Control Estadistico de Procesos

CONTROL ESTADÍSTICO DE
PROCESOS
TÓPICOS
 Métodos para el control estadístico de procesos.
 Capacidad o habilidad de proceso. Índices Cp y Cpk.
 Gráficos de control por variables: x-R y x-S.
Gráficos de control de artículos defectuosos: p y np.
 Gráficos de control de defectos: u y c.

Grupo #3
Que es un Proceso?

Es un conjunto de
actividades que se
realizan para conseguir
un objetivo.

Control Estadistico de Procesos

Sistema de control de proceso

 Un sistema de control
del proceso puede
definirse como un
sistema de
realimentación de la
información en el que
hay 4 elementos
fundamentales:

Control Estadistico de Procesos

 • Por proceso entendemos la combinación
Proceso: global de personas, equipo, materiales
utilizados, métodos y medio ambiente, que
colaboran en la producción.

• El proceso de producción incluye no solo los

Inf. del productos producidos, sino también los
“estados” intermedios que definen el estado
Comportamiento: operativo del proceso tales
temperaturas, duración de los ciclos, etc.
como

• Las actuaciones sobre el proceso están

orientadas al futuro, ya que se toman en caso
Actuaciones sobre el necesario para impedir que éste se deteriore.
proceso: Estas medidas pueden consistir en la
modificación de las operaciones , o en los
elementos básicos del proceso mismo.

• Las actuaciones sobre la producción están

orientadas al pasado, porque la misma
Actuación Sobre la implica la detección de productos ya
producidos que no se ajustan a las
producción: especificaciones.

Control Estadistico de Procesos

 Control estadístico de procesos

 Es una herramienta
estadística que se utiliza
para que los procesos
varíen lo menos posible y
así cumplan con los
estándares establecidos.
 Los gráficos de control
constituyen el procedimiento
básico del C.E.P. Con dicho
procedimiento se pretende
cubrir 3 objetivos

Control Estadistico de Procesos

Porque varían los procesos?
 En cualquier proceso productivo,
por muy bien que se diseñe y se
controle, siempre existirá una
variabilidad inherente, natural,
que no se puede evitar. Esta
variabilidad natural, “ruido de
fondo”, es el efecto acumulado
de muchas pequeñas causas de
carácter, esencialmente,
incontrolable.

Control Estadistico de Procesos

Variabilidad inherente : “ruido de
fondo”
 Cuando el “ruido de fondo” sea relativamente
pequeño diremos que la variabilidad natural es
originada por un ‘sistema estable de causas de azar”.
 Por el contrario, existen otras causas de
variabilidad que pueden estar, ocasionalmente,
presentes y que actuarán sobre el proceso.
Estas causas se derivan, fundamentalmente, de tres
fuentes:
 Ajuste inadecuado de las máquinas.

 Errores de las personas que manejan las máquinas.

 Materia prima defectuosa.

Control Estadistico de Procesos

CAUSAS DE VARIABILIDAD

“Causas de “Causas
Azar” asignables”

Un objetivo Nivel
Funcionamien inaceptable
fundamental del to aceptable. de
C.E.P. es detectar funcionamien
rápidamente la to
presencia de “causas
Bajo Control
asignables” para Proceso
Estadístico
emprender acciones fuera de
correctoras control

Gran
variabilidad
del proceso.
Control Estadistico de Procesos
 Gráficos CEP

 Una Carta de Control es un gráfico en el cual se representan los valores

de algún tipo de medición realizada durante el funcionamiento de un
proceso continuo, y que sirve para controlar dicho proceso.
 También podriamos decir, que es un diagrama que sirve para examinar
si un proceso se encuentra en una condición estable, o para asegurar
que se mantenga en esa condición o hasta prevenir futuros fallos.
EJEMPLO:

Supongamos que tenemos una máquina de

inyección que produce piezas de PVC. Una
característica de calidad importante es el peso de
la pieza de plástico, porque indica la cantidad de
PVC que la máquina inyectó en la matriz. Si la
cantidad de PVC es poca la pieza de plástico
será deficiente; si la cantidad es excesiva, la
producción se encarece porque se consume más
materia prima.
CAPACIDAD DEL PROCESO

 La “capacidad” a la que nos

referimos es la que tiene el
proceso para producir piezas
de acuerdo con las
especificaciones.
 Es esencial resaltar que la
variabilidad natural del
proceso “6σ”, es intrínseca a él
e independiente de las
tolerancias que se asignen.
CAPACIDAD DE PROCESOS

Índices CP
 La capacidad potencial
del proceso o Cp. se
define como la relación
entre los límites de
especificación o
tolerancia y la
variabilidad total del
proceso dada por el
cálculo de la desviación
PROCESO
estándar. CAPAZ
CP>1.33

Si Cp > 1.33 : la producción está dentro de la

tolerancia.
• Calcula lo que el proceso seria capaz
de producir si el proceso estuviera
centrado…

• Calcula la capacidad del proceso para

especificaciones únicamente con un límite
inferior (ej. fuerza)…

• Calcula la capacidad del proceso para

especificaciones únicamente con un límite
superior (ej. concentración)
 CAPACIDAD DE PROCESOS

CPK
Es el índice utilizado para saber si el
proceso se ajusta a las tolerancias, es decir,
si la media natural del proceso se
encuentra centrada o no con relación al
valor nominal del mismo.

Control Estadistico de Procesos

Notas importantes sobre el CPK
Cpk> 1 : Artículos que cumplen con las
especificaciones.
Cpk<1: fuera de las especificaciones.

Cpk ≤0: la media del proceso está fuera de las

especificaciones.

Control Estadistico de Procesos

Gráficos de Control por Atributos

Control Estadistico de Procesos

 GRÁFICOS DE CONTROL POR
ATRIBUTOS
 Los gráficos de control por atributos se utilizan
cuando la muestra refleja características
cualitativas.

 Cuando no se puede obtener medida se debe

obtener cualquier otro tipo de datos para decidir
sobre la calidad.
 Usualmente el medio mas practico es clasificar la
pieza como buena o mala, la pieza cumple o no
cumple.
Control Estadistico de Procesos
Gráficos de control por atributos

Defectuoso Defecto

 Una pieza es  Un defecto es

defectuosa si tiene cualquier
mas defectos de los característica que no
tolerables. este conforme a los
requerimientos

Control Estadistico de Procesos

GRÁFICOS DE CONTROL POR ATRIBUTOS

Gráficos p
Defectuosos
Gráficos
Np
G.C.A
Gráficos u
Defecto
Gráficos c
Control Estadistico de Procesos
 Gráficas de control de artículos
defectuosos
Estos diagramas son usadas para controlar
características de calidades cualitativas, es decir
no cuantificables numéricamente.

 Ejemplos de tales características no medibles son:

1. La fracción o porcentaje de unidades
defectuosas en la producción (P).
2. El número de unidades defectuosas en la
producción (NP).

 Un gráfico P es un gráfico de control del

porcentaje o fracción de unidades defectuosas
(cociente entre el número de artículos defectuosos
en una población y el número total de artículos
de dicha población).
 En la grafica p se toma una muestra o
subgrupo de artículos,. Se revisa cada uno de n
artículos y se encuentra cuales son defectuosos;
entonces, en la carta p se gráfica se gráfica la
proporción pi de los artículos defectuosos, que
se obtiene al dividir la cantidad de artículos
defectuosos encontrada en cada muestra entre
el tamaño de muestra.
Cuando se esta haciendo un estudio inicial
para establecer los limites de control en una
grafica p, entonces, lo que se tiene que hacer
es estimar la media y la desviación estándar
de la variable que se gráfica en la carta; que
en el caso de la carta p, es pi. Considerando
esto, los limites de control para una grafica p
están dados por:
 Gráfica de control tipo NP.
En ocasiones, cuando el tamaño de muestras en las gráficas es constante, es mas
conveniente usar la carta Np en la que se gráfica el numero de artículos defectuosos
por muestra (Di ), en lugar de la proporción.
Los limites de control para la carta NP se obtiene bajo el supuesto de la
distribución binomial, por lo que están dados por:
LCS = np+ 3Ö[np(1-np)/n]
Línea central = np
LCI = np - 3Ö[np(1-np)/n]
Donde igual que en la grafica p, n es el tamaño de muestra y p es la proporción
promedio de artículos defectuosos, con lo que np es la estimación del número
promedio de artículos defectuosos por muestra. En la formula los limites de control, la
raíz cuadrada de la expresión anotada es la estimación de la desviación estándar
de D i (numero de piezas defectuosas por muestra).
EJEMPLO:
En un proceso de manufactura al final de la línea de ensamble, antes
de empacar, se hace una inspección y prueba final, y en una cata p
se registra la proporción de artículos defectuosos. En esta misma
carta se combinan las fallas de los diferentes componentes.
 Analizando los datos obtenidos en la inspección final, a través de
una estratificación y un análisis de Pareto, se encuentra que la
principal causa por la que los artículos salen defectuosos esta
relacionado con los problemas en el componente W, por lo que se
decide analizar mas de cerca el proceso que produce tal
componente.
 Para ello, de cada lote de componentes W se decide inspeccionar
una muestra de n= 120, inmediatamente que salen de su
proceso(antes de ser ensamblados). Los datos obtenidos en 20 lotes
consecutivos se muestran en la siguiente tabla
  P= 183/(120 x 20) =
0.076
 Con lo que los limites
de control están dados
por
 LCS = 120 x 0.076 + 3
Ö{120 x 0.076(1-
0.076)}= 17.87
 Línea central = 120 x
0.076 = 9.15
 LCI= 120 x 0.076 - 3
Ö{120 x 0.076(1-
0.076)}= 0.428
Control Estadistico de Procesos
En la siguiente gráfica se aprecia que el proceso esta fuera
de control estadístico, ya que el numero de piezas defectuosas
en la muestra del lote 12 es mayor que el limite superior,
mientras que la muestra del lote 16 es menor que el limite
inferior.

Control Estadistico de Procesos

 Gráficos C y U

 Los gráficos C y U se usan para medir la

cantidad de defectos que presentan las
unidades de producto que se están
fabricando.
Ejemplo:
 Se fabrican teléfonos celulares y entonces
se toma uno de ellos y se cuenta el
número total de defectos. Luego se
cuenta el total de todos estos defectos en
la unidad inspeccionada. Así Obtenemos
un resultado que es el Número de
Defectos por unidad de inspección
A medida que el proceso genera las unidades, retiramos una unidad a
intervalos regulares y contamos el número total de defectos (hasta n
defectos).

Control Estadistico de Procesos

Los resultados que obtenemos al contar el Número de Defectos en
unidades de inspección retiradas a intervalos regulares constituyen
una variable aleatoria discreta, porque puede tomar valores 0, 1,
2, 3…n. Esta variable aleatoria tiene una distribución de Poisson

X variable aleatoria
: parámetro de la
Dist. de Poisson
GRÁFICOS C
Este resultado se anota en un gráfico hora
Unidad de # de por hora y se denomina gráfico C. De
inspección defectos acuerdo a la Distribución de Poisson, si
1 3 denominamos C al parámetro de la función
3 2 de distribución, el promedio de la
población es C y la varianza también es C.
4 4
5 0 Para construir los gráficos de control C, en
6 1 una primera etapa se toman N unidades
de inspección (más de 25 ó 30) a
7 1
intervalos regulares. Se cuenta en cada
- - unidad de inspección el Número de Defectos
- - y se registra. Se obtendría una Tabla como
la siguiente:
Entonces, a partir de la tabla podemos calcular C como De donde:
promedio

y luego calculamos la Desviación Standard:

Con esto podemos calcular los Límites de Control para el gráfico

C:

En caso de que el Límite Inferior de Control resulte negativo,

se le asigna valor cero. Construímos entonces un Gráfico C
de prueba y representamos el número de defectos en las
muestras:

Control Estadistico de Procesos

Gráficos C
 Si no hay puntos fuera
de los límites de control
y no se encuentran
patrones no aleatorios,
se adoptan los límites
calculados para
controlar la producción
futura.

Control Estadistico de Procesos

GRÁFICO C
En los procesos automatizados muchas veces
ocurre que las unidades que produce el # de
proceso presentan una tasa de defectos muy Unidad defectos
baja. Por lo tanto, el promedio de defectos 1 0
será cercano a cero y el Límite Inferior de
Control seguramente será negativo. 3 0
4 1
Para evitar esto, es conveniente redefinir la
Unidad de Inspección. Por ejemplo, se puede 5 0
tomar como unidad de inspección la 6 0
cantidad de 100 unidades. Es decir, cada
7 0
media hora se retiran del proceso 100
unidades y se cuentan los defectos del total - -
de las mismas. De esta manera la cantidad
de defectos promedio por unidad de
inspección será mas alta. Y es posible
también que el LIC sea mayor que cero.
Supongamos que se está controlando el número de defectos en un
proceso de ensamblado de licuadoras y se define una unidad de
inspección de 5 licuadoras. En este caso es posible trabajar con un
gráfico C, como ya hemos visto. Pero tal vez se desea controlar el
promedio de defectos por cada licuadora (unidad de producción)
en
lugar de el total de defectos para las 5 licuadoras (unidad de
inspección):

GRÁFICO U
 Como en el caso de los gráficos
C, en una primera etapa se
toman N unidades de inspección
(más de 25 ó 30) a intervalos
regulares. Se cuenta en cada
unidad de inspección el Número
de Defectos y se registra. Luego
se divide el Número de Defectos
de cada unidad de inspección
por m (Número de unidades de
producción en cada unidad de
inspección).
En nuestro ejemplo (m = 5) la
Tabla quedaría como la
indicada anteriormente.

Gráficos C y U
Entonces, a partir de la tabla podemos calcular el parámetro U como
promedio del Número de Defectos por licuadora:

y luego la Desviación Standard:

Con esto podemos calcular los Límites de Control para el gráfico U:

GRÁFICOS C Y U
Gráficos de control por variables

La media y el
rango
X-R
GCV La media y la
desviación
X-S

Control Estadistico de Procesos

 Los gráficos X-R se utilizan cuando la
característica de calidad que se desea controlar
es una variable continua.

Por ejemplo, si hay cuatro turnos de

Muestras del trabajo en un día, las mediciones
Proceso producto Mediciones de cada turno podrían constituir un
subgrupo.

Para entender los gráficos X-R, es necesario

conocer el concepto de Subgrupos. Trabajar con
subgrupos significa agrupar las mediciones que
se obtienen de un proceso, de acuerdo a algún
criterio. Los subgrupos se realizan agrupando
las mediciones de tal modo que haya la máxima
variabilidad entre subgrupos y la mínima
variabilidad dentro de cada subgrupo.
Ejemplo:

Supongamos una fábrica que produce piezas cilíndricas para la

industria automotriz. La característica de calidad que se desea controlar es el
diámetro de las piezas.
Hay dos maneras de
Medición obtener los subgrupos. Una
Proceso del de ellas es retirar varias
diámetro piezas juntas a intervalos
regulares, por ejemplo
cada hora. La otra forma
50.4 es retirar piezas
50.7 individuales a lo largo del
50.3 intervalo de
…. tiempo correspondiente al
subgrupo.
Luego, para cada
subgrupo calculamos el
Promedio y el Rango
(Diferencia entre el
valor máximo y el valor
mínimo).

Para calcular los límites

de control es necesario
obtener un gran número
de mediciones,
divididas en subgrupos.
En nuestro ejemplo,
podríamos obtener 30
subgrupos de 6
datos cada uno:
Después de calcular el Promedio y el A partir de esta tabla, se calculan el
Rango de cada subgrupo, tendríamos una promedio general de promedios de
tabla como la siguiente: subgrupo y el promedio de rangos de
subgrupo:
Promedio de subgrupo

Rango de subgrupo

Desviación standard del

proceso. El coeficiente d2,
depende del número de
muestras en el subgrupo
Gráfica de la Media y el Rango

 El grafico de la media y el rango se utiliza para

controlar y analizar un proceso en el cual la
característica de la calidad del producto que se
esta midiendo toma valores continuos como la
longitud, peso o concentración, y esto proporciona
la mayor cantidad de información sobre el proceso.

Control Estadistico de Procesos

 Gráfica de la media y la desviación
estándar
 Este es similar al de la media y el rango, pero en lugar
del rango se usa la desviación estándar del subgrupo,
Cuando se tienen medios automatizados para procesar
la información. Este grafico se presenta como el mas
efectivo especialmente en casos de muestras grandes.
O cuando hasta la mas mínima variación es importante
para evaluar el comportamiento del proceso.
Control Estadistico de Procesos