UNIDAD 4.

HABILIDAD DE PROCESO
El hecho de que un proceso este en control estadstico, no implica que la
caracterstica de calidad este dentro de las especificaciones requeridas por el
consumidor. Nunca se debe de estimar la adecuacin a las especificaciones de
una caracterstica de calidad directamente a partir de una grfica de control. El
procedimiento consiste en estimar primero los parmetros de la poblacin y
despus estos compararlos directamente con los lmites de especificacin.

4.1. Conceptos de habilidad del proceso

Se dice que un proceso es hbil, cuando elabora productos con caractersticas
de calidad consistentemente dentro de especificaciones.
La definicin de habilidad de un proceso requiere de algunas aclaraciones.
En primer lugar, qu se quiere decir con consistencia? Existen diferentes
niveles de habilidad que se manejan en la prctica, estos niveles son en
general:
Nivel de Implica que cuando mucho, el porcentaje
habilidad de Producto fuera de especificaciones es:
+/- 3 0.27 % o 2.700 partes en cada milln
+/- 4 64 partes de cada milln
+/-5 6 partes en cada 10 millones
+/-6 Menos de una parte en 10 millones

El nivel de habilidad que se requiera, depender de las necesidades del

requerimiento del consumidor, aunque por su puesto entre mayor sea la
habilidad de un proceso es mucho mejor.
En general se utiliza como una primera meta la habilidad para +/- 3 que es la
mas utilizada en control de calidad.
Analizaremos un poco mas el significado del nivel de habilidad particularmente
el de +/- 3 y los porcentajes de piezas fuera de especificaciones.
Considrese un proceso en control estadstico y que por lo tanto se pude
representar por la funcin de probabilidad o curva normal, como se aprecia en
la figura 4.1.
Si consideramos a ' como la media del proceso, el rea incluida en la curva o
lo que es lo mismo, el porcentaje de piezas incluidas desde ' -3 al punto '
+3 , lo podemos calcular a partir de la tabla de la curva normal estndar,
desde Z = -3 hasta Z = + 3, esta rea es de 0.9973 o sea el 99.73 %.

Cuando un proceso es hbil para +/- 3 , queremos decir que todas las piezas
incluidas dentro de +/- 3 con respecto a la media, caen dentro de
especificaciones, esto deja nicamente 1 - 0.9973 = 0.0027, o sea 0.27 % fuera
de especificaciones.
Igualmente, cuando un proceso es hbil para +/- 4 , todas las piezas incluidas
dentro de +/- 4 a estn dentro de especificaciones. En una curva normal el
porcentaje de piezas dentro de especificaciones, lo podemos conocer usando
la tabla normal estndar dentro de los puntos Z = - 4 Z = + 4, esta rea es
0.999936, esto es nicamente el 1 - 0.999936 = 0.000064 el 0.00064 %, o
sea 64 partes de cada milln estn fuera de especificaciones.

Razonamientos similares se aplican para los dems niveles de habilidad.

%fuera de 0.27% 64 ppm 0.6 ppm 0.1 ppm

especificaciones


Un anlisis de habilidad de un proceso tiene un amplio rango de aplicaciones

en diferentes reas de la industria, algunas de estas aplicaciones son. 1.
Prevenir la produccin de piezas fuera de especificaciones. El mantener un
proceso hbil, nos asegura que estamos obteniendo dentro de especificaciones
un alto porcentaje de la produccin. 2. Monitorear mejoras continuas. Cuando
un proceso ya esta en control estadstico, la mejora se manifiesta a travs de
un proceso de incrementar su habilidad con respecto a las especificaciones.
3. Facilita la comunicacin Al conocer el concepto, se puede comunicar
objetivamente de lo que es capas un proceso.
4. Prionzacin de problemas. Despus de los procesos que estn fuera de
control, los de mayor prioridad para mejorarlos son aquellos que tienen una
habilidad insuficiente.
5. Para ejecutar auditorias. Atraves de medir la habilidad de un proceso se
puede auditar el proceso en si.
6. Asesorar a personas encargadas de disear productos y/o procesos, en
seleccionar o modificar procesos.
7. Especificar requerimientos para nuevos equipos. 8. Seleccionar entre
proveedores competidores.
4.2. Grafica de control y parmetros de la poblacin. Cuando un proceso esta
en control estadstico, la grafica de control muestra un patrn de variaciones al
asar o normal. Las lecturas, media de cada muestra o su rango estn dentro de
los lmites de control. Los valores medios que se grafican son los promedios de
"muestra", que se obtienen n de la poblacin total de productos. Esto es, la
poblacin es el total de piezas o prod
3

que esta entregando el proceso, y de esta poblacin tomamos una muestra de

cierto tamao cada cierto tiempo, por ejemplo cinco piezas cada media hora.
Una cuestin que surge de inmediato es la siguiente: pero que exactamente
nos dice una grafica acerca de la poblacin?, esto es, cuando nos referimos a
la poblacin nos referimos a las caractersticas de como realmente se estn
obteniendo las piezas o producto durante el proceso de produccin. Qu
podemos inferir acerca de la poblacin a partir de una serie de muestras?
A fin de aclarar esta situacin considere el ejemplo siguiente: Tenemos un
proceso de produccin de anillos para pistn, para el cual una caracterstica
importante es el dimetro de los mismos. Se obtiene una muestra cada media
hora hasta un total de veinte muestras. Cada muestra consiste de seis piezas.
Las lecturas se muestran a continuacin.
Si elaboramos la grafica de control para estos datos, lo que obtenemos son los
siguientes datos para la grafica de medias y para la grafica de rangos.
No. L E C i T U R A S - X 1 R 1 74.985 74.969 75.000 75.079 75.078 75.012
75.021 0.1104 2 75.033 74.943 74.946 74.912 75.012 74.981 74.971 0.1212 3
75.004 75.048 74.997 74.978 75.053 74.946 75.004 0.1068 4 75.017 74.943
75.036 75.093 74.925 75.033 75.008 0.1689 5 75.057 75.003 74.912 75.055
74.938 74.921 74.981 0.1445 6 74.975 74.937 75.037 74.944 74.970 75.035
74.983 0.1002 7 75.005 74.979 74.935 74.998 75.002 75.008 74.988 0.0727 8
74.944 75.079 75.008 75.048 75.024 75.050 75.026 0.1348 9 75.037 74.964
74.914 75.012 75.047 75.033 75.001 0.1333 10 74.983 74.908 74.906 75.005
74.937 75.036 74.962 0.1299 11 75.050 75.018 75.036 74.911 75.100 75.006
75.020 0.1881 12 74.951 75.081 75.022 75.067 74.983 74.932 75.006 0.1492
13 75.039 74.919 75.071 75.057 74.897 74.970 74.992 0.1732 14 75.004
74.916 75.023 74.973 75.037 74.949 74.984 0.1216 15 75.039 74.946 75.004
74.990 74.927 75.027 74.989 0.1124 16 74.973 74.974 75.037 74.942 75.018
75.008 74.992 0.0954 17 75.005 74.915 74.976 74.975 74.960 74.983 74.969
0.0896 18 74.960 74.902 74.099 75.053 75.023 74.971 74.983 0.1513 19
75.004 74.972 75.021 75.032 75.093 75.083 75.034 0.1211 20 75.021 75.014
74.994 75.091 74.969 74.937 75.004 0.1536

Si graficamos estos valores para n = 5, es decir, los primeros cinco valores de

cada muestra, se vera que el proceso esta en control estadstico.
4
CONTROL DE CALIDAD
Qu se puede inferir de esto?, en principio, lo siguiente: 1. Si el proceso esta
en control estadstico, la poblacin se comporta segn una distribucin normal.
Esto es, si graficamos la caracterstica de calidad de todas las piezas del
proceso, obtendramos una curva normal. 2. Toda curva normal esta definida
por dos parmetros: su media ,u su desviacin estndar u ". Necesitarnos
saber, como extraer la media y la desviacin estndar apartir de la informacin
que nos da la grafica. Analicemos que ocurre con la grafica de medias cuando
tomamos muestras de tamao diferente para la misma poblacin. Para esto por
ejemplo, si decidimos tomar una muestra de tamao cinco, considrese
nicamente las primeras cinco lecturas de los datos proporcionados para cada
muestra en el ejemplo anterior. Al variar el tamao de la muestra lo que se
obtiene es lo siguiente:
Tamao de muestra X R LSCx LICx 6 74.996 0.1289 75.058 74.934 5 74.996
0.1231 75.067 74.925 4 74.995 0. H 18 75.076 74.913 3 74.996 0.0872 75.085
74.906 2 74.988 0.0638 75.108 74.868

how

Estos mismos lmites se muestran grficamente en la figura 4.3

Grafica X R.
74.100 75.080 75.060 75.040 75.020 75.000 74.980 74.960 74.940 74.920
74.900 74.880 74.860
n=6
4.
n5

n=4
n=3
LSCx
n = 2 LCX
LICx

Figura 4.3 grafica de control para valores de n variables.

Qu se puede concluir de lo anterior'?, se puede observar lo siguiente: 1. La
media o promedio del proceso X, aunque varia se mantiene alrededor de un
cierto valor que es 74.936, de manera que podemos pensar que las variaciones
entre estos valores se deben al proceso de muestreo.
2. Sin embargo, los lmites de control consistentemente aumentan de intervalo.
conforme el tamao de la muestra varia. Dicho de otra manera, la amplitud o
rango entre los lmites depende del tamao de la mustra para un mismo
proceso, aun cuando el proceso sea estable. Por lo tanto se puede decir lo
siguiente: La lnea central de la grafica de promedio LCX, es un buen estimador
de la media del proceso, pero nada podemos inferir directamente apartir de los
lmites de control acerca de la variabilidad del proceso. sin antes considerar un
ajuste por el tamao de la muestra. Este ajuste ya existe un ajuste en forma del
factor d2 para una grafica de rangos, el cual se encuentra en la tabla
correspondiente y que depende nicamente del tamao de la muestra. Usando
este factor, la desviacin estndar de un proceso u . se puede estimar apartir
de la grafica de rangos usando la lnea central de dicha grafica LCr = R medio.
Esta estimacin de la desviacin estndar es:

a = R d2.
Se acostumbra a usar el ndice ", para denotar la desviacin estndar del
proceso a fin de distinguirla de las desviaciones estndar de las muestras.
Aplicando esto al ejemplo anterior:
Tamao de muestra R d2 a ' 6 0.1298 2.534 0.0508 5 0.1231 2.326 0.0529 4
0.1118 2.059 0.0543 3 0.0872 1.693 0.515 2 0.0638 1.128 0.0565

Se puede ver la consistencia en la estimacin de la desviacin estndar del

proceso. En resumen se puede decir lo siguiente para un proceso que esta en
control estadstico: 1. La 'poblacin se comparta segn una distribucin normal.
Esta distribucin queda perfectamente definida con una media p ' y una cierta
desviacin estndar u '

Por otra parte, si los lmites de control se encuentran a 3u , o sea, 3 u x de la

lnea central, entonces:

A2R 3 cr x por lo que o- x = A2R / 3

Combinando las dos relaciones anteriores se obtiene:
A 2 R n ./ 3
Enseguida unos ejemplos:
1. Un proceso se encuentra en control estadstico, se sabe que el tamao de la
muestra que se ha estado utilizando es de cuatro unidades. La lnea central y
los lmites de control para la grafica X son:
LCX = 58.350 LSCX = 70.125 LICX = 46.575
a) Cual es la desviacin estndar de los promedios de las muestras? b) Cul
es la media y la desviacin estndar del proceso? c) Si el tamao de la muestra
cambia a seis, Cul es la nueva estimacin de a "? d) Bajo que condiciones
son ciertos los resultados anteriores?
2. Un proceso esta en control estadstico, se a tomado muestras de tamao
cinco y se tienen los siguientes resultados:
LCX = 0.3255
Y
= 0.0320.
a) Cmo es la produccin que se esta obteniendo?
b) Cunto vale u x ?
3. Un proceso esta en control estadstico. Se ha tomado muestras de tamao
tres y se sabe que:
LCX = 562.33 LSCX = 589.25 LICX = 535.41 a) Cules son la lnea central y
lmites de control para la grafica de rangos?
b) Cunto vale a x ? c) Cules son los parmetros de la poblacin? d) Si los
limites de control para la grafica X los fijamos para +1- 2 a, Cules son esos
limites?

CONTROL DE CALIDAD
Con todo lo anterior se puede concluir lo siguiente 1. El hecho de que un
proceso este en control estadstico no implica que se este elaborando producto
dentro de especificaciones. El estar en control estadstico implica que el
proceso de produccin es consistente, pero nada se dice acerca de las
especificaciones. En efecto, se puede estar elaborando consistentemente
productos fuera de especificaciones. 2. Nunca comparar directamente, lmites
de control con lmites de especificaciones. 3. No existe relacin algebraica o
matemtica entre lmites de control y limites de especificacin.
Por lo tanto, a fin de poder obtener informacin acerca del producto dentro o
fuera de especificaciones se tiene que seguir el proceso siguiente:
Grafica de control Lmites de especificacin Poblacin
LSC
LC
LIC
,u" Y a
LSE
LIE
Esto es, a partir de la grafica de control debemos obtener los parmetros de la
poblacin, y entonces si, conociendo estos, podemos comparar la poblacin
directamente con los limites de especificacin.
Sin embargo, seria errneo comparar directamente los lmites de control con
los lmites de especificacin. Dicho de otra manera, nunca comparar
directamente la informacin de una grafica de control con los lmites de
especificacin.
4.3. Habilidad de un proceso. El siguiente cuadro nos muestra la clasificacin
de los mtodos para calcular la habilidad de un proceso.