmite buscado, de manera que exista una permanente
bsqueda de calidad. Esto se llama Mejoramiento Continuo.
Los diez puntos descritos hasta aqu, en sntesis nos dicen, que la calidad es un modo de
enfocar totalmente a la Empresa en el cliente, ya sea el usuario final, o el puesto de
trabajo que nos sigue a continuacin.
Las Empresas que an no comprenden esta situacin, se hace evidente que la calidad no
es an un inters de los ms altos ejecutivos, y piensan aun que la calidad es un trabajo
de los especialistas y que estos operan en un nivel secundario en los intereses reales de
la empresa.
El mercado actual, no pide solamente una reduccin de las cosas que anden mal, sino
tambin un incremento de las cosas que anden bien.
10.2.2 CTC Segn Kaoru Ishikawa
En este breve estudio, se tratar de resumir los conceptos de tan brillante maestro del
CTC.
Las siguientes, son algunas de las citas de su libro: Que es el control de Calidad? :
2.- Control de Calidad es hacer lo que se debe hacer en todas las industrias.
4.-Para aplicar el Control de Calidad tenemos que ofrecer educacin continuada para
todos, desde el presidente hasta los obreros.
6.-El primer paso en el Control de Calidad es conocer los requisitos de los consumidores.
9.-El control de calidad debe incorporarse dentro del diseo y de cada proceso. No se
puede crear con la inspeccin.
14.-Si no hay liderazgo desde arriba no se puede insistir en el Control Total de Calidad
Kaoru Ishikawa, junto con otros eminentes ingenieros, comenzaron con la larga tarea de
la transformacin de la industria japonesa, con los programas educativos. Estos
programas entre los cuales se inclua su libro de donde se extrae muchos de los
conceptos que se exponen en esta conferencia, se transmitieron por la Radiodifusora
Japonesa de Onda Corta, por la Radiodifusora Japonesa NHK, tambin se recurri a los
cursos por correspondencia. Tambin fue muy importante el apoyo de las revistas
especializadas.
Para los primeros aos de 1960, se pudo diagnosticar que la disciplina de estudio de los
obreros y capataces mostraban fallas por lo cual se recomend la formacin de grupos de
estudio, con un lder, y as se los llam Crculos de Calidad.
Quienes no conocen las actividades de CC piensan que estos grupos son organizados
para mejorar las condiciones de trabajo. Esto es un error. Los grupos se organizan con
el fin de estudiar, y estudian para no repetir errores.
En 1967, se establecen los principios bsicos del Control de Calidad en Japn, estos son:
El obrero japons es de una baja rotacin en su empleo, esto trae como resultado que la
educacin es muy rentable, pues al contrario de lo que sucede en occidente, las personas
a medida que se educan producen mejor dentro de la empresa que les est brindando
cultura. Por esta razn los programas son ambiciosos, por la duracin de los programas,
que son a largo plazo,
La otra gran diferencia la establecen los propios gestores del control de calidad, mientras
que en occidentes la tarea es encarada por los especialistas con miras a sus propios
honorarios por conceptos de asesora, en Japn, las personas encargadas, visitan las
empresas llevando su propio almuerzo.
Las quejas de los consumidores no siempre son visibles, cuando el producto es costoso,
muy probablemente nos vamos a enterar, pero cuando no lo es, simplemente el
consumidor no se queja, pero nos castiga de la peor manera, cuando vuelve a comprar,
acude a otra marca!
Algunos gerentes o ejecutivos chapados a la antigua, ocultan las quejas o dificultan el
pronto conocimiento de las divisiones interesadas en corregir. Esta prctica es el mejor
rumbo a la quiebra de la empresa. Es fundamental averiguar, investigar que dificultades
tienen los clientes con nuestros productos y traer la informacin a nuestra empresa lo ms
rpido posible para corregirlo.
La prctica responsable de cambiar los productos malos por buenos, incluso despus de
haber vencido el periodo de garanta, es necesaria e indispensable, pero una vez hecho
esto el asunto no termina all, hay que averiguar si otros clientes podran sufrir el mismo
inconveniente y retirar el producto potencialmente defectuoso, aun sin la queja del cliente,
especialmente, si el defecto podra amenazar la integridad del consumidor.
.Solo los pasos b y c evitan la repeticin de los errores, pero solo el paso c) es verdadera
prevencin.
Que es el Control Total de Calidad?
Ishikawa reconoce que el gestor del concepto, es el Seor Feiguenbaum, pero establece
diferencias fundamentales con el occidente. Mientras que en USA y Europa, el CTC
queda en manos de los especialistas, en Oriente, se le entrega el control a las bases,
pero cuidado, estas bases son ahora gente culta, gente con instruccin en estadstica, en
conceptos de Control de Calidad, son personas con discernimiento, con capacidad de
decidir, lo que es bueno y lo que es malo, son capaces de corregir los procesos sin
esperar que venga el tcnico o el que supuestamente sabe ms para detener o cambiar el
proceso.
Ishikawa resalta que dentro de la Empresa, nuestro cliente es el que sigue en la lnea del
proceso, es decir, tenemos clientes internos que deberemos satisfacer, pero lo interesante
de esto es su interpretacin de quienes son los clientes de los Directores y gerentes: son
los obreros y las lneas de proceso mas bajas, aquellos que hacen el producto y que son
los que necesitan ms asistencia.
A ellos deben dedicar su tiempo en funcin de lograr la calidad y la productividad,
asistirlos para que tengan todo lo necesario para producir ms y mejor, en menor tiempo y
anticipndose a los errores. Es un falla gerencial creer que eso lo debe hacer otras
personas, o los especialistas. Mientras eso no se entienda no habr CTC.
Segn la experiencia de K. Ishikawa, las empresas que tuvieron xito con la aplicacin del
CTC, en Japn, lo lograron con las siguientes caractersticas:
3. El proceso siguiente es su cliente: hay que derribar las barreras del seccionalismo.
6. Administracin interfuncional .
10.2.3 CTC Segn J. M. Juran
Las prdidas por costos de calidad mas importantes son los que se producen de
manera interdepartamental, es decir en el interior de la Empresa, En los Estados Unidos,
Juran estima que un tercio de lo que se hace consiste en rehacer lo que se fabric
previamente, debido a deficiencias de la calidad.
Las mejoras de Calidad no deben ser actos voluntarios, deben ser exigidos de algn
modo por la ms alta direccin y deben estar auditados convenientemente.
El ordenamiento sugerido es solo una gua, estos pasos dependen del estado inicial de la
empresa, el tamao, la preparacin del personal, e innumerables factores que seria difcil
detallar. Cada empresa tendr un programa distinto, pero habr mucho en comn con los
que siguen:
a) Introducir el tema de la calidad en la empresa. Este concepto tiene que pasar a ser
obsesivo para todo el personal, en todos sus niveles.
g) Estudiar los proveedores y trabajar con ellos. Este programa exige proveedores de
alta calidad.
h) Conocer mejor a los clientes y conocer sus necesidades y que es lo que esperan de
nosotros.
10.3.4 Elementos esenciales en una empresa que hace Control Total de Calidad:
No es posible...
COSTOS DE PREVENCION COSTOS DE EVALUACION COSTOS DE FALLAS INTERNAS COSTOS DE FALLAS EXTERNAS
Se consideran guas para la seleccin y uso de las normas 9001, 9002 y 9003.
ISO 9001
ISO 9002
ISO 9003
Las auditorias de calidad son efectuadas por personal que no tenga responsabilidad
directa en las reas auditadas, pero preferiblemente, trabajando en colaboracin con el
personal correspondiente.
Auditoria interna, es aquella auditoria iniciada por el propio responsable con personal
propio. En general tiene como objetivo producir un mejoramiento, conocer el alcance de la
aplicacin de la poltica de calidad, obtener la confianza de la gerencia, etc.
Auditoria externa, esta auditoria es llevada a cabo por personal ajeno a la empresa.
puede tener variados objetivos y orgenes, puede ser solicitada por la propia gerencia, por
un cliente, o tener fines de certificacin.
LO QUE SE HACE
Elemento dos: la referencia con la cual debemos comparar lo que se hace, los
procedimientos, las reglas escritas, que se han desarrollado para alcanzar los objetivos
propuestos, es decir:
REFERENCIA REALIDAD
E 1
ESPECIFICACIONES
REGLAMENTOS
NORMAS PROCESOS
PROCEDIMIENTOS
MANUAL DE CALIDAD
Entrada
E 3
E 2
OBJETIVO
MEJORAMIENTO
SATISFACCION DEL
CLIENTE
CERTIFICACION
LO QUE SE QUIERE
HACER
Las desviaciones entre estos tres elementos, en un momento dado, constituyen la
comprobacin de la situacin por auditar: