Está en la página 1de 62

Nº clasificación 11 00 5 Febrero 2005

Verificar la actualidad de la norma antes de su aplicación / Check standard for current issue prior to usage.
Comprobación de capacidad de proceso VW
para 101 31
características medibles
Norma del Grupo
Palabras clave: Comprobación de capacidad de proceso, análisis de los datos del proceso,
valor característico de capacidad, capacidad de calidad, proceso controlado,
proceso idóneo, modelo de tiempo de proceso

Índice
Página
1 Objetivo y ámbito de aplicación............................................................................................. 2
2 Principio de la comprobación de la capacidad de proceso .................................................. 3
3 Principios teóricos.................................................................................................................. 4
3.1 Modelos de tiempo de proceso ............................................................................................. 4
3.2 Modelos de distribución......................................................................................................... 9
3.2.1 Distribución normal ................................................................................................................ 9
3.2.2 Distribución de valor tipo 1 .................................................................................................. 10
3.2.3 Distribución de valor tipo 2 (distribución de Rayleigh) ........................................................ 12
3.2.4 Distribución normal ampliada .............................................................................................. 13
3.2.5 Distribución mixta ................................................................................................................ 14
3.3 Determinación de capacidad ............................................................................................... 15
3.3.1 Determinación de capacidad en caso de modelos de distribución definidos ..................... 16
3.3.2 Determinación de capacidad en caso de modelos de distribución no definidos................ 25
3.4 Valores límite para la capacidad de proceso ...................................................................... 28
3.5 Ensayos estadísticos ........................................................................................................... 30
4 Ejecución de una comprobación de capacidad de proceso ............................................... 35
4.1 Aplicación de medios de ensayo ......................................................................................... 40
4.2 Toma del muestreo .............................................................................................................. 40
4.3 Regulación especial para la comprobación de capacidad de proceso (PFU) limitada ...... 41
4.4 Evaluación de datos ............................................................................................................ 41
4.4.1 Selección del modelo de distribución esperado.................................................................. 41
4.4.2 Ensayo de valores extraños ................................................................................................ 42
4.4.3 Separación de los valores extraños del cálculo de los valores característicos
estadísticos .......................................................................................................................... 42
4.4.4 Ensayo de variación de la dispersión de proceso............................................................... 42
4.4.5 Ensayo de variación de la posición de proceso .................................................................. 42
4.4.6 Evaluación según los modelos de tiempo de proceso A .................................................... 43
4.4.7 Ensayo de desviación de una distribución normal momentánea ....................................... 44
4.4.8 Evaluación según modelos de tiempo de proceso C.......................................................... 44
4.4.9 Evaluación según modelo de tiempo de proceso B............................................................ 45
4.4.10 Evaluación según el modelo de tiempo de proceso D........................................................ 45
4.5 Documentación .................................................................................................................... 46
4.6 Valoración de resultados ..................................................................................................... 47
4.7 Mejora del proceso .............................................................................................................. 49
4.8 Tratamiento de procesos no controlados o no idóneos ...................................................... 49
5 Ejemplos .............................................................................................................................. 50
6 Otros documentos aplicables .............................................................................................. 60
7 Bibliografía ........................................................................................................................... 60
8 Índice de palabras clave...................................................................................................... 61
-
41

Continuación página 2 a 62
FE

Responsabilidad técnica/Responsibility Normung/Standards (EZTD, 1733)


Modelo
01.03

K-QS-1/2 Neupert Tel.: -79298 Bestenreiner Tel: +49-5361-9-26513 Sobanski


Confidencial. Todos los derechos reservados. Prohibida la publicación o reproducción sin previa autorización por escrito de un departamento de normas del Gupo
Volkswagen. Las partes contratantes obtendrán la norma sólo a través de la plataforma de proveedores “www.vwgroupsupply.com”.
Confidential. All rights reserved. No part of this document may be transmitted or reproduced without prior permission of a Standards Department of the Volkswagen Group.
Parties to a contract can only obtain this standard via the B2 B supplier platform “www.vwgroupsuppy.com”.
 VOLKSWAGEN AG
Página 2
VW 101 31: 2005-02

Introducción
Una valoración de la capacidad de proceso relativa a características de fabricación analizadas y
medibles es una condición previa muy importante para el cumplimiento de los requisitos de calidad
determinados. Sin embargo para muchos casos prácticos de la comprobación de la capacidad aún
no se habían establecido unas normas o directrices normalizadas para el Grupo, de forma que
podían resultar unas valoraciones de capacidad completamente distintas en casos idénticos. Por
lo tanto, esta norma se ha elaborado para poder realizar la comprobación de la capacidad
basándose en prescripciones normalizadas para todos los casos prácticos y para asegurar la
comparabilidad de los resultados en el Grupo VW.
La norma contiene en su conjunto todos los fundamentos teóricos que son necesarios para su
aplicación y entendimiento. Los ensayos estadísticos, detalladamente descritos en normas y obras
de referencia de la literatura estadística, se indican únicamente mediante una referencia.
Para realizar una comprobación de la capacidad de máquina según esta norma es imprescindible
un programa informático en el que se apliquen los algoritmos descritos. En caso de disponer de un
programa informático, el usuario debe tomar en consideración principalmente las
reglamentaciones descritas en el apartado 4 y, cuando sea necesario, consultar los fundamentos
teóricos. Las subdivisiones más importantes de los apartados son:
- 4.2 Muestreo
- 4.5 Documentación
- 4.6 Valoración de resultados
En el apartado 5 se presentan además unos ejemplos que sirven como ayuda en la valoración de
resultados.

1 Objetivo y ámbito de aplicación

El objetivo de una comprobación de capacidad de proceso (PFU) es ante todo la valoración y


documentación de la capacidad de calidad de un proceso de fabricación en condiciones de serie
reales.
Una comprobación de capacidad de proceso (PFU) sirve además para
- reconocer las influencias sistemáticas, condición previa para una mejora dirigida del proceso
- valorar la efectividad de las medidas correctoras de proceso
- definir los límites de intervención de las tarjetas de regulación de la calidad
- comprobar si existen las condiciones previas para una regulación efectiva del proceso dentro
del intervalo de tolerancia.
El objeto de esta norma es determinar el modo y las condiciones en que deben realizarse las
comprobaciones de capacidad de proceso. Esta norma es aplicable a cualquiera de las
características de fabricación continua 1)(medibles) o a cualquiera de los parámetros de proceso2).

1)
En el siguiente texto se utiliza para este tipo de característica la denominación „Características medibles“ en lugar de la
denominación recomendada por la DIN „Características continuas“, ya que se ha establecido así en VW.
2)
Las características de fabricación y los parámetros de proceso se denominan en el siguiente texto de forma general con el
concepto Característica.
Página 3
VW 101 31: 2005-02

2 Principio de la comprobación de la capacidad de proceso


En el marco de un proceso de fabricación de piezas similares, en principio, resultan valores
distintos para una característica analizada debido a influencias aleatorias. Estos valores de
característica3) se dispersan según la calidad de fabricación respecto a una posición condicionada
por influencias sistemáticas. Por eso se comprueba hasta qué punto se adapta la distribución de
los valores de característica al intervalo de tolerancia determinado por el ingeniero (figura 1). La
valoración al respecto se define mediante los valores característicos de capacidad cp y cpk (c de
capability), con lo cual mediante el valor cp únicamente se toma en consideración la dispersión del
proceso y con el valor cpk también se considera la posición del proceso. Es preciso que estos
valores característicos sean como mínimo tan elevados como los valores límite determinados para
cumplir el requisito de un proceso seguro.
Para determinar los valores característicos de capacidad respecto a la característica analizada
durante un periodo de tiempo apropiado y de manera que, a ser posible, puedan entrar en acción
todas las influencias procedentes de las categorías de máquina, hombre, material, medioambiente
y método, se toma una cantidad suficiente de muestreo de la fabricación en serie, siempre con un
volumen de entre 3 y 5. De este muestreo total se realiza una estimación fiel a las expectativas de
la posición µ y los límites de dispersión x 0,135% y x 99,865% para la totalidad de los valores de
característica (teóricamente un número infinito) y además una comparación con el intervalo de
tolerancia [Gu , Go]4) (figura 1). Los límites del margen de dispersión se especifican de manera
que la proporción de valores de característica fuera del margen de dispersión en ambos lados sea
en cada caso pe = 0,135%.
Además se analiza mediante ensayos estadísticos la evolución cronológica de un proceso y la
distribución de los valores de característica para obtener así información sobre influencias de
proceso sistemáticas.

Tolerancia

Banda de dispersión de
proceso definida
Frecuencia

p e = 0,135% p e = 0,135%

0 Gu 2 x 0,135%
4 6 µ 8 x 99,865%
10 Go12
Valor de característica

Figura 1 - Ejemplo de una distribución de valores de característica dentro de un intervalo de


tolerancia definido

3)
La definición Valor de característica no se debe confundir con la definición Valor de medición, ya que este último contiene frente al
primero una inseguridad.
4)
Para designar el valor límite también está pemitido USG, OSG o USL, OSL o Tu, To.
Página 4
VW 101 31: 2005-02

3 Principios teóricos

3.1 Modelos de tiempo de proceso

Un criterio importante para valorar un proceso de fabricación es su comportamiento en el tiempo,


ya que de ello se puede deducir si el proceso está controlado o no, con lo cual la obtención de un
proceso controlado es la condición previa para una mejora de proceso dirigida.
Un proceso se puede considerar controlado si la evolución es constante, si su comportamiento
en el tiempo está sometido a una regularidad conocida o si las variaciones se sitúan en dentro de
límites conocidos.
El comportamiento en el tiempo del proceso puede describirse esencialmente en función de los
parámetros estadísticos de la posición y la dispersión de la distribución momentánea de los
valores de característica, del valor medio µm y de la desviación estándar momentánea σm 5).
Según DIN 55319 el comportamiento en el tiempo del proceso se divide en 4 casos básicos cuya
identificación se muestra en la tabla 16).

Tabla 1 - Identificación de modelos de tiempo de proceso


Posición µm (t) Posición µm (t)
constante no constante
Dispersión σm (t)
A C
constante
Dispersión σm (t)
B D
no constante

Además el modelo de tiempo de proceso A está dividido según el tipo de distribución


momentánea en
A1: Distribución normal
A2: Modelo de distribución definido pero no normal
A2*: Modelo de distribución no definido7)

Además, el modelo de tiempo de proceso C con una distribución normal momentánea se divide
según el tipo de posición dependiente del tiempo y de la distribución resultante 8) en
C1: Variaciones de posición no sistemáticas 9) y distribución normal resultante
C3: Variación sistemática de posición (tendencia y ciclos) y distribución normal ampliada
C4: Variaciones de posición sistemáticas y no sistemáticas y ninguna distribución normal
resultante

En las figuras 2 a 9 los modelos de tiempo de proceso están representadas de forma esquemática.

5)
Otros parámetros estadísticos son la oblicuidad y la convexidad de una distribución. Éstos no se utilizan para caracterizar los
modelos de tiempo del proceso y por ello ya no se tienen en cuenta.
6)
Los modelos de tiempo del proceso descritos en la VDA tomo 4, parte 1, Aseguramiento de calidad antes de aplicación en serie, 3.
edición, están identificados según otra sistemática.
7)
El modelo de tiempo de proceso A2* se ha definido como ampliación de la DIN 55319, para poder diferenciar p.ej. el caso de un
muestreo incorrecto de distintas herramientas de una máquina del caso correcto.
8)
El modelo de tiempo de proceso C2 definido en la DIN 55319 wird in dieser Norm nicht verwendet, da es sich durch keinen
statistischen Test vom Modell C4 unterscheiden lässt und die wesentlichen Praxisfälle sich bereits durch die Modelle C1, C3 und C4
beschreiben lassen.
9)
Las modificaciones de posición no sistemáticas no deben confundirse con las desviaciones aleatorias de los valores de una
característica de la posición actual del proceso. En este caso se trata de desviaciones sistemáticas de la posición de proceso que,
sin embargo, no presentan ningún tipo de regularidad.
Página 5
VW 101 31: 2005-02

Modelo de tiempo de proceso A1:


Posición: Constante
Dispersión: Constante
Distribución momentánea: Distribución normal
Distribución resultante: Distribución normal
Ejemplo: Medidas de longitud de ejes

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 2 - Modelo de tiempo de proceso A1

Modelo de tiempo de proceso A2:


Posición: Constante
Dispersión: Constante
Distribución momentánea: Modelo de distribución definido excepto distribución normal
Distribución resultante: Modelo de distribución definido excepto distribución normal
Ejemplo: Desviaciones de concentricidad

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 3 - Modelo de tiempo de proceso A2


Página 6
VW 101 31: 2005-02

Modelo de tiempo de proceso A2*:


Posición: Constante
Dispersión: Constante
Distribución momentánea: Modelo de distribución no definido
Distribución resultante: Modelo de distribución no definido
Ejemplo: Distribución mixta debido a la toma de muestreo de 2 herramientas

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 4 - Modelo de tiempo de proceso A2*

Modelo de tiempo de proceso B:


Posición: Constante
Dispersión: No constante
Distribución momentánea: Distribución normal
Distribución resultante: Modelo de distribución no definido
Ejemplo: Aumento de dispersión debido al desgaste de un rodamiento de
máquina.

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 5 - Modelo de tiempo de proceso B


Página 7
VW 101 31: 2005-02

Modelo de tiempo de proceso C1:


Posición: Variaciones no sistemáticas
Dispersión: Constante
Distribución momentánea: Distribución normal
Distribución resultante: Distribución normal
Ejemplo: Proceso con discontinuidades debido a cambios de herramienta
frecuentes

Distribución reslutante

Tiempo
Frecuencia

Valor de característica

Figura 6 - Modelo de tiempo de proceso C1

Modelo de tiempo de proceso C3:


Posición: Variación sistemática (tendencia y ciclos)
Dispersión: Constante
Distribución momentánea: Distribución normal
Distribución resultante: Distribución normal ampliada
Ejemplo: Proceso con tendencia debido a desgaste de herramienta

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 7 - Modelo de tiempo de proceso C3


Página 8
VW 101 31: 2005-02

Modelo de tiempo de proceso C4:


Posición: Variaciones sistemáticas y no sistemáticas
Dispersión: Constante
Distribución momentánea: Distribución normal
Distribución resultante: Distribución mixta
Ejemplo: Proceso con discontinuidades debido a cambio de lote

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 8 - Modelo de tiempo de proceso C4

Modelo de tiempo de proceso D:


Posición: No constante
Dispersión: No constante
Distribución momentánea: Distribución arbitraria:
Distribución resultante: Modelo de distribución no definido
Ejemplo: Proceso no controlado

Distribución resultante

Tiempo
Frecuencia

Valor de característica

Figura 9 - Modelo de tiempo de proceso D


Página 9
VW 101 31: 2005-02

3.2 Modelos de distribución

La distribución de valores de característica para la mayoría de clases de características de


fabricación puede describirse mediante un modelo de distribución. Para la mayor parte de
características de fabricación con tolerancias por ambos lados, por ejemplo medidas
longitudinales, diámetros y pares puede tomarse como base una distribución normal.
En cambio, el comportamiento de dispersión de características de fabricación con tolerancia
unilateral hacia arriba generalmente puede describirse mediante las distribuciones de valor de tipo
1 o tipo 2. Por ejemplo se puede tomar como base la distribución de valor tipo 1 para las
características de paralelidad, asimetría y la distribución de valor tipo 2 para las características de
posición y coaxialidad.
Además de los modelos de distribución para procesos con posición y dispersión constantes
(modelos e tiempo de proceso A) existen modelos de distribución que describen el
comportamiento de dispersión resultante de procesos con dispersión constante pero con posición
no constante (modelos de tiempo de proceso C). De este modo, en el caso de un proceso con
tendencia (modelo C3) puede aplicarse la distribución normal ampliada y en el caso de un proceso
con discontinuidades de lote (modelo C4) la distribución mixta.

3.2.1 Distribución normal

La función de la densidad de probabilidad (abreviado función de densidad) de una


distribución normal representada en la figura 10 es:
2
1  x−µ 
−  
1
fN ( x ) = ⋅e 2 σ 
(2.1)
σ ⋅ 2π
con los parámetros valor medio µ y desviación estándar σ que identifican la posición y la
anchura de una distribución, con lo cual el cuadrado de la desviación estándar σ 2 se denomina
variancia.
Densidad de probabilidad

Puntos de inflexión

pe = 0,135% pe = 0,135%

-4 σ
µ-4 -3 σ
µ-3 -2 σ
µ-2 µ--1σ 0µ µ+1σ 2 σ
µ+2 3 σ
µ+3 4 σ
µ+4
Valor de característica

Figura 10 - Función de la densidad de probabilidad de una distribución normal


Página 10
VW 101 31: 2005-02

En la figura 10 se puede interpretar como probabilidad la parte de superficie situada por debajo del
gráfico dentro de un intervalo analizado. La probabilidad de encontrar un valor de característica x
en una totalidad, que es como máximo tan grande como un valor límite xg analizado, se indica por
tanto mediante la función integral, la función de distribución, que para la distribución normal es
xg
FN (xg ) = ∫ fN (x ) ⋅ dx (2.2)
−∞

donde

∫ fN (x ) ⋅ dx = 1 (2.3)
−∞

y f N (x ) ≥ 0 se aplica para todos los valores x.


Con la transformación
x−µ
u= (2.4)
σ
resulta de (2.1) la densidad de probabilidad de la distribución normal estandarizada
1
− u2
ϕ (u ) =
1
⋅e 2 (2.5)

y la función de distribución
ug
Φ (u g ) = ∫ ϕ (u ) ⋅ du (2.6)
−∞

con la desviación estándar σ = 1

3.2.2 Distribución de valor tipo 1

La distribución de valor tipo 1 se produce por plegadura de la función de densidad de una


distribución normal en el punto cero, con lo cual los valores de función a la izquierda del punto de
plegadura deben adicionarse a los valores a la derecha.
La función de densidad y la función de distribución de la distribución de valor tipo 1 son por tanto

 − 1  x − µ N  
2 2
1  x + µN 
 2 σ  −   
fB1 (x ) =
1 2 σ
⋅e  N  + e  N 
 para x ≥ 0 (2.7)
σ N ⋅ 2π  
 
 x g − µN   x + µN 
FB1 (x g ) = Φ   +Φ g
  σ
 −1
 (2.8)
 σN   N 
donde
µN: Valor medio de la distribución normal original que identifica un cero flotante sistemático.
σN : Desviación estándar de la distribución normal original
Φ: Función de distribución de la distribución normal estandarizada
Página 11
VW 101 31: 2005-02

La figura 11 muestra las funciones de densidad que resultan de la plegadura de la densidad de la


distribución normal en el caso de distintos ceros flotantes.

µN = 0 µN = 1 σN µN = 2 σN µ N = 3 σN
Densidad de probabilidad

0 1 σN 2σN 3σN 4σN 5σN 6 σN


Valor de característica

Figura 11 - Funciones de densidad de la distribución de valor tipo 1 con diferentes ceros


flotantes

El valor medio y la variancia de la distribución de valor tipo 1 son:


2
1 µ 
 µ   − µN  2 ⋅ σ N −  N
2σN

µ = µ N ⋅ Φ  N  − Φ    + ⋅e 
(2.9)
 σ 
  N   σN  2π

σ 2 = σ N2 + µ N2 − µ 2 (2.10)

Para el caso de un cero flotante µN = 0 resulta de (2.9) y (2.10)


2 ⋅σN
µ= (2.11)

 2
σ 2 = 1 −  ⋅ σ N2 (2.12)
 π

Como muestra la figura 11, la distribución de valor tipo 1 con cero flotante se aproxi ma a una
distribución normal. Por tanto en el caso
µ
≥3 (2.13)
σ
la distribución de valor tipo 1 con buena aproximación puede sustituirse por una distribución
normal.
Página 12
VW 101 31: 2005-02

3.2.3 Distribución de valor tipo 2 (distribución de Rayleigh)

La distribución de valor tipo 2 resulta de los valores vectoriales de los componentes ortogonales x
e y de una distribución normal bidimensional aceptando para los componentes las mismas
desviaciones estándar. Este caso se da en muchas características de fabricación en forma de
desviaciones radiales r de un punto analizado o un eje analizado.
La función de densidad y la función de distribución de la distribución de valor tipo 2 son
generalmente
1  z 2 +r 2  z⋅ r ⋅cos α
−   2π

f B2 (r ) =
r σ N2 σ N2
⋅ ∫e
2 
⋅ e dα para r ≥ 0 (2.14)
2π ⋅ σ N
2
0

rg

FB 2 (rg ) = ∫ fB 2 (r ) ⋅ dr (2.15)
0

donde
σN : Desviación estándar de los componentes ortogonales x e y, de los cuales resulta la
desviación radial r de un punto de referencia o un eje de referencia
z: Excentricidad: Distancia entre origen de coordenadas y centro de frecuencia

La figura 12 muestra funciones de densidad de la distribución de valor tipo 2 que resultan en el


caso de distintas excentricidades en unidades de σN.

z=0 z = 1σN z = 2 σN z = 3 σN
Densidad de probabilidad

0 1σN 2σ N 3σN 4σN 5σN 6σN


Valor de característica

Figura 12 - Funciones de densidad de la distribución de valor tipo 2 con diferentes


excentricidades

El valor medio y la variancia de la distribución de valor tipo 2 son:


Página 13
VW 101 31: 2005-02


µ = ∫ fB 2 (r ) ⋅ r ⋅ dr (2.16)
0

σ 2 = 2σ N2 + z 2 − µ 2
(2.17)
Para el caso de una excentricidad z = 0 resultan de (2.14) y (2.15) la función de densidad y la
función de distribución de la distribución de Weibull con el valor 2 de parámetro de forma
2
1 r 
−  

r
fB 2 (r ) = ⋅e 2 σN 
(2.18)
σ N2
2
1  rg 
−  
FB2 (rg ) = 1 − e 2 σN 

(2.19)

y de aquí por otra parte el valor medio y la variancia

π
µ = σN ⋅ (2.20)
2
 π
σ 2 =  2 −  ⋅ σ N2 (2.21)
 2

Como muestra la figura 12, la distribución de valor tipo 2 con excentricidad creciente se aproxima
a una distribución normal. Por tanto en el caso
µ
≥6 (2.22)
σ
la distribución de valor tipo 2 con buena aproximación puede sustituirse por una distribución
normal.

3.2.4 Distribución normal ampliada


La distribución normal ampliada resulta aproximada como distribución resultante de la
superposición de las distribuciones normales momentáneas, cuyas desviaciones estándar son
idénticas pero cuyos valores medios se desplazan linealmente con el tiempo de manera creciente
respecto a la posición inicial (véase modelo de tiempo de proceso C3 en el apartado 3.1).
La función de densidad de la distribución normal ampliada es:

 − 1  x − µN 1 
2

 2  σ N  x < µ N1
 e
f EN ( x ) =
1
⋅ 1 para µ N1 ≤ x ≤ µN 2 (2.23)
2π ⋅ σ N + µ N 2 − µ N1  − 1  x − µN 2 
2

x > µN2
e 2  σ N 

donde
Página 14
VW 101 31: 2005-02

µ N1 , µ N 2 : Valores medios de las distribuciones normales que limitan la distribución normal


ampliada
σN : Desviación estándar de las distribuciones normales que limitan la distribución normal
ampliada
En figura 13 se representa un ejemplo de una distribución normal ampliada.
Densidad de probabilidad

σN σN

µ N1 µN2

Valor de característica

Figura 13 - Función de densidad de una distribución normal ampliada

3.2.5 Distribución mixta

La distribución mixta (véase también el modelo de tiempo de proceso C4, en el apartado 3.1)
resulta de la superposición de varias distribuciones normales ponderadas con desviaciones
estándar idénticas pero con valores medios distintos de la siguiente forma:
2
1  x −µ l 
L −  
f M* (x ) = ∑ g l ⋅ e 2 σm 

(2.24)
l =1

con los factores de peso


tl
gl = (2.25)
tg
donde
L : Cantidad de las distribuciones normales superpuestas
µ l : Valor medio de la distribución normal en posición l
σ m : Desviación estándar de las distribuciones normales momentáneas superpuestas
t l : Dominio de tiempo en posición l con la posición de proceso constante
t g : Tiempo total de la comprobación

Con el factor de escala



c= ∫ fM (x ) ⋅ dx
*
(2.26)
−∞

resulta de (2.24) la densidad de probabilidad de la distribución mixta


Página 15
VW 101 31: 2005-02

1 *
fM ( x ) = ⋅ fM ( x ) (2.27)
c

En figura 14 se representa un ejemplo de una distribución mixta


Densidad de probabilidad

σk

σk

µ1 µ2

Valor de característica

Figura 14 - Función de densidad de una distribución mixta resultante de dos distribuciones


normales con valores medios distintos

3.3 Determinación de capacidad


Los valores característicos de capacidad cp y cpk indican en qué medida los resultados de proceso
cumplen el intervalo de tolerancia de una característica analizada. No obstante, mediante el valor
cp únicamente se toma en consideración la dispersión de proceso. La posición de proceso se toma
en consideración mediante el valor cpk. Esto quiere decir que, por un lado, se puede expresar cuál
es el valor alcanzable en caso de una posición de proceso ideal y, por otro lado, mediante la
comparación de ambos valores puede expresarse hasta qué punto la posición de proceso se
aparta del valor nominal. Cuanto mayores son los valores característicos de capacidad
determinados, tanto mejor es el proceso.
Para determinar los valores característicos de capacidad existen distintas fórmulas de evaluación
que deben seleccionarse adecuadamente para cada caso. Dado que la determinación de los
valores característicos de capacidad sólo puede realizarse a partir de valores de muestreo, los
resultados únicamente representan estimaciones de los valores buscados de la totalidad y, por
tanto, se identifican mediante un símbolo de tejado10).

10)
La identificación de los valores característicos de capacidad estimados mediante un símbolo de „techo“ sólo es importante para
entender la teoría, de tal manera que se puede prescindir de ella en las evaluaciones en casos prácticos.
Página 16
VW 101 31: 2005-02

3.3.1 Determinación de capacidad en caso de modelos de distribución definidos

3.3.1.1 Valores característicos de capacidad

Para una característica de fabricación pendiente de analizar cuyos valores de muestreo no están
en contradicción con un modelo de distribución teóricamente esperado se realiza una estimación
de los valores característicos de capacidad para cada caso según las siguientes fórmulas:

Valores característicos de capacidad para una característica con tolerancias por ambos lados
(según DIN 55319, método M4), por ejemplo para la medida de longitud:
Go − Gu
ĉ p = (3.1)
x̂ 99 ,865% − x̂0 ,135%

 Go − µˆ µˆ − Gu 
ĉ pk = min ;  (3.1)
 x̂ 99 ,865% − µˆ µˆ − x̂ 0,135 % 

Valores característicos de capacidad para una característica con tolerancia unilateral hacia arriba
con un valor límite natural inferior cero, por ejemplo para excentricidad:
Go
ĉ p = (3.3)
x̂ 99 ,865% − x̂0 ,135%

Go − µˆ
ĉ pk = (3.4)
x̂ 99 ,865% − µˆ

Valor característico de capacidad para una característica con tolerancia unilateral hacia abajo, por
ejemplo para resistencia a la tracción:
µˆ − Gu
ĉ pk = (3.5)
µˆ − x̂ 0 ,135%
donde
Go, Gu : Medida máxima, o bien medida mínima
µ̂ : Valor medio de proceso estimado en el tiempo total de la comprobación
x̂ 0,135 % , x̂ 99 ,865% : Valores estimados para límites de dispersión (cuantila, por debajo de la cual
se sitúa la parte p indicada de valores de medición)

El valor característico de capacidad momentáneo para características con tolerancias por


ambos lados es otro valor característico muy útil para la valoración de un proceso
Go − Gu
ĉ *p = (3.6)
6 ⋅ σˆ m
donde
σ̂ m : Desviación estándar momentánea estimada (o incluso interna) del proceso
De ese modo se puede indicar qué valor característico de capacidad sería alcanzable en
relaciones ideales de un proceso constante y centrado. Este valor por tanto es especialmente
Página 17
VW 101 31: 2005-02

importante para definir los límites de intervención de las tarjetas de regulación de la calidad, por
ejemplo, para procesos con tendencia o con discontinuidades.

3.3.1.2 Estimación de parámetros estadísticos

Los parámetros estadísticos valor medio µ y desviación estándar σ de una totalidad pueden
estimarse de forma fiel a las expectativas, independientemente del modelo de distribución, a partir
de los valores de medición del muestreo m mediante
1 m
µ̂ = x = ⋅ ∑nj ⋅ x j (3.7)
n g j =1

( )
m
1
⋅ ∑nj ⋅ x j − x
2
σ̂ = s = (3.8)
m − 1 j =1

con los valores medios de los muestreos individuales


n
1 j

xj = ⋅ ∑ x ji (3.9)
n j i =1
y el volumen total efectivo del muestreo (es decir, sin valores extraños)
m
ng = ∑ n j (3.10)
j =1

donde
m: Cantidad de muestreos
nj : Volumen efectivo del muestreo en posición j (es decir sin valores extraños)
xji : Valor medido en posición i del muestreo en posición j

La desviación estándar momentánea se determina mediante

1 m 2
σ̂ m = s m = ⋅ ∑sj (3.11)
m j =1
con las variancias de los distintos muestreos individuales
n
⋅ ∑ (x − x j )2
1 j

s 2j = (3.12)
n j − 1 i =1 ji

En el caso de datos pendientes de evaluación en forma de distribuciones de frecuencia de


valores de medición y envergaduras clasificados, por ejemplo de tarjetas de regulación
guiadas manualmente con una división de clases de la gama de valores y de los registros de
valores de medición en forma de rayas, se pueden estimar los parámetros µ y σ mediante
1 K
µ̂ = x = ⋅ ∑ a k ⋅ x k __ (3.13)
n g k =1

( )
K
1
⋅ ∑a ⋅ xk − x
2
σ̂ = s = (3.14)
n g − 1 k =1 k
donde
Página 18
VW 101 31: 2005-02

x k : Valor medio de la clase en posición k


a k : Frecuencia absoluta de los valores de medición en la clase en posición k
K : Cantidad máxima de las clases de valores de medición

La estimación de la desviación estándar momentánea se realiza mediante la aceptación de una


distribución normal momentánea de las envergaduras clasificadas Rk de los muestreos
individuales mediante

R
σˆ m = (3.15)
dn
donde
1 Κ
R = ⋅ ∑ a ⋅ Rk (3.16)
m k =0 k
R k = k ⋅ ∆x (3.17)

d n = d n − (d n − d n −1 ) ⋅ (n − n ) (3.18)

ng
n= (3.19)
m
n −1 < n ≤ n (3.20)
a k : Frecuencia absoluta de las envergaduras en la clase n posición k
Κ : Envergadura máxima de clase
k : Cantidad de clases resultante de la diferencia entre las clases con el valor de medición
máximo y mínimo de un muestreo (envergadura de clase)
∆x : Variación total de clase
d n : Valor esperado de la distribución w (véase también [1])

Para algunos volúmenes de muestreo se indica el valor dn en la tabla 2

Tabla 2 - Valor esperado de la distribución w en función de n


ng dn
2 1,128
3 1,693
4 2,059
5 2,326
6 2,534
7 2,704
8 2,847
9 2,970
10 3,078
Página 19
VW 101 31: 2005-02

3.3.1.3 Estimación de los límites de dispersión

Los límites de dispersión dependen del modelo de distribución y la estimación se realiza como se
expone a continuación:

Límites de dispersión de la distribución normal:


En el caso de una distribución normal como modelo de distribución apropiado de los valores
determinados según (3.7) y (3.8) o bien (3.13) y (3.14) resultan µ̂ y σ̂ como valores estimados
para los límites de dispersión
x̂ 99 ,865 % 
 = µˆ ± 3σˆ (3.21)
x̂ 0 ,135 % 
de los cuales mediante la aplicación en la fórmula (3.1) y (3.2) resultan por otra parte las fórmulas
clásicas para el cálculo de los valores característicos de capacidad.

Límites de dispersión de la distribución de valor tipo 1:


Para determinar los límites de dispersión para una distribución de valor tipo 1 en primer lugar se
realiza una estimación de los parámetros µ y σ según la fórmula (3.7) y (3.8) o bien (3.13) y (3.14).

Para el caso µˆ σˆ < 3 de los parámetros µ y σ estimados se realiza una estimación de los valores
de parámetros buscados µ y σ de la distribución de valor tipo 1 que se debe adaptar procediendo
de la siguiente manera:
De la ecuación (2.9) se obtiene la función
2
1  µˆ 
µˆ  µˆ  µˆ N   µˆ   − µˆ N  2 −  N
2  σˆ N

= ψ B1  N  = ⋅ Φ  N  − Φ    + ⋅e 
(3.22)
σˆ N  σˆ 
 σˆ N  σˆ N   N   σˆ N  2π

Con la ecuación (2.10) resulta la función

 µˆ 
ψ B1  N 
µˆ  µˆ   σˆ N 
= ϑB1  N  = (3.23)
σˆ  σˆ N  2 2
 µˆ    µˆ 
1 +  N  − ψ B1  N  
 
 σˆ N    σˆ N 

De las ecuaciones (2.11) y (2.12) resulta la condición

µˆ 2
≥ = 1,3236 (3.24)
σˆ π −2

Los valores de parámetros buscados de la distribución de valor tipo 1 por tanto pueden estimarse
con la condición (3.24) mediante
Página 20
VW 101 31: 2005-02

2
 µˆ 
1+ 
 σˆ 
σˆ N = σˆ ⋅ 2
(3.25)
  µˆ  
1 +  ξ B1   
  σˆ  

 µˆ 
µˆ N = ξ B1   ⋅ σˆ N (3.26)
 σˆ 
donde
 µˆ 
ξ B1   : la función inversa de (3.23)
 σˆ 

Para el caso de que la relación µˆ σˆ debido a desviaciones aleatorias de los parámetros del
muestreo sea más pequeña que el valor límite 1,3236 de la condición (3.24), la relación µˆ σˆ se
aplica a este valor límite del cual resultan los siguientes valores de parámetros:
µˆ N = 0 y según la fórmula (2.12)

π
σˆ N = ⋅ σˆ = 1,659 ⋅ σˆ (3.27)
π −2

La correlación entre los valores de parámetros µN y σN de la distribución de valor tipo 1 y los


valores característicos µ y σ estadísticos se muestra mediante representación gráfica en la figura
15 referida a σ.

3,5
Parámetros de distribución relativos

3,0
N /σ
2,5

2,0

1,5
N /σ
1,0

0,5

0,0
1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0
Posición relativa µ / σ

Figura 15 - Valores de parámetros relativos de la distribución de valor tipo 1 en función


de la posición relativa
Página 21
VW 101 31: 2005-02

Para la distribución de valor tipo 1 adaptada es posible determinar numéricamente los límites de
dispersión cuyas dependencias de la posición relativa se representan en la figura 16.

7
Limite de la banda de dispersión relativo

6 x99,865% / σ

1
x0,135% / σ

0
1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0
Posición relativa µ / σ

Figura 16 - Límites de dispersión relativos de la distribución de valor tipo 1 en función de la


posición relativa

Para determinar directamente los valores característicos µN y σN a partir de los valores


característicos µ y σ también es posible utilizar para 1,3236 ≤ µˆ σˆ < 3 la siguiente aproximación
como función inversa de (3.23) con suficiente precisión (error relativo a σ inferior a 0,01)
0 ,286 1,05
 µˆ   µˆ   µˆ 
ξ B1   ≅ 1,64 ⋅  − 1,3236  + 0 ,634 ⋅  − 1,3236  (3.28)
 σˆ   σˆ   σˆ 
Además la determinación de los límites de dispersión para 1,3236 ≤ µˆ σˆ < 3 puede realizarse
directamente con ayuda de la siguiente aproximación (error relativo a σ inferior a 0,02)

  µˆ 
0 ,67
 µˆ 
x̂ 99 ,865 %  − 2 ,47 ⋅  − 1,3236  + 2 ,505 ⋅  − 1,3236  + 5 ,3171
   σˆ   σˆ 
 ≅ σˆ ⋅ 4
(3.29)
 µˆ 
x̂ 0 ,135 %   0 ,018 ⋅  − 1,3236  + 0 ,0028
  σˆ 

Para µˆ σˆ ≥ 3 se realiza el cálculo de los límites de dispersión según la fórmula (3.21).

Límites de dispersión de la distribución de valor tipo 2:


Para determinar los límites de dispersión para una distribución de valor tipo 2 en primer lugar se
realiza una estimación de los parámetros µ y σ según la fórmula (3.7) y (3.8) o bien (3.13) y (3.14).
Para el caso µˆ σˆ < 6 de los parámetros µ y σ estimados se determinan los valores de parámetros
buscados µN y σN de la distribución de valor tipo 2 pendientes de adaptación procediendo de la
siguiente manera:
Página 22
VW 101 31: 2005-02

De las ecuaciones (2.14) y (2.16) resulta la función


2
1  ẑ 
−   ∞ 1 2π ẑ

µˆ  ẑ  − v ⋅v ⋅cos α
⋅ ∫ v 2 ⋅ e 2 ⋅ ∫ e σ N dα  ⋅ dv
2
1 2  σˆ N 
= ψ B 2   = ⋅e 
(3.30)
σˆ N 
 σˆ N  2π 0
 0 
donde
r
v= (3.31)
σˆ N
Con la ecuación (2.17) resulta la función

 ẑ 
ψ B 2  
µˆ  ẑ   σˆ N 
= ϑ B2   = (3.32)
σˆ  σˆ N  2

2
 ẑ   ẑ 
2 +   − ψ B 2   

 σˆ N    σˆ N 

De las ecuaciones (2.20) y (2.21) resulta la condición

µˆ π
≥ = 1,9131 (3.33)
σˆ 4 −π

Los valores de parámetros buscados de la distribución de valor tipo 2 por tanto pueden estimarse
con la condición (3.33) mediante
2
 µˆ 
1+ 
 σˆ 
σˆ N = σˆ ⋅ 2
(3.34)
  µˆ  
2 + ξ B 2   
  σˆ  

 µˆ 
ẑ = ξ B2   ⋅ σˆ N (3.35)
 σˆ 
donde

 µˆ 
ξ B 2   : Función inversa de (3.32)
 σˆ 
Para el caso en que la relación µˆ σˆ debido a desviaciones aleatorias de los parámetros del
muestreo sea más pequeña que el valor límite 1,9131 de la condición (3.33), la relación µˆ σˆ se
aplica a este valor límite del cual resultan los siguientes valores de parámetros:
ẑ = 0 y según la fórmula (2.21)
2
σˆ N = ⋅ σˆ = 1,526 ⋅ σˆ (3.36)
4 −π
Página 23
VW 101 31: 2005-02

La relación entre los valores de parámetros z y σN de la distribución de valor tipo 2 y los valores
característicos µ y σ estadísticos se muestra mediante representación gráfica en la figura 17
referida a σ.

7
Parámetros de distribución relativos

5
z /σ
4

2
N /σ
1

0
1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Posición relativa µ / σ

Figura 17 - Valores de parámetros relativos de la distribución de valor tipo 2 en función


de la posición relativa

Para la distribución de valor tipo 2 adaptada es posible determinar numéricamente los límites de
dispersión cuyas dependencias de la posición relativa se representan en la figura 18.

9
Límite de la banda de dispersión relativo

8
x99,865% / σ
7

2
x0,135% / σ
1

0
1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0
Posición relativa µ / σ

Figura 18 - Límites de dispersión relativos de la distribución de valor tipo 2 en función


de la posición relativa
Página 24
VW 101 31: 2005-02

Para determinar directamente los valores característicos z y σN a partir de los valores


característicos µ y σ también es posible utilizar para 1,9131 ≤ µˆ σˆ < 6 la siguiente aproximación
como función inversa de (3.32) con precisión suficiente (error relativo a σ inferior a 0,02).
0 ,313 1,22
 µˆ   µˆ   µˆ 
ξ B1   ≅ 2 ,1 ⋅  − 1,9131  + 0 ,466 ⋅  − 1,9131  (3.37)
 σˆ   σˆ   σˆ 
Además la determinación de los límites de dispersión para 1,9131 ≤ µˆ σˆ < 6 puede realizarse
directamente con ayuda de la siguiente aproximación (error relativo a σ inferior a 0,03)

  µˆ 
0 ,62
 µˆ 
0 ,9
x̂ 99,865%   − 1,64 ⋅  − 1,9131  + 2 ,075 ⋅  − 1,9131  + 5 ,5485
   σˆ   σˆ 
 ≅ σˆ ⋅  0 ,9 (3.38)
    µˆ    µˆ 
x̂ 0 ,135%  2 ,6 ⋅ exp  −  − 1,7031  ⋅ 0 ,8  + 1,425 ⋅  − 1,9131  − 2 ,1206
   σˆ    σˆ 

Para µˆ σˆ ≥ 6 se realiza el cálculo de los límites de dispersión según la fórmula (3.21).

Límites de dispersión de la distribución normal ampliada:


En el caso de una distribución normal ampliada los límites de dispersión pueden estimarse
directamente mediante las siguientes la fórmulas:
x̂ 99,865% = µˆ N 2 + u ⋅ σˆ N
1 −α
*
2

x̂ 0 ,135% = µˆ N1 − u ⋅ σˆ N (3.39)
1 −α
*
2

donde
u : Cuantila de la distribución normal
1 −α
*

con

α *  µˆ − µˆ N1 
 ⋅ 0 ,00135
= 1 + N 2  (3.40)
2  2π ⋅ σˆ N 
y
5
µˆ N1 = µˆ N 2 = µˆ para σˆ ≤ ⋅ σˆ m
4
µˆ N 2   3  5
 = µˆ ± 3 ⋅  σˆ − σˆ m − ⋅ σˆ m 
2 2
para σˆ > ⋅ σˆ m (3.41)
µˆ N 1   4  4

 5σˆ 2 + σˆ m2 5
 σˆ ≤
⋅ σˆ
 6 4 m
σˆ N = para (3.42)
5
 47 ⋅ σˆ σˆ > ⋅ σˆ m
 32 m 4

La estimación de la desviación estándar σ de la distribución normal ampliada y σm de la


distribución normal momentánea se realiza según la fórmula (3.8) o (3.14) o bien (3.11) o (3.15).
Página 25
VW 101 31: 2005-02

Límites de dispersión de la distribución mixta:


En el caso de una distribución mixta se determinan primero los puntos con variaciones
significativas de la posición de proceso (puntos de discontinuidad) mediante un ensayo estadístico
(véase apartado 3.5). A continuación se realiza una estimación de los valores medios entre estos
puntos según
j ol nj
1
µ̂ l = x l =
ml
∑ ∑ x ji (3.43)
j = j ul i =1

y de la desviación estándar momentánea σ m según la fórmula (3.15) con

ml = j ol − j ul + 1 (3.44)
donde
ml : Cantidad de muestreos dentro del margen en posición l de una posición de proceso constante
j ol , j ul : Número de muestreo del límite superior o bien inferior del margen en posición l de una
posición de proceso constante

A causa de la superposición de las distribuciones normales L con los valores medios µ̂ l y la


desviación estándar σ̂ m resulta según la fórmula (2.24) a (2.27) la distribución mixta a partir de la
cual finalmente pueden determinarse numéricamente los límites de dispersión.

Para el caso en que no se puedan determinar los puntos de discontinuidad, en lugar de aplicar la
fórmula (2.24) se realiza una superposición de L = m distribuciones normales con los valores
medios µˆ j = x j mediante
2
n  x − µˆ j 
m −  
2 ⋅(n −1 )  σˆ m 
f M* (x ) = ∑ e 
(3.45)
j =1

3.3.2 Determinación de capacidad en caso de modelos de distribución no definidosEn


caso de que a una característica de fabricación no se le pueda asignar ningún modelo de
distribución apropiado o los valores de medición del muestreo extraído sean contrarios al modelo
de distribución aceptado se realiza una estimación no distribuida de los índices de capacidad
según el método de envergadura de la siguiente forma modificada tomando en consideración el
volumen del muestreo11):

Valores característicos de capacidad para una característica con tolerancias por ambos lados:
Go − Gu
ĉ p = (3.46)
x̂ o − x̂ u

G − x̂50 % x̂ 50 % − Gu 
ĉ pk = min o ;  (3.47)
 x̂ o − x̂ 50 % x̂ 50 % − x̂ u 

11)
Aquí se trata sólo de una representación algo distinta del mismo modo de cálculo como en la norma de recursos válida hasta ahora
de VW BV 1.40 para las características distribuidas normalmente.
Página 26
VW 101 31: 2005-02

Valores característicos de capacidad para una característica con tolerancia unilateral hacia arriba
con un valor límite natural inferior cero:
Go
ĉ p = (3.48)
x̂ o − x̂ u
Go − x̂ 50 %
ĉ pk = (3.49)
x̂ o − x̂ 50 %

Valor característico de capacidad para una característica con tolerancia unilateral hacia abajo:
x̂ 50 % − Gu
ĉ pk = (3.50)
x̂ 50 % − x̂ u
donde
x̂o , x̂u : Valores estimados del límite de dispersión superior e inferior
x̂50% : Valor estimado de la cuantila de 50%

En el caso de valores individuales


x̂50% = ~
x (3.51)

donde
~
x : Valor mediano es el valor que está situado en el centro de una secuencia de valores de
medición

La estimación de los límites de dispersión se realiza mediante


x̂ o  R
 = xc ± k ⋅ (3.52)
x̂ u  2
donde
x max + x min
xc = (3.53)
2
R = x max − x min : Envergadura (3.54)

x max , x min : Valor de medición máximo o mínimo del muestreo total efectivo
Mediante el factor de corrección
6
k= : (3.55)
dn
se toma en consideración el volumen total efectivo del muestreo ng, donde
d n : Valor esperado de la distribución w 12)

12)
Estrictamente hablando se parte de un total base distribuido normalmente de los valores individuales para el valor esperado de la
distribución w. Al no existir un método más apropiado para el cálculo libre de distribución de los valores característicos de
capacidad no se tiene en cuenta esta condición previa.
Página 27
VW 101 31: 2005-02

Para algunos volúmenes totales de muestreo ng se indica el valor dn en la tabla 3.

Tabla 3 - Valor esperado de la distribución w en función de ng


ng dn
30 4,09
35 4,21
40 4,32
45 4,42
50 4,50
60 4,65
70 4,77
80 4,87
100 5,04
125 5,21
150 5,34
200 5,55
250 5,71

Para volúmenes de muestreo superiores a 20 los valores esperados de la distribución w pueden


determinarse según la siguiente la fórmula de aproximación:

d n ≅ 1,748 ⋅ (ln(n g ))0 ,693 (3.56)

En el caso de datos pendientes de evaluación en forma de distribuciones de frecuencia de


valores de medición y envergaduras clasificados es
x̂o , x̂u igual al límite superior o bien inferior de la clase más alta o más baja ocupada
y
n − A uk n
x̂ 50% = x uk + 2 ⋅ ∆x para Auk < ≤ Auk + a k (3.57)
ak 2
donde
x uk : Límite inferior de la clase en posición k
∆x : Variación total de clase
a k : Frecuencia absoluta de los valores de medición en la clase en posición k
Auk : Frecuencia acumulada absoluta de los valores de medición hasta el límite inferior de la clase
en posición k
Página 28
VW 101 31: 2005-02

3.4 Valores límite para la capacidad de proceso

Para obtener la capacidad de proceso para una característica analizada es preciso que los valores
característicos de capacidad determinados cumplan el siguiente requisito respecto a los valores
límite especificados c p;Grenz y c pk ;Grenz :

para característica con tolerancia por ambos lados:


ĉ p ≥ c p; Grenz y ĉ pk ≥ c pk ;Grenz (4.1)

para una característica con tolerancia unilateral13)


ĉ pk ≥ c pk ;Grenz (4.2)

en el caso de un volumen total efectivo de muestreo de n g ≥ 125

Si no se ha acordado de otra forma son válidos los siguientes valores límite de capacidad:
c p; Grenz = 1,33

c pk ;Grenz = 1,33
Para aquellos casos en que los gastos justificables sólo permiten realizar una comprobación con
un volumen total de muestreo efectivo inferior a 125 es preciso tener en cuenta la mayor
inseguridad resultante de los valores característicos de capacidad determinados mediante valores
límite convenientemente superiores.

La determinación de los valores límite para los volúmenes totales de muestreo efectivos inferiores
a 125 se refiere a los valores límite que pueden cumplirse sobre la base del requisito (4.1) o (4.2)
para la totalidad pendiente de análisis con una probabilidad de un 95% (límites de márgenes de
confianza inferiores). Estos valores resultan de la hipótesis de una totalidad con distribución
normal del límite del margen de confianza superior de la desviación estándar

124
σ o = σˆ ⋅ (4.3)
χ 52%;124
y el margen proporcional estadístico para la dispersión de
x 99,865%   1  124
proceso  = µˆ ± u 99,865% ⋅ 1 + ⋅ ⋅ σˆ (4.4)
x 0 ,135%   2 ⋅ 125  χ 52%;124
donde
u 99 ,865% = 3 ,0 : Cuantila de la distribución normal estandarizada
χ 52%;124 = 99 ,3 : Cuantila de la distribución del chi al cuadrado con un grado de libertad de f =
124 (véase también [1])

13)
) Aunque para las características toleradas sólo unilateralmente hacia arriba no se ha determinado un valor límite para Cp, se debe
determinar e indicar un valor Cp, ya que se puede comprobar a partir de la comparación de este valor con el valor Cpk, si existe un
desplazamiento de la posición indeseada. Si por ejemplo el valor Cpk es mayor que el valor Cp, entonces la distribución está más
cerca del valor límite cero natural que del valor máximo.
Página 29
VW 101 31: 2005-02

Mediante la transformación y la aplicación en las fórmulas de evaluación (3.1) y (3.2) resultan los
valores límite de capacidad para la totalidad

χ 52%;124
c p ≥ c p; Grenz ⋅ = 0 ,895 ⋅ c p; Grenz (4.5)
124

1 χ 52%;124
c pk ≥ c pk ;Grenz ⋅ ⋅ = 0 ,891 ⋅ c pk ;Grenz (4.6)
1 + 1 250 124

Por tanto para los volúmenes totales efectivos de muestreo n g < 125 resultan los siguientes
valores límite de capacidad adaptados14)
f
ĉ p ≥ c p; Grenz ⋅ 0 ,895 ⋅ (4.7)
χ 2
5 %;f

 1  f
ĉ pk ≥ c pk ;Grenz ⋅ 0 ,891 ⋅ 1 + ⋅
 χ2 (4.8)
 2 ⋅ ng  5%; f

con el grado de libertad


f = ng − 1 (4.9)

Ejemplo:
En el caso de valores límite de capacidad especificads de c p; Grenz = 1,33 , c pk ;Grenz = 1,33 y un
volumen total efectivo de muestreo de n g = 50 según las fórmulas (4.7) a (4.9) resultan los
siguientes valores límite adaptados para una característica con tolerancias por ambos lados:

50 − 1
ĉ p ≥ 1,33 ⋅ 0 ,895 ⋅ = 1,43
33 ,9

 1  50 − 1
ĉ pk ≥ 1,33 ⋅ 0 ,891 ⋅ 1 + ⋅ = 1,44
 2 ⋅ 50  33 ,9

Dado que el valor Cp de una característica con tolerancias por ambos lados no debe ser inferior al
valor Cpk, el valor límite para cp en este caso se equipara al de cpk.

14)
La determinación de los valores límite de capacidad adaptados con ayuda de las fórmulas (4.7) a (4.9) se utiliza también para los
totales base de distribución normal, ya que para ello hasta ahora no existe ningún otro método y por lo menos se tiene en cuenta de
forma útil un volumen de muestras total, que es inferior a 125.
Página 30
VW 101 31: 2005-02

3.5 Ensayos estadísticos

Sería ideal que los valores de medición registrados de una comprobación de capacidad de
proceso no mostrasen ningún tipo de
- desviación inesperadamente alta de algunos valores de medición (valores extraños) en
comparación con la dispersión de los demás valores de medición,
- variación significativa de la posición y la dispersión de proceso,
- desviación significativa del modelo de distribución esperado
En caso contrario es preciso contar con influencias sistemáticas adicionales en la fabricación. Para
este comportamiento deberían conocerse las causas y aceptarse sus efectos con el fin de cumplir
la condición previa de un proceso de fabricación seguro.
En una comprobación de capacidad de proceso, por lo tanto, es preciso aplicar los
correspondientes ensayos estadísticos para comprobar los criterios antes citados. Dado que estos
ensayos estadísticos ya se han tratado ampliamente en las normas y obras de referencia de la
literatura estadística, de aquí en adelante se indicarán únicamente mediante referencias:
- Ensayo de valores extraños mediante el ensayo independiente de la distribución según
Hampel en forma modificada (véase VW 10133)
- Ensayo de variación de la posición de proceso mediante el ensayo de Kruskal-Wallis no
dependiente de la distribución (véase [2])
- Ensayo de variación de la dispersión del proceso mediante el ensayo de Cochran15)
(véase [1])
- Ensayo de desviación de la distribución normal según Epps-Pulley (véase ISO 5479)
- Test de desviación de la distribución normal momentánea mediante el ensayo de Shapiro-
Wilk-Test 16) (véase ISO 5479, Apartado 9)
- Ensayo de desviación de cualquier modelo de distribución especificado mediante el
ensayo del chi al cuadrado (véase [1])
En caso de que los datos pendientes de evaluar que existen sean únicamente las distribuciones
de frecuencias de valores de medición y envergaduras clasificados pueden aplicarse
- para la comprobación de la posición de proceso una forma modificada del análisis de
variancia simple17) (análisis de variancia simple véase [3])
- para la comprobación de la dispersión de proceso una forma modificada del ensayo de
Cochran
en los cuales las variancias de los muestreos individuales para las magnitudes de ensayo deben
determinarse a partir de las envergaduras según la fórmula (3.15). Sin embargo, en ese caso no
puede aplicarse un ensayo de desviación de una distribución normal momentánea.
La ejecución de todos los ensayos estadísticos se realiza según el siguiente esquema:Formación
de la hipótesis nula H0 y la hipótesis alternativa H1, por ejemplo H0 : La totalidad de los valores
de medición de la característica analizada es de distribución normal H1 : La totalidad de los valores
de medición de la característica analizada no es de distribución normal
- Especificación del coeficiente de confianza γ = 1- α o de la probabilidad de error
α (generalmente γ = 95% , 99% o bien 99,9%)

15)
De forma estricta para el Test Cochran es condición previa una distribución normal momentánea. El correspondiente Test Levene
libre de distribución resultó inapropiado en el caso de simulaciones. Así indica demasiado frecuentemente modificaciones de
dispersión con un creciente número de muestras, aunque no existía ninguna modificación. Además para este test sólo se deben
comprobar muestras aleatorias de tamaños idénticos.
16)
Aunque en la ISO 5479 es condición previa n > 8 para el Test Shapiro-Wilk ampliado, el test es también apropiado tamaños de
muestra más pequeños n > 3, como han mostrado las simulaciones.
17)
Para este test se toma como condición previa una distribución normal momentánea, pero como no se dispone para este tipo de
datos actualmente de otro test, esta condición previa no se puede tener en cuenta. Por ello sólo se modifica levemente la
seguridad de la sentencia en el caso de una distribución anormal momentánea.
Página 31
VW 101 31: 2005-02

- Formación de la fórmula para la magnitud de ensayo


- Cálculo del valor experimental de los valores del muestreo según la fórmula de la magnitud de
ensayo
- Determinar el valor umbral (cuantila) de la distribución de ensayo
- Comparación del valor experimental con el valor umbral para decidir si existe una
contradicción respecto a la hipótesis nula y, por tanto, es válida la hipótesis alternativa
Es preciso tener en cuenta que en un ensayo estadístico con el coeficiente de confianza γ indicado
en su caso puede demostrarse únicamente una contradicción respecto a la hipótesis nula, por
ejemplo, que presente una desviación significativa de los valores de medición de una totalidad con
distribución normal. En el caso de que del ensayo no resulte ninguna contradicción respecto a la
hipótesis nula, no significa que esto implique una confirmación de la validez de la hipótesis nula.
En este caso, con el coeficiente de confianza indicado, por ejemplo, no se puede demostrar que
exista una totalidad con distribución normal. Entonces se decide análogamente al principio jurídico
“En caso de duda para el acusado” sólo para la aceptación de la hipótesis nula.
Mediante la probabilidad de error α se indica el riesgo del rechazo de la hipótesis nula debido al
resultado del ensayo, a pesar de que coincida (riesgo α).
Para la probabilidad de error no se puede especificar cualquier valor pequeño, ya que de esta
forma aumentaría, por ejemplo, el riesgo de no descubrir una desviación real de una distribución
normal (riesgo β).
En caso de un proceso con dispersión constante pero con una posición no constante se requieren
otros ensayos estadísticos para asignar tanto a la evolución cronológica de la posición el
correspondiente modelo de tiempo de proceso C1, C3 o C4 (véase apartado 3.1) como también a
la distribución resultante el modelo de distribución correspondiente. Esta asignación es posible con
ayuda de los ensayos que se describen a continuación:
Ensayo de tendencia considerando las discontinuidades de posición
En el caso de una dispersión constante pero una posición no constante se comprueba primero si
existe una tendencia. Los procesos con tendencia durante el tiempo de la comprobación
generalmente no muestran ninguna evolución cronológica monótonamente creciente o
descendiente. Su evolución más bien se interrumpe debido a discontinuidades de posición,
resultantes de medidas correctoras después de sobrepasar los límites de intervención de las
tarjetas de regulación de la calidad (la llamada evolución de dientes de sierra, véase figura 19). Un
ensayo de tendencia de estos puntos de discontinuidad conduciría a un resultado inservible. Por
tanto, en el primer paso es preciso determinar aquellos márgenes situadas entre los puntos de
discontinuidad.
Valor de medición

0 5 10 15 20 25 30 35 40 45 50
Muestreo

Figura 19 - Ejemplo de una evolución de proceso con tendencia y corrección de posición


Página 32
VW 101 31: 2005-02

Ensayo de discontinuidad de posición:

H0: La posición no se modifica o sólo de forma constante


H1: La posición varía de forma discontinua

Probabilidad de error especificada: α = 1%

Magnitud de ensayo para todos los números del muestreo j de 1 a m:

(∆x j )2 = (x j +2 + x j +1 + x j − x j −1 − x j −2 − x j −3 )2 (5.1)

donde
x j : Valor medio del muestreo en posición j del volumen n

Valor umbral:
6 27
E = χ 12−α ;1 ⋅ ⋅ σˆ m2 + ⋅ σˆ R2 (5.2)
n 4
donde
σˆ R2 = σˆ 2 − σˆ m2 (5.3)

σ̂ 2 : Variancia total estimada según la fórmula (3.8)


σ̂ :2
m Variancia momentánea estimada según la fórmula (3.11)
χ 2
1 −α ;1 : Cuantila de la distribución del chi al cuadrado con el grado de libertad 1

Es válido H1, en caso de valor experimental en posición j ∆x j ( )2 > E (5.4)

A partir de j se determina entonces el último punto de discontinuidad en posición l

j + 2 {
(∆x j +2 ) = max (∆x j +2 ) , (∆x j +1 ) ,(∆x j )
2 2 2 2
}
2
{
J l =  j + 1 para (∆ x j +1 ) = max (∆x j + 2 ) , (∆x j +1 ) , (∆ x j )
 2 2 2
} (5.5)
 j
 {
(∆x j )2 = max (∆x j +2 )2 , (∆x j +1 )2 , (∆x j )2 }
De esta forma se especifica el margen en posición l entre dos puntos de discontinuidad
J ul ≤ j ≤ J ol (5.6)

mediante

 1 l =1
J ul =  para (5.7)
J l −1 + 1 l >1

J − 2 l <L
J ol =  l para (5.8)
 m l =L
Página 33
VW 101 31: 2005-02

donde
L : Cantidad de márgenes libres de puntos de discontinuidad

Como segundo paso se realiza el ensayo de tendencia. Para los márgenes libres de puntos de
discontinuidad determinados anteriormente con una cantidad de muestreos m l ≥ 7 se realiza una
estimación de la constante a0 y de la pendiente a1 de la recta de regresión como se expone a
continuación:

â 0 = x l − â1 ⋅ j l (5.9)

s xJ
â1 = (5.10)
s J2
donde

1  J ol 
s xJ = ⋅  ∑ j ⋅ x j − ml ⋅ j l ⋅ x l  : Covariancia (5.11)
m l − 1  j = Jul 

1  Jol 
s J2 = ⋅  ∑ j 2 − m l ⋅ j l2  : Variancia de los números de muestreo (5.12)
m l − 1  j = Jul 

j l : Valor medio de los números de muestreo
x l : Valor medio de los valores medios de muestreo

A continuación se realiza un ensayo de desviación de la pendiente de la recta de regresión de


cero:
H 0 : a1 = 0
H 1 : a1 ≠ 0
Probabilidad de error especificada: α = 5%

Magnitud de ensayo:
â1
t= (5.13)
s a1

donde

1 s2
s a21 = ⋅ r2 : Variancia de la pendiente de la recta (5.14)
(ml − 1 ) s J

∑ (x j )
Jol
1 2
s r2 = − x̂ j : Variancia de residuos (5.15)
fl j = Jul

x̂ j = â 0 + â1 ⋅ j : Valores estimados para tendencia lineal (5.16)

f l = m l − 2 : Grado de libertad (5.17)


Página 34
VW 101 31: 2005-02

Es válido H1, en caso de valor experimental


t > t1−α (5.18)
2 ; fl

donde
t1−α : Cuantila de la distribución t (véase también [1])
2 ; fl

Para evitar la determinación errónea de una tendencia en el caso de una discontinuidad de


posición se realiza además el siguiente ensayo de desviación de linealidad:
H 0 : Tendencia lineal
H 1 : Tendencia no lineal
Probabilidad de error especificada: α = 5%

Magnitud de ensayo:

s r2
F =n⋅ (5.19)
s K2
Es válido H1, en caso de
F > F1−α ; f1 ; f2 (5.20)

donde
F1−α ;f1 ;f2 : Cuantila de la distribución F (véase también [1]) con

f1 = ml − 2 (5.21)

f 2 = ml ⋅ (n − 1 ) (5.22)

En caso de que se determinen tendencias lineales para al menos dos terceras partes de los
márgenes libres de puntos de discontinuidad, se acepta el modelo de tiempo de proceso C3.

Si después del ensayo de tendencia anteriormente descrito no se acepta el modelo de tiempo de


proceso C3, entones los valores de medición registrados deben analizarse para comprobar si
existe una desviación de una totalidad de distribución normal. Cuando no resulta ninguna
contradicción respecto a la hipótesis de una distribución normal se acepta el modelo de tiempo de
proceso C1. En caso contrario se acepta el modelo de tiempo de proceso C4, con lo cual se
realiza el ensayo de discontinuidades de posición para determinar la distribución mixta hasta el
valor umbral
6
E = χ 12−α ;1 ⋅ ⋅ σˆ m2 (5.23)
n
de la misma forma que el ensayo de tendencia.
Página 35
VW 101 31: 2005-02

4 Ejecución de una comprobación de capacidad de proceso

La comprobación de capacidad de proceso (PFU) debe realizarse según el desarrollo


representado en las figuras 20 a 24.

Inicio

4.1 Aplicación de medios de


ensayo

4.2 Toma de muestreo

no
Condiciones de
PFU cumplidas

sí 4.3 Regulación especial


para PFU limitada

4.4 Evaluación de datos

4.5 Documentación

4.6 Valoración
MFUde
resultados
cumplidas

sí Repetición del 4.7 Proceso controlado e


análisis idóneo


no

no Mejora de
Mejora de proceso
proceso

sí no
4.8 Tratamiento de procesos
no controlados o no

Final

Figura 20 - Desarrollo de una comprobación de capacidad de proceso


Página 36
VW 101 31: 2005-02

Figura 21 - Proceso de la evaluación de datos


Página 37
VW 101 31: 2005-02

4.4.6. Evaluación según el


modelo de tiempo de proceso A

4.4.6.1 Ensayo de desviación del


modelo de distribución especificado

Desviación del sí
modelo de
distribución

no

no 4.4.6.4 Evaluación según el


Desviación normal modelo de tiempo de proceso A2*

4.4.6.3 Evaluación según el


modelo de tiempo de proceso A2

4.4.6.2 Evaluación según el modelo


de tiempo de proceso A1

Continuación en 4.4

Figura 22 - Proceso de la evaluación de datos según modelos de tiempo de proceso A


Página 38
VW 101 31: 2005-02

Figura 23 - Proceso de la evaluación de datos según modelos de tiempo de proceso C


Página 39
VW 101 31: 2005-02

4.6 Valoración de resultados


Existen valores extraños

no sí Valores extraños a no
causa de medición
erróneas

Modelo de tiempo no
de proceso A


Desviación del modelo
de distribución

no no
Otro modelo
de distribución
posible

repetición de evaluación
continuación en 4
sí Causa conocida y
efecto aceptable

Valor característico sí no
de capacidad inferior al valor
límite
proceso no idóneo
continuación en 4
no
proceso no controlado
continuación en 4

proceso controlado + idóneo


continuación en 4

Figura 24 - Proceso de la valoración de resultados


Página 40
VW 101 31: 2005-02

4.1 Aplicación de medios de ensayo

Para la PFU únicamente debe aplicarse un medio de ensayo que haya aprobado el departamento
responsable del proceso de ensayo previsto.

4.2 Toma del muestreo

Una PFU se refiere exclusivamente a una característica de fabricación o un parámetro de proceso.


Por regla general para la evaluación es preciso registrar los distintos valores de medición del
muestreo. En caso de tarjetas de regulación de la calidad dirigidas manualmente con valores de
medición registrados en forma de rayas en una división de clases de la gama de valores y de
envergaduras de clase determinadas a partir de muestreos individuales, también es posible
registrar en su lugar las distribuciones de frecuencia de los valores de medición y envergaduras
clasificados 18).
Para registrar en lo posible todas de las influencias en condiciones de serie en el marco de una
comprobación de capacidad (PFU) es preciso cumplir las siguientes condiciones relativas a las
tomas de muestreos:
- Los muestreos deben proceder de la fabricación continua en condiciones de serie (es decir
en estado rodado de máquina con el tiempo de ciclo y con los parámetros de ajuste de
máquina de la fabricación en serie) a intervalos de tiempo regulares y siempre el mismo
volumen19). A diferencia de la comprobación de capacidad de máquina (MFU) es preciso
tomar en consideración todos los efectos de las variaciones de valores de parámetros de
máquina, los cambios de herramienta y las anomalías de máquina20).
- En una toma de muestreo las piezas con la característica analizada o los valores del
parámetro de proceso analizado deben tomadarse en secuencia directa siempre que sea
posible21) El volumen de muestreo n debe ascender como mínimo a 3 (volumen
recomendado n = 5)
- La cantidad de muestreo m debe ascender como mínimo a 6.
- El volumen total de muestreo resultante de la cantidad de muestreo y del volumen de
muestreo por regla general debería ascender a m ⋅ n ≥ 125 . En caso de que este volumen
de muestreo sea difícil de conseguir debido a razones económicas o técnicas también se
admite un volumen inferior. En su caso deben considerarse unos valores límite
convenientemente superiores según la tabla 5 o las fórmulas (4.7) a (4.9). Sin embargo, el
volumen total efectivo del muestreo (sin valores extraños) debe ser de como mínimo 30.
- La frecuencia del muestreo debe ser tan elevada que se realice como mínimo una toma de
muestreo del volumen prefijado n dentro de un intervalo de tiempo en el cual no se esperan
influencias sistemáticas en el proceso, es decir, como mínimo un muestreo por
- turno y empleado
- modificación de valores de parámetros de máquina
- duración de la herrami enta y
- lote de material

- El tiempo de comprobación durante el cual se extrae el muestreo m debe incluir como


mínimo las siguientes influencias (tiempo recomendado de 1 a 2 semanas):
- 3 cambios de turno

18)
Ya que esta forma de registro de datos manual se aplica a menudo en la práctica, se tiene en cuenta en esta norma, aunque así se
limiten de esta manera algo las posibilidades para el análisis del proceso. Una condición previa es que también los valores
clasificados del diámetro de sujeción máximo de cada una de las muestras se pueda registrar.
19)
Durante un muestreo se deberían realizar las mediciones de las piezas inmediatamente. Si no se puede evitar la aglomeración de
varias muestras antes de un procedimiento de medición, se debe pemitir una asignación de las piezas a cada muestra en su orden
temporal. El orden de la toma de muestras de cada una de las piezas de un muestreo no debe tenerse en cuenta.
20)
De la PFU se deben tener en cuenta las mediciones, que son necesarias para el dispositivo de la máquina o para tomar medidas
correctoras.
21)
El tipo de muestreo realizado a veces en la práctica, en el que se toma siempre la pieza n, por ejemplo la décima pieza, de la
fabricación en serie, no es apropiado para la comprobación de la capacidad del proceso.
Página 41
VW 101 31: 2005-02

- 3 cambios de empleado
- un cambio de herramienta o modificación de los valores de parámetros de máquina y
- un cambio de lote de material
- Es preciso que entre el proveedor y el cliente acuerden el método de medición que debe
definirse antes de la comprobación. Este método no puede modificarse durante el tiempo de la
comprobación.

4.3 Regulación especial para la comprobación de capacidad de proceso (PFU) limitada

Si las condiciones para la toma del muestreo mencionadas en el apartado 4.2 no pueden
cumplirse por completo, especialmente en el inicio de serie para la determinación de los límites de
intervención de las tarjetas de regulación de la calidad, se admite en casos justificados la
realización de una PFU limitada, con lo cual es preciso documentar las justificaciones al respecto
mediante la indicación “PFU limitada”.

4.4 Evaluación de datos

4.4.1 Selección del modelo de distribución esperado

Para la evaluación de datos en primer lugar debe determinarse el modelo de distribución esperado
para el tipo de característica. Los modelos de distribución asignados a los tipos de características
de fabricación más importantes (véase también VW 01056) deben extraerse de la tabla 4.

Tabla 4 - Asignación de tipos de características y modelos de distribución


Tipo de característica Modelo de distribución
Medidas de longitud N
Diámetro, radio N
Alineación B1
Planicidad B1
Redondez B1
Forma cilíndrica B1
Linealidad B1
Forma plana B1
Paralelidad B1
Rectangularidad B1
Pendiente (angulosidad) B1
Posición B2
Coaxialidad/Concentricidad B2
Simetría B1
Marcha concéntrica B2
Refrentado B2
Rugosidad B1
Desequilibrio B2
Par de giro N

Leyenda: N: Distribución normal


B1: Distribución de valor tipo 1
B2: Distribución de valor tipo 2 (distribución de Rayleigh)
Página 42
VW 101 31: 2005-02

Para los tipos de característica no listados en la mayoría de los casos puede realizarse una
asignación de una distribución según la siguiente regla:
- para características con tolerancias por ambos lados o con tolerancias unilaterales hacia
abajo una distribución normal
- y para las características con tolerancias unilaterales hacia arriba una distribución de valor tipo
1 o tipo 2

4.4.2 Ensayo de valores extraños

Con ayuda del ensayo de valores extraños independiente de la distribución según VW 10133 en
primer lugar debe averiguarse si los valores de medición registrados contienen valores extraños.
Los valores extraños son valores de medición que varían tanto respecto a los otros valores de
medición que es muy probable que no procedan de la misma totalidad que los valores restantes,
como por ejemplo, las mediciones incorrectas. El ensayo de valores extraños debe realizarse con
un coeficiente de confianza del 99%.

4.4.3 Separación de los valores extraños del cálculo de los valores característicos
estadísticos

En caso de hallar valores extraños, no deben tomarse en consideración para el cálculo de los
valores característicos estadísticos22). Los valores extraños no deben borrarse sino que deben
identificarse de forma correspondiente en la representación gráfica del desarrollo de los valores
individuales y la cantidad debe indicarse en la documentación.

4.4.4 Ensayo de variación de la dispersión de proceso

Con ayuda del ensayo de Cochran (véase [1]) debe comprobarse si el proceso muestra una
variación significativa en la dispersión en el transcurso del tiempo de comprobación. Una variación
significativa de la dispersión puede producirse, por ejemplo, a causa del desgaste de un
rodamiento de la máquina. Este ensayo debe realizarse con un coeficiente de confianza del 95%.
En caso de que se hayan registrado únicamente las distribuciones de frecuencia de los valores de
medición y envergaduras clasificados se admite la aplicación de la forma modificada del ensayo de
Cochran (véase apartado 3.5) con un coeficiente de confianza del 95%.

4.4.5 Ensayo de variación de la posición de proceso

Con ayuda del ensayo según Kruskal y Wallis no dependiente de la distribución (véase [2]) es
preciso determinar si la posición de proceso muestra en el transcurso del tiempo de comprobación.
Una variación significativa de la posición del proceso puede originarse, por ejemplo, debido a la
modificación de los lotes de material o a causa de un desgaste de herramienta. Este ensayo debe
aplicarse con un coeficiente de confianza del 95%.
En caso de que se hayan registrado únicamente las distribuciones de frecuencia de los valores de
medición y envergaduras clasificados se admite la aplicación de la forma modificada del análisis
de variancia simple (véase apartado 3.5) con un coeficiente de confianza del 95%.

22)
Del muestreo con valores erróneos se tienen en cuenta sin embargo todos los restantes valores de medición para determinar los
valores característicos estadísticos. Los valores de las muestras distintos resultantes se tienen en cuenta en las fórmulas (3.7) a
(3.20) para estimar los valores característicos estadísticos.
Página 43
VW 101 31: 2005-02

4.4.6 Evaluación según los modelos de tiempo de proceso A

Cuando los valores de medición registrados no muestran ninguna variación significativa, tanto de
la posición como de la dispersión de proceso durante el tiempo de comprobación, es preciso
realizar la evaluación según los modelos de tiempo de proceso A.

4.4.6.1 Ensayo de desviación del modelo de distribución especificado

En primer lugar debe comprobarse si los valores de medición registrados muestran una desviación
significativa respecto al modelo de distribución especificado para la característica en cuestión.
Además, en el caso de una distribución normal especificada es preciso aplicar el ensayo de Epps-
Pulley (véase ISO 5479) y en el caso de otro modelo de distribución determinado, por ejemplo, de
una distribución de valor tipo 1 o tipo 2, el ensayo del chi al cuadrado (véase [1]) con un
coeficiente de confianza del 95%.
Una desviación del modelo de distribución determinado puede producirse, por ejemplo, debido a la
toma de muestreo de diferentes herramientas (distribución mixta, véase también el apartado 5.
Ejemplos, figura 28).

4.4.6.2 Evaluación según modelo de tiempo de proceso A1

En el caso de una distribución normal especificada donde los valores de medición registrados no
muestran ninguna desviación significativa respecto al modelo de distribución, el comportamiento
cronológico debe identificarse mediante el modelo de tiempo de proceso A1 y el cálculo de los
valores característicos de capacidad en función del tipo de tolerancia debe realizarse según las
fórmulas (3.1) a (3.5), con lo cual se determinan los límites de dispersión según (3.21) (véase
también el apartado 5. Ejemplos, figura 25).

4.4.6.3 Evaluación según modelo de tiempo de proceso A2En el caso de una distribución de
valor tipo 1 o tipo 2 especificada ( o en su caso de otra distribución no normal) en la cual los
valores de medición registrados no muestran ninguna desviación significativa respecto al modelo
de distribución, el comportamiento cronológico debe identificarse mediante el modelo de tiempo de
proceso A2 y el cálculo de los valores característicos de capacidad en función del tipo de
tolerancia debe realizarse según las fórmulas (3.1) a (3.5), con lo cual pueden determinarse los
valores característicos de la distribución pendiente de adaptación según (3.25) y (3.26) o bien
(3.34) y (3.35) con ayuda de la función aproximada (3.28) o bien (3.37) y los límites de dispersión
pueden calcularse según las funciones aproximadas (3.29) o bien (3.37) (véase también el
apartado 5. Ejemplos, figuras 26 y 27).

4.4.6.4 Evaluación según modelo de tiempo de proceso A2*

Si del ensayo estadístico resulta una contradicción entre los valores de medición registrados y el
modelo de distribución especificado o si no se puede encontrar ningún modelo de distribución
apropiado para la característica de fabricación en cuestión, el comportamiento cronológico debe
identificarse mediante el modelo de tiempo de proceso A2* y el cálculo no distribuido de los
valores característicos de capacidad en función del tipo de tolerancia debe realizarse según las
fórmulas (3.46) a (3.57) (véase también el apartado 5. Ejemplos, figura 28).
Página 44
VW 101 31: 2005-02

4.4.7 Ensayo de desviación de una distribución normal momentánea

Cuando un proceso muestra una variación significativa de la posición pero no existe una variación
significativa de la dispersión, es preciso comprobar con ayuda del ensayo de Shapiro-Wilk
ampliado (véase ISO 5479, apartado 9) si los valores de medición registrados muestran una
diferencia significativa en comparación con la totalidad con distribución normal momentánea de
valores de características. Este ensayo debe realizarse con un coeficiente de confianza del 95%.
Las causas de una desviación significativa de una totalidad con distribución normal momentánea
pueden ser, por ejemplo, las tomas de muestreos de diferentes herramientas.
Para la aplicación de este ensayo es preciso que la resolución del valor de medición (precisión de
lectura) sea suficientemente exacta, ya que de otra forma existe un alto riesgo de que, debido al
ensayo, pueda resultar una contradicción respecto a la totalidad con distribución normal
momentánea de los valores de características23) a pesar de que no se manifieste.
La relación de la desviación estándar momentánea y la resolución del valor de medición debe ser
de como mínimo 5. De no ser así es preciso no aplicar este ensayo y aceptar según el principio
jurídico “en caso de duda para el acusado” una distribución normal momentánea si se había
determinado una distribución normal como modelo o se ha realizado una aproximación según los
criterios (2.13) o bien (2.22).
En el caso de una distribución de valor tipo 1 o tipo 2 especificada (o en su caso de otra
distribución no normal) en la que no se ha realizado ninguna aproximación mediante una
distribución normal según los criterios (2.13) o bien (2.22) es preciso considerar una desviación
significativa de una distribución normal momentánea aunque del ensayo no haya resultado
ninguna desviación significativa.
En caso de que se hayan registrado únicamente las distribuciones de frecuencia de los valores de
medición y envergaduras clasificados no es posible aplicar este ensayo, debiendo proceder según
lo anteriormente descrito.

4.4.8 Evaluación según modelos de tiempo de proceso C

Cuando durante el tiempo de comprobación mediante los ensayos estadísticos se determina una
variación significativa de la posición pero no de la dispersión de un proceso y no resulta ninguna
contradicción a la hipótesis de una distribución normal momentánea, entonces la evaluación debe
realizarse según el modelo de tiempo de proceso C.

4.4.8.1 Ensayo de tendencia


En primer lugar es preciso averiguar con ayuda del ensayo descrito en el apartado 3.5 si los
valores de medición registrados muestran una tendencia (en su caso con discontinuidades de
posición debido a correcciones). Una tendencia, por ejemplo, puede producirse por un desgaste
de herramienta que aumenta con el paso del tiempo.
En caso de que se hayan registrado únicamente las distribuciones de frecuencia de los valores de
medición y envergaduras clasificados, es imposible aplicar este ensayo. Sin embargo, se puede
aprovechar la oportunidad para decidir visualmente si existe una tendencia basándose en la
evolución de los valores de medición correspondientes registrados a mano en las tarjetas de
regulación.

23)
La definición Valor característico no se debe confundir con la definición Valor de medición, ya que éste último frente al primero
contiene una inseguridad.
Página 45
VW 101 31: 2005-02

4.4.8.2 Ensayo de desviación de una distribución normal resultante

Con ayuda de los ensayos según Epps-Pulley (véase ISO 5479) es preciso determinar si los
valores de medición registrados muestran una desviación significante respecto a una distribución
normal resultante. Este ensayo debe realizarse con un coeficiente de confianza del 95%.

4.4.8.3 Evaluación según el modelo de tiempo de proceso C1

En caso de que no se pueda demostrar una tendencia y si de los valores de medición registrados
no resulta ninguna contradicción respecto a la hipótesis de una distribución normal resultante, el
comportamiento cronológico debe identificarse mediante el modelo de tiempo de proceso C1 y el
cálculo de los valores característicos de capacidad en función del tipo de tolerancia debe
realizarse según las fórmulas (3.1) a (3.5), con lo cual los límites de dispersión deben averiguarse
según (3.21) (véase también el apartado 5. Ejemplos, figura 29).

4.4.8.4 Evaluación según el modelo de tiempo de proceso C4


Si no se puede demostrar una tendencia y los valores de medición registrados muestran una
contradicción respecto a la hipótesis de una distribución normal resultante, el comportamiento
cronológico debe identificarse mediante el modelo de tiempo de proceso C4 y el cálculo de los
valores característicos de capacidad en función del tipo de tolerancia debe realizarse según las
fórmulas (3.1) a (3.5), con lo cual para determinar los límites de dispersión debe adaptarse una
distribución mixta que resulta de una superposición de varias distribuciones normales según las
fórmulas (2.24) a (2.27) con los valores medios según la fórmula (3.43) y (3.44) (véase también el
apartado 5. Ejemplos, figura 31).
En caso de que se hayan registrado únicamente las distribuciones de frecuencia de valores de
medición y envergaduras clasificados, no es posible adaptar una distribución mixta de forma que
en su lugar es preciso realizar en función del tipo de tolerancia una evaluación no distribuida
según las fórmulas (3.46) a (3.50), con lo cual como límites de dispersión deben definirse el límite
superior de la clase más alta ocupada y el límite inferior de la clase más baja ocupada, y el valor
mediano debe calcularse según la fórmula (3.57).

4.4.8.5 Evaluación según el modelo de tiempo de proceso C3

En caso de que no se pueda demostrar una tendencia, el comportamiento cronológico debe


identificarse mediante el modelo de tiempo de proceso C3 y el cálculo de los valores
característicos de capacidad en función del tipo de tolerancia debe realizarse según las fórmulas
(3.1) a (3.5) con una distribución normal ampliada según (2.23), con lo cual los límites de
dispersión deben determinarse según las fórmulas (3.39) y (3.42) (véase también el apartado 5.
Ejemplos, figura 30).

4.4.9 Evaluación según modelo de tiempo de proceso B

Cuando existe una variación significativa de la dispersión pero no una variación significativa de la
posición de un proceso, el comportamiento cronológico debe identificarse mediante el modelo de
tiempo de proceso B y es preciso realizar un cálculo no distribuido de los valores característicos de
capacidad en función del tipo de tolerancia según las fórmulas (3.46) a (3.57) (véase también el
apartado 5. Ejemplos, figura 32).

4.4.10 Evaluación según el modelo de tiempo de proceso D


Cuando existe una variación significativa tanto de la posición como de la dispersión de proceso o
en caso de una variación significativa de la posición de proceso y una contradicción a una
distribución normal momentánea 24) el comportamiento cronológico debe identificarse mediante el

24)
En el caso de distribuciones anormales momentáneamente están relacionadas modificaciones de la posición significativas con
modificaciones de la dispersión, también en los casos en los que no se ha determinado mediante el Test Cochran una modificación
significativa de la dispersión, de tal manera que el procedimiento del proceso se debe describir mediante el modelo de tiempo de
proceso D. (véase ejemplo en la figura 34).
Página 46
VW 101 31: 2005-02

modelo de tiempo de proceso D y es preciso realizar un cálculo no distribuido de los valores


característicos de capacidad en función del tipo de tolerancia según las fórmulas (3.46) a (3.57)
(véase también el apartado 5. Ejemplos, figura 33).

4.5 Documentación

La documentación de una comprobación de capacidad de proceso relativa a una característica


debe contener como mínimo las siguientes informaciones y representaciones:

Datos de cabecera:
- Departamento, operario y fecha de elaboración
- Especificaciones sobre la pieza
- Denominación, medida nominal e intervalo de tolerancia de la característica
- Especificaciones de máquina
- Especificaciones de medios de ensayo
- Tiempo de comprobación

Resultados:
- Representación gráfica del desarrollo de los valores individuales con los valores medios del
muestreo con líneas límite del intervalo de tolerancia (en caso de valores individuales
registrados)
- Histograma con el modelo de distribución adaptado, líneas límite del intervalo de tolerancia y
del margen de dispersión, así como línea del valor medio o bien del valor mediano (véase
ejemplos en el apartado 5, diagramas medios)
- Representación en la red de probabilidades con el modelo de distribución adaptado, líneas
límite del intervalo de tolerancia y del margen de dispersión, así como línea del valor medio o
del valor mediano (véase ejemplos en el apartado 5, diagramas inferiores)
- Volumen de muestreo individual
- Cantidad y frecuencia de muestreo
- Volumen total efectivo de muestreo
- Cantidad de valores extraños determinados
- Valor estimado de la posición de proceso
- Valores estimados de los límites de dispersión o valor estimado del margen de dispersión
- Modelo de distribución aplicado
- Modelo de tiempo de proceso
- Valor característico de capacidad momentáneo Cp* en caso de modelos de tiempo de proceso
C asignados (hasta la segunda decimal)
- Valores característicos Cp y Cpk (hasta la segunda decimal)
- Valores límite requeridos para Cp y Cpk
Indicaciones y observaciones:
- En su caso indicación de PFU limitada y descripción de las limitaciones
- En su caso incidentes especiales durante el tiempo de comprobación
Página 47
VW 101 31: 2005-02

4.6 Valoración de resultados

Si un proceso referente a una característica analizada puede evaluarse como controlado e idóneo
depende de la evaluación de resultados como sigue:
En el caso de que en una evaluación resulten valores extraños es preciso analizar los valores de
medición registrados para aclarar en lo posible sus causas. Los valores extraños pueden
producirse únicamente a causa de mediciones incorrectas o porque se han identificado
erróneamente como tales mediante el ensayo de valores extraños debido a la probabilidad de
error especificada de 1%. En caso contrario, el proceso debe valorarse como no controlado. En el
caso de que más de un 5% de los valores de medición registrados o más de 3 valores se hayan
identificado como valores extraños, es preciso analizar si el proceso de ensayo es incorrecto. En
su caso es preciso repetir la PFU.
En el caso de que los valores de medición registrados muestren unas variaciones significativas
de la posición o dispersión de proceso, en general es preciso conocer las causas, seguir el
comportamiento cronológico de una regularidad conocida o las variaciones deben situarse dentro
de unos límites conocidos. Además los efectos deberían ser aceptables para que el proceso
pueda valorarse como controlado.
En la mayoría de los casos, cuando se trata de procesos identificados mediante el modelo de
tiempo de proceso C1, C3 o C4, las variaciones de posición se producen debido a desgaste de
herramienta, cambio de herramienta, cambio de lotes de material u otras influencias sistemáticas
conocidas, de manera que estos procesos, tratándose de efectos aceptables, por regla general
pueden valorarse como controlados (véase también el apartado 5. Ejemplos, figura 29 a 31).
Por el contrario, los procesos identificados mediante el modelo de tiempo de proceso B o D
deben valorarse como no controlados, ya que una variación de dispersión en la mayoría de las
ocasiones señala un empeoramiento de la fabricación que no puede corregirse mediante controles
de máquina, a no ser que se trate de una reducción de la dispersión debido a una medida
correctora (véase también el apartado 5. Ejemplos, figura 32 a 34).
Además, los procesos identificados mediante el modelo de tiempo de proceso A2* deben
valorarse como no controlados si no se conocen las causas de la desviación significativa del
modelo de distribución especificado y no existe la posibilidad de asignar otro modelo de
distribución a la característica analizada 25)(véase también el apartado 5. Ejemplos, figura 28). En
el caso de que se cuestione otro modelo de distribución apropiado para la característica, es
preciso repetir la evaluación con este modelo.
Si no se ha acordado de otra forma, los valores característicos de capacidad determinados en el
caso de un volumen total efectivo de muestreo de n g ≥ 125 (es decir, sin valores extraños) deben
cumplir el requisito
ĉ p ≥ 1,33 y ĉ pk ≥ 1,33 para una característica con tolerancias por ambos lados

ĉ pk ≥ 1,33 para una característica con tolerancia unilateral


para que el proceso pueda valorarse como idóneo. Para la comparación con los valores límite es
preciso redondear los valores característicos de capacidad determinados hasta la segunda
decimal, de forma que, por ejemplo, un valor determinado de ĉ pk = 1,32645 con el redondeo
resultante de 1,33 siga cumpliendo el requisito.
Con un volumen total efectivo de muestreo de 30 ≤ n g < 125 deben cumplirse unos valores límite
de capacidad convenientemente superiores. Para algunos volúmenes de muestreo los valores
límite adaptados están indicados en la tabla 5. En el caso de haber acordado otros valores límite

25
En el caso de una tolerancia muy pequeña (T < 5 µm) resulta a menudo una desviación significativa del modelo de distribución
determinado a causa de una resolución de los valores de medición limitada.
Página 48
VW 101 31: 2005-02

sobre la base de n g ≥ 125 es preciso determinar los correspondientes valores límite adaptados
según las fórmulas (4.7) a (4.9).

Tabla 5 - Valores límite adaptados para la capacidad de proceso para 30 ≤ ng < 125

ng ĉ p y ĉ pk ≥
30 1,54
35 1,51
40 1,48
45 1,46
50 1,44
60 1,41
70 1,39
80 1,37
100 1,35
125 1,33

En el caso de que resulte un valor característico de capacidad inferior al valor límite


correspondiente, el proceso debe valorarse como no idóneo.
En el caso de un valor característico determinado c pk ≥ 2 ,0 (corresponde a 12 σ) y para
características con tolerancias por ambos lados en caso de c p ≥ 2 ,0 , el proceso puede valorarse
como idóneo con respecto a la característica analizada independientemente de si existe una
variación significativa de la posición o dispersión o una desviación del modelo de distribución
especificado.
En el caso de características con tolerancias por ambos lados es preciso intentar conseguir un
valor Cpk que varíe lo menos posible del valor Cp, ya que esto identifica una posición de proceso
bien centrada. Por el contrario, en el caso de características con tolerancia unilateral hacia arriba
es preciso intentar conseguir un valor Cpk superior al valor Cp, ya que esto identifica un proceso
cuya posición está más cerca del límite cero natural que de la medida máxima.

Para el valor característico de capacidad momentáneo ĉ *p no se ha especificado ningún otro


valor límite, pero éste debería ser de como mínimo 1,67 para que se pueda cumplir el requisito de
proceso, incluso en caso de intervenciones de proceso, por ejemplo, en procesos con tendencia.
Los resultados de una PFU no sólo tienen importancia para la valoración de un proceso, sino
también para la determinación del límite de intervención de las tarjetas de regulación de la calidad
para el control y la dirección continuada de un proceso.
Página 49
VW 101 31: 2005-02

4.7 Mejora del proceso

En el caso de un proceso no controlado o no idóneo respecto a una característica analizada es


preciso tomar medidas para una mejora del proceso siempre y cuando éstas sean viables desde el
punto de vista económico. Para ello deben identificarse las inducciones parásitas más importantes
en el proceso (por ejemplo, mediante la metódica estadística de ensayo SOE) y eliminarlas.
Mientras que en el caso de procesos no idóneos, identificados mediante el modelo de tiempo de
proceso A1 o A2, muchas veces se llega al límite de la viabilidad económica en la mejora del
proceso, cuando la tolerancia de valores de característica es inferior a 5 µm, aunque existe una
tolerancia semejante en la mayoría de los casos es posible conseguir una mejora con costes
económicos viables para los procesos identificados mediante los otros modelos de tiempo de
proceso.

4.8 Tratamiento de procesos no controlados o no idóneos


En el caso de que en un futuro próximo no se pueda alcanzar un proceso idóneo para la
característica analizada mediante medidas correctoras económicamente viables, es preciso
documentar los motivos.
En primer lugar debería analizarse con ayuda del cálculo estadístico de tolerancias según la
norma del Grupo VW 01057, si con la condición de un proceso controlado existe la posibilidad de
una ampliación de tolerancias para la característica analizada en el intervalo requerido.
En el caso de que no se pueda ampliar la tolerancia es preciso acordar y documentar medidas
apropiadas para el control de proceso, por ejemplo un control del 100%.
Página 50
VW 101 31: 2005-02

5 Ejemplos

Las siguientes figuras 25 a 34 muestran las evaluaciones de diferentes procesos simulados.


Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa e4n %

Valor de medición

Valor nominal µo 20 Valor medio estimado 20,039


Medida máxima 20,2 Límite de dispersión superior 20,153
Medida mínima 19,8 Límite de dispersión inferior 19,926
Volumen de muestreo individual 5 Modelo de distribución N
Cantidad de muestreo m 51 Modelo de tiempo de proceso A1
Volumen total de muestreo 255 Valor momentáneo Cp* estimado 1,78
Cantidad de valores extraños 0 Valor Cp estimado 1,76
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,41

Figura 25 - Proceso controlado e idóneo con posición y dispersión constantes y


distribución normal momentánea, por ejemplo, en caso de medidas de longitud de ejes
Página 51
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 0 Valor medio estimado 0,077


Medida máxima 0,4 Límite de dispersión superior 0,280
Medida mínima 0 Límite de dispersión inferior 0,000
Volumen de muestreo individual 5 Modelo de distribución B1
Cantidad de muestreo m 51 Modelo de tiempo de proceso A2
Volumen total de muestreo 255 Valor momentáneo Cp* estimado
Cantidad de valores extraños 0 Valor Cp estimado 1,43
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,59

Figura 26 - Proceso controlado e idóneo con posición y dispersión constantes


y distribución de valor B1 momentánea, por ejemplo en caso de desviaciones de paralelidad
Página 52
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 0 Valor medio estimado 0,094


Medida máxima 0,4 Límite de dispersión superior 0,262
Medida mínima 0 Límite de dispersión inferior 0,004
Volumen de muestreo individual 5 Modelo de distribución B2
Cantidad de muestreo m 51 Modelo de tiempo de proceso A2
Volumen total de muestreo 255 Valor momentáneo Cp* estimado
Cantidad de valores extraños 0 Valor Cp estimado 1,55
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,82

Figura 27 - Proceso controlado e idóneo con posición y dispersión constantes y


distribución de valor B2 momentánea, por ejemplo, en caso de excentricidades de ejes
Página 53
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 20,001


Medida máxima 20,2 Límite de dispersión superior 20,158
Medida mínima 19,8 Límite de dispersión inferior 19,849
Volumen de muestreo individual 5 Modelo de distribución
Cantidad de muestreo m 51 Modelo de tiempo de proceso A2*
Volumen total de muestreo 255 Valor momentáneo Cp* estimado
Cantidad de valores extraños 0 Valor Cp estimado 1,29
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,28

Figura 28 - Proceso no idóneo con posición y dispersión constantes pero con distribución
mixta momentánea, por ejemplo, debido a la toma de muestreo de 2 herramientas
Página 54
VW 101 31: 2005-02

Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 19,984


Medida máxima 20,2 Límite de dispersión superior 20,119
Medida mínima 19,8 Límite de dispersión inferior 19,850
Volumen de muestreo individual 5 Modelo de distribución N
Cantidad de muestreo m 51 Modelo de tiempo de proceso C1
Volumen total de muestreo 255 Valor momentáneo Cp* estimado 2,06
Cantidad de valores extraños 0 Valor Cp estimado 1,49
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,37

Figura 29 - Proceso controlado e idóneo con discontinuidades de posición frecuentes pero


con dispersión constante y distribución normal momentánea, por ejemplo, debido a cambio
de herramienta frecuente
Página 55
VW 101 31: 2005-02

Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 20,004


Medida máxima 20,2 Límite de dispersión superior 20,150
Medida mínima 19,8 Límite de dispersión inferior 19,859
Volumen de muestreo individual 5 Modelo de distribución EN
Cantidad de muestreo m 51 Modelo de tiempo de proceso C3
Volumen total de muestreo 255 Valor momentáneo Cp* estimado 2,02
Cantidad de valores extraños 0 Valor Cp estimado 1,38
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,35

Figura 30 - Proceso controlado e idóneo con tendencia, dispersión constante y distribución


normal momentánea, por ejemplo, en caso de diámetro de ejes debido a desgaste de
herramienta
Página 56
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 19,997


Medida máxima 20,2 Límite de dispersión superior 20,148
Medida mínima 19,8 Límite de dispersión inferior 19,854
Volumen de muestreo individual 5 Modelo de distribución MV
Cantidad de muestreo m 51 Modelo de tiempo de proceso C4
Volumen total de muestreo 255 Valor momentáneo Cp* estimado 2,03
Cantidad de valores extraños 0 Valor Cp estimado 1,36
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,35

Figura 31 - Proceso controlado e idóneo con discontinuidades de posición, dispersión


constante y distribución normal momentánea, por ejemplo, debido a cambio de lote de
material
Página 57
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 19,996


Medida máxima 20,2 Límite de dispersión superior 20,177
Medida mínima 19,8 Límite de dispersión inferior 19,809
Volumen de muestreo individual 5 Modelo de distribución
Cantidad de muestreo m 51 Modelo de tiempo de proceso B
Volumen total de muestreo 255 Valor momentáneo Cp* estimado 1,24
Cantidad de valores extraños 0 Valor Cp estimado 1,09
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,05

Figura 32 - Proceso no controlado y no idóeno con posición constante pero con variación
de dispersión, por ejemplo, debido al desgaste de un rodamiento de la máquina
Página 58
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 19,988


Medida máxima 20,2 Límite de dispersión superior 20,195
Medida mínima 19,8 Límite de dispersión inferior 19,859
Volumen de muestreo individual 5 Modelo de distribución
Cantidad de muestreo m 51 Modelo de tiempo de proceso D
Volumen total de muestreo 255 Valor momentáneo Cp* estimado 1,27
Cantidad de valores extraños 0 Valor Cp estimado 1,19
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,03

Figura 33 - Proceso no controlado y no idóneo con variaciones de posición y de dispersión


Página 59
VW 101 31: 2005-02

Valor de medición

Nº de muestreo
Frecuencia relativa

Valor de medición
Frecuencia acumulada relativa en %

Valor de medición

Valor nominal µo 20 Valor medio estimado 0,133


Medida máxima 20,2 Límite de dispersión superior 0,363
Medida mínima 19,8 Límite de dispersión inferior 0,001
Volumen de muestreo individual 5 Modelo de distribución
Cantidad de muestreo m 51 Modelo de tiempo de proceso D
Volumen total de muestreo 255 Valor momentáneo Cp* estimado
Cantidad de valores extraños 0 Valor Cp estimado 1,10
Valor límite para Cp y Cpk 1,33 Valor Cpk estimado 1,15

Figura 34 - Proceso no controlado y no idóneo con variaciones de posición y de dispersión


correlacionadas en caso de una distribución de valor B2 momentánea, por ejemplo,
tendencia en caso de excentricidades
Página 60
VW 101 31: 2005-02

6 Otros documentos aplicables

VW 010 56 Planos, tolerancia de forma y posición


VW 010 57 Cálculo estadístico de tolerancia y cotas consecutivas
VW 101 33 Ensayo de valores extraños
DIN 55319 Parámetros de capacidad de calidad
ISO 5479 Interpretación estadística de datos - Ensayos para el abandono de la distribución
normal

7 Bibliografía

[1] Graf, Henning, Stange, Willrich, Formeln und Tabellen der angewandten mathematischen
Statistik (Fórmulas y tablas de la estadística matemática aplicada), Springer Verlag, tercera
edición 1987
[2] Kühlmeyer M., Statistische Auswertungsmethoden für Ingenieure (Métodos estadísticos de
evaluación para ingenieros), Springer-Verlag, 2001
[3] DGQ-Schrift Nr. 16-32, SPC 2 – Qualitätsregelkartentechnik (Técnica de las tarjetas de
regulación de la calidad), cuarta edición, 1992
Página 61
VW 101 31: 2005-02

8 Índice de palabras clave


Palabra clave Página Palabra clave Página

A Distribución F 34
Análisis de variancia simple 30 Distribución mixta 14,25
Aplicación de medios de ensayo 40 Distribución momentánea 4
Ampliación de tolerancia 49 Distribución normal 4,9
Distribución normal ampliada 7,13
C Distribución normal estandarizada 10
Cálculo estadístico de tolerancias 49 - Transformación en u 10
Cantidad de muestreo m 40 - Función de distribución Φ(ug) 10
Capacidad 3 - Función de densidad de probabilidad 10
φ(u)
Característica con tolerancia 16 Distribución resultante 5
- por ambos lados 16,25 Distribución t 34
- unilateral hacia abajo 16,26 Distribución w 18,27
- unilateral hacia arriba 16,26 Documentación 46
Cero flotante 11
Coeficiente de confianza 30,42 E
Comportamiento de proceso 4 Ensayo
Comportamiento en el tiempo de un 4 - de desviación de distribución normal 30,43
proceso
- de la distribución de valor tipo 1 19 - de desviación de linealidad 34
- de la distribución de valor tipo 2 21 - de discontinuidad de posición 32
- de la distribución normal ampliada 24 - de la distribución normal momentánea 30,44
- de la distribución mixta 25 - de la distribución normal resultante 44
Condiciones de serie 40 - de modelo de distribución 43
especificado
Condiciones para la toma de muestreo 40 - de variación de la posición de proceso 30,42
Covariancia 33 - de variación de la dispersión de 30,42
proceso
Cuantila 16,28 - de pendiente de la recta de regresión 33
- de la distribución del chi al cuadrado 28 - de tendencia
- de distribución normal momentánea 28 - de valores extraños 30,42
- de la distribución F 34 - de variación de la posición de proceso
- de la distribución t 34 Ensayo de Cochran 30,42
Ensayo de Epps-Pulley 30,43
D Ensayo de Hampel 30
Desviación de linealidad 34 Ensayo de Kruskal-Wallis 30
Desviación estándar σ 9,17 Ensayo de Shapiro-Wilk 30
Desviación estándar momentánea σm Ensayos estadísticos 30
Desviación radial r 12 Envergadura R 18,26
Determinación de capacidad 15 Estimación no distribuida 25
Discontinuidad de posición 31 Estimación/Valor estimado 15,16
Distribución 3 Evaluación de datos 41
Distribución de frecuencia 30,40 Evolución de dientes de sierra 31
Distribución de Rayleigh 12 Excentricidad z 12
Distribución de valor tipo 1 10,19
Distribución de valor tipo 2 12,21
F Probabilidad p 10
Factor de corrección k 26 Probabilidad de error α 30
Frecuencia absoluta a 18,27 Proceso controlado 4,47
Frecuencia absoluta acumulada A 27 Punto de discontinuidad 31
Frecuencia de muestreo 40
Página 62
VW 101 31: 2005-02

Palabra clave Página Palabra clave Página


Función de densidad de probabilidad 9 R
f(x)
Función de densidad f(x) 9 Recta de regresión 33
Función de distribución F(x) 10 Red de probabilidad 46
Redondeo de valores de capacidad 47
G Residuos 33
Grado de libertad f 28,34 Riesgo beta 31
Riesgo α
H
Histograma 46 T 31
Hipótesis alternativa 30 Tendencia 31
Hipótesis nula 30 Tendencia lineal 34
Tiempo de comprobación 40
I Tipo de característica 9,41
Influencias aleatorios 3 Toma del muestreo 40
Intervalo de tolerancia 3
V
L Valor característico de capacidad 16,48
momentáneo cp*
Límite del margen de confianza 28 Valor de característica 3
Límites de dispersión x0,135%, x99,865% 19 Valor esperado de la distribución w dn 18
- de la distribución normal 19 Valor mediano 26
Valor medio µ 17
M Valor umbral 31
Magnitud de ensayo 30 Valoración de resultados 47
Margen proporcional estadístico 28 Valores característicos de capacidad 3,15
cp y cpk
Medida máxima Go 16 Valores de medición/Envergaduras 17,27
clasificados
Medida mínima Gu 16 Valores extraños 30,42
Mejora del proceso 49 Valores límite de capacidad 28,47
Método de medición 40 Valores límite de capacidad adaptados 29,48
Modelo de distribución 9 Valores límite para la capacidad de 28,47
proceso
Modelos de tiempo de proceso 4 Variación total de clase ∆x 18
Variación/Desviación significativa 31
N Variancia σ2 9
Número de muestreo 33 Variancia momentánea 32
Variancia total 32
P Volumen de muestreo n 40
Parámetros de una distribución 9 Volumen total de muestreo 17
Parámetros estadísticos 17 Volumen total efectivo de muestreo ng 17,40
PFU limitada 41
Posición 3

También podría gustarte