Control Estadístico

(SPC)
Habilidad del Proceso
(Process Capability)

Ricardo Carrasco
Rev Jun 2019

R.Carrasco 2019
DETECCIÓN = TOLERA EL DESPERDICIO

PREVENCIÓN = EVITA EL DESPERDICIO

R.Carrasco 2015
 MEJORA CONTINUA

Planear Planear

1. 2.
Actuar Analizar Actuar Controlar
Hacer Hacer
el el
Proceso proceso

Verificar Verificar

Planear

3.
Actuar Mejorar
el Hacer
proceso

Verificar

R.Carrasco 2015
 Un-Stable / Unknown stability

1
Initial Process Study
Process performance Ppk
Cpk : Only as reference for potential

Reduce Special Causes ,

2 Achieve stability
SPC

Stable process
Improve to Customer
Specification
3 Process
Capability/Performance
Cpk/Ppk
SPC
R.Carrasco 2015
1. CONCEPTOS BÁSICOS

R.Carrasco 2015
 1.1 Variación (Causas comunes y
causas especiales)

• ¿causas comunes?
Fuente de variación que afecta a todos los valores individuales del proceso
• ¿causas especiales?
Fuente de variación que afecta sólo algunas de las salidas del proceso. Es
intermitente e impredecible
• ¿Variación?
Diferencias inevitables entre las salidas individuales del proceso

R.Carrasco 2015
1 2 3 4
1 25 6 7

R.Carrasco 2015
 Esto se conoce
como Distribución de
los datos.
Describe la Variación.

Control =
Estabilidad en el tiempo

R.Carrasco 2015
 Otros conceptos de variación
Precisión

Exactitud

R.Carrasco 2015
 1.2 Media
• Media de la población

μ (generalmente se estima)

• Media de una muestra

• Media de las medias muestrales

– X doble barra = promedio de los promedios

R.Carrasco 2015
 1.3 Desviación estándar
Brain Storming

• ¿Qué es la desviación estándar?

1 2 3 1 2 6 7

R.Carrasco 2015
R.Carrasco 2015
 1.3 Desviación estándar
• Estimada

• Calculada

R.Carrasco 2015
 1.4 Distribución normal

• ¿Cuándo es /no es normal?

• ¿Por qué mis datos no son normales?
• ¿Qué pasa si uso datos no normales?
R.Carrasco 2015
2. CONTROL DEL PROCESO

R.Carrasco 2015
 Control
• ¿Qué es un proceso en control?
– Los efectos de las causas especiales han sido
eliminados
– Se comporta de manera predecible
• ¿Qué es una carta o gráfica de control?
– Gráficas para monitorear y evaluar si un proceso
está en control

R.Carrasco 2015
2.1 Carta o Gráfica de control

R.Carrasco 2015
 2.1 Carta o Gráfica de control
• Beneficios de las gráficas de control
– Puede ser usada por operadores (a nivel de piso) para
el control en tiempo real del proceso
– Ayuda a que el proceso se lleve a cabo de manera
consistente y predecible
– Ayuda al proceso a lograr
• Alta Calidad
• Bajos costos
• Mejora la efectividad
– Un mismo lenguaje para discutir el desempeño del
proceso
– Hace distinción entre causas especiales y comunes de
variación para poder tomar acciones

R.Carrasco 2015
 2.1 Carta o Gráfica de control
Por atributos
-Valores discretos
-Cantidad de partes con rebabas
-Cantidad de manchas en una pieza
-Cantidad de piezas con poros
-Cantidad de poros por cada pieza
Por variables
-Valores de una medición
-Diámetro de una pieza (mm)
-Resistencia de un circuito (ohms)
-Tiempo de una operación (minutos)
R.Carrasco 2015
 2.2.1 Gráfico P (Proporción de
defectuosos)

De cada subgrupo se obtiene p y se grafica.

Línea central de la gráfica:

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙
p=
𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑎𝑟𝑡𝑒𝑠 (𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 𝑦 𝑛𝑜 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠

Desviación estándar (𝜎) y límites de control (𝜇 ± 3 𝜎)

n= número de partes inspeccionadas

R.Carrasco 2015
 2.2.2 Gráfico c (Número de defectos
por unidad)

De cada subgrupo se obtiene c

Línea central de la gráfica:

𝑆𝑢𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑜𝑠
c=
𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑟𝑡𝑒𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑎𝑠

Desviación estándar (𝜎) y límites de control (𝜇 ± 3 𝜎)

R.Carrasco 2015
2.2.3 Otros gráficos por atributos
• P = Proporción de defectuosos

• NP = número de defectuosos

• C = número de defectos por un artículo

• U = numéro promedio de defectos por un artículo

R.Carrasco 2015
 2.3 Carta por Variables
• ¿Qué tipo de gráficos de control por variables?
X-R (Medias y rangos)
X-s (Medias y desviación estándar)
x͂ -R (Medianas y rangos)
X-MR (valores y rangos móviles)

R.Carrasco 2015
 2.3.1 Gráfico
(promedio de mediciones de cada grupo)

• Calcular la línea central de la gráfica (media de medias histórica)

x = mediciones en el grupo

Donde k = cantidad de subgrupos históricos usados

para calcular los límites y línea central

• Límites de control (media histórica +/- 3* desv. Std):

CONSTANTES
n A2 d2 D4
CLx= X ± A2 * R 2 1.88 1.13 3.27
3 1.02 1.69 2.57
4 0.73 2.06 2.28
5 0.58 2.33 2.11

R.Carrasco 2015
 2.3.2 Gráfico R
(rangos de cada grupo)

• Obtener la variable a graficar

• Calcular la media de la variable

Done k = cantidad de subgrupos

• Límite de control

CONSTANTES
n A2 d2 D4
2 1.88 1.13 3.27
3 1.02 1.69 2.57
4 0.73 2.06 2.28

R.Carrasco 2015
5 0.58 2.33 2.11
 2.3.2 Gráfica X-R

1. Definir la característica
2. Definir el sistema de medición (ejecutar MSA)
3. Minimizar la variación innecesaria
4. Crear un plan de muestreo
5. Colección de datos
6. Establecer los límites de control
7. Interpretar para controlar estadísticamente

R.Carrasco 2015
 2.3.2 Gráfica X-R

1. Analizar la gráfica de rangos (buscar patrones o tendencias)

2. Encontrar y atender las causas especiales que propician patrones o tendencias en la
gráfica de rangos
3. Recalcular los límites de control
a) Definir el periodo “pasado” a evaluar para el cálculo
b) Para el cálculo, “Ignorar” subgrupos cuyas causas especiales han sido atendidas y
eliminadas

1. Analizar la gráfica de promedios (buscar patrones o tendencias)

2. Encontrar y atender las causas especiales que propician patrones o tendencias en la
gráfica de promedios
3. Recalcular los límites de control la gráfica de promedios
R.Carrasco 2015
 2.1 Carta o Gráfica de control
¿Qué es un patrón o tendencia?
1. 1 punto fuera de los límites de control (+/- 3 desv. Std)
2. 7 puntos seguidos de un lado de la línea central
3. 6 puntos seguidos creciendo o decreciendo
4. 14 puntos seguidos alternado arriba-abajo
5. 2 de 3 puntos fuera de 2 desv std (mismo lado)
6. 4 de 5 puntos fuera de 1 desv std (mismo lado)
7. 15 puntos seguidos dentro de 1 desv std (cualquier lado)
8. 8 puntos seguidos fuera de 1 desv std (cualquier lado)

R.Carrasco 2015
 2.4 Beneficios de los gráficos de
control
• Se puede usar por el operador para controlar el proceso en
tiempo real
• Ayuda a que el proceso sea consistente y repetible:
– Mayor calidad
– Menor costo
– Mayor capacidad productiva (inc. Menos sobreajuste)
• Provee de un lenguaje común para discutir el desempeño del
proceso
• Distingue de causas especiales o causas comunes de variación
y sirve de guía para tomar acciones locales o sistémicas
• Evita el Sobre Ajuste (ajustar ante una variación especial
antes de analizar)

R.Carrasco 2015
• El proceso muestro los puntos dentro de los límites
de control
• Los puntos se muestran de forma aleatoria sin
patrones ni tendencias
• ¿Qué sigue?

¿Nuestro proceso es capaz de cumplir con las

especificaciones del cliente?
Nota: durante el tiempo que ha durado nuestro estudio de control estadístico de
proceso, nos aseguramos que no hay piezas no conformes embarcadas al cliente

Quizá muchos PPMs internos (Scrap, Retrabajos)

R.Carrasco 2015
3. HABILIDAD DEL PROCESO

R.Carrasco 2015
3.1 CONTROL DE PROCESO VS HABILIDAD DE PROCESO

Caso1: Dentro de especificación y en control

Caso 2: Fuera de especificación y dentro de

control

Caso 3: Dentro de especificación pero con

causas especiales de variación

(Algunos clientes pueden aceptarlo si

límites de control son exageradamente
menores a los de especificación)

Caso 4: ….???? #$%&#

R.Carrasco 2015
3.2 Habilidad del proceso (Process Capability)
Índice del desempeño del proceso: Ppk / Pp
• Utiliza la desviación estándar total del proceso dentro y fuera de los
subgrupos (Overall)
• La desviación estándar es calculada con cada dato
• Utilizado cuando el proceso no está en control estadístico o la distribución
no es normal (GM1927-03 CG 4338 Appendix F)
• Considera tanto el efecto de las causas especiales como las causas comunes

Índice de la capacidad del proceso: Cpk / Cp

• utiliza la desviación estándar dentro de los subgrupos (Within)
• La desviación estándar es estimada
• Utilizado cuando el proceso está en control estadístico y la distribución es
normal
• Considera sólo el efecto de las causas comunes inherentes del proceso
(ignora el efecto de las causas especiales entre subgrupos)

R.Carrasco 2015
• Cp/Pp: Medida de la dispersión de los datos
(precisión)
• Cpk/Ppk: Medida de la precisión + exactitud

Cpk / Ppk: Cuantas veces cabe dentro de los límites de spec y que tan cerca de estar fuera

Cp/Pp: Cuantas veces cabe dentro de los límites de spec

R.Carrasco 2015
 3.3 Cp & Cpk
• Cp: Medida de la dispersión de los datos (precisión)
Cuantas veces cabe la curva dentro de la tolerancia

𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝐿𝑆𝐸 − 𝐿𝐼𝐸 No conocemos (σ)

𝐶𝑝 = = por lo tanto se
𝐶𝑢𝑟𝑣𝑎 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 6𝜎𝑠
estima:

• Cpk: Medida de la precisión + exactitud

Cuantas veces cabe la curva (hacia el límite de especificación
mas cercano)
𝐿𝑆𝐸 − 𝑚𝑒𝑑𝑖𝑎 𝑚𝑒𝑑𝑖𝑎 − 𝐿𝐼𝐸
𝐶𝑝𝑘 = 𝑚𝑖𝑛 ,
3𝜎 3𝜎

R.Carrasco 2015
 3.4 Pp y Ppk
• La desviación estándar calculada se llamará “s”
(desviación estandar calculada de la muestra) o 𝜎𝑐 de
la población

• En excel usar “STDEV.S” para calcular “s” y

“STDEV.P” para calcular “𝜎𝑐 ”

R.Carrasco 2015
 3.4 Pp y Ppk
𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝐿𝑆𝐸 −𝐿𝐼𝐸
P𝑝 = =
𝐶𝑢𝑟𝑣𝑎 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 6𝜎𝑐

𝑇𝑜𝑙𝑒𝑟𝑎𝑛𝑐𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝐿𝑆𝐸 − 𝐿𝐼𝐸

𝐶𝑝 = =
𝐶𝑢𝑟𝑣𝑎 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 6𝜎𝑆

𝐿𝑆𝐸−𝑚𝑒𝑑𝑖𝑎 𝑚𝑒𝑑𝑖𝑎−𝐿𝐼𝐸
P𝑝𝑘 = 𝑚𝑖𝑛 ,
3𝜎𝑐 3𝜎𝑐

𝐿𝑆𝐸 − 𝑚𝑒𝑑𝑖𝑎 𝑚𝑒𝑑𝑖𝑎 − 𝐿𝐼𝐸

𝐶𝑝𝑘 = 𝑚𝑖𝑛 ,
3𝜎𝑆 3𝜎𝑆
R.Carrasco 2015
 3.5 Cpk/Ppk Vs PPMs
El 99.98% (3σ) de los datos caben una
vez dentro de los límites de
especificación: 3σ x 1 = proceso 3 σ

Tipo de proceso Cpk % Defectuoso PPMs

´+/- 1 Sigma 0.33 31.73% 317300
´+/- 2 Sigma 0.67 4.46% 44600
´+/- 3 Sigma 1.00 2700
´+/- 4 Sigma 1.33 64
´+/- 5 Sigma 1.67 0.57
´+/- 6 Sigma 2.00 0.002

El 99.98% (3σ) de los datos caben dos veces dentro de los límites de
especificación: 3σ x 2 = proceso 6 σ

R.Carrasco 2015