Control estadístico de procesos

CEP

GRÁFICOS DE CONTROL XR

1
La idea de usar técnicas de muestreo y análisis estadístico en un entorno
de producción tuvo sus comienzos en la década de 1920.

El objetivo de este concepto tan exitoso es reducir de manera sistemática

la variabilidad y el aislamiento asociados con las fuentes de dificultades
durante la producción.

En 1924 Walter A. Shewhart, de la empresa Bell Telephone Laboratories,

desarrolló el concepto de gráfica de control.

Sin embargo, fue hasta la Segunda Guerra Mundial cuando se generalizó

el uso de este tipo de gráficas debido a la importancia que durante ese
periodo tuvo el mantenimiento de la calidad en los procesos de
producción.

2
En las décadas de 1950 y 1960 el desarrollo del control de calidad y el área
general de seguridad de la calidad crecieron con rapidez, en particular con el
surgimiento del programa espacial en Estados Unidos.

En Japón hubo un amplio y exitoso uso del control de calidad gracias a los
esfuerzos de W. Edwards Deming, quien trabajó como consultor en Japón
después de la Segunda Guerra Mundial.

Los principales usuarios del control de calidad es la industria.

Es evidente que un programa eficaz de control de calidad mejora la calidad

del artículo que se produce y aumenta las utilidades.

Esto es particularmente cierto en la actualidad, ya que los productos se

fabrican en volúmenes altos.

Antes de que surgiera el movimiento hacia los métodos de control de calidad,

a menudo ésta se veía afectada debido a la falta de eficiencia, lo cual, por
supuesto, incrementaba los costos.

3
GRAFICAS DE CONTROL

El objetivo de una gráfica de control es determinar si el desempeño de un

proceso se mantiene en un nivel aceptable de calidad.

Se espera, desde luego, que cualquier proceso experimente una variabilidad

natural, es decir, una variabilidad debida esencialmente a fuentes de variación
poco importantes e incontrolables.

Estas fuentes de variabilidad pueden surgir de uno de varios tipos de “causas

asignables” no aleatorias, como errores del operador o indicadores mal
ajustados en una máquina.

Un proceso que opera en dicho estado se denomina fuera de control. Se dice

que un proceso que sólo experimenta variaciones aleatorias está en control
estadístico.

4
El propósito de una gráfica de control es que funcione como un dispositivo
para detectar el estado no aleatorio o fuera de control de un proceso.

Cuando ocurre un cambio en el proceso es importante detectarlo con rapidez,

de manera que se pueda corregir el problema.

Evidentemente, si el cambio no se detecta de inmediato, se producirán

muchos artículos defectuosos o que no cumplen las especificaciones, lo cual
dará como resultado un desperdicio significativo y un incremento en los
costos.

5
6
7
8
La línea central representa el valor promedio de la característica cuando
el proceso está bajo control.

Los puntos que se indican en la fi gura representarían los resultados de,

digamos, los promedios muestrales de tal característica, con muestras
tomadas en diferentes momentos.

Los límites de control superior e inferior se eligen de tal manera que se

esperaría que, si el proceso está bajo control, todos los puntos
muestrales queden cubiertos por estos límites.

Cuando un punto cae fuera de los límites de control, se considera como

evidencia de que un proceso está fuera de control, en cuyo caso se
sugiere una búsqueda para determinar la causa.

Además, un patrón no aleatorio de puntos se debe considerar

sospechoso y, evidentemente, un indicador de que es necesario
investigar para encontrar la medida correctiva adecuada.

9
GRAFICAS PARA CONTROL PARA VARIABLES

• Suponga que en un proceso de fabricación de cierta parte de un motor se

deben utilizar las gráficas de control de calidad.

• Supongamos también que la media del proceso es μ = 50 mm y que la

desviación estándar es σ = 0.01 mm.

• Imagine que se toman muestras en grupos de 5 cada hora y que los

valores de la media muestral 𝑋ത se registran y grafican como en la figura.

• Los límites para las gráficas 𝑋ത se basan en la desviación estándar de la

variable aleatoria 𝑋ത , que para el promedio de observaciones
independientes en una muestra de tamaño n es:

10
Como resultado, 100(1 - α)% de los valores 𝑿 ഥ cae dentro de los límites cuando
el proceso está bajo control si utilizamos los siguientes límites:

Aquí LCI y LCS representan el límite de control inferior y el límite de control

superior, respectivamente.

Con frecuencia las gráficas Xˉ se basan en límites denominados “tres sigma”,

refiriéndonos a zα/2 = 3 y a límites que se convierten en:

11
Quedando entonces:

12
GRAFICO 𝑿
ഥ CON PARAMETROS ESTIMADOS

Anteriormente se vieron las nociones de la gráfica 𝑋ത que usa el

teorema del límite central y emplea valores conocidos de la media y
desviación estándar del proceso. Como al principio se indicó, se
utilizan los límites de control.

Si un valor 𝑋ത cae fuera de estos límites se considera evidencia de un

cambio en la media μ, y, por lo tanto, la posibilidad de que el proceso
esté fuera de control.

En muchas situaciones prácticas no es razonable suponer que

conocemos μ y σ.

Como resultado, se deben proporcionar estimados de los datos que

se obtienen cuando el proceso está bajo control.

13
• Por lo general los estimados se determinan durante un periodo en el que
se reúne información antecedente o de inicio.

• Se elige una base para subgrupos racionales y se reúnen los datos con
muestras de tamaño n en cada subgrupo.

• Los tamaños de la muestra por lo general son pequeños, digamos, 4, 5 o 6,

y se toman k muestras, con k al menos igual a 20.

• Durante este periodo, en el que se supone que el proceso está bajo

control, el usuario establece los estimados de μ y σ en los que se basa la
gráfica de control.

• La información importante reunida durante este periodo incluye las

medias muestrales en el subgrupo, la media general y el rango de la
muestra en cada subgrupo.

• Una parte de la información muestral de estas k muestras toma la forma

𝑋1, 𝑋2, … , 𝑋𝑘

14
Luego:

Donde d2, es un valor que surge de tablas.

15
GRAFICO DE R CON PARAMETROS ESTIMADOS

• Los límites de control se basan en la distribución de la variable

aleatoria 𝑋ത y dependen de la suposición de normalidad de las
observaciones individuales.
• Es importante que el control se aplique tanto a la variabilidad como al
centro de ubicación.

• La variabilidad del proceso se puede controlar usando graficas del

rango muestral. Una gráfica de los rangos muestrales a lo largo del
tiempo se denomina gráfica R.

• Se puede utilizar la misma estructura general, como en el caso de la

ത donde 𝑅ത es la línea central y los límites de control dependen
gráfica 𝑋,
de que se estime la desviación estándar de la variable aleatoria R.

• Por lo tanto, como en el caso de la gráfica 𝑋ത , se establecen límites 3σ

donde “3σ ” implica 3σR.

• La cantidad σR se debe estimar a partir de los datos, tal como se

estima σX.

16
17
CAPACIDAD DE PROCESO

Los gráficos y R proporcionan información sobre el rendimiento o la

capacidad de proceso.
Con estos podemos representar una estimación de la media del mismo y
de su variabilidad.

Otra forma de expresar la capacidad del proceso es en términos de la

relación de cp,q ue para una característica de calidad con límites de
especificación superiores e inferiores (USL y LSL, respectivamente) es:

18
Ejemplo:
Una empresa fabrica alimentos en fracciones de 240 gramos.
Se pretende analizar si el proceso esta dentro de control.

19
EJERCICIO

Se utilizan gráficos de control de X y R, con límites de control de 3 σ y

subgrupos de tamaño n = 4, para controlar una característica de
calidad en un proceso. Los parámetros de los gráficos de control son:

𝑋ധ = 800 𝑅ത = 25

Si la media del Proceso cambia a 825 calcular la Probabilidad β de

Error Tipo II.

20
EJERCICIO
Se desea implementar control estadístico por medio de gráficos tipo 𝑋ത
y R, llevando a cabo muestras con n=4 para controlar una variable de
un proceso. Obteniendo los siguientes valores.

20 20
ഥ = 3000
෍ 𝑥𝑖 𝑦 ෍ 𝑅𝑖 = 600
𝑖=1 𝑖=1

i. Determinar los límites de control superior e inferior para la media.

ii. Si se produce un corrimiento en la media observada a 175, cual es la
probabilidad de cometer error tipo II.
iii. Cuál es la probabilidad de detectar recién al segundo subgrupo

21
EJERCICIO
Un proceso normalmente usa el 66.7% de la banda de especificación.
Si el mismo está centrado, localizar la media entre los límites superior
e inferior de especificación. Calcular:
a) Estimar el Cp y el CpK. Interpretar.
b) ¿Cuál será la fracción defectuosa producida?

22
EJERCICIO
Dado un gráfico X-R que usa un control 2 sigma para controlar un
proceso. Encontrar la probabilidad de que una falsa alarma (punto
fuera de control) puedan llegar a producirse.
Comparar este con la correspondiente probabilidad para un gráfico
X-R con 3 sigmas. Explicar las diferencias entre uno y otro.

23
EJERCICIO
El diámetro de unos fusibles usados en un motor es una importante
característica de calidad. Se obtuvo un gráfico X-R con 𝑋ത = 64 y 𝑅ത = 0.01764
de 25 muestras con n=3. El proceso se encuentra en control.

Suponer que las especificaciones del proceso son 64 + 0.02. Calcular el Cp. ¿
El proceso es capaz?

Estimar el Cpk.

Llevar el proceso a un proceso six-sigma. ¿Cuanto tendría que valer el Cpk?

¿ Cuanto tendría que valer la nueva varianza ( 𝜎ො )?

Suponer que la media cambia a 64.01. ¿Cuál es la probabilidad de que el

cambio sea detectado en la muestra siguiente?

24
Bibliografía.

Métodos estadísticos para toma de decisiones Deutschen Gesellshaft für

Qualität, DGQ.
Probabilidad y estadística para ingeniería y ciencias, Walpole-Myers-
Myers.
Familia ISO 9000.

25