U2 - S6 - SPC Control Estadístico Del Proceso

SPC Control estadístico del proceso
Paola Von Versen
 Administración (https://www.gestiopolis.com/tema/administracion/)  01.09.2005  7 minutos de lectura
¿Qué es proceso estadístico?
El proceso estadístico está parado para el control de proceso

estadístico.
El proceso estadístico no re ere a una técnica, a un algoritmo o a un

procedimiento particular.
El proceso estadístico es una losofía de la optimización referida a

mejoras de proceso continuas, usando una colección de las
herramientas (estadísticas) para:
a- datos y análisis del proceso

b- fabricación de inferencias sobre comportamiento de proceso
c- toma de decisión.
El proceso estadístico es un componente dominante de las iniciativas

totales de la calidad.
En última instancia, búsquedas del proceso estadístico para maximizar

bene cio cerca.
mejorar calidad del producto

mejorar productividad
aerodinamizar proceso
Reducción de despilfarro
Reducción de emisiones
mejorar servicio de cliente, etc.
Herramientas para el proceso estadístico
Las herramientas comúnmente usadas en el proceso estadístico incluyen
Organigramas
Grá cas de funcionamiento
Grá ca y análisis de pareto
Diagramas de causa-efecto
Histogramas de la frecuencia
Grá cas de Control

Estudios de la capacidad de proceso
Planes de muestreo de aceptación
Diagramas de dispersión
Cada herramienta es simple poner en ejecución
Estas herramientas se utilizan generalmente para complementarse, más

bien que se emplean como técnicas independientes
Organigramas
No tenga ninguna base estadística
son las herramientas excelentes de la visualización
Demostración de los organigramas
El progreso del trabajo
El ujo del material o de la información con una secuencia de

operaciones
Los organigramas son útiles en un análisis de proceso inicial
Los organigramas se deben complementar por los organigramas de

proceso o los organigramas de proceso (detallados) si están disponibles
Cada uno implicado en el proyecto debe dibujar un organigrama del

proceso que es estudiado para revelar las diversas opiniones de cómo el
proceso funciona.
(https://www.gestiopolis.com/spc-control-estadistico-del-proceso/)
Organigrama del ejemplo de un procedimiento para asegurar calidad de los

datos.
Las Grá cas de funcionamiento

Las grá cas de funcionamiento son simplemente diagramas de características
de proceso contra tiempo o en secuencia cronológica. No tienen base
estadística, sino son útiles en revelar
Tendencias
Relaciones entre las variables
Las grá cas de funcionamiento se pueden utilizar para estudiar relaciones

entre las variables. Por ejemplo, en la carta antedicha, la relación entre las 2
variables es difícil de discernir. Para facilitar esto, los escalamientos apropiados
para los diagramas deben ser elegidos. Si cada uno trazó la variable tiene su
propia escala del y-axis, la grá ca de funcionamiento antedicha entonces se
convierte,
Ahora, la relación entre los dos se convierte en mucho clari cante. Este
método fallará obviamente cuando hay más de dos variables. Sin embargo, si
las variables se estandarizan antes de trazar, sólo un solo eje común es
necesario, y los resultados son justos tan claramente como los anteriores.
Vilfredo Pareto (1848-1923) descubrió eso:
El 80% de la abundancia en Italia fueron llevados a cabo por el 20% de la

población;
El 20% de clientes consideraron el 80% de ventas;
El 20% de piezas consideraron el 80% coste, etc.

Estas observaciones fueron con rmadas por Juran (1960) y dadas lugar
a qué se conoce como el principio de Pareto .
El principio de Pareto indica eso:
” no todas las causas de un fenómeno particular ocurren con la misma

frecuencia o con el mismo impacto ”
Tales características se pueden destacar usando las Grá cas de Pareto
Cartas y análisis de Pareto
Las grá cas de Pareto demuestran los factores con la más frecuencia
posible que ocurren
El análisis de las grá cas de Pareto ayuda a hacer el mejor uso de

recursos limitados apuntando los problemas más importantes para
abordar
Por ejemplo:
Los productos pueden sufrir de diversos defectos, pero
Los defectos ocurren en diversa frecuencia
Solamente algunos explican la mayoría de los defectos presentes
Diversos defectos incurren en diversos costes
Una línea de productos puede experimentar tan una gama de los defectos (A, B,
C…
J). Trazando la contribución del porcentaje de cada tipo para sumar el número
de averías, da barra-traza en el diagrama siguiente. Después si, cada uno de
estas contribuciones se suma secuencialmente, se obtiene un diagrama de línea
acumulativa Estos dos diagramas juntos hacen para arriba la grá ca de Pareto.
Ejemplo de la carta de Pareto
De la información sobre la grá ca, el fabricante podría por ejemplo,
concéntrese en la reducción de los defectos A, B y C puesto que hacen

para arriba el 75% de todos los defectos
céntrese en la eliminación del defecto E, si el defecto E causa el 40% de

pérdida monetaria
Los diagramas del Causar-y-efecto:
También se llaman:
Diagramas de Ishikawa ( Dr. Kaoru Ishikawa, 1943)
Diagramas del shbone

Los diagramas de causa – efecto no tienen una base estadística, sino son
ayudas excelentes para solucionar de problema y el trouble-shooting
Los diagramas del Causar-y-efecto pueden
revelar las relaciones importantes entre varias variables y causas

posibles
proporcionar la penetración adicional en comportamiento de proceso
Ejemplo de un diagrama del Causa-efecto
Histograma de la frecuencia
El histograma de la frecuencia es un método grá co y fácilmente interpretado

muy e caz para resumir datos El histograma de la frecuencia es una
herramienta estadística fundamental del proceso estadístico
Proporciona la información alrededor:
El promedio (medio) de los datos

La variación presente en los datos
El patrón de la variación
Si el proceso está dentro de lo especi cado
Histogramas De Dibujo De la Frecuencia
En histogramas de dibujo de la frecuencia, considere las reglas siguientes:
Los intervalos deben ser espaciados igualmente
Seleccione los intervalos para tener valores convenientes
El número de intervalos está generalmente entre 6 a 20
Las cantidades pequeñas de datos requieren pocos intervalos

10 intervalos son su cientes para 50 a 200 lecturas
Procesos que no están en un estado del control estadístico:
demuestra las variaciones excesivas
exhiba las variaciones que cambian con tiempo
Grá cas de Control
Se utilizan para detectar si un proceso es estadístico estable . Las grá cas del
control distinguen entre las variaciones
Eso espera normalmente de las causas debidas de proceso de la ocasión

o del campo común
Ese en un cierto plazo el cambio debido a las causas asignables o

especiales
Variaciones debido a las causas comunes

tenga efecto pequeño en el proceso
sea inherente al proceso debido a:
La naturaleza del sistema
Se maneja la manera el sistema
Se organiza y se funciona la manera el proceso
La lata solamente se quite cerca
Fabricación de modi caciones al proceso
cambiar el proceso
es la responsabilidad de una gerencia más alta
Calas variaciones debido a las causas especiales son :
localizado en naturaleza
Excepciones al sistema
Anormalidades consideradas
A menudo especí co a :
Cierto operador
Cierta máquina
Cierta hornada del material, del etc.
La investigación y el retiro de las variaciones debido a las causas

especiales son dominantes a la mejora de proceso.
Nota : A veces la delineación entre las causas comunes y especiales puede no
estar muy clara
Los principios detrás del uso de las grá cas de control son muy simples y se
basan en el uso combinado de
Grá cas de funcionamiento
Prueba de la hipótesis
El procedimiento es :
Muestree el proceso en los intervalos regulares
trace la estadística (o una cierta medida del funcionamiento), e.g.
Medio
Gama
Variable
Número de defectos, del etc.
compruebe (grá camente) si el proceso está bajo control estadístico
Si el proceso no está bajo control estadístico, haga algo sobre él
Diversas grá cas se utilizan dependiendo de la naturaleza de las cartas

comúnmente usadas planeadas de los datos son:
Para los datos continuos (de las variables):
Medio de la muestra de Shewhart (c- grá ca)

Gama de la muestra de Shewhart ( R – grá ca)
Muestra de Shewhart ( X – grá ca)
Suma acumulativa (CUSUM)
Grá ca exponencial cargada del promedio móvil (EWMA)
Grá cas Mover-medias y de la gama
Para ( cualidades y contable) los datos descritos :
Proporción de la muestra defectuosa ( p – grá ca)
Número de la muestra de los defectives ( np – grá ca)
Número de la muestra de los defectos ( c – grá ca)
Número de la muestra de defectos por la unidad ( u – grá ca s – grá ca)
Calas grá cas de control hacen asunciones sobre la estadística trazada, a saber
es independiente , es decir. Un valor no es in uenciado por su último

valor y no afectará los valores futuros
Se distribuye normalmente, es decir los datos tienen una función normal

de la densidad de la probabilidad
Función Normal De la Densidad De la Probabilidad

Las asunciones de la normalidad y de la independencia permiten a predicciones

ser hechas sobre los datos.
La distribución normal N ( m, s 2) tiene varias características distintas:
La distribución normal es acampanada y es simétrica
El medio, m , está situado en el centro
Las probabilidades que un punto, x, mentiras cierta distancia más allá

del medio es:
Banda (x > m + 1,96 s) = banda ( x > m – 1,96s) = 0,025
Banda (x > m + 3,09 s) = banda ( x > m 3,09s) = 0,001
S es la desviación de estándar de los datos

Grá cas de control: interpretación
Las grá cas del control son distribuciones normales con una dimensión
agregada del tiempo.
Las grá cas del control son cartas de funcionamiento con distribuciones
normales sobrepuestas
Car
Grá cos para probar hipótesis

Las grá cas del control proporcionan los medios grá cos para probar hipótesis
sobre los datos que son supervisados.
Considere la grá ca comúnmente usada de Shewhart como ejemplo.
La grá ca X de Shewhart con límites del control y de la advertencia
La probabilidad de una muestra que tiene un valor particular es dada por su

localización en la grá ca. Si se asume que la estadística trazada está distribuida
normalmente, la probabilidad de un valor que miente más allá de:
Los límites amonestadores son la aproximadamente ocasión 0,025 o

2,5%
Los límites de control son aproximadamente 0,001 o 0,1% ocasiones,

éste es raro e indica eso
La variación es debido a una causa asignable
El proceso está fuera del control estadístico
Las reglas del funcionamiento
Son las reglas que se utilizan para indicar situaciones fuera del control
estadístico.
Las reglas típicas del funcionamiento para las grá cas X de Shewhart con
límites del control y advertencia son:
un punto que miente más allá de los límites de control
2 puntos consecutivos que mienten más allá de los límites de

advertencia (0.025×0.025×100 = 0,06% oportunidades de ocurrir)
7 puntos o más consecutivos que mienten en un lado del medio (0,5

7×100 = 0,8% oportunidades de ocurrir e indica un cambio en el medio
del proceso)
5 o 6 puntos consecutivos que entran en la misma dirección (indica una

tendencia)
Otras reglas del funcionamiento se pueden formular usando principios

similares
Las grá cas de CUSUM
Son excelentes para detectar cambios en medios. Una grá ca de CUSUM es

simplemente un diagrama de la suma de un cierto proceso característico contra
tiempo.
Ejemplos de grá cas de control:
Bibliografía
Hazle saber al autor que aprecias su trabajo
13
Tu opinión vale, comenta aquí
 Compártelo con tu mundo

 Facebook (https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fwww.gestiopolis.com%2Fspc-control-estadistico-del-proceso%
 Twitter (https://twitter.com/intent/tweet?url=https%3A%2F%2Fwww.gestiopolis.com%2Fspc-control-estadistico-del-proceso%2F&text=SPC
 (mailto:?subject=Revisa este artículo&body=Hola! Revisa este artículo: SPC Control estadístico del proceso - https://www.gestiopolis.com/spc
 (https://plus.google.com/share?url=https%3A%2F%2Fwww.gestiopolis.com%2Fspc-control-estadistico-del-proceso%2F)
 (https://www.linkedin.com/shareArticle?mini=true&url=https%3A%2F%2Fwww.gestiopolis.com%2Fspc-control-estadistico-del-proceso%2F&
Escrito por:
P Paola Von Versen (https://www.gestiopolis.com/author/paolavonversen/)
Alumna de Ingeniería Industrial y Sistemas de Piedras Negras Coahulia México UNAE
 En este post se habla sobre
administración de producción y operaciones

(https://www.gestiopolis.com/tag/administracion-de-produccion-y-operaciones/)
economía matemática (https://www.gestiopolis.com/tag/economia-matematica/)
estadística (https://www.gestiopolis.com/tag/estadistica/)
Relacionados

Control estadístico de procesos (CEP).

Producción inteligente de calidad que
Círculos de Control de Calidad elimina costos y riesgos
Metodología Box Jenkins y control de

procesos en la industria azucarera Manual de plan de control AMEF APQP
Filosofía justo a tiempo como alternativa de

De nición de SPC Statistical Process Control mejora para las empresas
Lean production y las nuevas empresas

Sistemas de gestión empresarial competitivas
Manual AMEF Análisis de modo y efecto de
fallas potenciales PPAP
SMED Herramientas y reducción de tiempos Just in Time para la búsqueda de ventajas

de producción competitivas
 Cita esta página
APA MLA CHICAGO ICONTEC
Von Versen Paola. (2005, septiembre 1). SPC Control estadístico del proceso. Recuperado de
https://www.gestiopolis.com/spc-control-estadistico-del-proceso/
Copiar
 Imagen del encabezado cortesía de thatguyfromcchs08

(http://www. ickr.com/photos/thatguyfromcchs08/4292628703/) en Flickr

U2 - S6 - SPC Control Estadístico Del Proceso

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

U2 - S6 - SPC Control Estadístico Del Proceso

Cargado por

Copyright:

Formatos disponibles

SPC Control estadístico del proceso

Paola Von Versen

 Administración (https://www.gestiopolis.com/tema/administracion/)  01.09.2005  7 minutos de lectura

¿Qué es proceso estadístico?

El proceso estadístico está parado para el control de proceso

El proceso estadístico no re ere a una técnica, a un algoritmo o a un

El proceso estadístico es una losofía de la optimización referida a

a- datos y análisis del proceso

El proceso estadístico es un componente dominante de las iniciativas

En última instancia, búsquedas del proceso estadístico para maximizar

mejorar calidad del producto

mejorar servicio de cliente, etc.

Herramientas para el proceso estadístico

Las herramientas comúnmente usadas en el proceso estadístico incluyen

Grá cas de funcionamiento

Grá ca y análisis de pareto

Grá cas de Control

Planes de muestreo de aceptación

Cada herramienta es simple poner en ejecución

Estas herramientas se utilizan generalmente para complementarse, más

No tenga ninguna base estadística

son las herramientas excelentes de la visualización

Demostración de los organigramas

El progreso del trabajo

El ujo del material o de la información con una secuencia de

Los organigramas son útiles en un análisis de proceso inicial

Los organigramas se deben complementar por los organigramas de

Cada uno implicado en el proyecto debe dibujar un organigrama del

Organigrama del ejemplo de un procedimiento para asegurar calidad de los

Las Grá cas de funcionamiento

Relaciones entre las variables

Las grá cas de funcionamiento se pueden utilizar para estudiar relaciones

Vilfredo Pareto (1848-1923) descubrió eso:

El 80% de la abundancia en Italia fueron llevados a cabo por el 20% de la

El 20% de clientes consideraron el 80% de ventas;

El 20% de piezas consideraron el 80% coste, etc.

El principio de Pareto indica eso:

” no todas las causas de un fenómeno particular ocurren con la misma

Tales características se pueden destacar usando las Grá cas de Pareto

Cartas y análisis de Pareto

El análisis de las grá cas de Pareto ayuda a hacer el mejor uso de

Los productos pueden sufrir de diversos defectos, pero

Los defectos ocurren en diversa frecuencia

Solamente algunos explican la mayoría de los defectos presentes

Diversos defectos incurren en diversos costes

Ejemplo de la carta de Pareto

De la información sobre la grá ca, el fabricante podría por ejemplo,

concéntrese en la reducción de los defectos A, B y C puesto que hacen

céntrese en la eliminación del defecto E, si el defecto E causa el 40% de

Los diagramas del Causar-y-efecto:

Diagramas de Ishikawa ( Dr. Kaoru Ishikawa, 1943)

Diagramas del shbone

Los diagramas del Causar-y-efecto pueden

revelar las relaciones importantes entre varias variables y causas

proporcionar la penetración adicional en comportamiento de proceso

Ejemplo de un diagrama del Causa-efecto

El histograma de la frecuencia es un método grá co y fácilmente interpretado

El promedio (medio) de los datos

Si el proceso está dentro de lo especi cado

Histogramas De Dibujo De la Frecuencia

En histogramas de dibujo de la frecuencia, considere las reglas siguientes:

Los intervalos deben ser espaciados igualmente

Seleccione los intervalos para tener valores convenientes