UNIVERSIDAD DE VALPARAISO

INGENIERIA CIVIL INDUSTRIAL

Control Estadístico de Procesos

Implementación de cartas de control en paquete estadístico R

Integrante: Domingo Maulén Ramírez

Javier Pavez Silva

Asignatura: ICI513 - Gestión de la Calidad

Profesor: Mauricio Valle Barra

Fecha: 03/Enero/2014
1. CONTEXTUALIZACIÓN

La empresa SOPESA S.A. produce harina de pescado de distintas calidades: Súper Prime de jurel, Súper
Prime de jurel-anchoa-sardina, Prime mix de especies y Standard mix de especies. Los productos se conforman
de proteína, grasa, humedad, y ceniza. Los clientes piden un producto que posean como mínimo entre 65% de
proteína, variable fundamental, es por eso que se escogió para trabajar y desarrollar en este informe.

Se toma un muestreo de 200 lotes de producción de aproximadamente 50 toneladas cada uno, desde
enero de 2012 a junio de 2013, los cuales se reúnen en subgrupos de 5 lotes cada uno. La pesca que llega para
la producción es prevista según las cuotas de pesca que establece la gobernación marítima, con lo que pueden
pronosticar la calidad del producto, pero hay cierta variabilidad que es causada por la frescura de la pesca.

Para conocer las causas asignables y comunes de la variabilidad del proceso y calidad del producto se
realizó un recorrido por la planta procesadora, identificando para cada proceso según la experiencia y
conocimiento de los operadores dichas causas.

Variable a considerar: Proteína, porcentaje presente en un lote de harina de pescado. Se han registrado
200 datos, agrupándolos de a cinco muestras cada uno.

2. ANÁLISIS DE DATOS E INFORMACIÓN

Lo primero para desarrollar las cartas de control fue determinar si nuestra muestra corresponde a
una distribución normal, por lo tanto, se efectuó por medio del test de Shapiro si correspondía o no, los
resultados del test arroja lo siguiente: p-value=0,1946.

- Considerando un α=0,05 de nivel de significancia

p-value=0,1946 > α=0,05, por lo tanto, se distribuye normal.

Además mediante la siguiente gráfica,

podemos notar que los datos se asemejan y
toman un comportamiento a la línea de
tendencia (se desprecian las colas superior
e inferior) confirmando así que nuestra
muestra tiene una distribución normal.
 Luego de haber confirmado que nuestros datos se distribuyen normal, podemos efectuar el
desarrollo de las cartas de control. Se efectuarán tres cartas de control, para así ver que tan variables pueden
resultar la detección de fuera de control en el proceso, las cartas corresponden a: X-Barra, “S” y EWMA.

Ya con nuestros datos agrupados de a cinco, se procede a obtener las cartas de control y sus
posteriores comentarios y análisis.

Carta de Control-X
Los resultados obtenidos luego de haber corregido la carta X-Barra, de acuerdo a la media de cada
uno de los 40 grupos, son los siguientes:

Carta de control X-Barra Los nuevos límites establecidos luego de haber corregido la carta de
Inicial Corregida control, podemos apreciar que han aumentado levemente en
LCL 64,08826 64,05304 aproximadamente 0,03 unidades (en nuestro caso 0,03%), como también
UCL 71,68474 71,79111 lo hizo la desviación estándar.
StdDev 2,83104 2,886291
Mean 67,89 67,93

A partir de ahora dado los datos el proceso está controlado, los grupos descartados corresponden a
tres, por lo que ahora se encuentran todos los puntos dentro de los límites.

Cabe considerar que las especificaciones determinadas por la empresa para las proteínas en cuanto
al mínimo son 65%, por lo tanto hay muestras que no cumplen con lo que los clientes necesitan. Podemos
ver esto a través de la capacidad del proceso, para ver cómo responde ante las especificaciones de la
empresa, o mejor aún, de lo que esperan los clientes.
 La empresa estima mínimos de % para cada uno de sus cuatro componentes, por medio de esos,
podemos determinar el máximo de nuestra componente proteína, el cual corresponde a un 80%. Y con el
mínimo ya conocido de un 65%, estamos dispuestos a ver la capacidad del proceso.

Respecto a la tolerancia y metas primero se observa que los datos siguen una distribución normal
con media y desviación estándar buscada según los parámetros descritos anteriormente para 3 σ. Y
comparando respecto a lo que realmente está pasando, podemos ver que el proceso no es capaz de cumplir
las especificaciones, con un valor de 0,866, menor que 1, que sería el mínimo para por lo menos llegar a un
proceso capaz con un estricto seguimiento, o 1,33 para un proceso capaz.

Para los intereses de la empresa no se logra llegar a un producto de gran calidad durante toda la
temporada, por lo que se mantiene con una producción de una calidad media baja.

Analizando de la media hacia abajo se observa claramente in proceso descentrado, por ello se
obtiene un valor tan bajo de 0,338, y respecto de la media hacia arriba vemos un valor mayor a 1 distinto al
cp inferior, con lo que se ratifica un proceso descentrado de la tolerancia buscada, y así el mínimo entre
ellos es 0,338.

Ahora si bien hemos aceptado o confirmado que nuestros datos están dentro de nuestros límites de
control, podemos incurrir en un error, el cual corresponde a aceptar cuando en realidad debimos haber
rechazado el estar “bajo control”. Es por eso que a partir de las curvas OC, nos proporcionara información
acerca de no detectar el cambio en el proceso.
 La curva OC obtenida corresponde a la siguiente:

Podemos apreciar que mientras el n sea más pequeño entonces más alejado de los ejes centrales y
por ende mayor será su cambio en el proceso, por el contrario, si el n es más grande este estará más cargado
hacia la izquierda disminuyendo el cambio en el proceso, y así se equilibra y disminuye la probabilidad de
generar Error Tipo II.

Carta de Control “S”

Anteriormente habíamos calculado la media de los promedios de cada uno de los subgrupos, es
decir, el X-Barra-Barra, ahora bien, en la carta de control S, se calculó la desviación estándar promedio para
cada grupo, y así poder obtener los límites de control de una carta S.
 Ningún ‘punto’ está fuera de límites, por lo tanto, el proceso está bajo control según la carta S. En
consecuencia, se puede concluir que la carta S en comparación con la X-Barra, no es capaz de detectar las
variaciones que si detecto la carta X-Barra en el proceso.

Carta de Control EWMA

Por último, la carta de control de medias móviles ponderadas, donde por media de un peso
exponencial dado por λ=0,2 el cual nos proporciona una mayor ponderación al pasado, en nuestro caso
dicha acción debido a que la producción de harina de pescado estará relacionada con las temporadas
anteriores de la obtención de materias primas, de modo que se pueda pronosticar como serán las próximas
producciones, y de acuerdo a estás generar las especificaciones como límites de control.

Los limites obtenidos, cuando ya se han normalizado, por la EWMA son: LCI=66,87 y
LCS=68,43 que a diferencia de la carta X-Barra los limites eran más amplios

3.4. Reglas de Alerta

Considerando la carta X-Barra con 3σ, hemos generado alguna de las señales de alarmas de Western
Electric, del proceso podemos identificar los siguientes puntos:

 Los puntos 8,11,15,16,26,34 se encuentran en 2σ.

 Los puntos 2 al 7 de forma correlativa van en forma ascendente.
 Los puntos 22 al 25 de forma correlativa sobre la media.
 Los puntos 7 y 8; 15y16; 26 y 27, con una diferencia entre ellos de 4σ
 Aplicado al caso estas alarmas podrían dar el problema de generar falsas alarmas, pero debido a que
cada proceso para realizar el producto es manipulado constantemente por un operario quien tiene la
facultad de manipular y tomar decisiones respecto al proceso, este riesgo dependerá del juicio y experiencia
de cada operario, influyendo directamente en la calidad del producto.

Para la carta de medias móviles ponderadas (EWMA), para las reglas de alerta se tiene lo siguiente:
Considerando este proceso como una producción estacional debido a las restricciones de pesca, y por lo
tanto con cierto nivel de control , se consideran los datos registrados con una ponderación de 0,2 , dando
relevancia a datos más antiguos. Entonces considerando señales de alarma de Western Electric y alarmas
de la empresa del caso se identifican los siguientes puntos:

 Puntos 1 y 2 fuera de los límites de control

 Puntos 8, 10 y 21 dentro de 2σ
 Punto 29 dentro de 3σ
 Puntos 1 al 8 sobre la media consecutivamente
 Puntos 28 al 31 fuera de 1σ consecutivamente
 Puntos 23 al 27 de forma ascendente consecutivamente

La carta EWMA al ser más sensible a cambios más pequeños en el proceso será posible estudiar la
variabilidad respecto a cambio en la calidad relacionado a fallas de acción del operario de las maquinarias
y de cambios en la calidad de la materia prima para la producción de la harina de pescado.

Analizando la carta EWMA, efectivamente si comparamos por ejemplo los lotes que comprenden los
puntos 9 al 12, se establece una relación con el bajo porcentaje de proteína con que la materia prima
utilizada fue de baja calidad (datos unitarios se registran con fecha de inicio y termino de la producción del
lote, junto a la especificación del tipo de materia prima) y se demoró más de lo normal en su proceso
3. ANEXOS

Datos agrupados

v1 v2 v3 v4 v5 promX
1 74,7 77,2 76,4 75,7 70,2 74,84
2 68,2 66,9 68,2 66,9 69,2 67,88
3 63,1 68,7 65,7 63,4 72,2 66,62
4 66,8 68,1 70,8 66,6 62,5 66,96
5 69,7 63,3 68,7 66,4 68,3 67,28
6 71 69,3 69,7 62,9 68,9 68,36
7 70,6 69,9 69,4 68,3 66,8 69
8 69,6 68,8 73,1 69,6 66,6 69,54
9 65 61,5 64 62,2 65,5 63,64
10 73,1 66,6 62,6 60,2 65,9 65,68
11 69 65 73,5 74 64,9 69,28
12 65,8 64,4 68 67,7 68,3 66,84
13 69,7 71,2 64,9 74 70,2 70
14 68,5 66,3 66,8 69,5 70,6 68,34
15 68,8 65,2 70,2 68,2 67,4 67,96
16 63,7 68 71 69,5 71,3 68,7
17 64,8 68 64,2 64,2 67,7 65,78
18 66,8 71,3 73,6 68,7 68,6 69,8
19 69,7 68,2 65,4 66,5 64,4 66,84
20 70,9 65,8 65,3 68,6 61,9 66,5
21 62 70,1 64,6 67,1 65,8 65,92
22 70,2 68,8 72,2 66,6 68,1 69,18
23 70,8 66,6 62,5 69,8 63,4 66,62
24 68,7 66,4 68,4 71 69,3 68,76
25 69,7 62,9 68,9 70,6 69,9 68,4
26 69,5 68,3 66,8 69,6 68,8 68,6
27 73,1 69,3 69,6 66,3 65,1 68,68
28 65,1 61,5 64,3 62,3 65,5 63,74
29 73,2 66,6 62,6 60,2 65,9 65,7
30 69,1 65,1 73,6 74,2 64,9 69,38
31 65,8 64 68 67,7 68,3 66,76
32 69,7 71,2 64,9 74,1 67,2 69,42
33 68,9 66,4 66,9 69,5 69 68,14
34 70,6 68,8 65,2 70 68,2 68,56
35 67,5 63,8 68,1 71,1 69 67,9
36 71,3 64,8 67,8 64,2 67,7 67,16
37 66,8 71 73,5 68,7 68,6 69,72
38 69,8 68,3 70,3 65,4 66,3 68,02
39 64,5 70 65,9 68,4 62,4 66,24
40 70,3 69,7 68,3 69,1 66,2 68,72
Comandos utilizados:
Instalar paquete qcc
install.packages("qcc")
library(qcc)

Cargar base de datos: dataproteinas

attach(dataproteinas)
dim(dataproteinas)
dataproteinas

Datos agrupados:
proteinas <- qcc.groups(proteina,sample)
proteinas

Cargar data promedio de los subgrupos: datanormal

attach(datanormal)
shapiro.test(proteina)
qqnorm(promedios)
qqline(promedios,col="green")

CARTA X-BARRA
Generar la carta de control X-Barra
obj <- qcc(proteinas[1:40,],type="xbar")
summary(obj)
shewhart.rules(obj)
plot(obj,title="Carta de Control X-barra")

Eliminando los puntos fuera de los límites

Cargar base de datos sin los puntos: newdataproteinas
attach(newdataproteinas)
dim(newdataproteinas)
newdataproteinas

Generar carta de control corregida, con los promedios de los subgrupos que cumplen:
Agrupar valores por subgrupos:
newproteinas <- qcc.groups(proteina,sample)
newproteinas

Generar carta de control X-Barra Corregida:

obj1 <- qcc(newproteinas[1:37,],type="xbar")
summary(obj1)
shewhart.rules(obj1)
plot(obj1,title="Carta de Control-X Corregida")

Verificar la capacidad del proceso, de acuerdo a las especificaciones de la empresa

obj2 <- process.capability(obj1,spec.limits=c(65,80))
Verificar las curvas de operación para el proceso:
Beta <- oc.curves.xbar(qcc(newproteinas,type="xbar",nsigmas=3,plot=FALSE))
CARTA EWMA:
Generar carta de control EWMA, a partir de los promedios de los subgrupos
Q1 <- ewma(proteinas[1:15,], lambda=0.2, nsigma=3)
plot(q1,title="Carta de Control EWMA")

q2 <- ewma(proteinas[1:15,], lambda=0.2, nsigma=3,newdata=proteinas[16:40,])

plot(q2,title="Carta de Control EWMA")
summary(q2)

CARTA S
Generar carta de control S, a partir de la varianza de las muestras de los subgrupos
attach(dataproteinas)
dim(dataproteinas)

Datos agrupados
proteinas <- qcc.groups(proteina,sample)
proteinas
obj1 <-qcc(proteinas[1:40,], type="S")