Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Docentes:
2007
APUNTE_CEP_2 Rev. 2007.doc 1/18
Modulo : Control Estadístico de la Calidad
I – Introducción
En la tecnología actual, cada vez con más frecuencia se aplican conceptos de producción
como manufactura sincronizada, entregas “just in time” y reducción al mínimo de stocks de
productos y/o componentes.
Como consecuencia, se produce “bajo demanda”, en series cortas y frecuentemente un
mismo proceso debe ser capaz y apto para producir diferentes productos similares entre sí
pero de características a controlar de valores distintos.
En esos casos la aplicación de las cartas de control tradicionales se ve dificultada por la
necesidad de disponer de un juego para cada producto y su explotación se complica pues
las cartas se interrumpen y reinician en forma repetida.
Es fácil ver que los sistemas de producción del tipo descrito requieren un perfecto dominio
del mismo dado que cualquier interrupción o la producción de productos no conformes
puede dar lugar graves problemas. La necesidad de disponer de herramientas que puedan
señalar rápidamente cualquier desviación del patrón estable es evidente.
Por éstas razones se han desarrollado en los últimos años gráficos de control aplicables a
éstas situaciones.
Gráfico Z Gráfico W
Distinta Dispersión
en los Productos
Gráfico Z* Gráfico W*
40
35
30
25
20
15
10
5
0
0 10 20 30 40 50
Es fácil ver que existe un patrón claro de dos familias de resultados, es decir éste gráfico nos
dice lo que ya sabemos: éste proceso produce dos productos cuyas medias difieren entre sí.
Podríamos hacer un gráfico de valores individuales y rangos móviles para cada producto y
obtenemos (con los mismos valores del gráfico anterior):
50
45
40 A
35
30 B
25
20
15
10
5
Observamos que los gráficos de rangos tienen valores límites similares, mientras que los
valores individuales oscilan en forma similar alrededor de la media.
Cuando las dispersiones son similares, podemos aplicar el modelo de gráfico de control de
Diferencias y Rango Móvil Único. ∗
Para cada uno de los productos calculamos una nueva variable a graficar que es la
diferencia entre el valor obtenido y el valor objetivo o target (Tp) y a partir de ella
calculamos en Rango móvil como el valor absoluto de dos diferencias consecutivas
(independientemente de cual producto proviene la diferencia):
∗
Existen métodos analíticos para establecer la igualdad de dispersiones.
APUNTE_CEP_2 Rev. 2007.doc 3/18
Modulo : Control Estadístico de la Calidad
A partir de éstos valores se construye un gráfico de valores individuales y rango móvil cuyos
límites naturales serán los ya vistos, con la salvedad de que se toma como línea central para
el gráfico de valores individuales el cero, dado que obviamente el objetivo es que las
diferencias con cada target sean nulas:
LCDiferencias : 0 ± 2,659 R M
LS RM = 3,268 xR M
Para los datos anteriores, obtenemos el siguiente gráfico de control:
4 D ife r e n c ia
3
0
0 10 20 30 40 50
-1
-2
-3
-4
-5
6
R ango
5
0
0 10 20 30 40 50
Este gráfico se trata de la misma manera que lo ya visto para el caso general de un gráfico
de valores individuales y rango móvil.
III – Gráficos Z
Cuando no es posible aceptar que las dispersiones de los diferentes productos son iguales,
se puede aplicar éste tipo de gráfico, que como su nombre indica “estandariza” los valores
individuales de cada producto, de manera de hacerlos comparables y poder así graficarlos
conjuntamente.
Para ello es necesario conocer para cada producto el valor objetivo o “target” (que puede
ser reemplazado por un promedio histórico) y su desviación estándar, que llamaremos S(x)
calculada de acuerdo a lo visto para los gráficos de promedios, es decir la representativa
de la variación propia o a corto plazo, por ejemplo calculada con la relación Rp / d2,
obtenido de los datos históricos de cada producto.
Entonces para cada medición obtenida xi debemos calcular el valor zi con la formula
siguiente aplicando los parámetros Tp y Rp que correspondan:
xi − T p
zi =
Rp
d2
Para el monitoreo de la dispersión, se calcula un rango móvil entre las diferencias
consecutivas, llamado generalmente W:
Wi = z i +1 − z i
Siendo Z una estandarización de la variable medida, es fácil que los límites 3 σ serán +3 y –
3 y la línea central 0, sea cual sea la variable medida.
LSCw = d2 + 3 d3 LCCw = d2
La tabla que sigue registra los resultados de la medición de una característica dada para dos
productos C y D, que se obtienen en un proceso por lotes o batch, en el cual por razones de
demanda, se produce indistintamente una secuencia de un u otro de los productos. El valor
objetivo de la característica es TC = 19 para el producto C y TD = 8 para el producto D.
Para cada una de las mediciones se calcula el valor de Zi y Wi, tomando como valores del
rango para cada uno los obtenidos de las mismas mediciones, resultando RmC = 5,071 y
RmD = 2,357.
APUNTE_CEP_2 Rev. 2007.doc 5/18
Modulo : Control Estadístico de la Calidad
Gráfico Z
3.5
2.5
1.5
0.5
-0.5
-1.5
-2.5
-3.5
Gráfico W
0
0 10 20 30 40 50
IV – Gráficos Z*
Estos gráficos solo difieren de los anteriores en las expresiones utilizadas, que simplifican el
cálculo en tiempo real aunque pueden ser un poco más dificultosas de interpretar
estadísticamente.
En efecto la única diferencia real es el de tomar directamente el valor del promedio de los
Rangos móviles sin “corregir” con la constante d2 lo cual en la práctica es solo un factor de
escala, aunque se pierde el valor estadístico de Z.
Las fórmulas quedan entonces así:
xi − T p
zi* = Wi* = zi*+1 − zi*
Rp
I – INTRODUCCIÓN
Las cartas de control de Shewart básicamente se centran en la información del último punto
graficado, utilizando como señales de descontrol primarias aquellos puntos fuera de los
limites de control. Como regla práctica, los gráficos de Shewart son muy efectivos para
cambios de la media mayores a 1,5σ . Puede mejorarse su desempeño utilizando reglas
adicionales (señales de descontrol), a expensas de generar potenciales señales falsas y
haciendo más complicada la interpretación de las cartas de control.
Existen otros métodos más sensibles a pequeños cambios de la media, que incorporan
también los datos previos en el análisis del proceso, como CUSUM y EWMA.
II - PRINCIPIOS BÁSICOS
De los datos de la tabla (Xi), los primeros 20 corresponden a una distribución normal con
media 10 ( µ = 10 ) y desviación estándar 1 ( σ = 1 ) Se grafican estos valores en una carta
de control de Shewart, con línea central 10 y cuyos límites resultan ser LNS: 13 y LNI: 7. Las
últimas 10 observaciones responden a una distribución normal con la misma dispersión pero
con media 11 ( µ = 11 ).
Grafico de Shewart
15.00
LNS Media 11
13.00
11.00
9.00
7.00
LNI
5.00
0 5 10 15 20 25 30 35
Nro de muestra
Si bien los últimos 10 valores son resultados de un proceso que cambió su media (cambio
equivalente a 1 desvío Standard), el gráfico de control no presenta ningún punto fuera de los
límites y por lo tanto no permite detectar este cambio. (Obviamente, si consideramos las
reglas complementarias para señales de descontrol, tenemos una corrida de más de 7
puntos a un mismo lado de la media y podríamos detectar que el proceso salió de control en
la observación número 29).
Esto confirma la baja sensibilidad de los gráficos de Shewart para detectar cambios
pequeños en la media.
Si µ O
es el objetivo del proceso, tomamos muestras de tamaño n ( n ≥ 1 ) y x j es el
promedio de la j-ésima muestra, se construye la carta de control graficando la cantidad:
C i = ∑ (X j − µ O )
i
j =1
Tabla 1
N xi xi-10 Ci =(xi-10)+Ci-1
1 9.45 -0.55 -0.55
2 7.99 -2.01 -2.56
3 9.29 -0.71 -3.27
4 11.66 1.66 -1.61
5 12.16 2.16 0.55
6 10.18 0.18 0.73
7 8.04 -1.96 -1.23
8 11.46 1.46 0.23
9 9.20 -0.80 -0.57
10 10.34 0.34 -0.23
11 9.03 -0.97 -1.20
12 11.47 1.47 0.27
13 10.51 0.51 0.78
14 9.40 -0.60 0.18
15 10.08 0.08 0.26
16 9.37 -0.63 -0.37
17 10.62 0.62 0.25
18 10.31 0.31 0.56
19 8.52 -1.48 -0.92
20 10.84 0.84 -0.08
21 10.90 0.90 0.82
22 9.33 -0.67 0.15
23 12.29 2.29 2.44
24 11.50 1.50 3.94
25 10.60 0.60 4.54
26 11.08 1.08 5.62
27 10.38 0.38 6.00
28 11.62 1.62 7.62
29 11.31 1.31 8.93
30 10.52 0.52 9.45
i −1
j =1 j =1
C = (X
i i − 10) + C I −1
12.00
9.00
6.00
3.00
0.00
-3.00
-6.00
0 3 6 9 12 15 18 21 24 27 30 33
Nro de muestra
Obsérvese que los 20 primeros valores oscilan alrededor de 0, mientras que a partir de la
muestra 21 se observa una fuerte tendencia ascendente.
Desde luego, este gráfico carece de límites que definan los criterios para detectar señales de
descontrol. Existen 2 formas de establecer esos criterios para Cusum:
a- Cusum Tabular
b- Máscara V
Como las cartas de valores individuales son las más frecuentemente utilizadas,
desarrollaremos la metodología considerando esta situación. Sea xi la iésima observación
del proceso. Si el proceso está bajo control responde a una distribución normal con media
µ O y desvío Standard σ ∗.
Con la carta Cusum se desea mantener el proceso controlado alrededor de un valor objetivo
de una característica medida x (Ej. viscosidad de 2000 cst a 110° C). Si el proceso se aparta
del valor objetivo, la carta Cusum debe mostrar una señal de descontrol que permita tomar
acción para reencausarlo.
∗
ota: para estimar σ , en el caso de valores individuales debe realizarse a partir de rangos móviles ( σ ≅ R Movil / d 2 )
y cuando se trabaja con promedios de subgrupos mayores a 1 debe hacerse en base a los rangos ( σ ≅ R / d2 )
APUNTE_CEP_2 Rev. 2007.doc 11/18
Modulo : Control Estadístico de la Calidad
El Cusum tabular trabaja acumulando los desvíos por encima y por debajo del objetivo, con
C+ y C- respectivamente. A los estadísticos C+ y C- se los denomina Cusums superior e
inferior.
[
C i+ = max 0; x i − (µ O + K ) + C i+−1 ]
[
C i− = max 0; (µ O − K ) − x i + C i−−1 ]
µ1 − µ O
K=
2
∂σ
K=
2
Resta establecer un criterio que nos señale cuando estamos frente a una señal de
descontrol. El criterio general es definir un valor límite H denominado intervalo de decisión
tal que si C- o C+ lo superan, se considera que el proceso se haya fuera de control.
En general, para detectar corrimientos del orden de 1 σ se utilizan valores de H = 4 o H = 5
que proporcionan valores de ARL adecuados, del orden de 8 a 10.∗
µ O = 10 σ =1 n=1 H=5
µ O + K = 10.5 y µ O − K = 9.5
∗
Remitimos a la bibliografía recomendada para un análisis más profundo.
APUNTE_CEP_2 Rev. 2007.doc 12/18
Modulo : Control Estadístico de la Calidad
Tabla 2:
Una representación gráfica de la tabla anterior, con el intervalo de decisión incluido, dada su
semejanza con una carta de Shewart, es muy útil para la rápida interpretación de los
resultados.
Generalmente se incluyen los valores individuales registrados (en el ejemplo siguiente,
generado en excel, se usan barras sólidas para C- y C+ y puntos para xi) para ayudar a
comprender el desempeño del proceso.
6 14
13
4
12
2
11
0 10
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
9
-2
8
-4
7
-6 6
i
Ci = ∑ y j = yi + Ci −1
j =1
( xi − µ 0 )
yi =
σ
Para la detección, sobre el grafico de los valores Ci se coloca la máscara de manera de que
el punto O coincida con el último valor graficado. Si el proceso se mantuvo estable, todos los
valores anteriores deben quedar dentro de los brazos en “V” de la máscara, en caso
contrario, se trata de una señal de descontrol a evaluar.
A modo de referencia, se incluyen las fórmulas que relacionan la máscara con el Cusum
tabular visto más arriba. En las mismas A es la relación entre escalas vertical y horizontal
como se ve en el figura.
K = A tan θ H = A d tan θ = d K
La mayor parte de los autores recomiendan no utilizar éste método que se presenta aquí
como referencia.
I – INTRODUCCIÓN
Este método es otra alternativa desarrollada en los últimos años (de la mano del aumento de
la capacidad de cálculo “portátil”) para la detección de corrimientos pequeños. En general,
se considera su aplicación más sencilla que la del Cusum con similares valores de
desempeño.
Su aplicación típica al igual que la del Cusum es para el control de mediciones individuales si
bien existen desarrollos para su aplicación en variables agrupadas en subgrupos racionales∗.
II – DESARROLLO
zi = λ xi + ( 1- λ ) zi-1
donde λ es una constante cuyo valor debe cumplir 0 < λ ≤ 1 y el valor inicial se hace z0 = µ0
Desarrollando la expresión anterior se llega a:
Se puede demostrar que los límites naturales para ésta variable estadística z toman la forma
siguiente:
∗
En lo que sigue, se debe cambiar xi con el promedio de cada subgrupo y σ por σ /√n
APUNTE_CEP_2 Rev. 2007.doc 16/18
Modulo : Control Estadístico de la Calidad
El parámetro L que aparece en las expresiones define la anchura de los límites. Aplicando el
criterio de límites 3 σ de las cartas de Shewart se les asigna generalmente ese valor, aunque
muchos autores recomiendan tomar valores entre 2,6 y 2,8 cuando el parámetro λ es chico,
en el orden por ejemplo de 0,1.
A su vez, los valores más usados en la práctica de λ son 0,05; 0,10 o 0,20.∗
Se puede ver que los límites no son constantes sino que varían con i (el orden de la
observación) aunque como el factor entre corchetes tiende a 1 a medida que crece i, los
límites tienden a un valor casi constante a medida de se agregan mediciones.
III- EJEMPLO
y el siguiente:
Y para la siguiente:
Si hacemos igual a 1 el factor [ 1-(1-λ)2i] obtendremos el valor a l cual tenderán los límites
para altos valores de i, resultando:
Estos valores pueden usarse a partir de aquí eliminando el cálculo, siempre que no se
detecten señales de inestabilidad en mediciones iniciales.
∗
Empíricamente se recomienda λ pequeño para detectar corrimientos pequeños.
APUNTE_CEP_2 Rev. 2007.doc 17/18
Modulo : Control Estadístico de la Calidad
Como podemos ver, la carta de control EWMA nos indica una señal de descontrol a estudiar
en la observación 28, casi coincidiendo con la información obtenida en el Cusum.