Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MARCO CONCEPTUAL
Antiguamente, se tenía el concepto de que se debía controlar el material fabricado
para asegurar su calidad. Esto implicaba grandes costos, ya que se debían controlar
minuciosamente todas las dimensiones indicadas en el plano para determinar si la
pieza era correcta o no. Posteriormente, se empezó a realizar controles por muestreo,
de modo que se controlaba una pequeña cantidad de pie<as de un lote y de acuerdo a
la cantidad de rechazos que se detectarán se decía rechazar el lote completo. En este
sistema hay involucrado una cierta dosis de estadística para determinar el tamaño de
la muestra y los números de rechazo para tomar la determinación final. Una vez
rechazado el lote, el fabricante debía revisar pieza por pieza para separar las buenas
de las malas.
Estos sistemas, además del alto costo del control, tiene como inconveniente el hecho
de que se detecta el rechazo o el error de la producción cuando ya se ha gastado una
gran cantidad de recursos en la fabricación. Aún peor, si las piezas ya llegaron al
cliente, la mala imagen generada puede arruinar a la empresa más fuerte. Ejemplo de
ello son las conocidas campañas de servicio lanzadas por las automotrices para que
los clientes lleven sus vehículos a revisión ante posibles fallas en alguna de sus
partes. Es una regla básica, el hecho que cuando mas haya avanzado el producto
desde el momento en que se produjo la falla, más costoso resulta su solución.
Esto no evita que piezas o productos con fallas lleguen a los clientes finales, pero al
menos permite el seguimiento, detección y solución de los orígenes del problema.
Calidad
Definición de la norma ISO 9000: “Calidad: grado en el que un conjunto de
características inherentes a un objeto (producto, servicio, proceso, persona,
organización, sistema o recurso) cumple con los requisitos.”
Obviamente el tema es mucho más extenso y complejo, pero al objeto de este curso,
vamos a centrarnos en el cumplimiento de las especificaciones del plano, que como
vimos arriba está íntimamente relacionado al proceso diseñado, incluyendo en esto, a
las máquinas elegidas, las fases, las operaciones con sus herramientas y condiciones
de corte, fijaciones, e instrumentos de medición.
El papel de la estadística
Más arriba hablamos del control estadísticos de procesos. Para eso, debemos explicar
algunos conceptos básicos de estadística.
Si nosotros relevamos los valores que va tomando una variable en un proceso, vamos
a encontrarnos que es muy probable que los valores se concentren alrededor de una
serie de valores y que haya algunos que se dispersan para arriba y para debajo de esa
concentración. A esto se le llama distribución normal o de Gauss y toma la forma que
se indica abajo.
σ2 = (Σ(xi - µ)2 )/ n
Donde xi son los valores que toma la variable, µ es el promedio de las mismas y n es
la cantidad de valores observados.
Una de las propiedades de la distribución normal es que se puede establecer que el
99.74 de los valores van a estar dentro de los 3 σ para un lado y para el otro. De aquí
surge una de las escuelas actuales de la calidad que se llama de 6 σ
Si comenzamos a medir una dimensión de una pieza a medida que se van fabricando,
vamos a ver que las medidas comienzan a agruparse cerca de la medida nominal
ajustada originalmente, y después de que fabricamos una cantidad de piezas
determinada, vamos a notar que las dimensiones siguen la curva normal. Esto quiere
decir que la mayoría de as mediciones van a estar cerca de la media, y habrá una
pequeña cantidad de mediciones que van a ser un poquito mas grande o un poquito
mas pequeña. Como dijimos antes, cuanto más angosta sea la campana, mejor, ya
que quiere decir que hay una gran cantidad de dimensiones relevadas que están cerca
de la dimensión nominal, y la dispersión es pequeña. La opción de la campana ancha
no es deseable, porque indica un proceso inestable.
La estadística nos permite aproximar el valor de σ con unas pocas mediciones, que
dependiendo del proceso, pueden ser por ejemplo de 50.
Una vez fabricado ese lote sin tocar ninguna de las variables de proceso y medidas
las dimensiones criticas, es decir las que tienen tolerancias apretadas y por lo tanto de
las que se debe hacer un seguimiento continuo, se calcula σ con la formula indicada
arriba.
Una vez calculado el valor de σ y determinada la media y las líneas de 3 σ para cada
lado, podemos asegurar que hay una probabilidad del 99.73% de que todas las piezas
estén dentro de ese rango de 6 σ. Estas líneas se llaman límites de control inferior y
superior respectivamente.
• 1 INTERVENIR EN EL CASO A.
• 2 NO INTERVENIR EN EL CASO B.
Capacidad del proceso vs. Especificación del producto
Ahora bien, que pasa si nuestro intervalo de tolerancia es mas chico que el intervalo
de 6 σ? Evidentemente, el proceso no es apto para conseguir en forma confiable esa
dimensión con esa tolerancia. Puede ser que el proceso de mecanizado no sea
estable, que la maquina no tenga la precisión suficiente, que las herramientas no
tengan la calidad necesaria, etc, por lo que necesita ser revisado. Abajo vemos un
caso en que el intervalo de 6 σ esta ampliamente incluido dentro del intervalo de la
tolerancia especificada.
El índice de capacidad del proceso es la formula utilizada para calcular la habilidad del
proceso de cumplir con las especificaciones y se expresa de la siguiente manera:
LSE − LIE
ICP =
6σˆ
Se utiliza con dos objetivos principales, implicando ambos las especificaciones del
producto:
2. Como ayuda al análisis. ¿Por qué este proceso no cumple con las especificaciones
establecidas?
Frecuencias
b.
Desviación estándar Especificaciones
aceptable. Cpk = 1
Medidas
Frecuencia
Especificaciones
Desviación estándar
potencialmente aceptable
Promedio aceptable
d.
Frecuencias
muy grande
Medidas
e. Especificaciones
Desviación estándar muy
grande
Cpk
Otra medida para la cuantificación del índice de capacidad de proceso es el Cpk, que
esta definido come el menor valor encontrado entre el Cpu y el Cpl, que se define
como:
LSE − X X − LIE
Cpu = Cpl =
3σ 3σ
X:
Valor promedio encontrado de los datos
Cpu y Cpl solo evalúan la mitad de la distribución de los datos teniendo en cuenta solo
3σ. Es útil cuando la especificación de la variable, solo se expresa como un máximo o
como un mínimo, para indicar al analista en que sector de la especificación (superior o
inferior) se presenta mas riesgo de incumplimiento de los valores establecidos.
Inicio
Definir variables de
proceso a medir
Definir plan de
mediciones
Evaluar el comportamiento
con gráficos de control
Identificar Eliminar
No
causas causas
Proceso asignables de asignables de
variación variación
Si
No
ICP>1
?
Si
Verificar Programas de
ICP>1.33 No
centrado del mejoramiento
proceso del proceso
? Si
Decisión
gerencial
Siguiendo el esquema una vez obtenidos los gráficos de control debe evaluarse si el
proceso esta o no en control estadístico, revisar tendencias, limites, etc., en síntesis
verificar que el proceso esta estable y predecible. Si se descubre que el proceso
presenta causas asignables de variación estas deben ser eliminadas y posteriormente
repetirse el estudio, hasta encontrar el proceso en estado de control estadístico.
El que el proceso se encuentre “bajo control estadístico” no significa que cumpla con
las especificaciones para cual fue diseñado. (Se verifica a través del cálculo del índice
de capacidad del proceso.)
Si la capacidad del proceso se presenta ente los valores 1 y 1.33, significa que la
dispersión del proceso puede ser igual a la dispersión esperada (especificación), pero
puede haber puntos por fuera de los límites de control. Si este es el caso, se debe
verificar el centramiento del proceso, recalcular los limites de control, continuar el
control a través de los gráficos y proponer mejoras en el proceso para lograr mejores
metas de calidad y aumento de la productividad.
Si por fortuna nuestro proceso posee un Cpk igual o mayor de 1.33, debemos tomar
otro tipo de decisiones a nivel gerencial, por ejemplo: aumentar la tasa de producción,
vender un “plus” de calidad, vender la optimización de un método de instalación o de
operación, trasladar la operación de manufactura a otras maquinas y permitir que la
primera se dedique a procesos mas delicados o especializados, etc.
DEFINICION DE LA ESTABILIDAD
La calidad del producto fabricado está determinada por sus características de calidad,
es decir, por sus propiedades físicas, químicas, mecánicas, estéticas, durabilidad,
funcionamiento, etc. que en conjunto determinan el aspecto y el comportamiento del
mismo. El cliente quedará satisfecho con el producto si esas características se ajustan
a lo que esperaba, es decir, a sus expectativas previas.
¿Para qué se miden las características de calidad? El análisis de los datos medidos
permite obtener información sobre la calidad del producto, estudiar y corregir el
funcionamiento del proceso y aceptar o rechazar lotes de producto. En todos estos
casos es necesario tomar decisiones y estas decisiones dependen del análisis de los
datos. Como hemos visto, los valores numéricos presentan una fluctuación aleatoria y
por lo tanto para analizarlos es necesario recurrir a técnicas estadísticas que permitan
visualizar y tener en cuenta la variabilidad a la hora de tomar las decisiones.
Siguiendo el pensamiento del Dr. Kaoru Ishikawa, vamos a explicar algunas de estas
técnicas, que se conocen como Las 7 Herramientas de la Calidad. Estas son:
1. Diagramas de Causa-Efecto
2. Planillas de Inspección
3. Gráficos de Control
4. Diagramas de Flujo
5. Histogramas
6. Gráficos de Pareto
7. Diagramas de Dispersión
8. hoja de control
Diagramas de Causa-Efecto
Cuando ocurre algún problema con la calidad del producto, debemos investigar para
identificar las causas del mismo. Para ello nos sirven los Diagramas de Causa -
Efecto, conocidos también como Diagramas de Espina de Pescado por la forma que
tienen. Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa.
Indicamos los factores causales más importantes y generales que puedan generar la
fluctuación de la característica de calidad, trazando flechas secundarias hacia la
principal. Por ejemplo, Materias Primas, Equipos, Operarios, Método de Medición, etc.:
Incorporamos en cada rama factores más detallados que se puedan considerar causas
de fluctuación
Finalmente verificamos que todos los factores que puedan causar dispersión hayan
sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar claramente
establecidas y en ese caso, el diagrama está terminado.
Otro ejemplo
Planillas de Inspección
Los datos que se obtienen al medir una característica de calidad pueden recolectarse
utilizando Planillas de Inspección. Las Planillas de Inspección sirven para anotar los
resultados a medida que se obtienen y al mismo tiempo observar cual es la tendencia
central y la dispersión de los mismos. Es decir, no es necesario esperar a recoger
todos los datos para disponer de información estadística.
¿Cómo realizamos las anotaciones? En lugar de anotar los números, hacemos una
marca de algún tipo (*, +, raya, etc.) en la columna correspondiente al resultado que
obtuvimos.
¿Qué información nos brinda la Planilla de Inspección? Al mismo tiempo que medimos
y registramos los resultados, nos va mostrando cual es la Tendencia Central de las
mediciones. En nuestro caso, vemos que las mismas están agrupadas alrededor de
2.3 aproximadamente, con un pico en 2.1 y otro en 2.5 . Habría que investigar por que
la distribución de los datos tiene esa forma. Además podemos ver la Dispersión de los
datos. En este caso vemos que los datos están dentro de un rango que comienza en
1.5 y termina en 3.3 . Nos muestra entonces una información acerca de nuestros datos
que no sería fácil de ver si sólo tuvieramos una larga lista con los resultados de las
mediciones.
Gráficos de Control
El gráfico de control tiene una Línea Central que representa el promedio histórico de la
característica que se está controlando y Límites Superior e Inferior que también se
calculan con datos históricos.
los valores fluctúan al azar alrededor del valor central (Promedio histórico) y dentro de
los límites de control superior e inferior
Existen diferentes tipos de Gráficos de Control: Gráficos X-R, Gráficos C, Gráficos np,
Gráficos Cusum, y otros. Cuando se mide una característica de calidad que es una
variable continua se utilizan en general los Gráficos X-R. Estos en realidad son dos
gráficos que se utilizan juntos, el de X (promedio del subgrupo) y el de R (rango del
subgrupo).:
Diagramas de Flujo
Los símbolos gráficos para dibujar un diagrama de flujo están más o menos
normalizados:
Existen otros símbolos que se pueden utilizar. Lo importante es que su significado se
entienda claramente a primera vista. En el ejemplo siguiente, vemos un diagrama de
flujo para representar el proceso de fabricación de una resina (Reacción de
Polimerización):
lo primero que hace el médico es agrupar los datos en intervalos contando cuantos
resultados de mediciones de peso hay dentro de cada intervalo (Esta es la frecuencia).
Por ejemplo, ¿Cuántos pacientes pesan entre 60 y 65 kilos? ¿Cuántos pacientes
pesan entre 65 y 70 kilos?:
Nº Pacientes
Intervalos
(Frecuencia)
<50 0
50-55 0
55-60 1
60-65 17
65-70 48
70-75 70
75-80 32
80-85 28
85-90 16
90-95 0
95-100 3
100-105 0
105-110 0
>110 1
Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70
kilogramos. Por lo tanto, levantamos una columna de altura proporcional a 48 en el
gráfico: Y agregando el resto de las frecuencias nos queda el histograma siguiente:
¿Qué utilidad nos presta el histograma? Permite visualizar rápidamente información
que estaba oculta en la tabla original de datos. Por ejemplo, nos permite apreciar que
el peso de los pacientes se agrupa alrededor de los 70-75 kilos. Esta es la Tendencia
Central de las mediciones. Además podemos observar que los pesos de todos los
pacientes están en un rango desde 55 a 100 kilogramos. Esta es la Dispersión de las
mediciones. También podemos observar que hay muy pocos pacientes por encima de
90 kilogramos o por debajo de 60 kilogramos.
Diagramas de Dispersión
Hoja de control
Una vez que se ha fijado las razones para recopilar los datos, es importante que se
analice las siguientes cuestiones:
o Cómo de analizará
o Dónde se va a efectuar
Esta es una herramienta manual, en la que clasifican datos a través de marcas sobre
la lectura realizadas en lugar de escribirlas, para estos propósitos son utilizados
algunos formatos impresos, los objetivos mas importantes de la hoja de control son:
o Artículos defectuosos
o Localización de defectos
o Causas de efectos
Una secuencia de pasos útiles para aplicar esta hoja en un Taller es la siguiente:
Diagrama de Pareto
Es una herramienta que se utiliza para priorizar los problemas o las causas que los
genera.
El nombre de Pareto fue dado por el Dr. Juran en honor del economista italiano
VILFREDO PARETO (1848-1923) quien realizó un estudio sobre la distribución de la
riqueza, en el cual descubrió que la minoría de la población poseía la mayor parte de
la riqueza y la mayoría de la población poseía la menor parte de la riqueza. El Dr.
Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce como la
regla 80/20.
Según este concepto, si se tiene un problema con muchas causas, podemos decir que
el 20% de las causas resuelven el 80 % del problema y el 80 % de las causas solo
resuelven el 20 % del problema.
Seta basada en el conocido principio de Pareto, esta es una herramienta que es
posible identificar lo poco vital dentro de lo mucho que podría ser trivial, ejemplo: la
siguiente figura muestra el número de defectos en el producto manufacturado,
clasificado de acuerdo a los tipos de defectos horizontales.
Procedimientos para elaborar el diagrama de Pareto:
Para determinar las causas de mayor incidencia en un problema se traza una línea
horizontal a partir del eje vertical derecho, desde el punto donde se indica el 80%
hasta su intersección con la curva acumulada. De ese punto trazar una línea vertical
hacia el eje horizontal. Los ítems comprendidos entre esta línea vertical y el eje
izquierdo constituye las causas cuya eliminación resuelve el 80 % del problema.
AMFE (PRODUCTO) SINONIMOS: CEDAC – FMECA
El AMFE fue aplicado por vez primera por la industria aeroespacial en la década de los
60, y en la década de los 70 lo empezó a utilizar Ford, extendiéndose más tarde al
resto de fabricantes de automóviles. En la actualidad es un método básico de análisis
en el sector del automóvil que se ha extrapolado satisfactoriamente a otros sectores.
Este método también puede recogerse con la denominación de AMFEC (Análisis
Modal de Fallos, Efectos y su Criticidad), al introducir de manera remarcable y más
precisa la especial gravedad de las consecuencias de los fallos. Aunque la técnica se
aplica fundamentalmente para analizar un producto o proceso en su fase de diseño,
este método es válido para cualquier tipo de proceso o situación, entendiendo que los
procesos se encuentran en todos los ámbitos de la empresa, desde el diseño y
montaje hasta la fabricación, comercialización y la propia organización en todas las
áreas funcionales de la empresa. Evidentemente, este método a pesar de su enorme
sencillez es usualmente aplicado a elementos o procesos clave en donde los fallos
que pueden acontecer, por sus consecuencias puedan tener repercusiones
importantes en los resultados esperados. El principal interés del AMFE es el de
resaltar los puntos críticos con el fin de eliminarlos o establecer un sistema preventivo
(medidas correctoras) para evitar su aparición o minimizar sus consecuencias, con lo
que se puede convertir en un riguroso procedimiento de detección de defectos
potenciales, si se aplica de manera sistemática.
El AMFE se confecciona multiplicando índices (de uno a diez) que indican la gravedad,
la probabilidad de que ocurra y la detectabilidad, es decir, si es fácil que se detecte en
la línea o puede pasar desapercibido y por lo tanto le llegará al cliente.
El índice final obtenido de multiplicar los tres anteriores, dará un orden de prioridad
para atacarlos con las herramientas mencionadas anteriormente.-