CAPÍTULO 4

IMPLEMENTACIÓN DEL
CONTROL ESTADÍSTICO
DEL PROCESO

31
 CAPÍTULO 4

CONTROL ESTADÍSTICO DEL PROCESO

Como se ha dado a conocer en el capítulo anterior, el proceso de laminación de Clorets

Nueva Forma se encuentra fuera de control, por lo que en este capítulo se desarrolla la
metodología utilizada para controlarlo.

4.1 DEFINICIÓN

El Control Estadístico del Proceso es la condición que describe un proceso en el cual todas
las causas atribuibles han sido eliminadas y solamente permanecen causas no atribuibles.
Esto se evidencia en los gráficos de control por la ausencia de puntos fuera de los límites de
control y por la ausencia de corridas o tendencias anormales. Su objetivo principal es
conservar el proceso dentro de rangos establecidos estadística y experimentalmente
mediante la corrección de causas atribuibles detectadas durante el estudio.

4.2 CUMPLIMIENTO DE REQUERIMIENTOS Y MEJORAS

Como acciones iniciales para lograr un proceso controlado, se da seguimiento a algunas de

las propuestas de requerimientos y mejoras dados a conocer en la fase 2. Su cumplimiento
es llevado a cabo en el transcurso de 2 meses.

4.2.1 MEJORAS

4.2.1.1 MODIFICACIÓN DEL CTO

Como se ha comentado anteriormente el CTO es un documento que el operador de

trazabilidad se encarga de ir llenando con los datos obtenidos durante la inspección de las
láminas. Éste documento varía dependiendo del producto que se trate. Para el caso Clorets
Nueva Forma, la inspección se establece cada 12 minutos. Las variables medidas, así como
las unidades e instrumentos de medición se muestran en la tabla 4.1.

32
 Tabla 4.1 Variables de medición
Variable Unidades Instrumento de
medición
Largo Pulgadas Flexómetro
Espesor Milímetros Vernier
Peso Gramos Báscula

Como se menciono en el capítulo precedido, la mejora consiste en establecer nuevos límites

de control, así como un método de toma de datos considerando un cambio de unidades de
pulgadas a centímetros en la variable largo.

4.2.1.1.1 LÍMITES DE CONTROL

Para calcular los nuevos límites de control, se realiza un muestreo a 8 cocidos de cada uno
de los productos a estudiar. De cada cocido se estudian 2 charolas y de éstas, 2 láminas,
dando un total de 32 datos para cada una de las variables: peso, largo y espesor. El tamaño
de muestra es calculado con ayuda de Tablas Militar considerando una inspección normal
(Apéndice 1 Sección A). Sin embargo, en algunos casos no es posible cumplir con el
tamaño de muestra; como en el muestreo del producto MAX AIR, ya que se tiene la
restricción de los planes de producción, no contando con tiempo suficiente para
inspeccionar a los 8 cocidos completos.

El método de medición a utilizar para cada una de las variables es el siguiente:

Largo

Se mide el largo de la parte superior e inferior de la lámina utilizando un flexómetro,

obteniéndose 4 datos, los cuales son promediados para dar uno solo. La unidad de medición
manejada son los centímetros

33
Espesor

Se mide el espesor de cuatro puntos de la lámina con ayuda del Vernier, obteniendo 8
datos. Nuevamente, se realiza un promedio para mejor manejo. La unidad utilizada son los
milímetros

Peso

Se toma el peso de dos láminas utilizando la báscula. De éstas se saca un promedio de la

misma manera que las variables anteriores. Las unidades empleadas son los gramos.

Los datos colectados (Apéndice 2) son analizados en MINITAB, no sólo para conocer sus
parámetros estadísticos como se muestran en la Tabla 4.2, sino también para comprobar si
poseen un comportamiento normal, ya que es uno de los requisitos para poder emplear las
Tablas Militar, como se muestra en las figuras 4.1 hasta 4.3.

Tabla 4.2 Datos estadísticos por producto y variable

Producto : Nueva Forma

Variable N Mean Median TrMean StDev SE Mean

Peso 32 834.56 834.50 834.61 1.45 0.34

Largo 32 44.425 44.500 44.425 0.205 0.036
Espesor 32 4.4200 4.4300 4.4229 0.03 0.0056

Producto : Chiclets Regular

Variable N Mean Median TrMean StDev SE Mean

Peso Reg 32 963.31 964.00 963.36 1.55 0.31

Largo Re 32 44.850 45.000 44.861 0.11 0.048
Espesor 32 5.5034 5.5000 5.5036 0.0349 0.0062

Producto : Max- Air

Variable N Mean Median TrMean StDev SE Mean

Peso Mx 30 923.5 924.00 923.88 1.6 0.53

Espesor 24 5.49 5.4800 5.4677 0.15 0.0132
Largo Mx 32 44.52 44.550 44.586 0.04 0.051

34
 Prueba de Normalidad Producto Nueva Forma Variable Peso

.999

.99
.95

.80

Probability
.50

.20

.05
.01

.001

830 831 832 833 834 835 836 837 838

PesoNF
Average: 834.562 Kolmogorov-Smirnov Normality Test
StDev: 1.91661 D+: 0.031 D-: 0.043 D : 0.043
N: 32 Approximate P-Value > 0.15

Figura 4.1.a Prueba de normalidad variable peso (Nueva Forma)

Prueba de Normalidad Producto Nueva Forma Variable Largo

.999
.99
.95
Probability

.80

.50

.20

.05
.01
.001

43.9 44.4 44.9

Largo NF
Average: 44.425 Kolmogorov-Smirnov Normality Test
StDev: 0.204782 D+: 0.057 D-: 0.065 D : 0.065
N: 32 Approximate P-Value > 0.15

Figura 4.1.b Prueba de normalidad variable largo (Nueva Forma)

35
 Prueba de Normalidad Producto Nueva Forma Variable Espesor

.999
.99
.95

Probability
.80

.50

.20

.05
.01
.001

4.35 4.40 4.45

Espesor NF
Average: 4.42 Kolmogorov-Smirnov Normality Test
StDev: 0.0317246 D+: 0.080 D-: 0.126 D : 0.126
N: 32 Approximate P-Value > 0.15

Figura 4.1.c Prueba de normalidad variable espesor (Nueva Forma)

Prueba de Normalidad Producto Regular Variable Peso

.999
.99
.95
Probability

.80

.50

.20

.05
.01
.001

960 961 962 963 964 965 966

Peso Reg.
Average: 963.312 Kolmogorov-Smirnov Normality Test
StDev: 1.74942 D+: 0.065 D-: 0.101 D : 0.101
N: 32 Approximate P-Value > 0.15

Figura 4.2.a Prueba de normalidad variable peso (Chiclets Regular)

36
 Prueba de Normalidad Producto Regular Variable Largo

.999
.99
Probability .95

.80

.50

.20

.05
.01
.001

44.3 44.4 44.5 44.6 44.7 44.8 44.9 45.0 45.1 45.2
Largo Reg.
Average: 44.85 Kolmogorov-Smirnov Normality Test
StDev: 0.272385 D+: 0.072 D-: 0.100 D : 0.100
N: 32 Approximate P-Value > 0.15

Figura 4.2.b Prueba de normalidad variable largo (Chiclets Regular)

Prueba de Normalidad Producto Regular Variable Espesor

.999
.99
.95
Probability

.80

.50

.20

.05
.01
.001

5.42 5.47 5.52 5.57

Espesor Reg.
Average: 5.50344 Kolmogorov-Smirnov Normality Test
StDev: 0.0348832 D+: 0.038 D-: 0.058 D : 0.058
N: 32 Approximate P-Value > 0.15

Figura 4.2.c Prueba de normalidad variable espesor (Chiclets Regular)

37
 Prueba de Normalidad Producto Max Air Variable Peso

.999
.99
.95

Probability
.80

.50

.20

.05
.01
.001

920 925 930

Peso Mx
Average: 923.933 Kolmogorov-Smirnov Normality Test
StDev: 2.87598 D+: 0.070 D-: 0.055 D : 0.070
N: 30 Approximate P-Value > 0.15

Figura 4.3.a Prueba de normalidad variable peso (Max Air)

Prueba de Normalidad Producto Max Air Variable Largo

.999
.99
.95
Probability

.80

.50

.20

.05
.01
.001

44.1 44.2 44.3 44.4 44.5 44.6 44.7 44.8 44.9 45.0
Largo Mx
Average: 44.5844 Kolmogorov-Smirnov Normality Test
StDev: 0.287491 D+: 0.073 D-: 0.051 D : 0.073
N: 32 Approximate P-Value > 0.15

Figura 4.3.b Prueba de normalidad variable largo (Max Air)

38
 Prueba de Normalidad Producto Max Air Variable Espesor

.999
.99
.95

Probability
.80

.50

.20

.05
.01
.001

5.4 5.5 5.6

Espesor Mx
Average: 5.4675 Kolmogorov-Smirnov Normality Test
StDev: 0.0646899 D+: 0.099 D-: 0.097 D : 0.099
N: 24 Approximate P-Value > 0.15

Figura 4.3.c Prueba de normalidad variable espesor (Max Air)

Al observar las figuras anteriores, se comprueba que las variables: peso, largo y espesor, en
los productos Nueva Forma, Chiclets Regular y Max Air tienen un comportamiento normal.
Con ayuda de los resultados obtenidos, se calcularon los límites de control modificados
Montgomery[2](2001).

LCSM = LES − ⎛⎜ Zα −
3 ⎞ 2
⎟σ
⎝ n⎠

⎛ 3 ⎞ 2
LCIM = LEI + ⎜ Zα − ⎟σ
⎝ n⎠
Donde:
LCSM =Límite Superior de Control Modificado
LCSI =Límite Inferior de Control Modificado
LES = Límite Superior de Especificación
LEI = Límite Inferior de Especificación
n = Tamaño de muestra
σx = Desviación Estándar
Zα = Valor obtenido en tabla normal
α= 0.05

39
Los límites de especificación, para cada uno de los productos se muestran en la tabla 4.3:

Tabla 4.3 Especificaciones productos del área de fabricación-chicle

Nueva Forma
Variable LSE LIE Objetivo
Largo (cm) 44.5 45.5 44.7
Espesor (mm) 4.2 4.45 4.4
Peso (g) 830 840 833
Regular
Variable LSE LIE Objetivo
Largo ( cm) 44 45 44.8
Espesor (mm) 5.4 5.6 5.5
Peso (g) 960 970 963
Max- Air
Variable LSE LIE Objetivo
Largo (cm) 44 45 44.7
Espesor (mm) 5.4 5.6 5.6
Peso (g) 920 930 923

En el Apéndice 3 se muestran los límites de control obtenidos para cada uno de los
productos con la aplicación de las fórmulas comentadas anteriormente. Es importante
mencionar que el CTO anterior contenía impresos los valores de los límites de control,
razón por la cual cada producto tenía uno propio. El nuevo documento tendrá un espacio en
blanco para este rubro, anotándose los valores de manera manual. Los límites de control
serán dados a conocer mediante el uso de ayudas visuales en el área, como herramienta para
la implementación del Control Estadístico; concepto descrito en este mismo capítulo
posteriormente. Esta medida fue propuesta por 2 motivos principales:

1. Normalmente si algún documento requiere de algún cambio, la actualización es

llevada a cabo en lapsos de 2 a 3 meses, según el protocolo seguido por la empresa.

40
 Por lo que considerando que las especificaciones de los productos cambian, por
alguna propuesta para mejorar la productividad del área; el espacio en blanco
propuesto evitará que las nuevas propuestas se retrasen y pierdan continuidad, ya
que únicamente se deberán recalcular los límites de control y darse a conocer
mediante la ayuda visual.

2. Enterar a todo el equipo de las especificaciones que el producto debe poseer, ya que
anteriormente solo el operador de trazabilidad las conocía.

4.2.1.1.2 NUEVO MÉTODO DE TOMA DE DATOS.

La manera en que los datos serán recolectados para el llenado del CTO, será del mismo
modo en que se hizo para el cálculo de los límites de control. Para el caso del espesor se
deja fija la medida de ambos límites de control en el vernier. De esta forma el operador solo
verifica que el centro laminado quede dentro del rango de control (pasa o no pasa). Dicha
acción se debe ejecutar en cada lámina inspeccionada, midiendo el espesor de cuatro
diferentes puntos de la lámina, obteniendo 4 datos.

Finalmente en cuanto a las modificaciones del CTO se refiere, se agregó una sección
llamada “Acciones correctivas”, donde el operador de trazabilidad, anota la causa que
provoca algún punto fuera de control así como las soluciones llevadas a cabo.

4.2.1.2 OPERACIÓN AUTOMÁTICA EN PANELES DE CONTROL

Una de las conclusiones importantes arrojadas en fases anteriores, es el efecto que ejerce el
tiempo de mezclado en las características de la goma. Siguiendo esto, se hace obligatorio el
uso de los tiempos automáticos de mezclado (14 minutos), ya que hasta esta etapa los
operadores controlaban estos tiempos de manera manual lo cual variaba dependiendo del
operador, turno y plan de producción, generando así más variación entre cocido y cocido,
que finalmente es reflejado al momento de laminación.

41
4.2.2 REQUERIMIENTOS

4.2.2.1 USO DE ESCANTILLÓN Y REGLA

Tanto el escantillón como la regla metálica se solicitaron al Departamento de Compras. El

escantillón fue entregado; sin embargo éste no tiene las dimensiones especificadas para el
cumplimiento de este requerimiento, por lo que el uso del vernier sigue vigente para la
medición del espesor. La regla metálica aún no se compra, por lo tanto la medición sigue
siendo con ayuda del flexómetro.

4.2.2.2 APARATOS DE MEDICIÓN CALIBRADOS

Actualmente el equipo de medición se encuentra en óptimas condiciones, ya que el plan de

mantenimiento del área se cumple , asegurando una correcta calibración de los equipos.

4.2.2.3 CAPACITACIÓN A OPERADORES Y SUPERVISORES

Para obtener excelentes resultados en el control de proceso, es necesario que los encargados
del área (operadores y supervisores) conozcan en que consiste el concepto de Control
Estadístico del Proceso. Es por eso que dentro de los requerimientos se consideró una
pequeña capacitación. Ésta fue impartida tanto a supervisores como a operadores de los 3
turnos y en conjunción con el Ing. de Calidad.

Para los supervisores, la capacitación sólo fue realizada mediante una sesión única al inicio
del turno. En el caso de los operadores ésta fue dividida en teórica y práctica. La parte
teórica se impartió en una sola sesión con duración de media hora antes de iniciar el turno.
En ella se dieron a conocer términos técnicos, las próximas modificaciones en el CTO y la
manera en que sería evaluada la implementación del Control Estadístico. La parte práctica
fue dada durante el trabajo en línea, ejercitando los términos explicados anteriormente. Este
tipo de capacitaciones iniciaron a mediados de marzo y culminaron a mediados de abril.

42
4.3 CAPACIDAD DE PROCESO

Otra parte vital dentro de un plan de Control Estadístico del Proceso, es el calculo de la
Capacidad de Proceso. La Capacidad de Proceso es la medida de la variación total de un
proceso, comparada contra sus especificaciones. Entre los principales usos de este concepto
se encuentran los siguientes:

¾ Ayudar a modificar o rediseñar un proceso.

¾ Auxiliar en la especificación de los requerimientos que debe cumplir el equipo.
¾ Asistir para la selección del mejor proveedor.
¾ Predecir si el producto cumplirá con las especificaciones

Actualmente, existen varios índices que ayudan a calcular la Capacidad de un Proceso.

Entre las más importantes se pueden mencionar al Cp, Cpk y Cpm. Tanto el Cp como el
Cpk, son calculados a partir de los estándares establecidos. La selección entre el Cpk y el
Cp depende de sí el valor objetivo se encuentra o no en medio de los límites de
especificación.

Debe comentarse que para ambos índices su valor es sólo un punto y está sujeto a
fluctuaciones. Para tomar en cuenta esta fluctuación se pueden calcular intervalos de
confianza Para estimar tanto los indices Cp y Cpk, así como la estimación de los intervalos
de confianza, se utilizan las siguientes formulas: Montgomery [3](2001)

43
 Estimación índice Cp

USL - LSL
Cp =
6σ
Donde :
USL = Límite Superior de Especificación
LSL = Límite Inferior de Especificación
σ = Desviación Estándar

Estimación por intervalos del Cp

χ2 1 − α / 2, n − 1 χ 2α / 2, n − 1
Cp ≤ Cp ≤ Cp
n-1 n-1
Donde :
n = Tamaño
χ 2 = Valor tomado de la tabla Chi cuadrada
α = 0.05

Estimación del índice Cpk

Cpk = Cp (1 − k )
Donde :
k = 2 media - objetivo / tolerancia

Estimación por intervalos del Cpk

⎡ 1 1 ⎤ ⎡ 1 1 ⎤
Cpk ⎢1 − Zα / 2 + ⎥ ≤ Cpk ≤ Cpk ⎢1 + Zα / 2 + ⎥
⎣ 9nCpk 2
2(n − 1) ⎦ ⎣ 9nCpk 2
2(n − 1) ⎦
Donde :
Zα = Valor tomado de la tabla normal ( Apéndice 4)
α = 0.05

El índice Cpm, considera las desviaciones del valor objetivo a manera de pérdida
cuadrática. Esta medición se basa en la función de pérdida económica de Taguchi y su
fórmula es la siguiente:

44
 Cp
Cpm =
(media − objetivo) 2
1+
σ2

Es importante notar que las fórmulas trabajan bajo el supuesto de que la variable a estudiar
tiene un comportamiento normal. Si el valor resultante para cualquier tipo de índice es
mayor o igual a 1, se puede decir que el proceso es capaz de producir unidades que
cumplen con las especificaciones.

Los datos utilizados son los mismos que los empleados en el cálculo de los límites de
control, por lo que tienen un comportamiento normal y es factible estimar los índices Cp,
Cpk y Cpm. El valor de α considerado es de 0.05. Los resultados a la aplicación de las
fórmulas correspondientes se muestran en la tabla 4.4; en la cual se puede observar que los
valores para los indicadores seleccionados tienen un valor mayor a uno, en todos los
productos, sin embargo se espera que con la implementación del control estadístico, estos
valores aumenten.

4.4 IMPLEMENTACIÓN

Una vez cumplidos los requerimientos y mejoras, se inicia el Control del Proceso. Las
variables a controlar son el largo, espesor y peso; siendo este último en el que se presta
mayor atención, ya que es la principal variable de estudio. Para esta etapa son creadas
herramientas como la ayuda visual e indicadores de evaluación.

45
Tabla 4.4 : Índices de capacidad de proceso con sus respectivos intervalos de confianza para cada uno de
los productos a controlar .
Producto: Nueva Forma
Intervalos de Intervalos de
Variable Índice Cp confianza para Índice Cpk confianza para Índice Cpm
Cp Cpk
Peso 1.49 1.0293≤ Cp ≥1.735 1.2 0.882≤ Cpk ≥1.518 1.01
Largo 1.14 0.8322≤ Cp ≥1.735 1.02 0.747≤ Cpk ≥1.292 1.060
Espesor 1.38 1.0074≤ Cp ≥1.698 1.242 0.911≤ Cpk ≥1.572 1.28
Producto: Regular
Intervalos de Intervalos de
Variable Índice Cp confianza para Índice Cpk confianza para Índice Cpm
Cp Cpk
Peso 1.07 0.7811≤ Cp ≥1.317 1.003 0.733≤ Cpk ≥1.272 1.054
Largo 1.51 1.1023≤ Cp ≥1.858 1.359 0.747≤ Cpk ≥1.292 1.37
Espesor 1.11 0.8103≤ Cp ≥1.366 1.077 0.76≤ Cpk ≥1.723 1.106
Producto: Max Air
Intervalos de Intervalos de
Variable Índice Cp confianza para Índice Cpk confianza para Índice Cpm
Cp Cpk
Peso 1.041 0.773≤ Cp ≥1.3052 1.04 0.753≤ Cpk ≥1.326 1
Largo 1.11 0.808≤ Cp ≥1.459 1.06 0.776≤ Cpk ≥1.343 1.102
Espesor 1.25 0.915≤ Cp ≥1.5375 1.16 0.847≤ Cpk ≥1.472 1.21
4.4.1 AYUDA VISUAL

Es un formato que contiene desplegada de manera amigable, información referente al

Control Estadístico. Mediante este formato se da a conocer tanto al operador de trazabilidad
como a los demás integrantes del área, los límites bajo los cuales se debe controlar el
proceso.

Además de informar los límites de control, la ayuda visual da a conocer las gráficas de
control y los resultados de los indicadores de evaluación semanalmente. Esto permite a los
operadores hacer conciencia sobre la situación y los errores o aciertos que se realizan
durante el proceso. Para dar una idea más clara el Apéndice 5 muestra la ayuda visual
correspondientes a la semana 28.

4.4.2 INDICADORES DE EVALUACIÓN

Para evaluar el funcionamiento del Control Estadístico y detectar las tendencias en el

comportamiento del proceso, fueron creados los siguientes indicadores: indicador de
veracidad del Control Estadístico, estadístico de control e indicador de eficiencia. Éstos son
estimados de manera semanal para ser dados a conocer al área, mediante la ayuda visual.

4.4.2.1 INDICADOR DE VERACIDAD DEL CONTROL ESTADÍSTICO

Evalúa el llenado correcto y veraz del CTO mediante una prueba de medias entre muestras
escogidas de manera aleatoria y la información llenada por el operador de trazabilidad. El
propósito es tener un control estricto que revele la toma de datos en tiempo y modo. A
continuación se muestra el cálculo realizado para la semana 28

47
 Ejemplo
t-Test: Paired Two Sample for Means
√ Se acepta
Peso CTO Peso Mon
Mean 832.154 832.747
Variance 1.474 3.239
Observations 13 13
Pearson Correlation -0.168
Hypothesized Mean
Difference 0
df 12
t Stat -0.917
P(T<=t) one-tail 0.189
t Critical one-tail 1.782
P(T<=t) two-tail 0.377
t Critical two-tail 2.179

Se puede asumir con 95% de confianza que la hipótesis nula no se rechaza; es decir que los
datos son tomados de manera veraz.

La forma de cálculo de las pruebas de hipótesis es mediante el programa MINITAB

utilizando la siguiente ruta de comandos:
Stat / Basic Statistics / Display Descriptive Statistics
Nota: en “Graphs” colocar la marca en “ Graphical Summary” para obtener el análisis completo

4.4.2.2 ESTADÍSTICO DE CONTROL

Evalúa si los datos están bajo control, comparando los resultados de una muestra aleatoria
contra los límites de control establecidos para las variables de control. Se utilizan los
intervalos de confianza para la media y la desviación estándar, los cuales deben caer dentro
del rango delimitado por los límites de control de la ayuda visual.

La forma de cálculo de las pruebas de hipótesis es realizada en MINITAB siguiendo el

orden presentado a continuación:

Stat / Basic Statistics / 1 –Sample Z test, 1 -Sample T test ó 2 –Sample T test

48
4.4.2.2 INDICADOR DE EFICIENCIA EN ÁREA DE EMPAQUE

Indica la eficiencia del trabajo-máquina (considerando paros por defectos de pastilla, que
atoran la máquina). Este indicador tiene como propósito cumplir con uno de los objetivos
iniciales del proyecto: Mostrar la mejora en la eficiencia del área de empaque, como reflejo de
la implementación del Control Estadístico.

La mejora será considerada, haciendo una comparación entre el indicador obtenido con el
Control Estadístico y el estándar del área (equivalente a 85.6).Dicho estándar, ha sido emitido
por el área de Ing. Industrial y se considera que es la calificación máxima que el proceso de
empaque puede obtener. Su valor fue calculado considerando cambios de turno, limpieza de
maquinaria, tiempos de comida a lo que llaman concesiones, además de un porcentaje
permitido de paros de máquina. Para el cálculo del índice de eficiencia que evalúa al Control
Estadístico, se consideran a las concesiones y los tiempos reales medidos por paros de
máquina provocados por pastilla.

En el apéndice 5, se muestra un ejemplo de la manera en que fueron mostrados al área los

resultados obtenidos durante las semanas 27,28, 29 y 30 que corresponden a finales de
junio y principios de julio.

49