4.

CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES Scribd Upload a Document Search Documents Explore DocumentsBooks - FictionBooks - Non-fictionHealth & MedicineBrochures/CatalogsGovernment DocsHow-To Guides/ManualsMagazines/NewspapersRecipes/MenusSchool Work+ all categoriesFeaturedRecentPeopleAuthorsStudentsResearchersPublishersGovernment & NonprofitsBusinessesMusiciansArtists & DesignersTeachers+ all categoriesMost FollowedPopularSign Up Log In1First Page Previous Page Next Page / 74Sections SectionsSection 1 of 44 1. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOSp. 42. ¿POR QUÉ VARÍAN LOS PROCESOS?p. 53. FUNDAMENTOS ESTADÍSTICOSp. 74. CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALESp. 96. CAPACIDAD DE PROCESOp. 136.1. CONCEPTO DE CAPACIDAD DE PROCESOp. 136.2. ÍNDICES CP Y CPKp. 136.3. VARIABILIDAD A CORTO Y LARGO PLAZOp. 166.4. POTENCIALIDAD DEL PROCESO. ÍNDICES PP Y PPKp. 176.5. CONCEPTO DE GRUPO HOMOGÉNEO RACIONALp. 187. GRÁFICOS DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHARTp. 188. CURVAS DE OPERACIÓN DEL GRÁFICO DE CONTROLp. 328.1. CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIASp. 328.2. CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓNp. 349. INTERPRETACIÓN DE LAS INDICACIONES DEL GRÁFICO DE CONTROLp. 3610. ESTUDIO DE CAPACIDAD DE PROCESOSp. 3910.1. ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?p. 3910.2. ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?p. 3910.2.2. Definición de la estratificación de las medidas a tomarp. 4010.2.3. Estabilizar del procesop. 4110.2.4. Toma de los datosp. 4110.2.5. Identificación del patrón de variabilidadp. 4110.2.6. Comprobación de la normalidad de los datosp. 4210.2.7. Análisis e interpretación de los datosp. 4310.2.8. Construcción de un intervalo de confianza de los índicesp. 4611. CASO DE PROCESOS NO NORMALESp. 4711.1. ¿ES LA NORMALIDAD LO “NORMAL?”p. 4711.2. CONSECUENCIAS QUE TIENE EN EL ANÁLISISp. 4811.3. TÉCNICAS DE NORMALIZACIÓN DE LOS DATOSp. 4912. GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALESp. 5412.1. GRÁFICOS PARA MUESTRAS UNITARIAS (I- MR)p. 5413. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTASp. 5714. OTROS GRÁFICOS DE CONTROL POR VARIABLESp. 6014.1. GRÁFICO CUSUMp. 6014.2. GRÁFICO EWMAp. 6315. GRÁFICOS DE CONTROL POR ATRIBUTOSp. 6515.1. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIALp. 6515.2. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN DE POISSONp. 6916. IMPLANTACIÓN DEL SPC EN UNA EMPRESAp. 7116.1. FASE 1: PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTOp. 7116.2. FASE 2: IMPLANTACIÓN DEL GRÁFICO DE CONTROL PILOTOp. 7216.3. FASE 3: ANÁLISIS DE LOS PRIMEROS RESULTADOSp. 7316.4. FASE 4: EXTENSIÓN A OTROS PROCESOSp. 73Zoom Out Zoom In Fullscreen Exit Fullscreen Select View Mode View ModeSlideshowScroll Readcast Add a Comment Embed & Share Reading should be social! Post a message on your social networks to let others know what you're reading. Select the sites below and start sharing.Readcast this Document Login to Add a Comment Share & EmbedAdd to Collections Download this Document for FreeAuto-hide: on CONTROL ESTADÍSTICO DE PROCESOS 1. APUNTES DE CLASE Profesor: Arturo Ruiz-Falcó Rojas Madrid, Marzo 2006 ----------------------------------------------------------------------------------------------------------------------------------------

¿ES LA NORMALIDAD LO “NORMAL?”..... GRÁFICOSQUE PERMITEN CONTROLAR DOS TIPOS DE VARIABILIDADSIMULTÁNEAMENTE (I-MR-R/S).....2.......... Toma de los datos..5................................. VARIABILIDAD A CORTO Y LARGO PLAZO...... Análisis e interpretación de los datos..... ÍNDICES CP Y CPK..............................................................2.............................. ÍNDICES PP Y PPK..3................................1.............................1...56 13.....13 6..... INTERPRETACIÓN DE LAS INDICACIONES DEL GRÁFICO DE CONTROL....... CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓN.. OTROS GRÁFICOS DE CONTROL POR VARIABLES.....49 12.......................54 12............... GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTAS....Control Estadístico de Procesos Pág.... CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES.. Construcción de un intervalo de confianza de los índices ............. ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?.. ¿POR QUÉ VARÍAN LOS PROCESOS?..47 11...............................16 6..............13 6.............3 14..............................18 7................................................................................................................7......48 11........... CONCEPTO DE GRUPO HOMOGÉNEO RACIONAL................7 4..................40 10......................... Estabilizar del proceso....................47 11......................5.......32 8..... CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIAS............. GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALES..4 2...............1................. CURVAS DE OPERACIÓN DEL GRÁFICO DE CONTROL.......... ....39 10.... 2 Control Estadístico de Procesos (Apuntes) INDICE DE CONTENIDOS 1......... TÉCNICAS DE NORMALIZACIÓN DE LOS DATOS.....41 10........ .....4................... Identificación del patrón de variabilidad .........................................3...............................................1... GRÁFICOS PARA MUESTRAS UNITARIAS(I-MR) ...... .............5 3..1....................................42 10.......6.........................3.... .18 8........................................36 10...........2......2...........46 11.........1............... FUNDAMENTOS ESTADÍSTICOS..................32 8............... .9 5..... Definición de la estratificación de las medidas a tomar .......................................57 Control Estadístico de Procesos Control Estadístico de Procesos (Apuntes)Pág........ CAPACIDAD DE PROCESO...... POTENCIALIDAD DEL PROCESO.........41 10..............2...2.......17 6..........10 6..................... CASO DE PROCESOS NO NORMALES........ Comprobación de la normalidad de los datos...... ....13 6..............................................................2.. .................... ¿QUÉ CONDICIONES HACEN FALTA PARA QUE SE PUEDA APLICAR ELGRÁFICO DE CONTROL?............. ........2.......39 10.................4....... ...... GRÁFICOS DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHART .................34 9.......... 60 14.........................40 10.................. CONSECUENCIAS QUE TIENE EN EL ANÁLISIS........2........................ CONCEPTO DE CAPACIDAD DE PROCESO... Comprender los fenómenos físicos y tecnológicos importantespara el proceso ...39 10..........................2.....2............ INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOS..............2......... ESTUDIO DE CAPACIDAD DE PROCESOS .........................8...........................43 10........... ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?.........1.54 12...................2......41 10............2............

... iempre que el tamaño de la mue tra ea uficientemente grande n≥25................................. Si el proce o e táoperando de manera que exi ten pequeña o cilacione de todo e to factore ............ Ob érve e que como con ecuencia del TLC...a on la donde Siσ µ σ µ L c)Di tribución de la media mue trale SiX e una v...... El teorema del límite central (TLC) e tablece que i una variable aleatoria (v...................................40............... Llevando múltiplo deσa ambo lado deµ.......Depende de dos parámetrosµyσ. entonce udi tribución e a intóticamente normal. que on la media y lade viación típica re pectivamente....... GRÁFICOS DECONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIAL. IMPLANTACIÓN DEL SPC EN UNA EMPRESA. FASE2: IMPLANTACIÓN DELGRÁFICO DECONTROL PILOTO. 71 16.. el 95% de lapoblación e tá contenido en un entorno±2σalrededor deµ y que el 99...................30........Para el entendimiento delControl Estadístico de Procesos no es necesario serun experto en estadística. 73 16.σ )de la que e extraen mue tra de tamañon .......... 69 16.......... 8 Control E tadí tico de Proce o (Apunte ) b)Teorema del Límite Central.........4........... entonce la media mue trale e di tribuyen egún otra ley normal: ∝nN xmσ µ .............10...73% Figura 4 Función de den idad de probabilidad normal Control E tadí tico de Proce o Pág...3........ FUNDAMENTOS ESTADÍSTICOS... 60 14........ Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.. 65 15. pero de modo que ninguno de ello tienen un efecto preponderantefrente a lo demá .... variacione de temperatura yhumedad ambiental......... ............GRÁFICOCUSUM..7 3. CAUSAS COMUNES Y CAUSAS ASIGNABLESO ESPECIALES De acuerdo con lo                                                                                                                                                                                                                                                       . i biene te número depende de la a imetría de la di tribución.... iendocada una de ella de poca importancia re pecto al conjunto.. 73 Control Estadístico de Procesos Control Estadístico de Procesos (Apuntes)Pág....... no encontramo con que el 68% de la población e tácontenido en un entorno±1σalrededor deµ........ etc...73% e tá comprendido en±3σalrededor deµ..... FASE1: PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTO.... GRÁFICOS DE CONTROL POR ATRIBUTOS.....1................................... .......................... repetibilidad propiade la maquinaria utilizada.. 4321-1-2-3 0........ E decir: →+++= ∑ ∑= =niniiiinN X Entonce xxxxX 1 122i i21 .......... 72 16.....).... 71 16... a) Distribución Normal o Campana de Gauss...a..... la di tribución de la media mue trale tiende a er normal aún en el ca o que la población ba e no lo ea... FASE4: EXTENSIÓN A OTROS PROCESOS....20........... Tiene una formaacampanada (de ahí u nombre) y e imétrica re pecto aµ.. entonce en virtud del TLC e     cau a independiente .......................................... : ay varianzmedia dev.................... GRÁFICOS DECONTROL BASADOS EN LA DISTRIBUCIÓN DEPOISSON.2...) e obtiene como una uma de mucha dicho en la introducción.2.2.......... que inciden en él y que inducen unavariabilidad de la caracterí tica del producto fabricado..a...... 65 15.1..La distribución normal es desde luego la función dedensidad de probabilidad “estrella” en estadística... el proce o e tá afectado por ungran número de factore ometido a una variabilidad (por ejemplo o cilacione de la caracterí tica del material utilizado.N( µ ................... variabilidad introducida por el operario....... 63 15......0FUNCIÓN DE DENSIDAD DE PROBABILIDAD NORMAL68 %95%99.. FASE3: ANÁLISIS DE LOS PRIMEROS RESULTADOS.... GRÁFICOEWMA. pero es preciso recordar al menos los puntos que sedescriben a continuación.....9 43210-1-2-3-4 210DISTRIBUCIÓN DE LAS MEDIASVALORES INDIVIDUALESDISTRIBUCIÓN DE LOS Figura 5: Función de den idad de la media mae trale 4......

entonce la di tribución de la caracterí tica de calidad no tienepor qué eguir una ley normal y e dice que e tá pre ente unacau a e pecialo a ignable.  e perable que lacaracterí tica de calidad del producto fabricado e di tribuya de acuerdo conuna ley normal. el proce o ha detener una e tabilidad uficiente que. una herramienta de corte que va de ga tando lacuchilla de corte). ¿QUÉ CONDICIONES HACEN FALTA PARAQUE SE PUEDA APLICAR EL GRÁFICO DECONTROL? Para que tenga entido la aplicación de lo gráfico de control.cuyo valor inferior e tá limitado por el propio diámetro de la broca. i circun tancialmente incide un factor con un efectopreponderante. Por el contrario. in embargo i puedeconocer e la velocidad de de ga te. E te eríael ca o de un proce o normal de media con tante y de viación típicacon tante. permita un ciertogrado de predicción.11 ejemplo puede er la di tribución de lo diámetro de un proce o de taladrado. e dice que el proce o e tábajo control e tadí tico cuando no hay otra cau a a ignable pre ente . e dice que un proce o e tá bajo control e tadí tico cuandono hay cau a a ignable pre ente . E to e equivalente a decir que el proce o permanezca e table. e te de ga te de laherramienta ería una cau a e pecial. deben aplicar e método e peciale . En lo uce ivo. Un proce o de e te tipo debe ere tudiado mediante herramienta e tadí tica avanzada ha ta que el grado deconocimiento empírico obtenido obre el mi mo permita conocer la cau a dela e tabilidad y e eliminen. tenga un efectopreponderante. podría compen ar e re ultandoun proce o análogo al ca o anterior. e muy po ible que la caracterí tica de lo producto fabricado ean ignificativamente di tinta a partir de la utilizacióndel nuevo lote. aún iendo aleatorio. Puede ocurrir que la caracterí tica propia del proce o hagan que alguno delo factore de variabilidad intrín eco al mi mo. Debe comprobar e y en ca o de que lo dato no eannormale . En e te ca o. ya que puede dar pi ta obre el tipo dedi tribución que eguirán lo dato . de modo que en e te ca o la di tribución no ea normal. Al conjunto de e ta multitud de factore e denominancau a comune . mientra quela di tribución pre enta una cola hacia diámetro mayore debido a po ible incidencia oblicua de la broca. Control E tadí tico de Proce o Pág. En general. Por lo tanto. En ningún ca o debe “dar e la normalidad por upue ta ”. E trictamente hablando. 5. un proce o caótico no e previ ible y nopuede er controlado. cuya caracterí tica on muydiferente de la anteriore .Por ejemplo. El Control E tadí tico de Proce o eba a en analizar la información aportada por el proce o para detectar lapre encia de cau a a ignable y habitualmente e realiza mediante unacon trucción gráfica denominada Gráfico de Control. Podemo di tinguir do ca o : •El proce o e tá regido por una función de probabilidad cuyo parámetro permanecen con tante a lo largo del tiempo. i en un proce o indu trial e e tá utilizandomateria prima procedente de un lote homogéneo y e continúa la fabricacióncon materia prima procedente de otro lote. debe tratar de conocer e todo lo que ea po ible de lo fundamento tecnológico del proce o. E te e el ca o ideal y al que e pueden aplicar lo gráfico de control para detectar la pre encia de cau a a ignable . EEJJEEMMPPLLOO-. 10 Control E tadí tico de Proce o (Apunte ) Por definición. E te eríael ca o de un proce o normal cuya media varía a lo largo del tiempo(por ejemplo.Si el proce o e encuentra bajo control e tadí tico e po ible realizar unapredicción del intervalo en el que e encontrarán la caracterí tica de la piezafabricada. Un Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág. e decir que lo parámetro de la di tribución permanezcan invariable y por lotanto puede realizar e una predicción del intervalo en el que e encontrarán lo valore de la caracterí tica de re pue ta.11:: IILLUUSSTTRRAACCIIÓÓNN DDEE CCAAUUSSAASS CCOOMMUUNNEESS EENN UUNN PPRROOCCEESSOO Un proce o de fabricación con i te en “lanzar 10 moneda al aire ”.•El proce o e tá regido por una función de probabilidad alguno decuyo parámetro varía ligeramente a lo largo del tiempo. A e to proce o no e le puede aplicar el gráfico decontrol ni tiene entido hablar de capacidad. e upondrá que lo proce o tienen un cierto grado dee tabilidad. Se uponeque la moneda on perfecta de manera que en el lanzamiento de cada una e tiene un 50% de probabilidade de                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             .

Por definición: CAPACIDAD DEL PROCESO = 6σσσσ E e encial re altar que la variabilidad natural del proce o. E te hecho e una con ecuencia del TLC. CAPACIDAD DE PROCESO6. i un proce o normal e tá en controle tadí tico.20. y un 50% de obtener cruz. Una de la ba e fundamentale de u e trategia de calidad era el“Programa 6 σ σσ σ ” . e nece ario queC p > 1. lo único que e con igue e aumentarla variabilidad del mi mo.10.50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% . e intrín eca aél e independiente de la tolerancia que e a ignen.30.988 Motorolaalcanzó el pre tigio oMalcom Baldrige National QualityAward. Sin embargoσdepende del número yvariabilidad de la cau a comune del proce o y por lo tanto e intrín eca a él.3σyµ+ 3σ.3mini pk T T C Control E tadí tico de Proce o Pág.La calidad de cada lanzamiento de 10 moneda e mide egún el número decara obtenida .50% 50% 50% 50% 50% 50% 50% 50% .4ProbabilidadTinfT up INTERVALO DE TOLERANCIAVARIABILIDAD PROCESO Figura 9: Índice Cpk Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág. elíndice de capacidad de máquinaC M yC Mk .5 en e te ca o).25xProbabilidadFUNCIÓN DE PROBABILIDAD BINOMIAL (N.73% de lo elemento fabricado e tará comprendida entreµ.2. de la media al limite de tol. 12 Control E tadí tico de Proce o (Apunte ) La teoría e tadí tica no en eña que la probabilidad de obtener exactamente xcara (0≤x≤10) e calcula por la di tribución binomial: ( )( ))1)(xnxppxnxP−− = donde n e el número de moneda lanzada (10 en e te ca o) y p laprobabilidad de acar cara con una moneda (0.050. e define elíndice de capacidad de proce o: σ 6i pT T C −= Si e pretende que la producción e té dentro de tolerancia.200. el valor de e te índice fal earía el grado decobertura con re pecto a fabricar pieza fuera de tolerancia ..(binomiale en e te ca o)..10. Índice de capacidad cp:CpT T i= =−Intervalo de tolerancia Capacidad del proce o 6σ 43210 1 2 3 4 0. Siaumentara el número de moneda .150.100.1. Podríamo a imilar lo anterior a un proce o indu trial ometidoa 10 cau a de variabilidad no normale                                                                                     ¡ ¡ ¡ ¡                         ¡ ¡ ¡                                                   ¡                                                         ¡¡                                                                                                                                                                                                                    . El parámetroµdepende del puntoen el que centremo el proce o. toda ella tienen el mi mo efecto obre la variabilidad de laproducción.ÍNDICES CPY CPK Con objeto de comparar la capacidad del proce o y la amplitud de la tolerancia a ati facer. podemo definir lacapacidad demáquina. En e to ca o e má ignificativo el índiceC pk que e define: −−=σ µ σ µ 3. ma aju tado emicapacidad del proce o 4 3 2 1 0 1 2 340. Si no etiene en cuenta e te hecho y e pretende corregir a ba e de reaju tar elproce o.15 EEJJEEMMPPLLOO 22:: LLAA MMÉÉTTRRIICCAA ““66 SSIIGGMMAA”” En 1. Si erepre enta gráficamente. 14 Control E tadí tico de Proce o (Apunte ) De e te modo e define unproce o capazcomo aquel queC pk > 1.CONCEPTO DE CAPACIDAD DE PROCESOComo con ecuencia de todo lo anterior.00.13 6.0ProbabilidadTinfT upINTERVALO DE TOLERANCIAVARIABILIDAD PROCESO Figura 8: Índice Cp Índice de capacidad cpk :Cpk =Di t.20. Por lo tanto i 6σe menor que el intervalo de la tolerancia a cumplir. e obtiene un función acampanada que recuerda auna gau iana (ver Figura 7). Si el proce o no e tuvie e centrado.5 Figura 7: Función de probabilidad de la obtención de x cara lanzando 10 moneda Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág. por lo que la podremo con iderar como cau a comune . 6σ. e decir modificar el centrado... Si tiramo 10 moneda . P)Número de intento N= 10 Probabilidad de éxito P= 0.. la convergencia hacia la di tribución normal ería aún mayor.000..Por lo tanto 6σ e la Variabilidad Natural del Proce o o Capacidad delProce o. Figura 6: Simulación de un proce o ometido a cau a comune nonormale Control E tadí tico de Proce o Pág... nece ariamente alguno producto fabricado e tarán fuera de tolerancia y erán no conforme .30. 6. la caracterí tica de calidad del 99.Aplicando e to mi mo concepto a la variabilidad atribuible de una máquinade la que integran el proce o de fabricación. El objetivo de e te programa fue reducir la variación     obtener cara. Al eriguale . 0 5 100.40.

5. verFigura 10.ˆ3 LPi pT T Pσ ˆ6−= −−=LPiLP pk T T minPσ µ σ µ ˆ3.de lo proce o de manera que el intervalo de tolerancia fuera igual a 12σ σσ σ (6 a cadalado).4 2612==== σ σ σ σ pk pcc Aún e ta circun tancia . E preci o re altar que la utilización de lo coeficiente Ppy Ppkno tiene todavíauna aceptación unánime.5. ver Figura 11). cambio de lote demateria prima. re ulta muyimportante tener en cuenta el concepto degrupo homogéneo racional(GHR). ha exi tido la confu ión obre qué e timación de lavariabilidad e debe utilizar para el cálculo de Cp.CONCEPTO DE GRUPO HOMOGÉNEORACIONALA la hora de planificar la toma de mue tra para realizar un e tudio decapacidad de proce o o la implantación de un gráfico de control. ppm = 3.Alguno autore denominan a e te componente de la variabilidadcomo “ruido blanco”. Repre enta la variabilidad que puede afectar alconjunto de lo elemento fabricado recibido por el cliente(variabilidad en el largo plazo. Ppk.5σ σσ σ . Tiene una aceptación muy amplia en entorno deautomoción (QS 9000 / TS 16949. ppm = 0.135. ¿Por qué calidad Six Sigma = 3. En e te ca o e tiene en cuenta lavariabilidad introducida por la deriva del centrado del proce o y laine tabilidad del mi mo.400 ppm?C ALID AD S IX S IG M A 7 6 5 4 3 2 1 0 1 2 3 4 5 6 76 S IG M A C p= 2.2. Si e extrae una mue tra de tamañon y umedia mue tral e encuentra comprendida fuera del intervalo comprendidoentren/ 3σ µ −yn/ 3σ µ +(llamado límite de control inferior y Control E tadí tico de Proce o Control E tadí tico de Proce o                                                                                                                                                                                                                                                                                                 ¡ ¡ ¡                                                                 ¡ ¡ ¡ ¡                                                                     . inotambién la variabilidad entre cabezale .5 S IG M A C pk =4. de acuerdocon lo iguiente criterio : •Cpy Cpk e calculan con la variabilidad inherente del proce o(variabilidad en el corto plazo). Preci amente para ponerun poco de orden en todo e to. E la variación re ultante de toda la cau a de variabilidad (cau a comune y e peciale ).17 1 2 3 4 5 6 7 8 9 10Número de mue tra Variabilidad total del proce o(largo plazo)Variabilidad inherente del proce o(corto plazo) Figura 11 De compo ición de la variabilidad de un proce o 6.σ ).5/3= 1. en la que etienen en cuenta factore como el de ga te. De acuerdo con la definición del índice de capacidad de proce o:2612==σ σ pc Suponiendo que e de plaza e el proce o 1. En e te ca o e con idera lavariabilidad entre lo elemento de la mi ma mue tra o mue tra próxima .Veamo un ejemplo. En la definición del gráfico de control e e tableceuna toma de mue tra horaria de 16 unidade (un racimo de inyección).) pero no a í en otra área .Obviamente el diferente tamaño de lo cabezale e una fuente de variabilidadque muy probablemente puede hacer e pre ente.4. e verifica que Cp> Ppy Cpk> Ppk Control E tadí tico de Proce o Pág.•Variabilidad total del proce o. 16 Control E tadí tico de Proce o (Apunte ) 6. 6.POTENCIALIDAD DEL PROCESO. Cpk. etc. Alguno autore denominan a e te componente de la variabilidad como “ruido negro”. lo coeficiente pa arían a er: 5. etc. 18 Control E tadí tico de Proce o (Apunte ) La ecuacione de lo índice quedan: CPi pT T C σ ˆ6−= −−=CPiCP pk T T minC σ µ σ µ ˆ3. Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.3.2 e dan alguna indicacione para la definición del GHR. En el párrafo 10.4 ppm. e introdujeron lo índice Pp.ˆ3 Lo ímbolo circunflejo “^” repre entan una e timación de la de viación típicacon iderada.•Ppy Ppk e calculan con la variabilidad total del proce o(variabilidad en el largo plazo). ver Figura 11). GRÁFICOS DE CONTROL POR VARIABLES:GRÁFICOS DE SHEWHART Supongamo que un proce o e encuentra bajo control e tadí tico y por lotanto u di tribución e N( µ .VARIABILIDAD A CORTO Y LARGO PLAZO Un proce o productivo tiene habitualmente do tipo de variabilidad: •Variabilidad inherente del proce o. Aquella componente de lavariabilidad debida a cau a comune olamente y repre enta lavariabilidad que puede e tar pre ente entre elemento fabricado enintervalo próximo (variabilidad en el corto plazo. ÍNDICES PPYPPK Durante mucho tiempo. la cantidad de producto fuera de tolerancia ería tan olo de 3.401 Figura 10 Control E tadí tico de Proce o Pág. Supongamo una máquina de inyección de pieza deplá tico de 16 cabezale .002D E S P LA ZA D A 1. Por e ta razón en la toma demue tra debe e tudiar e no olo la variabilidad entre la inyeccione .De manera general. 7.

E conveniente recordar que en lo texto e utilizan do e tadí tico di tinto .Por e ta razone . El primero de ello e define:( )nxx nii∑−−=12 Para proce o normale . Ante de eguir adelante e conveniente recordaralguna propiedade de e to e tadí tico con objeto de alcanzar un mejorentendimiento de la con trucción de e to gráfico . de modo que i la media cae fuera de lo límite de control exi te la evidencia de que hay una cau a a ignable pre ente(proce o fuera de control). Control E tadí tico de Proce o Pág. podemo ju tificar e te hecho de do modo di tinto : a) De acuerdo con el modelo teórico upue to abemo queel 0. La varianza de ambo e tadí tico on. Para valore mayore da una e timación obrevalorada de la di per ión de la población. la e peranza matemática de lavarianza mue tral e :( )221σ nn E −= Control E tadí tico de Proce o Pág. calcular la media mue tral y repre entar un gráfico de unamanera imilar a la Figura 12. denominado“recorrido relativo” y tambiénlaE(w) = d 2 yσ w = d 3 . EnControl E tadí tico de Proce o e habitual operar con de viacione     (Apunte )Pág. proporcionan la función de di tribución dele tadí ticow = R/ σ . i la media mue tral e tá comprendida dentro del intervaloanterior.000) tendrán una media fuera de e te intervalo y lamue tra que hemo extraído e una de ella . para proce o normale : ( )( )42212σ nn Var −= ( )42*12σ −=n Var Puede comprobar e que el error cuadrático medio de 2 e inferior al de * 2 . Por e ta razón alguna vece e toma como varianzamue tral al e timador in e gado definido:( )112*−−=∑−nxx nii E te e timador de la varianzaσ 2e in e gado y ademá n – 1 on lo grado de libertad de la mue tra.b) E muy improbable obtener una mue tra de e ta caracterí tica i realmente el modelo e el upue to. demodo que parece má vero ímil pen ar que el proce o noe tá bajo control e tadí tico y por lo tanto la hipóte i deque e di tribuye en e e momento egún una N(µµµµ. 22 Control E tadí tico de Proce o (Apunte ) Por lo que e un e timador e gado de la varianza poblacionalσ 2 . Por u propia con trucción. Exi ten tabla aplicable a proce o normale que. E abido que la di per ión de lo valore deuna población e mide por u de viación típicaσy lo e timadore mue trale utilizado má frecuentemente on el recorrido R (que en nue tro ca o darálugar alGráfico de Rango o Recorrido o implemente Gráfico R ) y lade viación típica mue tral S (que dará lugar alGráfico de de viacione típica o implemente Gráfico S ). e tee tadí tico da una e timación de la di per ión de la poblaciónde la que procede.σσσσ) e fal a. En efecto. eningeniería de calidad e má frecuente emplear *. Por el contrario.19 uperior re pectivamente).Se define como la diferencia entre el mayor valor pre ente en lamue tra                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 . no tendremo ninguna razón de pe o para pen ar que el proce o no e encuentra bajo control e tadí tico (el re ultado e coherente con el modelo upue to). Pre enta la ventaja de que e calcula muyfácilmente y para valore mue trale pequeño n≤8 ecomporta bien. Lo anterior no quiere decir que podamo e tar ab olutamente eguro de que el proce o e encuentre bajo control e tadí tico. b) De viación típica mue tral. en función del tamaño dela mue tra.27% de la mue tra (e decir 27 mue tra de cada10. ino que notenemo la evidencia de que no lo e tá. 20 Control E tadí tico de Proce o (Apunte ) ¿En qué e ba a el gráfico de media ?MEDIA DEL PROCESOLCS median= +3σ LCI median= −3σ Media de la mue tra Figura 12: Fundamento del gráfico de media Proce o fuera de controlMEDIA DEL PROCESOLCS median= +3σ LCI median= −3σ ALTO¡Identificar y eliminar la cau a e pecial! Figura 13: ¡¡Lo gráfico de control no irven para nada i no einve tigan la cau a a ignable !! Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.21 El análi i de la mue tra no e debe detener implemente con truyendo unGráfico de Media ya que aún pueden proporcionar má información delcomportamiento del proce o. a) Rango o recorrido mue tral. ElControl E tadí tico de Proce o e ba a en repetir e ta toma de mue tra demanera periódica. A e te gráfico e le denominaGráfico de Media o implementeGráfico X . la di per ión de lo valore mue trale no puede proporcionar una e timación de la di per ión del proce o y realizarun eguimiento de u evolución.y el menor valor.

6091.8801.86400003.5752.6281 .5001.95150.2771.1180.σ * .7071.0881.56420.3081.Siµ yσ on conocido entonce la con trucción del gráfico demedia e inmediata a partir de u definición: σ µ σ µ µ σ µ σ µ AnLCI LC AnLCS−=−= =+=+= 33 El cálculo de los límites del gráfico de recorridos se hace de lamanera siguiente:( )( )σ σ σ σ σ 132223233Dd d LCS d LC Dd d LCS =−===+= ii) Ca oµ . 0290.2761.8472.1156789101.7602.7111.8880.7511. ( )[ ]( )[ ] 2/ )1( 2/ 12)(E2/ )1( 2/ 2)(4*2σ σ σ σ cnnn cnnn E =−Γ Γ −==−Γ Γ = En este caso ambos estadísticos son estimadores segados deσ .9750.25 σ σ σ σ σ 122222222113113BnccLIC cLC BnccLSC = −−−= == −−+= Cuando e utiliza * .7611.1211.1751.08900002.σ conocido . 2621.6062.σ de conocido . 28 Control E tadí tico de Proce o (Apunte ) TABLA DE COEFICIENTES n AA1A2A3c2c4B1B2B3B4B5B6d2d3D1D2D3D4 23452.Si alguno de lo do fuera conocido ería un híbrido de lo do ca o i) y ii).9703.96930.9701.6984.9641. i e utiliza :SBcSnccLSI SLC SBcSnccLSC 3222242222113113= −−−= == −−+= Si e utiliza *:*3*244**4*244131131SBSc cLCI SLC SBSc cLCS= −−=== −+= Una vez trazado lo límite provi ionale . el gráficoS e con truye:σ σ σ σ σ 5244462441313BccLIC cLC BccLSC = −−=== −+= ii) Ca oµ . e comprobaría i alguna de la mue tra e tá fuera de lo límite .σ conocido .97270.0000.1341.7160. Se e timaríaµ a partir de la media de las medias( )xyσ a partir de la de viación típica mue tral media ( o* )dek mue tra iniciale .3260.79790.88620. En el gráfico de media i e utiliza : SAX S ncX LCI X LC SAX S ncX LCS12121313−=−= =+=+= Si e utiliza * : Control E tadí tico de Proce o Pág.4190.8581.4270. el gráficoS se construye: Control Estadístico de Procesos Control Estadístico de Procesos (Apuntes)Pág. 24 Control E tadí tico de Proce o (Apunte ) RAX nd RX LCI X LC RAX nd RX LCS22221313−=−= =+=+= y lo límite del gráfico de recorrido erían:RDRd d LCI RLC RDRd d LSC 3234233131= −=== += Una vez e tablecido lo límite de control provi ionale para ambo gráfico .27 GRÁFICOS DE MEDIAS DATOSCONOCIDOSLCSLCLCI µyσ µ +Aσ µ µ Aσ σ X +Aσ X X Aσ µ +A1S µ µ A1S µ µ +A2R µ µ A2R µ +A3S* µ µ A3S* X +A1S X X A1S NIN UNOX +A2R X X A2R X +A3S* X X A3S* Tabla 1 RÁFICOS DE DISPERSIÓN DATOSCONOCIDOS LCSLCLCI SB2σ c2σ B1σ σ RD2σ d2σ D1σ S* B6σ c4σ B5σ SB4S S B3S NINGUNO RD4R R D3R S* B4S* S* B3S* Tabla 2 Control E tadí tico de Proce o Pág.6721.0592.1050.8                 ¡                   ¡       ¢                                                                                               ¡         ¡                                 ¡                               ¡                       ¡                                                                     ¢                            ¡                           ¡     ¡                                               .σ .5840.6932.1281.92270.72360. E( *).5682.2251.2672.88820.8741.7290. nc 1122−−=σ σ 24'1c −=σ σ Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.79790.5342.2762.6591.2871.179.0230. 9491.84070.9431.8151.91390.σ de conocido . En ca oafirmativo e procedería a bu car la cau a a ignable que pudiera explicar e aanormalidad y e recalcularían lo límite .96500. por ejemplo cada 25 mue tra .8061.5772.23 CONSTRUCCIÓN DEL GRÁFICOX Ri) Ca oµ .σ µ σ µ µ σ µ σ µ AnLCI LC AnLCS−=−= =+=+= 33 Cuando se utilizas .2822.A partir dexy o* e trazarían lo límite provi ionale dela manera iguiente.3730.95940.7560000 3. En el gráfico de media : Control E tadí tico de Proce o Pág.2190.6692.91800003.2390.3370.92130.1670.8081.6381.0320.En la tabla iguiente e re ume lo anterior: Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.940000001.(Si alguno de lo do fuera conocido ería un híbrido de lo do ca o i) y ii)).7321.0300.4830.8801.típica enlugar de con varianza .2320. E to límite deben recalcular eperiódicamente. 86860.8821.7042.9541.4101. por lo que e nece ario conocerE( ).0941.2672.2841. Pue to que en e te ca o no e tiene ningúnconocimiento previo.Siµ yσ on conocido la con trucción del gráfico de media e análoga al ca o anterior.5961.3423.0260. e preci o e timarµ a partir de la mediade las medias( )xyσ a partir del recorrido medio( )Rdek (por ejemplok= 25 ) mue tra iniciale .0780. 26 Control E tadí tico de Proce o (Apunte ) *3*4*3*41313SAX S ncX LCI X LC SAX S ncX LCS−=−= =+=+= En el gráfico de de viacione típica .8480. CONSTRUCCIÓN DEL GRÁFICOX S i) Ca oµ .3584.8800 .0280.2662.A partir dexyR e trazarían lo límite provi ionale de lamanera iguiente.1130.6864.0991.1821.0611.8530. e e tudiarían lo punto fuera decontrol y e recalcularían lo límite de manera análoga al ca o anterior.90270.3941.1850.

..1733.3945.009 0.6893.009 0.9270.0011 0.5490.008 0.009 0.2990.5443.00103 0.008 0.7101.0083 0.00640.0003 Control E tadí tico de Proce o Pág.007 0.4970.0004 0.6120.5181.004 0.4141.001 0.6620.0004 0..8480. 30 Control E tadí tico de Proce o (Apunte ) MUESTRA1 2 3 4 5 Media R * 6 0.0052 0.008 0.0089 0.0060 0.96960..00800.00870.4660. .7880.6465.007 0..008 0.4250.007 0.9251.5323.3481.001 0.007 0.004 0.9 4530.0103Tabla 4 SOLUCIÓN:Di pongamo lo cálculo en la tabla iguiente:MUESTRA1 2 3 4 5 Media R * 1 0.007 0.2120.0760.0078 0.7750.009 0.988 20.3591 .3991.4480.96840.0011 0.006 0.7160.3790. .0081 0.0041.007 0.7550 .7783.008 0..7280.6361.00860.8200.7430.0100 0.008 0.4610.000413 0.4771..8161.2840.4261.0084 0.8860.6190.0066...7620.2230.0785.009 0.6550.0093 0.3540.96550.5925.0016 0.008 0.4350.29 EEJJEEMMPPLLOO 33:: CCOONNSSTTRRUUCCCCIIÓÓNN DDEE UUNN GGRRÁÁFFIICCOO DDEE SSHHEEWWHHAARRTT La galga de lo platino e una caracterí tica clave para u buenfuncionamiento.7390.008 0.7490.007 0.0013 0..4781.1840 .007 0.98100.4431.5040.6710.001 0.98540.8500.8193.0087 0.0074 0.98690..0075 0.4750.4040.6875.5460.94100.009 0.9310.0074 0.6800.008 0.7200.0094 0.4211.0081 0.2075.008 0.4920.0064 0..5111.008 0.6000.0077 0.007 0.009 0.008 0. .3990 .5651.97760.5101.6211.98450.5280.008 0.0005 0.00710.6190.009 0.5380.58621222324250.007 0.7630..3740.65216171819200.7161.3210.0089 0.008 0.5720.008 0.7380.009 0.79700.0062 0.3363.5883.0078 0..6791.9505.0073 0.1800.96300.5230.002 0.001115 0.007 0.8160.8583.93000.007 0.008 0.006 0.0076 0.00810.0013 0. .0071 0.95990.4703.001111 0.2583.000510 0.2350.008 0.4481.0076 0.0009 0.8545.8641.008 0.98350.0007 0..7870..46900.4770..2030.330.008 0.4073. ..4071.1211.0090 0.001 0.006 0.009 0.4340.009 0.7120.010 0.002 0.008 0.0065 0.98870.4911.0012 0.2850. .0087 0.008 0.0089 0.00700.7795.96190 .00084 0.3870.0009 0.0091 0.5611.008 0.0011 0.8080.0007 0..00085 0.0071 0.00970.1730.0089 0.00690. La tabla iguiente recoge medida de 20 mue tra de tamaño5.1 3/ √2n 1+3/ √2n 1 3/ √2n 1+3/ √2n .0083 0.4541.97540.00880.4281.4591. .1620.541> 253/ √n 3/ √n.. .7350.008 0.5485.006 0.9796.9250.0086 0.0089 0.0084 0.009 0.007 0.00790.1360.4551.00108 0.5345.007 0.008 0.010 0.008 0.00900.4241.5031.93590..0081 0.0015 0.0091 0.009 0.00940.3320.6330.9730.007 0.5550.9050.7380.98230.009 0.4203.0086 0...007 0.7091.0061 0.4400.008 0.5261 ..003 0.5071.6630.5591.00680.4430.7180.007 0.5481.4270.95510.0316.3840.0074 0.5160.5270.1530.6591.009 0.0069 0..00440.00099 0.5941.1940.7591 .009 0. .3920.8320.5571.4061.4060..7170.0076 0.009 0..001217 0.5450.00770.008 0.0080 0.5521.009 0..008 0.008 0.4451.009 0.0091 0.98760.77711121314150.008 0..3460.7700.0094 0.7500.4720.007 0.6880.5751.5041.6260.009 0.0094 0.5231 .0012 0.0087 0.5961.009 0.006 0..0074 0.008 0.2560.003 0.4450.4330 .0088 0.4381 .001018 0.2851.4151.9241.1570.8020. Con truir lo gráfico de controlRX −.008 0.0072 0.3590.3075.8660.0006 0.004 0.0081 0.6081 .4901.008 0.0088 0.6371.5631.8885.00520.009 0.4651.0072 0.6921.008 0.003 0.7620.0065 0.2232.009 0.2660.000616 0.3820.5661.00147 0.5390.5481.0088 0.3920.7890...6470.009 0.0005 0.7240.SX −y*SX − 0.5411.0081 0.0079 0.0083 0.Tabla 3ncAnd AncAnA4322213333==== 1242−==nncc cσ wd Rd σ σ ==32 ( )( )( )( )24462445244424434223211313131131ccBccBccBccBBcBBcB−+=−−=−+=−−=== 234233322321313133d d Dd d Dd d Dd d D+=−=+=−= Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.008 0.6320.001 0.1870.7330.4591.6181.003 0.2035.8120.0098 0.008 0.0261.5341.7780.0580.002 0.6980.006 0.6461.2490.009 0.6790..009 0..0074 0.005 0.0010 0.6403.6935.007 0.007 0.8045.007 0.008 0.0075 0.009 0.4961.008 0.009 0.0078 0.008 0.5340 ..6400.008 0.4820.6970 .0089 0.4831.00590.0064 0.6101.97940.0087 0.000420 0.009 0.3080.4900.0086 0.000614 0.0076 0.00840.7291.98920.008 0.94900.96700.3640.8840 .3130.002 0.0068 0.0080 0.009 0.002 0.4291.002 0.005 0.95760.009 0.009 0.009 0.0087 0.000719 0.004 0.009 0.3290.8170.7441 .2050.007                               ¡               ¡¡         ¡                             .8175.4580.0075 0.0076 0.5160.0090 0.6061.9220.008 0.010 0.8953.98960.5851.1670 .7370.0084 0.0084 0.0067 0.0087 0.00142 0.4900.006 0.008 0.0092 0.001212 0.003 0.6060.0073 0.4661.008 0.0083 0.95230..4520.008 0.7070..6711.6470.007 0.98620.

596x0.0010.008 + 1.10.60.115Gráfico de media :LCS= 0.0010 = 0.0030.008 + 1.0093 3.427x0.0024 = 0.007 0.0066Gráfico de recorrido :LCS= 2.0020.0020LC= 0. a probabi idad de que una muestra caiga dentro de os ímites de contro puede hacerse uti izando e estadístico: 2122−=nnsχ σ Enton e la e ua ión de la urva de opera ión e : ≤≤= ≤≤=nBn nBPnBn nBPP2222022221212022212212021)(λ σ λ λ σ σ σ σ σ λ Se puede comprobar que e comportamiento es simi ar para muestraspequeñas.40.009 0.427 B3= 0 B4= 2. al aumento de lo índice de capacidad).0 1.003 0.0050.0009 = 0. vemos que e gráfico de medias es sensib e a desp azamiento y muy poco sensib e a cambio de a variabi idad (verFigura15yFigura 16).00950.008 + 0.008LCI= 0.70.01.577 x0.000x0. e decir: 001σ µ µ −=d 01σ σ λ = La probabi idad de que a media muestra caiga dentro de os ímites de contro en función de( )λ .577 D3= 0 D4= 2.115x0.089x0.50.008LCI= 0.008 0.60.008 0.90.089Gráfico de media :LCS= 0. 34 Contro Estadístico de Procesos (Apuntes) 8.0.008LCI= 0.20.0018LC= 0.000Recorrid o Mue tralR=0.002 0. La ecuación de la curva erá: ( ) ( )02001 σ λσ σ λ DwDPP ≤≤= Para e caso de gráfico S. 8. Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág. Control E tadí tico de Proce o Control E tadí tico de Proce o (Apunte )Pág.00750.596 B3= 0 B4= 2.0SL=0.00.010 0.008 1.0066 Gráfico LCS= 2.1.0000 Control E tadí tico de Proce o Pág.0000 Método A1= 1.002 = 0.0010 0.52.CURVA DE OPERACIÓN DEL GRÁFICO DEMEDIAS.0094LC= 0.009 0.(000111111 Si ana izamos ahora os dos efectos por separado y dibujamos as curvas paradistintos tamaños de muestras.0010 = 0.002LCI= 0.0114LC= 0.51.427x0.596x0.30.0012 0.d es: −≤−−≤+−= −≤−≤−=λ λσ σ µ λ σ µ σ µ σ µ λ nd nd xnd PnLCSnxnLCI Pd P)3(/ )3(/ / / ).0050 3.0Aumento de variabi idadProbabi idadCURVA CARACTERÍSTICA DEL GRÁFICO DE MEDIAS(AUMENTOS DE VARIABILIDAD) Figura 16: Curva de operación de Gráfico X a aumento de avariabi idad Contro Estadístico de Procesos Pág. De e ta curva e deduce que el hecho de que “lo punto e tén dentro de lo límite ” proporciona muy poca eguridad de que el proce o eencuentre realmente bajo control e tadí tico y pone de manifie to la limitacione de e ta técnica.40.70.0045 Gráfico *LCS= 2.33 2.00850.089Gráfico de media :LCS= 0.0009 = 0.089x0.50.002 = 0.0SL=0.0024003.008 = 0.0009= 0.005LC= 0.La construcción de a curva de operación de gráfico de recorridos se haceaprovechando e estadísticow = R/ σ .80.91.0060.0010LCI= 0.0desp azamiento en mú tip os de sigmaProb.00EGRÁFICO X R Figura 14: Gráfico X R Método * A3= 1.35 ¡         £   ¡         £   £     £ £ £                 £ £       £       £   £ £   £           ¡ £ £   £   £ ¡             £   £ £ £ £ £ ¤               £ £ £ £ £   £ £           £   ¡ ¡   £     £     ¤ ¡   £   £   £   £       £     £   ¤ ¤ £ £             £         £       £   £ £     ¤ £ £ £     £     £   £ .50.0SL=0.0009Tabla 5 Método recorrido : A2= 0. CURVAS DE OPERACIÓN DEL GRÁFICO DECONTROL La curva de operación on útile para evaluar a priori la en ibilidad delgráfico de control frente a de plazamiento del proce o o al cambio de uvariabilidad.0SL=0.0024 = 0.0009 = 0.008 0. Sin embargo para muestras n>6 es más eficaz e gráfico S.00.31 2010Subgroup 00.0009LCI= 0.80.0065Media Mue tralX=0.577x0.000x0.0040.Si e mide el de plazamiento del proce o en unidade de la de viación típica yla deformación mediante la relación exi tente entre la de viación típica final yla inicial. media muestra dentro de LCn = 2 n = 3 n = 4 n = 5 n = 6 n = 8 n = 1 2 n = 1 6 n = 2 0 SENSIBILIDAD DEL GRÁFICO DE MEDIASDESPLAZAMIENTO DEL PROCESO Y DESVIACIÓN TÍPICA INALTERADA Figura 15: Curva de operación de Gráfico R a desp azamiento de a media1 2 3 4 5 60. 32 Control E tadí tico de Proce o (Apunte ) 8.008 1. La aplicación de gráfico de control debecontinuar e con técnica e tadí tica avanzada encaminada al conocimientode lo parámetro que influyen en el proce o (CTP en terminología 6 Sigma) ya la reducción de la variabilidad (o lo que e lo mi mo.0011Media 0.002 = 0.0079703.000En la figura iguiente e repre entan el gráfico de media y el de recorrido .000x0. Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág.CURVA DE OPERACIÓN DEL GRÁFICO DEDISPERSIÓN.2.0093LC= 0.

0.51.06%4 Racha de siete puntos consecutivos por encima de a íneacentra . En a co umna de a derecha se indica a probabi idad de que se dieraesta circunstancia en e caso de un proceso norma . 0.05%3 Racha de cinco puntos en a que cuatro están en a mismazona A o B.00.0. Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág.0.1.e)Reg a 9. Es síntoma de inestabi idad de proceso.Lo más probab e es que e proceso estédesp azándose.0Aumento de a variabi idad en mú tip os de sigmaProbabi idad R dentro LCSENSIBILIDAD DEL GRÁFICO "R" AL AUMENTO DE LA VARIABILIDADCENTRADO INALTERADOn=2n=3n=4n=5n=6n=7n=8n=12n=10 Figura 17: Curva de operación de Gráfico R a aumento de a variabi idad1 2 3 4 5 60. 38 Contro Estadístico de Procesos (Apuntes) b)Reg as 5.5%)C (34%)C (34%) Figura 19: Distribución de os puntos procedentes de unadistribución norma En a Tab a 6 se inc uyen a gunas reg as uti izadas frecuentemente paraana izar e gráfico de medias y estab ecer si e proceso se encuentra fuera decontro . o más probab e es que e proceso seencuentre desp azado. puedeocurrir que se estén mezc ando dos pob aciones distintas. ver Figura 19. existe una racha de 7 que sepresentan de manera monótona creciente.5%)B (13.02%6´´ De nueve puntos consecutivos.07%6´ De nueve puntos consecutivos.0.0. Contro Estadístico de Procesos Pág.0Aumento de a variabi idad en mú tip os de sigmaProbabi idad S dentro LCSENSIBILIDAD DEL GRÁFICO "S" AL AUMENTO DE LA VARIABILIDADCENTRADO INALTERADOn=2n=3n=4n=5n=6n=7n=8n=10n=12n=18n=20 Figura 18: Curva de operación de Gráfico S a aumentode a variabi idad Contro Estadístico de Procesos Pág.30%9 Racha de catorce puntos a ternativos ascendente descendente ?Tab a 6 A continuación veamos cómo se pueden interpretar estas indicaciones: a)Reg as 1.15%2´ Dos puntos consecutivos están en una de as zonas A ( amisma). e porcentaje de puntos contenidos en cada unade e as deberá acercarse sensib emente a área re ativa de a campana deGauss cubierta por cada una de e as.37 Reg a Descripción Probabi idad1 Un punto está fuera de os ímites de contro 0.0. Si e gráfico S o R presenta tambiénindicaciones. En efecto. 6´. e segundo está a menoscuatro desviaciones típicas por encima de primero (porejemp o. que Puede ser síntoma de que se ha reducido avariabi idad de proceso si e gráfico S o R también muestra unareducción de a variabi idad muestra . ¿Cómo o £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ .Si e gráfico S o R no presenta anoma ías.42%7 Dados dos puntos consecutivos. En genera .5%)A (2. 6´´. existe una racha de 8 que sepresentan de manera monótona creciente.0. e primero está en a zona A inferior y e segundo en a B ó A superior). 4´.c)Reg a 7. 6. Si e gráfico S o R presenta también indicaciones. un procedimiento de SPC debeexp icitar qué indicaciones deben considerarse como síntoma de proceso fuerade contro .56%4´´ Racha de ocho puntos consecutivos por encima de a íneacentra .50. 2.entonces es probab e que e proceso haya aumentado avariabi idad.654321 1. centrado ( o que daría ugar a una decisión errónea). o másprobab e es que e proceso sea muy inestab e en cuanto a sucentrado. Además e aspecto de os gráficospueden indicar anoma ías en e proceso. INTERPRETACIÓN DE LAS INDICACIONES DELGRÁFICO DE CONTROL La indicación más c ara de que e proceso está fuera de contro es que a gunode os puntos esté fuera de os ímites. dos o más están en una de aszonas A ( a misma). 3. 4. si dividimos e gráfico enzonas A.5%)B (13. B y C.39%5 Racha de seis puntos consecutivos se presentan de maneramonótona creciente. Si e gráfico S o R nomuestra una reducción de a variabi idad muestra .0.23%8 Racha de quince puntos en a zona C 0.78%4´ Racha de seis puntos consecutivos por encima de a íneacentra .14%6 De diez puntos consecutivos. 36 Contro Estadístico de Procesos (Apuntes) 9. existe una racha de 8 que sepresentan de manera monótona creciente. 4´´ y 7.27%3´ Racha de cuatro puntos consecutivos que están en a mismazona A o B.Si e gráfico de mediaspresenta a guna de estas indicaciones y e gráfico S o R nopresenta anoma ías. ¿Cómo deben distribuirse os puntos?A (2.27%2 De tres puntos consecutivos.00.0. 0. 3´.d)Reg a 8. entonces es proceso ha aumentado a variabi idady posib emente también se ha desp azado.siendo a distribución resu tante bimoda (dos jorobas).

5.2.2.2. En genera . en variosturnos.1. OTROS GRÁFICOS DE CONTROL POR VARIABLES14.8.2.2. Construcción de un intervalo de confianza de los índices11.¿CÓMO SE REALIZA UN ESTUDIO DECAPACIDAD DE PROCESO?En a rea ización de un estudio de capacidad de proceso es importante rea izar os siguientes pasos.39 media de proceso sino aumento o disminución en avariabi idad de mismo.2.3.4.1.3.4.b) La distribución de S o R no es norma (aunque o sea e proceso) ni tampoco es simétrica.interpreta?Racha en una mitadRacha creciente odecreciente Figura 20: Tendencias que indican causas especia es Para e caso de gráfico S o R se puede estab ecer un conjunto de reg asparecidas. TÉCNICAS DE NORMALIZACIÓN DE LOS DATOS12. CASO DE PROCESOS NO NORMALES11.2. CURVAS DE OPERACIÓN DEL GRÁFICO DE CONTROL8. GRÁFICO CUSUM14. GRÁFICO EWMA15.7. rea izada por operarios diferentes.2. p ease fo ow these directions to submit a copyright infringement notice. cuando se desee estimar a variabi idad tota de proceso(conocida también como variabi idad a argo p azo). as muestras deben serrepresentativas de a producción.516Up oaded:02/28/2011Category:Uncategorized. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTAS14.2. Identificación del patrón de variabilidad10. es decir.Report Cance This is a private document. GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALES12. 10.Rated:Copyright:Attri bution Non commercia Fo owEnrique Va entinesSectionsshow a co apse« prev next »1. INTERPRETACIÓN DE LAS INDICACIONES DEL GRÁFICO DE CONTROL10.3. CAPACIDAD DE PROCESO6. ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?10. GRÁFICOS DE CONTROL POR ATRIBUTOS15. CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIAS8. por ejemp o debe inc uir producciones con otes distintos de materia prima. Info and RatingReads:1. CONCEPTO DE CAPACIDAD DE PROCESO6.•Comprender os fenómenos físicos y tecno ógicosimportantes para e proceso Se rea iza tomando muestras de a producción. Definición de la estratificación de las medidas a tomar10. Análisis e interpretación de los datos10. Toma de los datos10.1. ESTUDIO DE CAPACIDAD DE PROCESOS10. etc. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIAL15. ¿POR QUÉ VARÍAN LOS PROCESOS?3. En particu ar es frecuenteque se requiera que e proceso esté en contro estadístico.5. Comprobación de la normalidad de los datos10.2. GRÁFICOS PARA MUESTRAS UNITARIAS (I. no indican derivas en a Contro Estadístico de Procesos Contro Estadístico de Procesos (Apuntes)Pág.1.1.1. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN DE POISSON16. ÍNDICES PP Y PPK6. CONSECUENCIAS QUE TIENE EN EL ANÁLISIS11.2.6.2. POTENCIALIDAD DEL PROCESO. Contro ProcesosDown oad this Document for FreePrintMobi eCo ectionsReport DocumentReport this document?P ease te us reason(s) for reporting this document Spam or junk Porn adu t content Hatefu or offensiveIf you are the copyright owner of this document and want to report it. ÍNDICES CP Y CPK6. En os párrafos siguientes se dan a gunasdirectrices que pueden ayudar a diseñar un estudio de capacidad de proceso ya interpretar sus resu tados. A partir de aquí existen muchasdiferencias en cuanto a modo de tomar as muestras.Obviamente. Estabilizar del proceso10. CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES6. según sea e modo en e que se tomen as muestras osresu tados serán muy diferentes. 10.2.¿QUÉ ES UN ESTUDIO DE CAPACIDAD DEPROCESO?Un estudio de capacidad de proceso tiene por objeto de conocer: •Distribución estadística que o describe (norma o nonorma )•E patrón de variabi idad de proceso y principa es factoresre acionados con a variabi idad.1. GRÁFICOS DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHART8.2. IMPLANTACIÓN DEL £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ ££ £ £ £ £ £ ££ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ££ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ £ ¡ £ £ £ £ £ . pero es necesario tener en cuenta o siguiente: a) La interpretación de a indicación ha de hacerse en función a anatura eza de gráfico S o R. ESTUDIO DE CAPACIDAD DE PROCESOS10.MR)13. ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?10. ¿ES LA NORMALIDAD LO “NORMAL?”11. FUNDAMENTOS ESTADÍSTICOS4. por o que as probabi idadesindicadas en a co umna de a derecha no son de ap icación aeste caso. CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓN9. VARIABILIDAD A CORTO Y LARGO PLAZO6. CONCEPTO DE GRUPO HOMOGÉNEO RACIONAL7.2. Este requisito es ógico cuando se pretende ca cu ar os índices cpy cpkde variabi idad a cortop azo. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOS2.1.

FASE 4: EXTENSIÓN A OTROS PROCESOSShare & EmbedRelated DocumentsPreviousNext p. We will send you an email with instructions on how to continue. We promise to respect your privacy.Recent ReadcastersA dd a CommentSubmitCharacters: 400Print this documentHigh QualityOpen the downloaded document. « Back to LoginReset your passwordPlease enter your email address below to reset your password. p. Why Sign up?Discover and connect with people of similar interests.com/scribdfacebook. p. p.Language:EnglishChoose the language in which you want to experience Scribd:EnglishEspañolPortuguês (Brasil) .More from this userPreviousNext74 p. p. p. p. p. p.com/scribdtwitter.1. p. p. You can manage these notifications in your account settings. p. Share your reading interests on Scribd and social sites.Email address: You need to provide a login for this account as well.3. p.SPC EN UNA EMPRESA16. Login: Submit Upload a Document Search Documents Follow Us!scribd. p.com/scribdAboutPressBlogPartner sScribd 101Web StuffScribd StoreSupportFAQDevelopers / APIJobsTermsCopyrightPrivacyCopyright © 2011 Scribd Inc..2. p. FASE 2: IMPLANTACIÓN DEL GRÁFICO DE CONTROL PILOTO16. FASE 3: ANÁLISIS DE LOS PRIMEROS RESULTADOS16. FASE 1: PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTO16. p. p.Other login optionsLogin with FacebookSignupI don't have a Facebook account email address (required) create username (required) password (required) Send me the Scribd Newsletter.Download and Print Sign upUse your Facebook login and see what your friends are reading and sharing. p. Publish your documents quickly and easily. p. p. p. and select print from the file menu (PDF reader required). Already have a Scribd account?email address or username password Log In Trouble logging in? Login SuccessfulNow bringing you back.4. p. Sign Up Privacy policy You will receive email notifications regarding your account activity. and occasional account related communications..

Sign up to vote on this title
UsefulNot useful