Pre - NSF137-Workbook SPC (ESP) - RACH240221-FINAL

Control
estadístico de
procesos
para la
industria
alimentaria
Cuaderno de Trabajo
del Participante
© NSF Training and Education Services
V1
NSF International
125 Chancellors Way
Guelph, Ontario
N1G 0E7
Canada
519-821-1246
www.nsflearn.org
This workbook is intended for instructional purposes only.

Statistical Process Control
Objetivo del curso
Al final del programa, usted será capaz de:

• Describir y aplicar el muestreo en el SPC, los conceptos estadísticos básicos y las técnicas
de SPC, como los histogramas, los gráficos de Pareto, los diagramas de dispersión, los
diagramas de espina de pescado, los gráficos de ejecución y los gráficos de control
• Explicar los gráficos de control de variables, la capacidad del proceso y el indicador R&R
• Seleccionar y construir el gráfico de control más adecuado para su aplicación
• Calcular los límites de control e interpretar los gráficos de control
• Evaluar los datos para determinar cuándo su sistema está en control estadístico
• Discutir la diferencia entre la recolección de datos de atributos y variables, y cómo utiliz-
arlos para asegurar que su recolección de datos sea eficiente y efectiva
• Aplicar el SPC para mejorar la capacidad de sus planes HACCP y de calidad a través de la
seguridad alimentaria y la calidad operativa
NSF Training and Education Services 3

Introducción y Visión General

Tómese un minuto para reflexionar sobre las cosas específicas que desea aprender en esta
sesión. Piense en su trabajo y en su función.

Discusión:
¿Qué parámetros del proceso o del producto controla en su planta?
Factores de Control Propósito o Importancia del Control

Control de Peso optimizar la rentabilidad
cumplir con los requisitos reglamentarios
cumplir con las especificaciones del cliente
optimizar las condiciones de procesamiento

Conceptos estadísticos, medida de centro, medidas de dispersión, desviación estándar,

forma de la distribución, desviación estándar
Datos variables:
Registre algunos ejemplos de datos variables en su operación:
Medidas para el Centro

Calcule la media de 10, 11, 9, 12, 8
Cuál es el número medio de 10,11, 9, 13, 14
Cuál es la mediana de 9,10,11,13,14,14
¿Qué significa la moda?
¿Hay algún ejemplo de cuándo la mediana podría ser útil en su operación?
Ejemplo:
El director de ventas tiene la tarea de hacer un seguimiento del rendimiento de su agente de ventas
y presentar los datos a la alta dirección. ¿Qué cifra es más representativa, la media o la mediana?
Un agente vende casas con los siguientes precios

$240,000, $300,000, $320,000, $350,000, $375,000, $360,000 $420,000 $440,000, $4,000,000
El precio promedio de la casa es
El precio medio de la casa es
Una imagen muy diferente del precio de las casas con las que el agente está tratando en su
mayoría.

Medidas de Dispersión
Rango: 1, 2, 3, 4, 5, 6 tiene un rango de?
Registre por qué el rango puede ser importante.
Desviación Estándar:
¿Qué mide y cómo es utilizada
¿Por qué es útil esta forma de distribución en el control de procesos?

Ejercicio de Cálculo de la Desviación Estándar: Albóndigas

El objetivo de este ejercicio es comprender cómo calcular la desviación estándar de un subconjun-
to de datos. En la práctica se podría utilizar un software estadístico o un programa de hoja de cál-
culo con software de análisis de datos.
La línea en la que trabaja elabora albóndigas cocidas listas para comer. El peso de las albóndigas
debe estar dentro de un rango a efectos de seguridad alimentaria y control de calidad. Una
albóndiga demasiado grande podría estar poco cocida y ser insegura. Una albóndiga demasiado
pequeña podría estar demasiado cocida y ser de mala calidad. El cálculo de costos se basa en el
control del peso de las albóndigas. Si se conoce la variación del peso de las albóndigas, se ayuda
a Calidad a comprender la capacidad del proceso para cumplir los objetivos de seguridad, calidad
y producción.
Calcule la desviación estándar (SD) de los siguientes datos:
Cálculo de la desviación estándar:

Peso Albóndigas
Gramos
57
58 60.7 -2.7 7.29
58 60.7 -2.7 7.29
60
61
62 60.7 1.3 1.69
62 60.7 1.3 1.69
64
63
62 60.7 1.3 1.69
Total = 607
n = 10 =
60.7 =
Usar software para calcular estadísticas.

http://www.usablestats.com/lessons/sdExcel
En Microsoft Excel, la desviación estándar se puede calcular con=STDEV(datarange) o usando
estadísticas descriptivas en el paquete de análisis de datos.

Cuando el Histograma no es "normal"
Positivamente Sesgada, Bimodal, Truncada, Irregular

Uso de Histogramas, Caso Estudio de Albóndigas

La producción de Albóndigas se muestreó tomando 5 muestras cada (60 minutos) y pesándolas.
Se recogieron los siguientes datos. El responsable del control de calidad está creando un histo-
grama para evaluar la forma de la distribución de los pesos.
56 60 62 Utiliza la columna de recuento para marcar cada ocurrencia de

un valor en la población. A continuación, suma las marcas de
recuento para obtener un total.
57 60 62
57 60 62
Medición
57 60 62 (Contenedor) Recuento Total
58 60 62
58 60 62 54 - 55 0
58 60 62
58 60 62 56 - 57 |||| 4
58 60 63
59 60 63 58 - 59 12
59 60 63
59 61 63 60 - 61 23
59 61 63
59 61 63 62 - 63 16
59 61 63
59 61 64 64 - 65 3
60 61 65
60 61 65 66 - 67 1
60 61 66
60 62 68 - 69 0

Ejercicio de Creación de un Histograma:

A partir de los datos proporcionados, construya un histograma.
Histograma de la Albóndiga
25 23
Número de ocurrencias en la papelera
22.5
20
16
17.5
15 12
12.5
10
7.5
5 4 3
0 1 0
2.5
0 54 - 55 56 - 57 58 - 59 60 - 61 62 - 63 64 - 65 66 - 67 68 - 69
Peso de la Albóndiga en gramos
¿Qué le dice el histograma sobre el proceso estudiado? Responda a las siguientes preguntas:
¿Los datos están distribuidos con normalidad?
¿Cree que se puede utilizar para el SPC?


Control Estadístico de Procesos

Beneficios y usos.
Discusión: ¿Cuándo se controla un proceso?
Causa Común y Causa Asignable.
Considere el PEEMMM al identificar las causas asignables.
Factores (PEEMMM) Variación en
Personas Operadores: precisión, consistencia, formación
Equipos Variación de la máquina (diferentes cabezales de llenado/depósito, cabe-

zales de depósito, desgaste)
Medio ambiente Temperatura, humedad
Materiales Humedad, grasa, proteína, espesor
Medición Precisión de los datos, falta de datos, datos oportunos
Métodos Procedimientos, prácticas
Control de la variación de causa común

Concepto de Control de Procesos
¿Cuáles son las características de un gráfico de control de procesos?
El Gráfico yR
Creando un gráfico de control.
Antes de empezar
1. Determinar que el Proceso está "en control"
a. Hacer un Histograma (Diagrama de Frecuencia).
b. Revisar el histograma para determinar si se puede aplicar el SPC
Si la forma del gráfico se aproxima a la distribución normal (curva de campana), proceda. De lo
contrario, utilice otras herramientas de calidad para investigar y reducir la variación.
Procesos de Control Gráfico y R Gráfico
2. Determinar el tamaño de la muestra, normalmente 3 ó 5 muestras por conjunto de
muestras.
3. Determinar la frecuencia del muestreo. Tomar muestras con la suficiente frecuencia pa-
ra captar los cambios.
4. Recoger de 20 a 25 conjuntos de muestras en conjuntos de 3, 4 ó 5 muestras. Tomar
muestras en una secuencia de tiempo en el mismo día. El tamaño de la muestra, una
vez seleccionada, debe mantenerse. Total de 50 a 100 muestras individuales.
5. No influir ni ajustar el proceso durante la ejecución.
6. Calcule la media (promedio) de cada conjunto de muestras. Esta es
7. Calcule el UCL y el LCL. Esto puede hacerse utilizando tablas de factores.

El UCL y el LCL para se calculan utilizando los datos recogidos durante la ejecución del muestreo del gráfi-
co de control en la página siguiente.
Donde
= la media (promedio) de todas las medias de la muestra
= la Media de los rangos de todas las muestras

= el valor de la Tabla de Factores de abajo para 5 muestras
Cálculo del UCL y LCL para el rango R
El rango (R) de los datos de las muestras recolectadas es otra forma de detectar cambios en el pro-
ceso. Si el rango se desvía de los límites de control, sospecharemos que una causa especial ha
afectado al proceso. Al identificar las causas especiales podemos trabajar para eliminar o
reducir su impacto y mejorar el control del proceso.
= 0,00 (el LCL para R suele ser 0 a menos que se tomen al menos 10 muestras
Donde:
= Media de los rangos de todas las muestras
= valor de la tabla correspondiente a n el número de muestras tomadas por el conjunto de
muestras.
Tabla de factores
Los factores se utilizan para calcular los límites de control superior e inferior
n A2 D3 D4
El factor a utilizar en la ec- El factor a utilizar en la El factor a utilizar en la ec-

= el número de muestras
uación dependiendo del ecuación en función del uación en función del
tomadas en cada toma
número de muestras toma- número de muestras tom- número de muestras toma-
de muestras
das adas das
2 1.88 0 3.27
3 1.02 0 2.57
4 0.73 0 2.28
5 0.58 0 2.11
6 0.48 0 2.00

Ejercicio Grupal: Calcular y R , UCL y LCL para y R .

Trace los datos y el UCL y LCL en el gráfico proporcionado..
Complete la Tabla
Fecha
Tiempo Peso de las Albóndigas en gramos
Conjunto de mues-
tras R
1 58 58 60 58 60 60 2
2 64 62 58 58 56 56 8
3 62 62 64 64 63 63 2
4 58 60 60 60 60 60 2
5 58 60 60 60 60 60 2
6 61 58 60 58 60 60 3
7 62 60 62 60 58 58 4
8 62 62 62 60 58 58 4
9 61 60 56 58 58 58 5
10 61 61 64 61 59 59 5
11 65 66 64 61 61 61 5
61 5
12 66 66 64 61 61
714 47
Totals
59.5
Calcular el promedio del promedio (Total dividido por 12)
3.92
Calcular el promedio del promedio R (Total dividido por 12)
UCL y LCL para
UCL y LCL para
= 0.00
LCL para es usualmente 0 a no ser que al menos 10 muestras sean


Interpretando los gráficos yR

Ejercicio Grupal:
asignado y discuta los siguientes pasos que pudiese requerir.
¿Está el proceso bajo control? Qué ocurre con el centro y el rango del proceso según el gráfico.

B Diámetro del Cono de Sellado
Sealing Cone Diameter - Xbar Chart
53.57
53.56
53.55
53.54
Average
53.53 UCL 53.53
53.52 CL 53.52
53.51 LCL 53.51
53.50
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Date/Time/Period
Sealing Cone Diameter - R Chart
0.04
UCL 0.04
0.04
0.03
0.03
Range
0.02
CL 0.02
0.02
0.01
0.01
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Date/Time/Period

C Ancho “F”
Width F - Xbar Chart
54.42
54.40
54.38
UCL 54.36
Average
54.36
CL 54.35
LCL 54.34
54.34
54.32
54.30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Date/Time/Period
Width F - R Chart
0.04
0.04 UCL 0.03
0.03
0.03
Range
0.02
CL 0.02
0.02
0.01
0.01
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Date/Time/Period


Reglas de Decisión del Gráfico de Control
Ejercicio Grupal:
Examine los gráficos de control de la página siguiente. Cada uno de ellos es un ejemplo de un pro-
ceso que no está controlado. Haga coincidir el número de la regla de decisión con el gráfico de
control colocando el número de la regla de decisión en la casilla situada encima del gráfico corre-
spondiente.
Las Reglas de Decisión Señalan una Condición fuera de control
15 puntos seguidos a menos de 1 σ de la línea central (cualquier lado).

2.
3. σ de la línea central.
4. σ de la línea central.
5. σ de la línea central (del mismo lado).
6. σ desde la línea central (cualquier lado).
7.
8.
Note: las áreas representadas por las letras A, B y C en los gráficos de control representan un ran-
go de 3, 2 y 1 sigma respectivamente.
Nota: en el apéndice se incluye una lista de las reglas de decisión de la carta de control de Nelson.

Gráfico de Control Reglas/Señales de decición

Gráficos de Control de Rangos Individuales Móviles (gráfico IMR)

Los gráficos de rango individuales móviles se utilizan cuando no es posible tomar 3-5 muestras (por
razones logísticas, por el coste de la muestra o por el tipo de proceso). En este caso, tomamos lec-
turas individuales. En lugar de trazar el rango de las muestras, trazamos el rango entre las muestras
sucesivas. El UCL y el LCL pueden calcularse para los individuos y el rango. Esto podría denominarse
un gráfico de ejecución con el UCL y el LCL dibujados en él más el rango móvil.
Ejercicio Grupal:
Caso de Estudio: Monitoreo del Control del Proceso de Laminación
Su grupo de calidad debe determinar si el proceso de laminación está controlado. El lote de masa se
procesa en una mezcladora. La masa sale de la mezcladora y se envía a la laminadora, donde se
controla el grosor, el peso, la longitud y la anchura de la lámina. La longitud y la anchura se controlan
automáticamente mediante el uso de cuchillas de corte. El grosor de la lámina afecta al proceso pos-
terior.
Durante varias semanas, se mide el grosor de la lámina cada 30 minutos.
Examine los gráficos de control de la página siguiente.

Histograma del Grosor

Histogram deThickness
of Sheet la Lámina (mm)
(in)
Normal
Normal
12 Mean 0.06805
StDev 0.001181
N 47
10
8
Frequency
0
0.065 0.066 0.067 0.068 0.069 0.070
Sheet
Grosor deThickness
la Lámina(in) (mm)
I-MR Chart of Sheet Thickness (in)

1 1 1 1 1 1 1 1
U C L=0.069412
0.069
Individual V alue
_
0.068 X=0.068053
0.067
LC L=0.066694
1 1 1 1
0.066
1
1 1
0.065
1
1 6 11 16 21 26 31 36 41 46
O bser vation
1
0.0020
U C L=0.001669
0.0015
M oving Range
0.0010
__
0.0005 M R=0.000511
0.0000 LC L=0
1 6 11 16 21 26 31 36 41 46
O bser vation

Caso de Estudio: Seguimiento del control del proceso de laminación

Discusión:
¿Por qué has utilizado los gráficos I-MR en lugar de los gráficos y R?
2. ¿Está este proceso bajo control?
3. ¿Identificar las pruebas de las reglas de los gráficos que fallaron?
4. ¿Qué le dice el gráfico sobre el proceso?

Gráficos de atributos
Los atributos son características que no varían. Son o no son. La pieza está dañada o no está
dañada. El producto es defectuoso o no es defectuoso.
Discusión:
Piense en los atributos de calidad en su propia situación.
¿Cuáles serían?
Tipos de Gráficos de Control de Atributos:

• Gráfico p Porcentaje de defectuosos
• Gráfico np Número de ítems defectuosos
• Gráfico c Número de defectos
• Gráfico u Defectos por ítem
los gráficos p y np miden los defectuosos. los gráficos u y c miden los defectos.
El UCL y el LCL para el porcentaje de defectuosos se calculan como a continuación. np es el

número de unidades defectuosas

p=
(np)
Lim it
Lim it
Upper
Low er
Period
Control
Control
Percent
Num ber
0.23
Defective
Defective
Subgroup
-0.10
0.00
0.10
0.20
0.30
0.40
0.50
0.60
#
-0.052 0.512
bos secuenciales.
0.25 5 20 1
#
-0.052 0.512 0.35 7 20 2
#
-0.052 0.512 0.30 6 20 3
#
-0.052 0.512
NSF Training and Education Services

0.15 3 20 4
#
-0.052 0.512 0.25 5 20 5
#
-0.052 0.512 0.20 4 20 6
#
-0.052 0.512 0.30 6 20 7
#
-0.052 0.512 0.15 3 20 8
#
-0.052 0.512 0.40 8 20 9
#
-0.052 0.512 0.35 7 20 10
#
-0.052 0.512 0.25 5 20 11
#
-0.052 0.512 0.30 6 20 12
#
-0.052 0.512 0.20 4 20 13
#
-0.052 0.512
28
0.15 3 20 14
p-Chart
#
-0.052 0.512 0.15 3 20 15
#
-0.052 0.512 0.20 4 20 16
Percent Defective
#
-0.052 0.512 0.30 6 20 17
#
-0.052 0.512 0.35 7 20 18
-0.052 0.512 0.35 7 20 19
-0.052 0.512 0.15 3 20 20
# ## #
-0.052 0.512 0.10 2 20 21
#
-0.052 0.512 0.05 1 20 22
#
-0.052 0.512 0.00 0 20 23
#
-0.052 0.512 0.05 1 20 24
#
-0.052 0.512 0.15 3 20 25
#
-0.052 0.512 0.25 5 20 26
#
-0.052 0.512 0.30 6 20 27
#
-0.052 0.512 0.15 3 20 28
#
-0.052 0.512 0.20 4 20 29
#
-0.052 0.512
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
0.55 11 20 30
Combos de pechuga de pollo deshuesada: % defectuoso para 20 muestras tomadas de 30 com-
Ejercicio Grupal:
Estudio de caso sobre gráficos de atributos: Determinación del porcentaje de producto no
conforme.
Cada año se reciben varias quejas de clientes que indican que a las cajas les faltan piezas.
En respuesta, se encarga un estudio nacional para determinar el porcentaje de producto no con-
forme.
Se examina un total de 63 cajas de un lote de 50 cajas y se anota el número de envases defectuo-
sos. El gráfico resultante es el siguiente.
Basándose en el gráfico anterior, responda a lo siguiente:

1. ¿Cuáles son el LCL y el UCL?

Estudio de caso sobre gráficos de atributos: Determinación del porcentaje de producto no

conforme.
2. ¿Cuál es el porcentaje medio de defectos en este conjunto de datos?
3. ¿Está este proceso bajo control?
4. ¿Qué harías después?
Capacidad del proceso


Medida de la Capacidad del Proceso
Rebozado de las pechugas de pollo
Antecedentes
Como parte del proyecto de optimización de la batea, es necesario comprender la capacidad del
proceso de fabricación para ofrecer productos que cumplan las especificaciones actuales. Se reali-
za una evaluación de la capacidad del proceso en varios atributos clave para determinar el cumpli-
miento de las especificaciones actuales y las áreas de oportunidad.
Datos y Análisis
Se recopilan datos de productos para el % de rebozado en varios tipos de productos avícolas. El
análisis para este estudio de caso se centra en las pechugas de pollo rebozadas. Las muestras se
recogen después de la clasificadora, de varios lotes, cada hora. El porcentaje de rebozado se cal-
cula utilizando los pesos antes y después del rebozado de 100 muestras. Los datos representan la
producción YTD en 2017. La extracción de datos se realiza para eliminar las observaciones atípi-
cas antes de realizar los análisis reales. Los datos "globales" representan todos los datos sin
minería, mientras que "dentro" representa los datos después de la eliminación de los valores atípi-
cos.
Utilice los datos “Internos” para sus cálculos
Los límites de las especificaciones son los siguientes:
USL (UB en el gráfico): 34%
LSL (LB en el gráfico): 30%
Objetivo: 31 %
Basándose en los resultados :
1. Qué es el índice Cp y el índice Cpk?
2. ¿Es este proceso capaz? ¿Por qué Cp indica un resultado diferente sobre la capacidad del
proceso y Cpk?

Process Capability of % Coating BLU
LB UB
P rocess D ata W ithin
LB 30 Ov erall
Target *
UB 34 P otential (Within) C apability
S ample M ean 30.4437 Cp *
C PL *
S ample N 159
C PU *
S tD ev (Within) 0.298239
S tD ev (O v erall) 0.574921 C pk *
O v erall C apability
Pp *
PPL *
PPU *
P pk *
C pm *
29.25 30.00 30.75 31.50 32.25 33.00 33.75

O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LB 75471.70 P P M < LB * P P M < LB *
PPM > UB 0.00 PPM > UB * PPM > UB *
P P M Total 75471.70 P P M Total * P P M Total *
Capacidad del proceso - No se relaciona con la ubicación del proceso

Cp = (USL – LSL)/6σ
Índice de capacidad
Cpk =(USL – )/3σ or ( – LSL) / 3σ el que sea menor
Toma en cuenta el centrado del proceso en relación con las especificaciones
Objetivos:
Cpk > 1.33 = Proceso capaz
Cpk = 1.00 to 1.33 = proceso con capacidad de control estricto
Cpk < 1.00 = proceso incapaz

Ejercicio Individual:
Calcule la Capacidad Cp y Cpk usando los datos proporcionados.
Sus Datos
1. 34%
USL
2. 30%
LSL
3. 30.44
4. .298
Cp =(USL-LSL)/6σ
Índice de Capacidad Cp
5. USL-LSL)/6sigma = 4/6(.298)=4/1.788=2.2
Cpk Superior = (USL - )/3σ -

Índice de capacidad
LSL)/3σ
Cpk Superior y
6. = 3.56/.89=4
Cpk inferior 7. – LSL/3sigma = (30.44-30)/(3*.298)
8. = .44/.89=.49
10. Yes. The process data is to close to the lower spec limit which is why
¿Confirma esto lo que is below 1.0. Also the it not being centered properly.
pensaba sobre los pro-
cesos subyacentes?
¿Por qué o por qué no?
¿Qué acciones tomará a continuación?

Porcentaje fuera de especificación

Determinación del porcentaje fuera de especificación
ZUSL = (USL - σ ZLSL = ( -LSL)/σ
Ejercicio Grupal: Determinación del porcentaje de fuera de especificación

1. Utilizando los datos del ejercicio anterior determina lo siguiente:
• Valores Z
• % fuera de especificación
2. ¿Qué le dice esta información?
Datos transferidos del ejercicio anterior

USL 34.0 LSL 30.0 σ .298 30.44
Determine:
ZUSL = (USL - σ ZLSL = ( -LSL)/σ % fuera de especificación7.08
= (USL- σ -LSL)/ σ
1. = (34-30.44)/.298 4. = (30.44-30)/.298
= 3.56/.29811. = .44/.298=1.47
3. ¿Cómo lo usaría?


Diagrama de Caja
Ejercicio individual: Interpretación de los diagramas de caja
Un fabricante quiere comparar los operadores (150, 162, 174, 300, 324, 348, 450, 450 486 y 522)
con su rendimiento en la mezcla por lotes. Los operadores se miden en función del flujo de SLS
en kg/minutos. El caudal correcto optimiza el funcionamiento de la línea de producción. La es-
pecificación establece que el caudal debe ser de 55 kg/minutos. A continuación se muestra el re-
sultado del Diagrama de Caja.
Ejercicio Individual: Interpretación de Diagrama de Caja

¿Cuáles son sus observaciones?
¿Qué operador es el más eficiente? ¿Por qué?
¿Qué operador es el menos eficiente? ¿Por qué?
¿Cuáles son sus comentarios sobre el Operador 162?
¿Qué haría usted en este caso?

Diagramas de dispersión
Correlación Fuerte Correlación Moderada Sin Correlación
Para más información sobre cómo calcular el coeficiente de correlación

usando Excel , ver el enlace abajo :
http://www.dummies.com/education/math/statistics/how-to-calculate-a-correlation/

Ejercicio grupal: Gráfico de dispersión

Revise el diagrama de dispersión con su grupo.
Este instrumento puede ser cualquier dispositivo analítico que deba calibrarse con un método
estándar de laboratorio, por ejemplo, analizadores de humedad, colorímetros, termómetros, son-
das RTD, etc. Para que el instrumento sea preciso y proporcione lecturas exactas, debe tener una
correlación lo más exacta posible con los resultados del laboratorio.
1. Describa el diagrama en términos de positivo o negativo y fuerte o débil.
2. Si el rango normal de funcionamiento del instrumento es de 2 a 5, ¿es necesario un ajuste?

Explique
3. ¿Cómo sería la línea que muestra la relación ideal entre el instrumento y el laboratorio?

Muestreo
Atributo del Muestreo
Nivel AQL / Límite de Calidad Aceptable
Discución:
• Proporcione ejemplos de procesos de muestreo utilizados actualmente en su instalación
• Evaluarlas en función de los cuatro parámetros de muestreo: ubicación, método, frecuencia y

tamaño
• ¿Qué cuestiones o problemas ha encontrado?

Tablas de Muestreo

Nivel I
¿Ha superado este proveedor la mayoría de las inspecciones anteriores? ¿Se siente seguro de la cali-
dad de sus productos? En lugar de no realizar ningún control de calidad, los compradores pueden com-
probar menos muestras optando por una inspección de nivel I.
Sin embargo, optar por este nivel por defecto, para gastar menos tiempo/dinero en las inspecciones, es
muy arriesgado. La probabilidad de encontrar problemas de calidad es menor que la recomendada
generalmente.
Nivel II
Es el nivel de inspección más utilizado, que debe usarse por defecto.
Nivel III
Si un proveedor ha tenido recientemente problemas de calidad, este nivel es el adecuado. Se inspec-
cionan más muestras, y un lote de productos será rechazado (muy probablemente) si está por debajo
de los criterios de calidad definidos por el comprador.
Algunos compradores optan por las inspecciones de nivel III para los productos de alto valor. También
puede ser interesante para pequeñas cantidades, en las que la inspección duraría sólo un día, sea cual
sea el nivel elegido.
Los 4 Niveles de Inspección "Especiales"
Estos niveles especiales pueden aplicarse en los casos en los que sólo pueden controlarse muy pocas
muestras. "Pueden utilizarse otros cuatro niveles especiales, S-1, S-2, S-3 y S-4 [...] cuando sea nece-
sario un tamaño de muestra relativamente pequeño y puedan tolerarse riesgos de muestreo mayor-
es" (norma ISO 2859).
En el nivel S-3, el número de muestras a controlar es menor que en el S-4, y así sucesivamente.
En la práctica: en el caso de los bienes de consumo, el control de calidad suele realizarse con los
niveles generales.
Los niveles especiales sólo se utilizan para determinadas pruebas que requieren mucho tiempo o
destruyen las muestras. Otra situación en la que los niveles especiales son apropiados es la super-
visión de la carga de los contenedores, para tener una idea de lo que hay dentro de las cajas, sin ded-
icar demasiado tiempo a esa comprobación.
Ejercicio individual: Ejemplo 1
Tamaño del lote 1500 piezas
Nivel de muestreo II
¿Cuántas muestras se toman?
El nivel de calidad aceptable es del 1% =

¿Cuál es el número de aceptación?
¿Cuál es el número de rechazos?

Ejemplo 2
Tamaño del lote 20.000 piezas
Nivel de muestreo II
Número total de muestras
AQL para los huesos pequeños es 0.25 AC =2 Re=3
AQL para las manchas de sangre 2.5 AC =14 Re=15

AQL para la grasa superficial globular 4.0 AC =21 Re=22
Causa Raíz
Análisis de la Causa Raíz

Gráfico de Pareto
Ejercicio individual:
Utilizando los datos proporcionados, las hojas de registro y el papel cuadriculado, construya un
diagrama de Pareto.
Para facilitar la tabulación, se codificaron los distintos motivos de no conformidad:
1. Aspecto astillado
2. Sello deficiente del envase
3. Material plástico extraño
4. Envoltura de embalaje incorrecta
Los datos se enumeraron utilizando el código de no conformidad seguido del número de quejas.
El número total de quejas es de 15732
Primer trimestre Segundo trimestre Tercer trimestre Cuarto trimestre

Código Número Código Número Código Número Código Número
No De No De No De No De
Conformidad Quejas Conformidad Quejas Conformidad Quejas Conformidad Quejas
1 120 1 14 2 144 1 68
3 43 2 560 3 1050 2 178
1 12 4 1206 4 875 3 120
2 46 3 52 3 785 1 24
4 798 3 540 2 342 1 50
4 1008 3 916 1 240 3 1203
3 320 3 493 2 443 4 612
3 760 1 100 4 1050 3 400
1 186 1 36 3 938

Hoja de Análisis
PARETO ANALYSISde Pareto
SHEET
CATEGORY
Categoría AMOUNT
Cantidad PERCENTAGE
Porcentaje Cumulative %
% acumulativo
Totales
TOTALS
¿Qué le dice esto sobre las operaciones en la planta? ¿Qué quejas de los clientes son las más
importantes?
¿Cuáles son los tres proyectos de mejora continua más prioritarios para esta planta?

DIAGRAMA DE PARETO
16000 100
14000
12000 75
10000
FRECUENCIA
PORCENTAJE
8000 50
6000
4000 25
2000
0 0
Código de No Conformidad

Causa Raíz
5 PORQUÉS
Discución:
Una empresa almacena ladrillos congelados de mentol en grandes latas de aluminio.
Recientemente, se han encontrado partículas de aluminio en su saborizante de mentol. Realizan
un análisis de 5 ¿Por qué?.
• Por qué 1: los trabajadores suelen golpear las latas cuando necesitan un ladrillo mentolado.
Continuar el análisis.

Diagrama de Espina de Pescado

Cada grupo ha seleccionado un tema de su propia experiencia, Con su grupo haga una lluvia de ide-
as sobre los factores utilizando el PEEMMM
• Personas (People)
• Equipo (Equipment)
• Ambiente (Environment)
• Materiales (Materials)
• Medidas (Measurements)
• Métodos (Methods)
Ejercicio en Grupo: Elaborar un Diagrama de Espina de Pescado

Elabore un Diagrama de Espina de Pescado para estudiar las causas subyacentes de su problema.
Recuerda incluir los factores que contribuyen a cada una de las causas principales.
• Que cada grupo identifique un problema de su propia experiencia
• Realice una lluvia de ideas con su grupo sobre las posibles causas y los factores que con-
tribuyen a ello
Utilice la siguiente página para crear su Diagrama de Espina de Pescado



Ejercicio Grupal: Elaboré un Diagrama de Espina de Pescado
• Tratar de identificar 4 o 5 buenos factores que contribuyan

• Seleccione 3 problemas para una mayor investigación:

Indicador R & R

Glossary of Términos
Glosario de Terms
Precisión
La proximidad de una medida a su valor real.
Datos de atributos
Los datos de atributos son de naturaleza binaria. Bueno o malo, sí o no. Son datos cualitativos que
pueden registrarse y analizarse y que pueden incluir o no una ponderación según la gravedad de los de-
fectos.
Gráfico de control de atributos

Herramienta para determinar si un proceso de fabricación o empresarial se encuentra en estado de con-
trol estadístico. Se basa en puntos de datos de atributos. Si el gráfico indica que el proceso no está en
control, el patrón que revela el gráfico puede ayudar a determinar el origen de la variación del problema.
Diagrama de caja
Herramienta gráfica que muestra el centrado, la dispersión y la distribución de un conjunto de datos. La
caja representa el 50% central de los datos. Proporciona un resumen de cinco puntos de los datos: valor
más pequeño, primer cuartil, mediana, tercer cuartil y valor más grande.
Gráfico c
Es un gráfico de control utilizado para los datos de atributos. Evalúa el número de defectos encontrados
en un subgrupo de tamaño fijo. El gráfico c se utiliza cuando cada unidad suele tener un número de de-
fectos.
Variación de causa común
Variación que es inherente al sistema.
Porcentaje de confianza
El porcentaje de veces que el resultado de la muestra reflejará a toda la población. Un 95% de confianza
significa que se está seguro en un 95% de que los resultados son ciertos para toda la población.
Índice Cp
Utilizado en los estudios de capacidad del proceso, mide la capacidad teórica que se obtendría si el pro-
ceso estuviera centrado en la mitad de la especificación. El valor de Cp puede oscilar entre 0 e infinito, y
un valor mayor indica un proceso más capaz. Un valor de 1,33 o superior se considera normalmente
aceptable.
Índice Cpk
Utilizado para los estudios de capacidad del proceso, indica si el proceso producirá unidades dentro de
los límites de tolerancia. Cpk tiene un valor igual a Cp si el proceso está centrado en la mitad de la es-
pecificación. Si Cpk es negativo, la media del proceso está fuera de los límites de especificación. Si Cpk
está entre 0 y 1, alguno de los 6 sigmas se encuentra fuera de los límites de tolerancia. Si Cpk es mayor
que 1, la dispersión de los 6 sigmas está completamente dentro de los límites de tolerancia. Un valor su-
perior a 1,33 se considera generalmente aceptable.

Estadísticas descriptivas GlossarydeofTérminos

Glosario Terms
Las estadísticas descriptivas se utilizan para caracterizar las características básicas de los datos de un
estudio. Proporcionan resúmenes sencillos sobre la muestra y las medidas. Junto con análisis de gráfi-
cos sencillos, constituyen la base de prácticamente todos los análisis cuantitativos de datos. Las téc-
nicas descriptivas se clasifican en:
• Gráficas: los gráficos se utilizan para resumir los datos.
• Tabular: se utilizan tablas para resumir los datos.
• Resumen: se calculan ciertos valores para resumir los datos.
Un diagrama de causa y efecto (también conocido como diagrama de Ishikawa) que muestra las
causas de un determinado evento. Se suele utilizar para resolver problemas de calidad mediante una
lluvia de ideas de las causas y su organización lógica por ramas. Puede revelar las relaciones clave en-
tre las variables y proporcionar información adicional sobre el comportamiento del proceso.
Histograma
Representación gráfica de una distribución de frecuencias. El rango de la variable se divide en un

número de intervalos de igual tamaño (llamados clases) y se hace una acumulación del número de ob-
servaciones que caen en cada clase. El histograma es esencialmente un gráfico de barras de los re-
sultados de la acumulación.
Gráfico de control individual

Es un tipo específico de gráfico de ejecución que se utiliza para determinar si un proceso de fabricación
o empresarial se encuentra en un estado de control estadístico. Se basa en puntos de datos individu-
ales y se utiliza mejor para procesos continuos de alta velocidad con una variación limitada en períodos
cortos de tiempo. Si el gráfico indica que el proceso no está controlado, el patrón del gráfico puede
ayudar a determinar el origen de la variación problemática.
Media
El valor medio de los puntos de datos dentro de un conjunto de datos. Para calcular la media, se su-
man todos los puntos de datos individuales y luego se divide ese total por el número de puntos de da-
tos.
Mediana
La mediana es el punto medio de un conjunto de datos, cuando todos los valores posibles se enumeran
en orden.
Moda
El valor o elemento que aparece con mayor frecuencia en una serie de observaciones o datos estadísti-
cos. Un conjunto de datos puede contener más de una moda, por ejemplo, si hay dos valores o ele-
mentos que aparecen en los datos el mismo número de veces, decimos que el conjunto de datos es
bimodal.
Curva de distribución normal

La distribución normal es la dispersión de la información en la que el valor que aparece con mayor
frecuencia se encuentra en el centro del intervalo y las demás probabilidades se reducen simétricamen-
te en ambas direcciones. La distribución normal se clasifica gráficamente mediante una curva en forma
de campana. En los datos con distribución normal, la media y la mediana están muy próximas y pueden
ser idénticas.
Gráfico np
Un gráfico de control que mide el número de artículos no conformes o defectuosos en un lote o grupo.

Glosario de Terms
Gráfico p
Un gráfico de control del porcentaje de unidades defectuosas. Se utiliza para el control de la cali-
dad de los atributos.
Diagrama de Pareto
Gráfico de barras que muestra, por frecuencia y en orden descendente, todas las posibles áreas
problemáticas o fuentes de variación. Normalmente, unas pocas causas son responsables de la
mayor parte del coste (o de la variación), por lo que los esfuerzos de resolución de problemas se
centran mejor en las pocas causas vitales, ignorando temporalmente las muchas causas triviales.
Precisión
Acuerdo entre dos o más mediciones que se han realizado exactamente de la misma manera.
Probabilidad
Posibilidad de que se produzca un acontecimiento. La probabilidad oscila entre 0 (ninguna posibili-
dad) y 1 o 100% (certeza total).

La capacidad de un proceso para ser estable y producir dentro de las especificaciones. Es una me-
dida de la variación en un proceso que funciona en condiciones estables.
Estabilidad del proceso

La capacidad del proceso para funcionar de manera predecible a lo largo del tiempo, y en la que
cada una de las medidas de calidad (por ejemplo, la media, la variabilidad o el número medio de no
conformidades del producto) está en control estadístico.
Variabilidad del proceso

Todos los procesos presentan variabilidad. Las herramientas del control estadístico del proceso
ayudan a minimizar la variación del proceso y a evaluar la estabilidad del mismo.
Rango (R)
La diferencia o el intervalo entre los valores más pequeños (o más bajos) y los más grandes (o más
altos) de una distribución de frecuencias.
Repetibilidad
La variación en las mediciones obtenidas cuando una persona mide la misma unidad con la misma
técnica y equipo de medición.
Reproducibilidad
Variación de las mediciones obtenidas cuando dos o más personas miden la misma unidad con la
misma técnica y equipo de medición.
Sensibilidad
El grado de diferencias que puede medir un instrumento.
Sigma
Una desviación estándar. Seis desviaciones estándar cubren el 99,7% de los datos, de ahí el tér-
mino seis sigma.
Gráfico de ejecución simple: Un trazado de dos variables en un gráfico x e y.

Glosario de Terms
Variación por causa especial

Un cambio en la producción causado por un factor específico, como las condiciones ambientales o
los parámetros de entrada del proceso. Puede contabilizarse directamente y eliminarse potencial-
mente y es una medida de control del proceso.
Estabilidad
Ausencia de variación de causa especial.
Condiciones estables
Un proceso que no contiene ninguna variación de causa especial, sólo contiene variación de causa
común. La variación de causa común es la que es normal en el proceso y no cambia con el tiempo.
Desviación estándar
Medida de la variación del punto medio de los datos con respecto a la media. Es la medida más
común de la variabilidad de un conjunto de datos.
Control estadístico del proceso ( SPC)

El control estadístico del proceso es la aplicación de métodos estadísticos para identificar y controlar
la causa especial de la variación en un proceso.
Tipos de Conjuntos de Datos
Población
Todos los datos.
Muestra
Una parte de la población
Gráfico u
Gráfico de control utilizado para el número de defectos por unidad o muestra. Puede utilizar mues-
tras de diferentes tamaños o cantidades de material inspeccionado.
Datos variables
Datos cuantitativos en los que se utilizan mediciones para el análisis. Algunos ejemplos son la tem-
peratura de un lote de mezcla, el peso de una lámina de goma, el porcentaje de recubrimiento de
una bolita de goma.
Variable
Cantidad que puede asumir cualquiera de un conjunto de valores y que puede cambiar en un rango.
Variación
La tendencia de los puntos de datos a ser diferentes aunque se siga el mismo proceso.
Gráfico de control X-bar y R

Herramienta para determinar si un proceso de fabricación o empresarial se encuentra en un estado
de control estadístico. Se basa en los puntos de datos de los subgrupos. El uso de promedios de
subgrupos suaviza las anomalías estadísticas para poder evaluar el verdadero patrón. Si el gráfico
indica que el proceso no está controlado, el patrón que revela el gráfico puede ayudar a determinar
la fuente de variación.

APPENDIX
Tabla para Gráfico yR
Tabla de recolección de datos para su proceso

Rango
(Valor más
alto
valor menos
Media = Total/ el valor más
Suma total nº de bajo del con-
de todos Muestras junto de
Conjun- los valores =Media muestras)
to de Muestra Muestra Muestra Muestra Muestra de la
Muestras Tiempo 1 2 3 4 5 muestra R
1
10
11
12
13
14
15
16
17
18
19
20
Totals
Calcular el promedio del promedio (Total dividido por 20)
Calcular el promedio del promedio R (Total dividido por 20)

Apéndice
APPENDIX
Tabla de Factores
Tabla de constantes del Gráfico de Control
Para σ (sigma)
Constantes del Gráfico estimado Constantes del Gráfico R Constantes del Gráfico S
Sample
Size = m A A d D D B3 B4
2 1.880 2.659 1.128 0 3.267 0 3.267
3 1.023 1.954 1.693 0 2.574 0 2.568
4 0.729 1.628 2.059 0 2.282 0 2.266
5 0.577 1.427 2.326 0 2.114 0 2.089
6 0.483 1.287 2.534 0 2.004 0.030 1.970
7 0.419 1.182 2.704 0.076 1.924 0.118 1.882
8 0.373 1.099 2.847 0.136 1.864 0.185 1.815
9 0.337 1.032 2.970 0.184 1.816 0.239 1.761
10 0.308 0.975 3.078 0.223 1.777 0.284 1.716
11 0.285 0.927 3.173 0.256 1.744 0.321 1.679
12 0.266 0.886 3.258 0.283 1.717 0.354 1.646
13 0.249 0.850 3.336 0.307 1.693 0.382 1.618
14 0.235 0.817 3.407 0.328 1.672 0.406 1.594
15 0.223 0.789 3.472 0.347 1.653 0.428 1.572
16 0.212 0.763 3.532 0.363 1.637 0.448 1.552
17 0.203 0.739 3.588 0.378 1.622 0.466 1.534
18 0.194 0.718 3.640 0.391 1.608 0.482 1.518
19 0.187 0.698 3.689 0.403 1.597 0.497 1.503
20 0.180 0.680 3.735 0.415 1.585 0.510 1.490
21 0.173 0.663 3.778 0.425 1.575 0.523 1.477
22 0.167 0.647 3.819 0.434 1.566 0.534 1.466
23 0.162 0.633 3.858 0.443 1.557 0.545 1.455
24 0.157 0.619 3.895 0.451 1.548 0.555 1.445
25 0.153 0.606 3.931 0.459 1.541 0.565 1.435
Constantes del gráfico de control para los gráficos de barras X, R, S, individuales (llamados gráficos "X" o "I") y MR ( de rango móvil).
NOTAS: Para construir los gráficos "X" y "MR" (son compañeros) calculamos los Rangos Móviles como:
R2 = rango de las observaciones 1ª y 2ª, R3 = rango de las observaciones 2ª y 3ª, R4 = rango de las observaciones 3ª y 4ª, etc. sien-
do el rango móvil "medio" o "barra MR" la media de estos rangos con un "tamaño de muestra" para cada uno de estos rangos de n = 2
ya que cada uno se basa en observaciones consecutivas . Esto debería proporcionar una desviación estándar estimada (necesaria
para el gráfico "I") de
σ = (MR-bar)/d2 donde el valor de d2 se basa, como se acaba de decir, en m = 2.
Del mismo modo, el UCL y el LCL para el gráfico MR serán UCL = D4(MR-bar) y LCL = D3(MR-bar)
pero, como D3 = 0 cuando n = 0 (o, más exactamente, "no se aplica") no habrá LCL para el gráfico MR, sino sólo un UCL.

Apéndice
APPENDIX
Reglas del Gráfico de Control
De Wikipedia, las Reglas de Nelson para los Gráficos de Control
Regla Descripción Ejemplo de Gráfico Problema Indicado
Regla Un punto es más Una muestra (dos mostra-

1 de 3 desviaciones das en este caso) está muy
estándar de la fuera de control.
media.
Regla Nueve (o más) Existe un sesgo prolongado.

2 puntos seguidos
están en el mismo
lado de la media.
Regla Seis (o más) pun- Existe una tendencia.

3 tos seguidos au-
mentan (o dis-
minuyen) contin-
uamente.
Regla Catorce (o más) Tanta oscilación va más allá

4 puntos seguidos del ruido.
se alternan en la
dirección, au- Tenga en cuenta que la
mentando y regla sólo se refiere a la di-
luego dis- reccionalidad. La posición
minuyendo. de la media y el tamaño de
la desviación estándar no
influyen.
By GMcGlinn - Own work, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=4546848

Apéndice
APPENDIX
Reglas del Gráfico de Control
De Wikipedia, las Reglas de Nelson para los Gráficos de Control
Regla Descripción Ejemplo de Gráfico Problema Indicado
Regla Dos (o tres) de Existe una tendencia media
5 tres puntos segui- a que las muestras estén
dos se alejan más medianamente descon-
de 2 desvi- troladas.
aciones estándar El lado de la media para el
de la media en la tercer punto no está es-
misma dirección. pecificado.
Regla Cuatro (o cinco) Hay una fuerte tendencia a

6 de los cinco pun- que las muestras estén liger-
tos seguidos amente descontroladas.
están a más de 1 El lado de la media para el
desviación quinto punto no está es-
estándar de la pecificado.
media en la mis-
ma dirección.
Regla Quince puntos Con una desviación

7 seguidos están estándar, se esperaría una
todos dentro de mayor variación.
una desviación
estándar de la
media a cada
lado de la misma.
Regla Existen ocho pun- Saltar de arriba a abajo

8 tos seguidos, mientras se pierde la pri-
pero ninguno mera banda de desviación
dentro de una estándar no suele ser alea-
desviación torio.
estándar de la
media, y los pun-
tos están en am-
bas direcciones
de la media.
By GMcGlinn - Own work, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=4546848

NSF International
www.nsflearn.org
Los 10 Principales Errores del Control Estadístico de Procesos (SPC):
10. Capacitar a todos
No es ningún secreto que el control estadístico de procesos
(SPC) es una tremenda herramienta de ahorro de costos y
de mejora de los procesos. La percepción general es que
cuanta más gente conozca el SPC, mejor. Odio
contradecirlo, pero no es así. Hace años, fui consultor y
formé a muchos profesionales en métodos estadísticos y su
uso. Mis clientes eran buenas personas que representaban
a buenas empresas. Tenían buenas intenciones y querían
lo mejor para sus organizaciones. Sus ideales no eran
diferentes cuando se trataba de conocimientos de SPC.
En sus buenas intenciones, normalmente exigían que el personal administrativo, el personal de ventas y otro
personal de apoyo que asistieran a las clases de SPC. La mayoría de estas personas rara vez, o nunca,
habían pisado un taller de fabricación. El resultado eran miradas de interrogación, garabatos excesivos y
ojos pegados a los periódicos. Al final levantaron la vista, y luego las manos, y se plantearon preguntas
como: "¿Por qué, exactamente, estoy aquí?". Francamente, la mayoría de ese personal administrativo y de
apoyo no debería haber estado en la clase en primer lugar.
Mi respuesta siempre ha sido que las empresas deben formar a las personas que van a participar
activamente en el uso del SPC, no a todos. Así que no forme a todo su personal en SPC. No malgaste su
dinero. Ponga la formación en SPC a disposición de las personas que van a participar directamente en la
mejora de sus procesos. Deje que el resto lea el periódico de la mañana mientras toma un café, en su tiempo
libre, no durante una costosa sesión de formación.
9. Graficar todo
Es posible que haya gastado miles de dólares en capacitación de SPC. Ahora que su gente ha asistido a
clases y aprobado las pruebas, ¿qué hace a continuación? Llenos de entusiasmo tras su formación, algunos
responden a esta pregunta registrando todo, desde el número de minutos en las tarjetas de tiempo, hasta el
número de días de retraso para las solicitudes de compra, y todo se coloca en un gráfico de control.
(Desafortunadamente, las personas que son nuevas en SPC a veces se dejan a su suerte en cuanto a cómo
deben aplicarse sus conocimientos estadísticos recién adquiridos). Pero el problema es: cuando todo es
importante, entonces nada lo es.
Mi recomendación es utilizar el SPC sólo donde sea necesario. Empiece en el taller de fabricación y no se
moleste en aplicar los métodos estadísticos si es que existe el más mínimo indicio de beneficios
cuestionables. Esto es especialmente importante en las etapas iniciales. Si la aplicación inicial del SPC se
identifica por su conveniencia, o porque es un área de alta producción, y por lo tanto más adecuada para
utilizar una barra X y un gráfico de control de rangos, entonces olvídelo. La gente de operaciones lo verá, con
o sin razón, como otro trabajo fallido de la dirección. En este escenario, la probabilidad de causar sensación
y demostrar que el SPC es una gran herramienta es mínima.
No olvide que necesita el apoyo y el respaldo de los operadores, los ingenieros de proceso y el personal de
apoyo para que el uso del SPC sea aceptado y crezca. La primera área que elija para el uso del SPC no
debería estar libre de problemas. Probablemente no será el lugar más conveniente, ni el más fácil, para
utilizar los gráficos de control.
En su lugar, busque las áreas en las que hay que resolver los desechos, las reelaboraciones y otros
problemas. Póngase en manos de su experto local en Six Sigma y averigüe dónde son más frecuentes los
problemas de control de procesos. Hable con los ingenieros de calidad y el personal de apoyo para
determinar dónde existen los problemas y, por lo tanto, pueden ser resueltos. Créame, si su primer uso del
SPC no es exitoso y el SPC no se hace notar, podría tener un camino muy difícil por delante. En resumen, no
aplique una tecnología maravillosa como el SPC a menos que sea necesario.
Fair, D. C. (2018, March). The Top 10 SPC Mistakes. Retrieved January 21, 2019, from
https://www.infinityqs.com/blog/march-2018/the-top-10-spc-mistakes-part-5
Page 1 of 8
8. Separar los gráficos de control de la fabricación
Una implementación de SPC particularmente
interesante (aunque muy ineficaz) que presencié
implicaba a un coordinador de SPC que utilizaba
gráficos de papel para su sistema. Debido a su interés
por tener un área centralizada para la visualización de
datos, el coordinador encontró una sala de
conferencias poco utilizada con muchos metros
cuadrados de pared en blanco. Durante mi visita, el
coordinador abrió la puerta y me hizo pasar a lo que él
llamaba con orgullo la "sala de control estadístico".
Me quedé sorprendido al entrar en una gran sala de conferencias cuyas paredes estaban cubiertas de arriba
a abajo con gráficos de control. "Aquí es donde guardamos nuestros datos
datos de SPC", dijo. Las paredes estaban cubiertas de innumerables gráficos de control, perfectamente
ordenados. Con los ojos muy abiertos, solté: "¿Y cómo se utilizan estos gráficos?". Su respuesta: "Bueno,
cuando los ingenieros quieren ver algunos datos, vienen aquí". Pero no había nadie más en la sala. Y, antes
de entrar, la habitación estaba cerrada con llave y las luces apagadas. Y él tenía la llave.
Los operadores y sus máquinas estaban situados a bastante distancia de la sala de SPC. La separación
física de los gráficos de control de los operadores y sus máquinas indicaba claramente que el SPC no se
utilizaba como herramienta de control de procesos, al menos no por los operadores de las máquinas. De
hecho, estaría dispuesto a apostar que su "sistema" de SPC no era utilizado por nadie más que por este
coordinador. La sala de SPC sólo demostró que el coordinador podía unir puntos en un papel. Eso es
sarcástico, lo sé. Pero la conclusión es que su "sala SPC" no fue utilizada por nadie. La percepción de los
demás en la planta, aparentemente, era que el SPC era una pérdida de tiempo. Dado el escenario, es difícil
para mí estar en desacuerdo.
Entonces, ¿cómo debería utilizarse el SPC? El punto principal de este Top 10 en particular es que las
herramientas de SPC deben ser utilizadas por los operadores de las máquinas y, por lo tanto, deben ser
fácilmente accesibles para ellos. Y punto. Esto excluye la colocación de los gráficos de control en cualquier
lugar que no sea cerca de los operarios y de las máquinas que manejan.
Si se considera cuidadosamente, la vida útil de un gráfico de control se mide en minutos (sí, ha leído bien...
minutos, no días ni siquiera horas). Por lo tanto, los gráficos de control que se retiran físicamente del taller
son prácticamente inútiles para los operadores. No puedo afirmar esto con la firmeza suficiente: Los
operadores del taller son el ingrediente esencial en cualquier implementación exitosa de SPC. Sin la
participación directa de los operadores con las herramientas de SPC fácilmente accesibles, su dinero
invertido en SPC probablemente se desperdiciará.
7. “Pinchar” al coordinador del SPC
Así que hablemos de la persona encargada de los esfuerzos de SPC en una empresa determinada...
algunos los llaman "líderes de SPC", otros "coordinadores de SPC". Independientemente de cómo se les
llame, estas personas se encuentran a veces atrapadas o " pinchadas" entre dos fuerzas opuestas: la
descripción de su trabajo y las agendas competitivas de otras organizaciones.
Por ejemplo, Bob. Bob fue contratado como jefe de taller de SPC. Su trabajo consistía en trabajar en la planta
de producción, concretamente, en implantar el SPC y supervisar su éxito. Al principio, Bob encontró su puesto
de coordinador de SPC desafiante e interesante. Sin embargo, no pasó mucho tiempo antes de que empezara
a descubrir algunas malas noticias. Parecía que la empresa no quería el control de procesos y otras cuestiones
relacionadas con la calidad en la planta. Mientras tanto, Bob había descubierto problemas de calidad que
habían sido ignorados u ocultados bajo la alfombra durante años.
Page 2 of 8
Bob empezó a implantar el SPC en esta organización,
pero no sin la resistencia de los directores de
producción. No querían que los operadores perdieran
su valioso tiempo de trabajo poniendo puntos en un
gráfico. Bob no tardó en darse cuenta de que se
enfrentaba a una cultura que valoraba la producción
por encima de la calidad del producto. Entonces,
cuando Bob mostró su interés en adquirir un software
de SPC para facilitar el uso del SPC en el taller, el
personal de TI tuvo de repente otras prioridades más
urgentes.
Asimismo, los directores de ingeniería y mantenimiento le dieron la espalda. No querían que las malas
noticias de Bob sobre los problemas de los equipos, los problemas de mantenimiento y los arreglos parche
llegaran a los oídos de la alta dirección. El importante trabajo de Bob se oponía a la filosofía de producción
de "sacarlo por la puerta". Bob estaba atrapado entre sus responsabilidades laborales y los intereses de
otras entidades y disciplinas corporativas. Con el tiempo, y de forma comprensible, Bob se sintió
amargamente frustrado. Incapaz de conciliar el hecho de que sus intenciones eran buenas y que nadie lo
quería realmente, Bob renunció.
La desafortunada circunstancia de Bob fue en parte el resultado de una falta de coordinación funcional de
nivel medio, junto con una falta de liderazgo sólido en la parte alta. La creencia, no tan poco común, de que
la implementación del SPC de Bob entraba en conflicto directo con las órdenes de marcha de la planta
centradas en la producción, condenó este importante trabajo de SPC.
6. Usar el SPC porque "es lo correcto".
No me malinterpreten, el SPC es realmente algo bueno. He construido mi carrera en torno a
ayudar a las organizaciones a utilizar métodos estadísticos en sus instalaciones de fabricación en
todo el mundo. Y no hay nada como la sensación que tengo cuando un cliente me llama y me dice
emocionado: "¡No puedo creer lo que hemos aprendido y lo mucho que hemos mejorado! No
puedo creer la cantidad de dinero que hemos ahorrado". Esas conversaciones son siempre
gratificantes y hacen que todos los implicados se sientan bien.
Sin embargo, si el motivo para implantar el SPC es que es "intrínsecamente bueno", eso no es
suficiente. El motivo carece de sustento. No es una razón empresarial convincente para utilizar
métodos estadísticos. Una razón empresarial sólida para impulsar la calidad en toda la empresa
es lo que da lugar a implementaciones exitosas de SPC. Los sistemas de SPC más exitosos que
he encontrado son los que comenzaron con un líder fuerte que dijo algo así como: "Estoy harto de
nuestros problemas de calidad. Vamos a dar un giro a esta planta.”
Un gran ejemplo es Chris M, un profesional de la fabricación que conozco desde hace años. Chris
es gerente de planta de un gran fabricante de cajas plegables con plantas en todo el mundo.
Tenía la tarea de renovar la peor planta de la corporación con los niveles de calidad más bajos.
¿Por qué? Porque sus clientes más importantes les dijeron que tenían una opción: "Mejorar la
calidad del producto o perder nuestros contratos". Había millones de dólares en juego. Si eso
sucediera, la planta se cerraría, se perderían empleos y se arruinaría la reputación.
Chris instaló inmediatamente un sistema SPC en toda la planta. Los resultados fueron
sorprendentes. En pocos meses, los niveles de defectos se redujeron a sólo un puñado entre un
millón, los costes mejoraron drásticamente y la productividad se recuperó. En menos de un año, la
Page 3 of 8
planta de Chris superó los niveles de calidad de todas las demás plantas de la corporación. Los
clientes que amenazaban con retirar el trabajo no tardaron en otorgar a la planta sus más altas
calificaciones de calidad como proveedor -una rareza en su sector- y en concederle nuevos
contratos.
Apenas un par de meses después de la fase de implementación del SPC, uno de esos clientes
envió una carta diciendo: "No estamos seguros de lo que están haciendo, pero por favor, sigan
haciendo eso". El "eso" era el uso transformador del SPC. Cuando le preguntaron cuál era su
secreto, Chris contestó humildemente: "Simplemente utilizamos el SPC de la forma en que debía
utilizarse". El SPC fue la razón principal del increíble cambio de esta planta". Pasaron de ser los
peores a los mejores en menos de un año, gracias a una razón convincente y motivadora para
utilizar el SPC en primer lugar. Desde entonces, Chris ha transformado los niveles de calidad en
otras dos plantas de su corporación utilizando el SPC con vigor, motivación y una razón comercial
para hacerlo.
Mi punto al compartir esta historia es que hay muchas, muchas maneras de fomentar el fracaso de
una implementación de SPC... no tienes que ser uno de ellos.
5. Utilización del SPC como ejercicio de recolección de datos

Con frecuencia me encuentro con sistemas SPC que funcionan más o menos así:
• A lo largo de un turno, un operador toma periódicamente medidas de algunas piezas. Las
anota en un papel.
• Al final del turno (o de la semana), una persona de apoyo administrativo recoge los papeles
de los operadores.
• Al día siguiente o a la semana, la persona de apoyo toma los papeles e introduce los
números que se habían anotado en una especie de software de hoja de cálculo.
• Los gráficos de control se imprimen, se introducen en el correo de la empresa y se
entregan a un ingeniero de procesos, que suele exclamar: "Vaya, la semana pasada se nos
descontroló algo".
Espero que puedas ver lo absurdo que es este "sistema". Si no es así, aquí está en pocas
palabras: El SPC está pensado para ser utilizado en el taller, en tiempo real, por los operarios
cuyas tareas incluyen la recolección de datos y la respuesta inmediata a situaciones fuera de
control. Las palabras "inmediatamente" y "en tiempo real" son especialmente importantes.
El uso del SPC tal y como se ha descrito anteriormente me resulta incomprensible. Utilizar el SPC
de esta manera no es más que un ejercicio de recolección de datos caro y extravagantemente
ineficaz. Y no importa cuántas veces escuche a un gerente defenderlo, simplemente no es SPC.
Un efecto secundario no deseado de este ejercicio inútil es que los operadores tienden a creer que
"es responsabilidad de otro" crear gráficos, generar información e indicar cuándo se necesita algún
tipo de acción. Nada más lejos de la realidad.
Cuando se utiliza correctamente, el SPC informa instantáneamente a los operadores de las
situaciones fuera de control, lo que permite una reacción inmediata al cambio indicado en el
proceso. Lo que quiero decir con esto es que la información necesaria para controlar
Page 4 of 8
el proceso está disponible en el momento en que se producen
los eventos del proceso, y cuando la información crítica se
pone a disposición de las personas que están mejor
equipadas para gestionar el proceso: los operadores.
Entonces, ¿por qué pasar por este costoso ejercicio de
recolección de datos, en lugar de utilizar el SPC
correctamente? En muchos casos, la respuesta a esta
pregunta es: "Para crear los gráficos que quieren
nuestros clientes". Uy. Si hay una semana de retraso en la creación de gráficos de control, es
probable que los envíos problemáticos estén en el camión hacia el cliente o hayan llegado ya a su
planta. Crear gráficos a posteriori es demasiado poco, y demasiado tarde, para ayudar a garantizar
la calidad del envío a un cliente. Mantenga el SPC en el taller, en manos de los operadores, y
reaccione en tiempo real a los problemas identificados por esas herramientas estadísticas.
4. Proporcionar una infraestructura/apoyo mínimo o nulo
Me he encontrado con numerosas implementaciones de SPC en las que el operador no tenía ni idea de lo que
se esperaba de él o del sistema, y mucho menos de cómo interpretar los puntos de un gráfico de control. En
un gran fabricante de productos de consumo, la infraestructura estaba presente (ordenadores, software,
medidores, etc.), pero los operadores no estaban formados en SPC ni en cómo interactuar con el sistema. Los
ingenieros del taller también estaban desconcertados y ninguno de ellos entendía los análisis estadísticos que
realizaba su software. Al no contar con prácticamente ningún apoyo, el resultado fue una gran cantidad de
ojos rojos, una falta de interés y muy poco uso del "sistema". Entonces, ¿por qué pusieron el SPC en el taller?
"Porque nuestro cliente dijo que teníamos que hacerlo", fue la respuesta del personal de TI de la empresa. En
este caso, la infraestructura estaba presente, pero el apoyo era prácticamente inexistente, por lo que el
sistema SPC era pésimo.
Para sistematizar cualquier cambio y garantizar su viabilidad a largo plazo, hay que invertir en apoyo e
infraestructura. Tanto si se trata de un nuevo sistema de contabilidad como de un sistema de control de
procesos estadísticos (SPC) en el taller, ocurre lo mismo. Esto no se traduce necesariamente en invertir un
gran presupuesto en un sistema de control de procesos estadísticos; algunos de los mejores sistemas de
control de procesos estadísticos con los que me he topado eran poco costosos y se basaban en papel y en
gráficos de control creados a mano.
De hecho, este tipo de gastos fueron la mayor parte de la inversión "dura" de una empresa en su sistema
de control estadístico. Su inversión "blanda" fue el apoyo de ingeniería y calidad en el taller, combinado con
una excelente formación periódica en SPC. Independientemente de la situación presupuestaria de una
empresa, un sistema de control de procesos estadísticos debe tener un medio de apoyo continuo y una
infraestructura con la que interactuar. La infraestructura de un sistema SPC equivale a las herramientas
que se entregan a los trabajadores, así como al soporte que se les proporciona.
Entonces, ¿qué herramientas deben tener los trabajadores del taller para maximizar la eficacia de un sistema
de SPC? Desde el punto de vista de la infraestructura, puede ser cualquier cosa, desde una simple hoja de
cálculo hasta un sistema completo, automatizado y computarizado. La computarización requiere hardware
(ordenadores de taller, conexiones, medidores, bases de datos y similares). Lo que se pone en manos de los
operadores es la parte fácil. Lo difícil es lo que se pone en sus cabezas. Por ejemplo, además de los
conocimientos estadísticos necesarios, los operadores deben saber cómo navegar por el software y
comprender los fundamentos de un ordenador personal.
Page 5 of 8
El personal del taller también debe recibir apoyo desde el punto de vista técnico. Este apoyo técnico debe
incluir, como mínimo, conocimientos informáticos y de ingeniería de procesos, junto con apoyo estadístico en
forma de capacitación.
No hay que dar por sentado que estas áreas de conocimiento requieren una persona para cada una de ellas.
La mayoría de las implementaciones que he visto incluyen una persona de apoyo con conocimientos que
abarcan la mayoría o todas estas áreas de especialización. Por último (y más importante), la dirección también
debe apoyar honestamente los esfuerzos de SPC. Sin el interés y el apoyo de la dirección, esos gastos de
infraestructura y apoyo podrían desperdiciarse rápidamente.
3. Priorizar la producción sobre la calidad
Las afirmaciones: "¡Sólo envíalo! "¡Sácalo por la puerta!" o mi favorita, "¡Deja que el cliente se preocupe por
ello!" parecen ser frases anticuadas pronunciadas en una época pasada. ¿Arcaicas? Seguro que sí. ¿Vivo y
bien? Por desgracia, sí. Estas frases revelan la psicología de un directivo orientada a la producción y que la
calidad del producto no es tan importante como una recompensa a corto plazo. En este caso, la dirección cree
que la consecuencia a largo plazo de perder un cliente es menos grave que el beneficio a corto plazo de
conseguir que el producto salga por la puerta.
Recientemente, un ingeniero de calidad y administrador de sistemas SPC que conozco, llamado Bob, me
confesó que los gráficos de control y los datos de calidad habían revelado problemas conocidos en el pedido
de un cliente. Cuando informó a su personal directivo de la situación, le indicaron que enviara el pedido de
todos modos. Se acercaba el final del trimestre y Bob sabía que el gran envío significaba que la dirección
superaría los objetivos de ventas, lo que les permitiría cosechar una abultada bonificación trimestral. Aunque
reconoció los problemas de calidad del envío, la dirección admitió que "el cliente siempre puede devolverlo si
encuentra problemas".
No hace falta decir que el ingeniero de calidad estaba furioso. "¿Así que el sistema SPC nos dice que
tenemos problemas y lo ignoramos? ¿Por qué utilizamos el SPC?". De hecho, ¿por qué tener un sistema de
calidad? Buenas preguntas, sobre todo teniendo en cuenta que no faltan competidores en el espacio de
negocio de la empresa de Bob. Hacer que la producción sea una prioridad sobre la calidad puede poner una
estaca en el corazón de cualquier iniciativa de SPC. Sólo hay que preguntarle a Bob. ¿Qué hacer? La
respuesta es obvia para la mayoría, y para muchos directivos es insoportablemente dolorosa: elegir la
decisión más adecuada para el largo plazo que para el corto plazo.
Un gran ejemplo de no priorizar la producción sobre la calidad lo demuestra un director de planta llamado
George. Cuando los datos de calidad indicaron que podría haber grandes problemas con un envío, George
retuvo un envío crucial en lugar de arriesgarse a parar el equipo de un cliente con un producto de mala
calidad. ¿El resultado?
La insatisfacción del cliente a corto plazo y la fidelidad del cliente a largo plazo. Además, George se ganó el
respeto de sus empleados y enfatizó aún en la necesidad crítica de contar con productos de alta calidad
respaldados por el uso del SPC. Lección aprendida…
2. Utilizar el SPC sin respaldo de operaciones
El SPC se utiliza para mejorar la calidad del producto y del proceso. Es una herramienta de fabricación
utilizada por los operadores para el beneficio principal de las operaciones. Sí, los ingenieros, los gerentes, el
personal de control de calidad, los especialistas en Six Sigma y otros también se benefician del uso del SPC.
Pero reducido a su esencia, el SPC es principalmente una herramienta utilizada para la fabricación, y las
implementaciones de SPC más exitosas que he visto son impulsadas por las operaciones, no por el control de
calidad o alguna otra organización de apoyo. Las implementaciones de SPC más exitosas son las que son
concebidas, impulsadas y apoyadas por el grupo de operaciones.
Page 6 of 8
¿Cómo es posible que el SPC fracase en manos de un
departamento, pero que, en la misma empresa, la misma
planta y los mismos empleados, prospere cuando lo dirige
otro departamento? La respuesta suele estar relacionada con
el poder político. Departamentos como el de control de
calidad (QA), el de recursos humanos y el de ingeniería
existen principalmente para apoyar la fabricación, de ahí su
denominación de departamentos de apoyo. Sin embargo, la
razón principal de la existencia de una planta es su capacidad
para fabricar cosas. Con o sin razón, muchas empresas
tratan a los departamentos de apoyo como algo secundario.
La fría realidad es que, en épocas de restricciones presupuestarias, si Control de Calidad y Operaciones
compiten por un recurso, este último suele obtenerlo a expensas del primero, pero no a la inversa. ¿Por
qué? Porque hay que ser capaz de fabricar algo antes de poder apoyar su
fabricación. La fabricación es lo primero y, con ella, el poder político del que gozan los grupos de
operaciones.
La conclusión es que las empresas deben asegurarse de que su sistema de SPC prospere iniciándolo
e impulsándolo a través del grupo de operaciones. De lo contrario, las necesidades del sistema SPC
podrían considerarse poco más que una idea de última hora.
1. Indiferencia de la Dirección
Esta es la gran enchilada de los errores del SPC y el mayor asesino de los sistemas de SPC. La forma más
fácil y sencilla de acabar con el entusiasmo por el SPC es que los directivos lo ignoren. Trate el SPC con
indiferencia y el sistema tendrá una muerte rápida y agónica.
Mi mejor ejemplo es el de una pequeña planta de envasado de productos farmacéuticos. El director original
de la planta instaló un sistema de control de procesos estadísticos que era gestionado y apoyado por los
operadores de las máquinas, que se formaban en diferentes disciplinas técnicas y luego formaban a los
demás operadores. Al estar dirigido por los operadores, este sistema de SPC contó con una gran aceptación
y apoyo por parte de prácticamente todo el personal de la planta. Tuvo mucho éxito a la hora de mejorar el
rendimiento de la fabricación.
Entonces, el director original de la planta fue trasladado. En su lugar llegó otro director de planta - "Joe"- que
no estaba muy entusiasmado con el SPC. Joe tenía otras prioridades y pensaba que el SPC era una pérdida
de tiempo. Asistí a una de sus primeras reuniones semanales de dirección. Uno de los operadores presentó
con entusiasmo un informe sobre la mejora de los procesos y la interesante información que habían aprendido
esa semana gracias al uso del SPC. Mientras el operador hablaba, miré a Joe. Estaba bostezando y
limpiándose las uñas con una navaja. Sabía que había terminado. Estaba enviando un mensaje claro a todos:
"Estoy aburrido y no me interesa".
Los operadores insistieron y continuaron con sus presentaciones semanales de SPC. Sin embargo, pronto
Joe se hizo con el control del orden del día y retrasó las presentaciones del SCP hasta el final de la reunión.
Convenientemente, Joe dejaba que la reunión se alargara y pedía "tiempo" justo antes de las presentaciones
del SPC, silenciando así a los operadores. Ni que decir tiene que el SPC tuvo una muerte rápida y silenciosa.
No se enviaron memos. Joe nunca ordenó el "cese y desista" de las actividades del SPC. En lugar de ello,
puso fin a los esfuerzos de control de procesos de producción de toda una planta y los eliminó con su actitud
indiferente y su énfasis en los temas "más importantes" de su agenda.
Page 7 of 8
¿Qué hacer de forma diferente? Varios de los sistemas de SPC increíblemente exitosos que he encontrado
fueron aquellos en los que los directores de planta se convirtieron en expertos en estadística y lideraron el
impulso para instalar un sistema de SPC. Esos mismos directores de planta requerían reuniones de revisión
diarias para resumir los gráficos de control del día anterior, los problemas, las alarmas e índices de capacidad
del proceso. Un director de planta llegó a supervisar personalmente la implementación del SPC en el taller.
Utilizaba la información del SPC de cada mañana para centrar los esfuerzos de ingeniería, resolución de
problemas y apoyo en toda la planta. No es de extrañar que esas plantas hicieran avances sorprendentes en
la calidad del producto y del proceso en un período de tiempo muy corto. Sus esfuerzos son ejemplos de la
antítesis de la indiferencia de la dirección. Al impulsar el SPC en sus plantas y apoyar su uso, cada planta
pudo ahorrar millones de dólares en varios años, al tiempo que ampliaba su base de clientes, sus operaciones
de fabricación y su rentabilidad.
Para finalizar
Gracias por acompañarme en esta lista de los 10 principales errores que hay que evitar al utilizar el SPC. El
SPC es una herramienta maravillosa para mejorar los procesos, reducir los costos y enfocar sus esfuerzos en
la mejora de los procesos. Sin embargo, ya sea por motivos de apoyo, de gestión o simplemente por un
descuido de un detalle importante, hay muchas (muchas) formas de estropear un sistema de SPC. He
destacado algunos de los mayores errores de SPC que he visto y los feos resultados que son consecuencia
de esos errores. Evitando estos 10 errores, las organizaciones pueden evitar problemas críticos que podrían
ser devastadores para cualquier iniciativa de SPC, dando a los dólares presupuestarios duramente ganados
la mayor probabilidad de afectar positivamente al sistema de calidad de una planta. ¡Hasta la próxima vez!
Page 8 of 8
Example from Slide 118 (Bones in Chicken)
Combo (k) Sub Set (n) Defects(np) p (%defective)
1 20 5 0.25
2 20 8 0.4
3 20 2 0.1
4 20 6 0.3
5 20 4 0.2
6 20 1 0.05
7 20 0 0
8 20 4 0.2
9 20 6 0.3
10 20 7 0.35
11 20 9 0.45
12 20 4 0.2
13 20 3 0.15
14 20 6 0.3
15 20 8 0.4
16 20 9 0.45
17 20 3 0.15
18 20 2 0.1
19 20 3 0.15
20 20 10 0.5
21 20 2 0.1
22 20 6 0.3
23 20 7 0.35
24 20 5 0.25
25 20 7 0.35
26 20 6 0.3
27 20 2 0.1
28 20 9 0.45
29 20 6 0.3
30 20 8 0.4
Totals 30 600 158 7.9
pbar = 0.013167 E32/C32
nbar= 20 C32/B32
UCL = 0.038655 B34+SQRT((B34*(1‐B34)/B35))
LCL= ‐0.01232 B34‐SQRT((B34*(1‐B34)/B35))

Pre - NSF137-Workbook SPC (ESP) - RACH240221-FINAL

Cargado por

Información del documento

Título original

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

Pre - NSF137-Workbook SPC (ESP) - RACH240221-FINAL

Cargado por

Copyright:

Formatos disponibles

Control

This workbook is intended for instructional purposes only.

Objetivo del curso

Al final del programa, usted será capaz de:

NSF Training and Education Services 3

Introducción y Visión General

NSF Training and Education Services 4

Factores de Control Propósito o Importancia del Control

NSF Training and Education Services 5

Conceptos estadísticos, medida de centro, medidas de dispersión, desviación estándar,

Medidas para el Centro

¿Hay algún ejemplo de cuándo la mediana podría ser útil en su operación?

Un agente vende casas con los siguientes precios

NSF Training and Education Services 6

¿Por qué es útil esta forma de distribución en el control de procesos?

NSF Training and Education Services 7

Ejercicio de Cálculo de la Desviación Estándar: Albóndigas

Cálculo de la desviación estándar:

58 60.7 -2.7 7.29

58 60.7 -2.7 7.29

62 60.7 1.3 1.69

62 60.7 1.3 1.69

62 60.7 1.3 1.69

Usar software para calcular estadísticas.

NSF Training and Education Services 8

Cuando el Histograma no es "normal"

Positivamente Sesgada, Bimodal, Truncada, Irregular

NSF Training and Education Services 9

Uso de Histogramas, Caso Estudio de Albóndigas

56 60 62 Utiliza la columna de recuento para marcar cada ocurrencia de

NSF Training and Education Services 10

Ejercicio de Creación de un Histograma:

Peso de la Albóndiga en gramos

¿Cree que se puede utilizar para el SPC?

NSF Training and Education Services 11

NSF Training and Education Services 12

Control Estadístico de Procesos

Discusión: ¿Cuándo se controla un proceso?

Causa Común y Causa Asignable.

Considere el PEEMMM al identificar las causas asignables.

Factores (PEEMMM) Variación en

Personas Operadores: precisión, consistencia, formación

Equipos Variación de la máquina (diferentes cabezales de llenado/depósito, cabe-

Medio ambiente Temperatura, humedad

Materiales Humedad, grasa, proteína, espesor

Medición Precisión de los datos, falta de datos, datos oportunos

Métodos Procedimientos, prácticas

Control de la variación de causa común

NSF Training and Education Services 13

Concepto de Control de Procesos

¿Cuáles son las características de un gráfico de control de procesos?

NSF Training and Education Services 14

= la Media de los rangos de todas las muestras

reducir su impacto y mejorar el control del proceso.

El factor a utilizar en la ec- El factor a utilizar en la El factor a utilizar en la ec-

NSF Training and Education Services 15

Ejercicio Grupal: Calcular y R , UCL y LCL para y R .

Tiempo Peso de las Albóndigas en gramos

UCL y LCL para

UCL y LCL para

LCL pa- ra es usualmente 0 a no ser que al menos 10 muestras sean

NSF Training and Education Services 17

Interpretando los gráficos yR