04 SPC JRF Transparencias

Control Estadístico de Procesos
(SPC).
- Sesión 4ª de 4 -
JAIME RAMONET FERNÁNDEZ

Ingeniero Industrial Superior.
PMP® (PMI®).
Formador y Consultor.
www.jramonet.com
Jaime Ramonet Curso: Control Estadístico de Procesos (SPC)
3ª sesión
www.jramonet.com
Actitud requerida para recibir formación...

y obtener conocimiento:
"Quien establece una diferencia entre educación y entretenimiento,

no sabe nada ni de una cosa ni de la otra"
Marshall McLuhan.
Contenidos bajo licencia CREATIVE COMMONS 3.0 Reconocer Autor y Compartir Igual. 2
3ª sesión
www.jramonet.com
Temario de la sesión:
●
Gráficos de Control avanzados:
●
Gráfico CUSUM
●
Gráfico EWMA
●
Intro. a Box-Jenkins y ASPC.
●
Curva característica y curva ARL.
●
Medidas de Capacidad del proceso:
●
Índice Cp
●
Índice Cpk
●
Interpretación
●
Resumen y clausura del curso.
3ª sesión
www.jramonet.com
Gráficos avanzados:
●
Motivación:
– Los gráficos de Shewhart solo tienen en cuenta, para cada punto, los
valores relativos a la muestra actual y no al conjunto de datos recopilados
hasta el momento (conjunto de muestras). Por otro lado, consideramos que
cada observación o muestra es independiente de la anterior.
– La solución consiste en trabajar con gráficos con «memoria».
●
Gráficos avanzados (con «memoria»):
– CUSUM: En el Gráfico CUSUM se representa la suma acumulada de las
desviaciones, con lo que se está recogiendo la información de todas las
muestras anteriores.
– EWMA: En el gráfico EWMA se representan las medias móviles con pesos
exponenciales (lo que permite detectar desplazamientos muy lentos).
– Box-Jenkins y ASPC: Son métodos para muestras con dependencia entre
ellas. Nota: En general se trata de procesos continuos, en que la entrada se
ve retroalimentada por una función de la salida.
3ª sesión
www.jramonet.com
Gráfico CUSUM: Sumas Acumuladas

●
Complemento a los gráficos de Shewhart (que en principio no
«persiguen» al valor nominal -VN- sino que se centran en detectar los
desequilibrios del proceso creados por causas especiales -asignables-).
●
«Persigue» centrar los resultados entorno a un valor objetivo «T».
●
Detecta las desviaciones respecto a «T» (“target”) en una magnitud
superior a un valor determinado preestablecido por nosotros (“d” =
desviación a detectar).
●
El «T» puede ser: el valor nominal -VN- de un parámetro del propio
proceso o del resultado, la varianza de ídem, una proporción «p» de...,
los valores de predicción de un modelo teórico, etc.
●
Permite realizar el seguimiento y control de cambios moderados (entre
0,5 y 2 veces σ) del valor «T».
●
Especialmente útil para muestras de tamaño n =1.
3ª sesión
www.jramonet.com
Gráfico CUSUM:
●
El gráfico representa el valor de la suma acumulada («C») hasta la
muestra actual («i») de la diferencia entre la media de cada muestra
(«ẍi») respecto al valor objetivo («T»).
● Formula: Ci = ∑ (ẍi – T);
● El valor de Ci va acumulando las diferencias.
●
Si el proceso está bajo control, las desviaciones positivas se
compensaran con las negativas y el gráfico serán una serie de punto
oscilando sobre y bajo el valor 0 (Ver transparencia siguiente).
●
La determinación de la situación del proceso se puede hacer
mediante:
– Mediante cálculo numérico.
– Mediante “mascara en V”.
3ª sesión
www.jramonet.com
CUSUM – Bajo control: Datos ...
3ª sesión
www.jramonet.com
CUSUM - Bajo control: Gráfico ...
3ª sesión
www.jramonet.com
CUSUM – Mismo caso, 100 muestras
3ª sesión
www.jramonet.com
CUSUM – Mismo caso,

otras 100 muestras !!!
3ª sesión
www.jramonet.com
CUSUM (cont.)
● Si la media del proceso (evaluado mediante las medias muestrales «ẍi» )
no coincide con el valor objetivo «T», el gráfico se irá separando del valor
0, al irse acumulando la diferencia.
●
El «dato» importante en un gráfico CUSUM no es la separación respecto a
0 (recordar el último gráfico) sino la «pendiente» de la línea de puntos: a
mayor pendiente, mayor discrepancia entre la media del proceso y el
valor objetivo «T».
●
Los límites de control de los gráficos CUSUM vienen dados por dos
pendientes (+ y -) que dependen de cuatro factores:
– La escala del gráfico.
– La variabilidad «σ» propia del proceso (teórica o de la población).
– El cambio mínimo (del parámetro) que se quiere detectar (valor
umbral «K»).
– El riesgo «α » (Error Tipo I) en la toma de decisiones.
3ª sesión
www.jramonet.com
CUSUM: Construcción del gráfico

●
Escala del gráfico: se recomienda que 1 unidad de la escala del eje
horizontal (eje X) sea = (2 · σ) de la distribución teórica del
parámetro de la escala vertical (eje Y). Ejemplo:
– Si σ = 0,7 u. y en la escala horizontal colocamos las
observaciones cada 2 mm (unidad horizontal), entonces, en el eje
vertical cada 2 mm representarán (2 * 0,7 ) = 1,4 u. (siendo u.
la unidad de medida del parámetro representado en el gráfico).
Unidades “u”
(2 * σ)
Observaciones
3ª sesión
www.jramonet.com
CUSUM – Desviación del parámetro

●
Si no se conoce la desviación teórica o de la población de la
distribución del parámetro sobre el que se realiza el gráfico, esta
deberá ser calculada con la formula adecuada. p.e.:
– σe = s / √‾(n – 1) ; Para variables continuas que se ajusten a
la Ley Normal.
– σe = sqrt( p * (1-p) / n) ; Para proporciones de parámetro que
se distribuya según la Ley Binomial.
– σe = sqrt( np * (1-p)) ; Para número de individuos con un
atributo «p» (Ley Binomial).
– σe = λ ; Para número de ocurrencias por unidad (Ley Poisson).
3ª sesión
www.jramonet.com
CUSUM: Control del proceso

Método numérico
●
Método:
– Se acumulan solo las desviaciones mas significativas y por
separado, las positivas en “C+” y las negativas en “C-”.
– Se considera que una desviación es significativa si es mayor que
un valor umbral «K» predeterminado, normalmente K = ½ de la
desviación que se quiere detectar: K = ½ · (µ 0- µ 1); o bien, si
µ1 = µ0 + δ · σ ; K = ½ δ ; (Nota: µ 0 = T) c-
– Para cada muestra se calculan D+i = ((xi – T) – K); y D-i = ((T
- xi) – K);
– Si (D+i > 0) se acumula a C+; Si (D-i > 0) se acumula a C-;
– Finalmente: C+i = C+i-1 + MAX(0; D+i); y
– C-i = C-i-1 - MAX(0; D-i);
3ª sesión
www.jramonet.com
CUSUM: Límites de C+ y C-
●
C+ y C- nos proporcionan la acumulación de las desviaciones
significativas positivas y negativas respectivamente.
●
Los límites de control para estos dos valores viene dado por un valor
de decisión «H» que habitualmente suele ser H = h · σ . El valor de
«h» es 4 o 5, según los autores.
●
+/- H son los límites de control para C+ y C-.
●
Cuando el proceso se muestra fuera de control, se deberán realizar
las acciones correctoras pertinentes y se reiniciaran los valores de
C+ y C- a cero.
3ª sesión
www.jramonet.com
CUSUM: ejemplo 1
3ª sesión
www.jramonet.com
CUSUM:
ejemplo 2
3ª sesión
www.jramonet.com
CUSUM: ejemplo 2
c+
cusum c-
3ª sesión
www.jramonet.com

Método gráfico (plantilla en “V”)
Parámetros de la plantilla:
- Distancia O-P y ángulo ω
O P
ω
3ª sesión
www.jramonet.com

Método gráfico (plantilla en “V”)
●
Algunos paquetes estadísticos implementan este método.
●
Los parámetros son función de la escala del gráfico y normalmente
no se calculan a mano.
●
Algunos autores desaconsejan el método gráfico.
●
El método calculado es + exacto y permite realizar adaptaciones,
p.e. Asignación de valores iniciales a C+ y C- > 0 tras una acción
correctora incierta.
3ª sesión
www.jramonet.com
CUSUM vs. Gráficos de Shewhart

●
CUSUM es + sensible a variaciones pequeñas en el proceso.
●
Para variaciones grandes (K > 1,5 o 2) son similares o CUSUM un
poco peor.
●
Las dos ventajas de CUSUM frente a los Gráficos de Control de
Shewhart son:
– Tiene “memoria” de las desviaciones anteriores
– Permite controlar variables u otros parámetros (proporciones,
rangos, desviación, etc).
3ª sesión
www.jramonet.com
Gráficos EWMA (I)

(Medias móviles ponderadas exponencialmente)
●
Para muestras tamaño 1 (observaciones individuales).
●
Se representa un valor acumulado en el que tienen mas importancia
(peso) las observaciones + recientes.
●
El factor de importancia (peso) de cada observación decae
exponencialmente con el tiempo.
●
El valor de cada punto se define como:
– yi = λ · xi + (1 – λ) · yi-1; Nota: ha que tomar y0 = μ (media).
●
El valor λ es discrecional (0 < λ <= 1). Normalmente entre 0,05 y 0,25.
– Cuanto mayor sea λ, mayor perdida de importancia con el tiempo. Para
λ = 1 solo cuenta la observación + reciente (ídem a un gráfico de
Shewhart. Para λ → 0 tenemos un gráfico del tipo CUSUM.
3ª sesión
www.jramonet.com
Gráficos EWMA (II)

(Medias móviles ponderadas exponencialmente)
●
Los límites de control (que son función de la observación) son:
– LCS = μ + 3 · σ · sqrt((λ · (1 – (1-λ)2i ) / (2-λ))
– LC = μ
– LCI = μ - 3 · σ · sqrt((λ · (1 – (1-λ)2i ) / (2-λ) )
●
De forma simplificada (aproximada) se puede aceptar:
– LCS = μ + 3 · σ · sqrt( λ/(2 – λ) )
– LC = μ
– LCI = μ - 3 · σ · sqrt( λ/(2 – λ) )
3ª sesión
www.jramonet.com
Gráfico EWMA:
Ejemplo
Puntos del gráfico:
y0 = μ ;
yi = λ · xi + (1 – λ) · yi-1;
Límites de control:
LCS = μ + 3 · σ · sqrt( λ / (2 – λ) )
LC = μ
LCI = μ - 3 · σ · sqrt( λ / (2 – λ) )
3ª sesión
www.jramonet.com
Gráfico EWMA: Ejemplo
3ª sesión
www.jramonet.com
Box-Jenkins y ASPC
●
Justificación:
– Cuando las observaciones NO son independientes entre si, pueden existir
causas especiales (asignables) que pueden actuar continuamente a lo
largo de un conjunto de observaciones, sin poder ser eliminadas de una
forma operativa (procesos en continuo, por ejemplo).
– Existen dos estrategias:
●
Gráficos Box-Jenkins: Son gráficos de control que se adaptan,
mediante transformación (corrección) de los datos obtenidos, en
función de la dependencia entre observaciones (p.e. Series
temporales depndientes de la estacionalidad). Ver:
http://en.wikipedia.org/wiki/Box%E2%80%93Jenkins
●
ASPC (Control estadístico adaptativo y automático): Se trata de
realizar un Control Estadístico del Proceso y una corrección o ajuste
automático del mismo (retro-alimentación de control) cada vez que
este se desplace de su valor nominal.
3ª sesión
www.jramonet.com
Box-Jenkins: Ejemplo
Datos originales Datos transformados
3ª sesión
www.jramonet.com
ASPC: Esquemas (ejemplos)...

Entrada
PROCESO Resultado
Controlador
3ª sesión
www.jramonet.com
Curva Característica de Operaciones

de un Gráfico de Control (“OC”)
●
Mide la sensibilidad del Gráfico de
Control.
●
Evalúa la probabilidad de que un punto
caiga dentro de los límites de control si
se ha producido un cambio de
magnitud determinada en el proceso.
●
Es función del tamaño de la muestra,
de la desviación tipo y de α (que
determina los Límites de Control).
●
p.e. Si desplazamiento = 0: OC = α
3ª sesión
www.jramonet.com
Curva ARL (“Average Run Length”)

●
Mide la rapidez de respuesta del Gráfico de Control frente a un
cambio en el proceso.
●
Indica el número medio de muestras necesario para detectar un
cambio (“dar la alarma”) de una magnitud determinada en el
proceso.
●
Está relacionada con la curva OC: ARL (μ) = 1 / (1 – OC(μ)).
●
Cuando el proceso se muestra fuera de control, deberemos analizar
como mínimo “n” muestras anteriores, siendo “n” el valor de la curva
ARL.
●
En un proceso bajo ARL = 1 /α; (Para Límites de Control a 3 · σ → α
= 0,03 → ARL = 1 / 0,03 = 33,3 muestras !!!. ¿Que pasaría si α =
1?; pero...!!!)
3ª sesión
www.jramonet.com
Medidas de Capacidad de los Procesos

●
La capacidad de un proceso mide su Hipótesis: Distribución Normal del
nivel de cumplimiento respecto a parámetro y proceso bajo control.
una especificación dada. Un proceso
es capaz si su resultado (producto o
el servicio) está dentro de los
límites de la especificación
establecida.
●
Una especificación viene dada por
un valor nominal (VN) y unas
tolerancias (positiva y/o negativa)
que determinan los límites de
tolerancia de la especificación (LTS
y LTI).
●
Mide lo que el proceso es “capaz”
de hacer. LTI VN LTS
3ª sesión
www.jramonet.com
Índice de Capacidad Cp
●
El índice de capacidad viene definido por la relación entre el rango de la
tolerancia y un múltiplo de la dispersión del proceso:
●
Cp = ( LTS – LTI ) / k · σ; (siendo “σ” la desviación tipo del proceso)
●
El valor de “k” depende del tipo de proceso. Para procesos muy estrictos o
básicos (p.e. para la medida de capacidad de máquinas), se toma K = 8. Para
resultados finales (p.e. Medida de capacidad del proceso global) se toma k =
6.
●
En sectores específicos pueden ser habituales otros valores de “k” (p.e. En
aeronáutica o en electrónica, K = 10 o K = 12).
●
Si Cp >> 1 → Proceso capaz. Deseable: Cp > 1,33
●
Si Cp justo por encima ó = 1 → Proceso en el límite. Hay que intentar
mejorarlo ;-(
●
Si Cp < 1 → proceso No capaz. Hay que mejorar el proceso (o cambiar las
especificaciones).
3ª sesión
www.jramonet.com
Razón de capacidad del proceso Cpk

●
El índice de capacidad Cp no informa de si en proceso está centrado
en el valor nominal (VN).
●
Para tener en cuenta el centrado sobre el valor nominal, se define el
valor de Razón de Capacidad Cpk.
●
Cpk = Min( (LTS – Ẍ) / k · σ ; (Ẍ - LTI) / k · σ );
●
Como en el caso anterior, el valor “k” depende del tipo de proceso.
Para procesos muy estrictos o básicos (p.e. para la medida de
capacidad de máquinas), se toma K = 4. Para resultados finales (p.e.
Medida de capacidad del proceso global) se toma k = 3.
●
Nota: El valor de “k” en la fórmula de Cpk debería ser = ½ · k de la
formula del índice Cp.
●
Se cumple que: Cpk <= Cp
3ª sesión
www.jramonet.com
Cp y Cpk: situaciones...
Cp > 1 Cp = 1 Cp < 1
Cpk > 1 Cpk = 1 Cpk < 1
LTI VN LTS LTI VN LTS LTI VN LTS
Cp > 1 Cp < 1 Imaginar:

0 < Cpk < 1 Cpk = 0 Cp < 1
Cpk < 0
LTI VN LTS LTI VN LTS
3ª sesión
www.jramonet.com
Medida de la Capacidad del proceso:

Procedimiento
●
Asegurar que el proceso esta «bajo control».
●
Tomar un mínimo de 50 (mejor 100) unidades consecutivas y
medir el parámetro.
●
Verificar que los datos se distribuyen según una Ley Normal –
Prueba o contraste de Normalidad (diversos métodos: p.e.
método gráfico).
●
Obtener la desviación tipo del proceso σ. La media se tomará
igual al VN.
●
Calcular Cp y Cpk del proceso.
3ª sesión
www.jramonet.com
Ejemplo: cáculo de Cp y Cpk
3ª sesión
www.jramonet.com
Otro ejemplo índices Cp y Cpk:

●
La especificación de un parámetro de un proceso bajo control establece:
– VN = 10,80 mm.
– Tolerancia: +/- 0,20 mm. (LTS = 11,00 mm; LTI = 10,60 mm; Rt = 0,40 mm)
●
Se seleccionan 100 muestras consecutivas, se obtienen los valores del
parámetro y se verifica la normalidad de la distribución de estos datos.
●
Se calculan los datos estadísticos de las 100 observaciones:
– Media μ = 10,72 mm. Y desviación tipo σ = 0,05 mm.
●
Cálculos de Cp y Cpk:
– Cp = 0,40 / 6 * 0,05 = 1,33 ;
r ...
Cpk-sup = (11,00 – 10,72 ) / 3 * 0,05 = 0,28 / 0,15 = 1,86 ta
●
pre
Cpk-inf = (10,72 – 10,60 ) / 3 * 0,05 = 0,12 / 0,15 = 0,80 r
te
●
In
– Cpk = min( 1,86 ; 0,80 ) = 0,80
3ª sesión
www.jramonet.com
Resumen del Curso ;-)

(adaptado de la Norma ISO 7870-2:2013)
AC:
Eliminar causas
asignables
No
Gráficos Bajo Si Evaluar

PROCESO
de Control control Capacidad
Mejorar Proceso o No
Cpk > 1
cambiar especificación
Si
Intentar mejorar
Cpk > 1,33
3ª sesión
www.jramonet.com
Bibliografía:
●
Norma ISO 7870-2:2013 - Control charts — Part 2: Shewhart
control charts.
●
ISO 22514-7:2012 Statistical methods in process
management - Capability and performance -- Part 7: Capability of
measurement processes.
●
Norma ISO 11462-1:2001 - Guidelines for implementation of
statistical process control (SPC) - Part 1: Elements of SPC.
●
Control y mejora de la calidad. A. Prat, X. Tort-Martorell, P. Grima
y L. Pozueta. Edicions UPC. Barcelona, 1998
●
Shewhart W.A. Economic Control of Manufactured Product. D. Van
Norstrand, Co, New York, 1931.
●
Grant E ., & L eavenworth R. Statistical Quality Control. McGraw-Hill
Series in Industrial Engineering and Management, 1996.
3ª sesión
www.jramonet.com
Gracias por su atención . . .
Turno abierto . . .
¿Preguntas?
¿Otros casos / cosas que
ustedes conozcan?
¿Comentarios?

04 SPC JRF Transparencias

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

04 SPC JRF Transparencias

Cargado por

Copyright:

Formatos disponibles

Control Estadístico de Procesos

JAIME RAMONET FERNÁNDEZ

Actitud requerida para recibir formación...

"Quien establece una diferencia entre educación y entretenimiento,

Gráfico CUSUM: Sumas Acumuladas

CUSUM – Bajo control: Datos ...

CUSUM - Bajo control: Gráfico ...

CUSUM – Mismo caso, 100 muestras

CUSUM – Mismo caso,

CUSUM: Construcción del gráfico

CUSUM – Desviación del parámetro

CUSUM: Control del proceso

CUSUM: Control del proceso

CUSUM: Control del proceso

CUSUM vs. Gráficos de Shewhart

Gráficos EWMA (I)

Gráficos EWMA (II)

Gráfico EWMA: Ejemplo

ASPC: Esquemas (ejemplos)...

Curva Característica de Operaciones

Curva ARL (“Average Run Length”)

Medidas de Capacidad de los Procesos

Razón de capacidad del proceso Cpk

LTI VN LTS LTI VN LTS LTI VN LTS

Cp > 1 Cp < 1 Imaginar:

LTI VN LTS LTI VN LTS

Medida de la Capacidad del proceso:

Ejemplo: cáculo de Cp y Cpk

Otro ejemplo índices Cp y Cpk:

Resumen del Curso ;-)

Gráficos Bajo Si Evaluar

Gracias por su atención . . .

También podría gustarte