Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NDICE DE CONTENIDOS
5.1. Control Estadstico de Procesos (CEP) 5.2. ndices de capacidad 5.3. Grficos de control de Shewhart 5.3.1. Elementos de los grficos de control 5.3.2. Metodologa para elaborar los grficos de control 5.3.3. Tipos de grficos de control 5.3.3.1. Grficos de control por variables
___
Grficos de medias-rangos ( X - R) Grficos de medias-desviaciones tpicas Grficos de observaciones individuales-rangos mviles Grfico de medias mviles-rangos mviles Otros tipos de grficos de control por variables o Mediana-rango o Sumas acumuladas (CUSUM): o Grficos de precontrol
5.3.3.2. Grficos de control por atributos: grficos por nmero de unidades defectuosas Grfico p Grfico np 5.3.3.3. Grficos de control por atributos: grficos por nmero de defectos Grfico U Grfico C 5.4. Aseguramento de la calidade en los procesos 5.4.1. Autonomatizacin 5.4.2. Inspeccin en la fuente (Source Inspection) 5.4.3. Poka-yoke
TEORA
5.1. Control Estadstico de Procesos (CEP) Un proceso es una combinacin de materiales, mquinas, mano de obra, medio ambiente, mtodos de trabajo y tcnicas de mantenimiento (6 Ms) que intervienen en la produccin a fin de conseguir un producto con una calidad previamente especificada. Debido a que estos factores (6 Ms) no producen siempre los mismos efectos, los procesos en los que intervienen no presentan un funcionamiento exacto, sino que siempre existe una cierta variabilidad. Esta variabilidad del proceso se estudia a travs de la variabilidad de caractersticas relevantes del producto o del proceso (requerimientos del cliente y/o caractersticas tcnicas con alta ponderacin). Existen dos tipos de causas de esta variabilidad: Fuentes aleatorias, causas comunes o no asignables, o problemas crnicos de variabilidad Fuentes no aleatorias o especiales de variabilidad, o asignables
Un proceso est bajo control cuando en el proceso slo acta un sistema estable de causas de variabilidad; es decir, slo afectan causas aleatorias. En este caso la variabilidad es constante (la proporcin de elementos defectuosos debe permanecer constante sin tender a aumentar o disminuir) y, por tanto, predecible por medio de mtodos estadsticos. El control estadstico del proceso (CEP) proporciona una forma directa de control de la calidad puesto que permite corregir las desviaciones en el momento en que se detectan. Las herramientas estadsticas ms usadas en el CEP son: ndices de capacidad Grficos de control por variables y por atributos
Las tcnicas del CEP fueron desarrolladas por Shewhart en EEUU a principios de los aos 30. Durante la 2 GM Juran y, sobre todo, Deming generalizan el uso del CEP, momento en el que se usaron de forma masiva, especialmente en sectores relacionados con la industria blica, aunque en los aos posteriores, de gran desarrollo econmico, su utilizacin cay en desuso. En los aos 70, con el inicio de la crisis, se volvieron a emplear estas tcnicas (Ford). 5.2. ndices de capacidad La capacidad es la variabilidad de las caractersticas de un proceso alrededor de su valor medio cuando el proceso est bajo control. El proceso est en estado de control cuando la distribucin es una curva normal1. Ello implica que no existen causas especiales de errores y se cumple que el 99,7% de las observaciones se encuentren entre: Lmite de control inferior (LCI): media menos tres veces la desviacin tpica de la distribucin ( -3) Lmite de control superior (LCS): media ms tres veces la desviacin tpica de la distribucin ( +3)
Segn el teorema central del lmite, la variabilidad debida a causas aleatorias (proceso bajo control) sigue una distribucin normal (si la muestra es aleatoria y su tamao es suficientemente grande).
La capacidad es una caracterstica innata a cada mquina o proceso y, cuanto menor sea, mejor: Capacidad de la mquina o capacidad a corto plazo: variabilidad atribuible a una sola mquina para cuyo clculo: o o Se toman entre 50-100 unidades consecutivas midiendo en cada una de ellas la caracterstica a estudiar Se estima la capacidad de la mquina2, que tradicionalmente se define como la amplitud 6 (6 veces la desviacin tpica3), intervalo que contiene el 99,7% de las unidades4.
Capacidad del proceso o capacidad a largo plazo: variabilidad atribuible a todo el proceso (mquinas, personal...) para cuyo clculo se sigue el mismo procedimiento que para la mquina, aunque con ciertas singularidades: o o o o Las muestras se toman en distintas condiciones: con distintos operarios de mquina, diferentes lotes, turnos distintos, en distintas mquinas del proceso, etc. La capacidad del proceso ser 6, 8... (segn sectores) Es aconsejable tomar datos espaciados en el tiempo El nmero mnimo aconsejable de datos se encuentra alrededor de las 100 unidades
Las tolerancias son los lmites superior e inferior que la empresa est dispuesta a admitir respecto a las especificaciones de sus productos. Las tolerancias se establecen en funcin de las necesidades y expectativas de los clientes (de forma externa), y nada tienen que ver con los lmites de control, que los establece el propio proceso. Para conocer si el proceso (mquina) es capaz de producir dentro de los lmites de tolerancia o especificaciones exigidas, la amplitud del intervalo marcado por las especificaciones (tolerancias fijadas respecto a las especificaciones) ha de compararse con la amplitud del intervalo de tolerancia natural (capacidad 6) a travs de los ndices de capacidad potencial:
Cm C p =
donde: Cm Cp LTS LTI 6
LTS LTI 6
ndice de capacidad de la mquina ndice de capacidad del proceso lmite superior de tolerancia lmite inferior de tolerancia capacidad de la mquina o del proceso (segn corresponda)
Segn el valor del ndice se pueden plantear tres situaciones: ndice de capacidad mayor que 1 (6<LTS-LTI). La amplitud del intervalo de tolerancia natural es menor que la diferencia entre las especificaciones. En este caso se dice que el proceso es capaz. Esta situacin es deseable puesto que si el 0,3% de las piezas caen fuera del intervalo de tolerancia natural, entonces resulta an menor el porcentaje de piezas defectuosas que no cumplen las especificaciones, esto es, que estn fuera de las tolerancias de las especificaciones.
La dispersin se mide mediante la desviacin tpica. Actualmente, y en especial en el sector del automvil suele definirse como 8 (que contiene el 99,994% de las unidades) e inclusive como 10 . 4 La Ley normal de la media determina que la probabilidad de que los valores se encuentren comprendidos entre ( -3) y ( +3) es del 99,7%.
3
Aunque estadsticamente llega con que el ndice de capacidad sea mayor que uno, desde el punto de vista de la calidad, para un proceso se exige normalmente un Cp mayor que 1,33 (intervalo 8) y para una mquina un Cm mayor que 1,66 (intervalo 10). ndice de capacidad igual a 1 (6=LTS-LTI) El proceso bajo control producir aproximadamente el 0,3% de piezas defectuosas, encontrndose el 99,7% restante dentro de las tolerancias. ndice de capacidad menor que 1 (6>LTS-LTI) El proceso fabricar ms de un 0,3% de piezas defectuosas. Este porcentaje ser mayor cuanto ms se aproxime el ndice de capacidad a 0. No obstante, dos procesos (mquinas) que presentan los mismos ndices de capacidad, presentando la misma amplitud de tolerancia y de capacidad, pueden no tener la misma idoneidad. Ello depender de si la media se encuentra centrada entre las tolerancias. Por ejemplo, en la figura se observa como a igualdad de Cm o Cp, el peligro de producir unidades defectuosas ser mayor en la figura inferior, donde la distribucin se acerca peligrosamente a la tolerancia superior.
LTI LT
Para evitar este problema se desarrollan dos ndices (ndices de Capacidad Real) que tienen en cuenta el centrado de la caracterstica: Para la mquina: Para el proceso: Cmk = min (Cmu, Cml) Cpk = min (Cpu, Cpl)
donde:
Cmu o C pu =
Observaciones: Cuando el proceso est centrado y es simtrico se cumple que Cmk = Cm y Cpk = Cp Cuanto mayor sea la diferencia entre ambos ndices, mayor es el descentramiento (Cmk Cm y Cpk Cp)
Utilizar los ndices de capacidad como medida de la calidad del producto y de su proceso implica, implcitamente, una acepcin de la calidad basada en la conformidad con las especificaciones. De este modo, cuanto mayor sea el valor del ndice de capacidad, mayor ser la calidad. Cabe precisar, no obstante, que la tolerancia se calcula a los efectos de control de fabricacin del producto. Sin embargo, desde la ptica de la calidad lo que interesa es acercarse al ptimo, puesto que dos medidas incluidas dentro de los mrgenes de tolerancia pueden originar diferentes prdidas. La prdida de calidad se inicia en el momento en que se produce una desviacin en los parmetros ideales, creciendo dicha prdida de forma cuadrtica en proporcin a la desviacin: funcin cuadrtica de prdidas de Taguchi. Esta funcin relaciona directamente la economa con la variabilidad, teniendo en cuenta que la variabilidad afecta al coste del producto y del funcionamiento del proceso. 5.3. Grficos de control de Shewhart Los grficos de control de Shewhart se basan en diagramas lineales que representan la variabilidad de las caractersticas de calidad de un determinado producto a lo largo del tiempo dentro de unos lmites. Permiten establecer si el proceso es estable o cambia en el tiempo. 5.3.1. Elementos de los grficos de control Los elementos del grfico de control son: Lmite central (LC) o Lmite Central de Control (LCC): valor de la media aritmtica de la medida que se representa en el grfico de control, que nada tiene que ver con el valor central ptimo (VCO). Lmite de control superior (LCI: -3) y lmite de control inferior (LCS: +3): lneas que representan la capacidad del proceso. Zonas A, B y C: permiten apreciar de forma ms visual la dispersin de valores respecto al LC. Si lo que se representa son los valores individuales para una caracterstica de calidad, cada una de estas zonas tiene una amplitud igual a la desviacin tpica.
5.3.2. Metodologa para elaborar los grficos de control Los pasos a seguir para elaborar los grficos de control son: 1. Definir caracterstica de calidad (longitud, rea, dureza, etc.). Como la empresa no cuenta con recursos ilimitados, no puede construir grficos de control para todas las caractersticas, de forma que es preciso identificar aquellas caractersticas ms importantes o que ms influyen sobre la calidad. 2. Controlar condiciones de proceso, eliminando todas las causas no aleatorias. 3. Toma de muestras y tamao de muestra. a. La recopilacin de los datos se hace por muestras. Se toman ms de 25 muestras. b. Escoger el tamao de esas muestras (nmero de piezas que se van a tomar en cada muestra). El tamao ms efectivo que se ha determinado en diversas aplicaciones industriales ha sido el de 5 unidades, pero puede variar de 2 a 10 unidades. El tamao de todas las muestras debe ser constante.
c. Determinar la frecuencia con la que realizar el muestreo5 (si la variabilidad es grande la frecuencia deber ser alta). d. Las muestras deben tomarse a intervalos regulares de tiempo, y se van registrando los datos de cada una en el mismo orden en que sean seleccionadas y medidas. 4. Decidir un sistema de recogida de datos tan simple como sea posible. Los datos son recogidos por los trabajadores. 5. Graficar. 6. Calcular los lmites de control (LCI, LC y LCS) en base a coeficientes existentes para los diferentes tipos de grficos (tablas). 7. Analizar e interpretar los datos (a) detectando los posibles errores o desviaciones, (b) estableciendo las causas posibles de tales variaciones y (c) decidiendo las medidas correctivas a emprender. (d) Lo prioritario es lograr que el proceso est bajo control, mediante la eliminacin de todas las causas especiales. Una vez logrado esto, los esfuerzos se centrarn en (e) mantenerlo en ese estado y (f) tratar de reducir la variabilidad producida por las causas comunes. 5.3.3. Tipos de grficos de control Los grficos de control son bsicamente de dos tipos: Grficos de control por variables: La caracterstica de calidad es medible, cuantitativa y continua (longitud, peso, concentracin, etc.) Grficos de control por atributos: La caracterstica de calidad no es cuantitativa, y slo puede tener dos valores: aceptable o defectuoso, si o no.
En los grficos de control se pueden representar todas las observaciones individuales aunque la tendencia es agrupar las observaciones de los valores de la caracterstica en subgrupos y representar medidas nicas para todo el subgrupo (por ejemplo, la media de los valores de la caracterstica en cada subgrupo). Trabajar con subgrupos significa agrupar las mediciones que se obtienen de un proceso, de acuerdo a algn criterio. Los subgrupos se realizan agrupando las mediciones de tal modo que haya la mxima variabilidad entre subgrupos y la mnima variabilidad dentro de cada subgrupo. Por ejemplo, si hay cuatro turnos de trabajo en un da, las mediciones de cada turno podran constituir un subgrupo. Supongamos una fbrica que produce piezas cilndricas para la industria automotriz. La caracterstica de calidad que se desea controlar es el dimetro de las piezas. Hay dos maneras de obtener los subgrupos. Una de ellas es retirar varias piezas juntas a intervalos regulares, por ejemplo 6 piezas cada hora. La otra forma es retirar piezas individuales a lo largo del intervalo de tiempo correspondiente al subgrupo, esto es 1 pieza cada 10 minutos. Por cualquiera de los dos caminos, obtenemos grupos de igual nmero de mediciones (6 piezas). La agrupacin de los valores de la caracterstica de la calidad objeto de anlisis permite obtener un grfico con menos valores y una variabilidad menos acusada y ms fcil de interpretar. Sin embargo, la utilizacin de grficos basados en subgrupos presenta el inconveniente de que la reduccin de la dispersin de valores obtenida con el agrupamiento representando nicamente su media puede provocar la prdida de algn valor que sobrepase los lmites de control, con lo que se pierde informacin de puntos fuera de los lmites de control. Por eso, los grficos de medias slo deben usarse para determinar la evolucin del valor medio de la caracterstica, siendo necesario hacer uso de un segundo grfico para medir su dispersin, tomando como base los mismos subgrupos y midiendo los rangos o las desviaciones tpicas. As, normalmente se emplean los grficos de control en grupos de dos, uno de centrado (medida de tendencia central, por
Por ejemplo, en el momento 1 se mediran 5 piezas, al cabo de 5 horas se mediran otras 5, al cabo de otras 5 horas otras 5,
5
ejemplo la media de cada subgrupo) y otro de dispersin (medida de dispersin, por ejemplo la desviacin tpica del mismo subgrupo). 5.3.3.1. Grficos de control por variables
___
Grficos de medias-rangos ( X - R) El grfico de medias-rangos es el ms empleado. Para cada subgrupo se calcula el promedio y el rango (diferencia entre el valor mximo y el valor mnimo) para representar en los grficos, as como la media de las medias y la media de los rangos para el clculo del lmite central y de los lmites de control superior e inferior. Grficos de medias-desviaciones tpicas El grfico de desviaciones tpicas se utiliza en lugar del grfico de rangos cuando el tamao de los subgrupos es grande. Normalmente los subgrupos oscilan entre 4 y 8 datos. Por encima de tales valores el rango pierde precisin siendo aconsejable emplear la desviacin tpica. Grficos de observaciones individuales-rangos mviles Se utiliza cuando se dispone de pocos datos o cuando es complicado o costoso extraer muestras. En el grfico se representan las observaciones. El lmite central es el valor de la media aritmtica de las observaciones. Para mejorar el grfico de observaciones individuales se emplea conjuntamente con un grfico de rangos mviles. Para el clculo de los rangos mviles se realizan subgrupos simulados de n observaciones individuales de forma superpuesta y progresiva. As, por ejemplo, si realizamos las observaciones 1, 2, 3, 4, 5, 6... se pueden formar subgrupos de tipo mvil de, por ejemplo, 3 observaciones calculando la magnitud correspondiente (en nuestro caso el rango) para un primer subgrupo formado por las observaciones 1-2-3, luego otro con las 2-3-4, otro con las 3-4-5, y as sucesivamente. El rango mvil ser el de cada subgrupo. Grfico de medias mviles-rangos mviles Son similares al grfico de observaciones individuales-rangos mviles, cambiando las observaciones individuales por las medias mviles, que se calculan de forma anloga a como se hace con los rangos mviles. Otros tipos de grficos de control por variables Mediana-rango: la medida de tendencia central es la mediana en vez de la media. Sumas acumuladas (CUSUM): cada punto del grfico no representa informacin correspondiente a un momento dado sino que se va acumulando informacin contenida en puntos anteriores. Grficos de precontrol: el tamao muestral es siempre de 2 y el proceso se va parando sucesivamente para corregir los fallos y llevar el proceso al estado de control.
Grficos de control por variables Tipo de grfico de control Medidas de tendencia central y dispersin para cada subgrupo
n
Lmites de control
i =
Grfico de medias-rangos
ji n
=
j =1
LCS = + A 2 * R LCI = A 2 * R
i =1
R=
Ri
i =1
LCS = D 4 * R LCI = D 3 * R
m
m
i =
Grfico de medias-desviacin tpica (*)
n
ji n =
j =1
LCS = + A 3 * LCI = A 3 *
i =1
(ji i) 2
=
j =1
n 1
i =1
LCS = B 4 * LCI = B 3 *
m
m
Se representan los valores de las observaciones individuales de la caracterstica: Xi Grfico de observaciones individuales-rangos mviles
i =1
Ri = mx( Xi ) mn( Xi )
R=
Ri
i =1
n = nmero de observaciones de cada subgrupo m = nmero de subgrupos Xi = observaciones individuales Xji = observaciones j del subgrupo i (*) Para muestras o n<30 el divisor de la desviacin tpica y de la varianza es n-1. Para toda la poblacin o tamaos muestrales superiores a 30, el divisor es n.
5.3.3.2. Grficos de control por atributos: grficos por nmero de unidades defectuosas En estos grficos cada producto es calificado como apto o no apto (unidad defectuosa) en funcin de que cumpla o no la caracterstica de calidad que analizada. Grfico p Controla la evolucin de la proporcin de unidades defectuosas. Es necesario tomar la mayor cantidad de datos posibles agrupndolos en subgrupos, pudiendo ser variable el tamao de dichos subgrupos. Una vez recogidos los datos se debe especificar para cada uno de los subgrupos el tamao ni, el nmero de defectos npi y la cantidad defectuosa por unidad pi. Clculo de lmites: Lmites superior e inferior: dependen del tamao de cada subgrupo, por lo que irn variando a lo largo de la grfica. Lmite central: comn para todos los subgrupos.
Grfico np Controla el nmero de unidades defectuosas, pero de forma absoluta. Para realizar este grfico ser necesario que todos los subgrupos tengan el mismo tamao n. 5.3.3.3. Grficos de control por atributos: grficos por nmero de defectos Se utilizan cuando pueden existir varios defectos por cada unidad de modo que cada producto en particular presente distintos tipos de defectos. En este caso resulta ms eficaz numerarlos que presentar el producto en su totalidad como unidad defectuosa. Grfico U Controla la evolucin del porcentaje de defectos por unidad de inspeccin o subgrupo. Se pueden utilizar cuando el tamao de las muestras es variable. Una vez recogidos los datos se debe indicar la cantidad de defectos ci por subgrupo y el tamao ni de cada subgrupo. La cantidad de defectos por unidad ui para cada subgrupo ser lo que se representa en el grfico. Los lmites de control resultan variables en funcin del tamao de la muestra. Grfico C Controla la evolucin del nmero de defectos encontrados en cada subgrupo. Es necesario que todas las muestras tengan el mismo tamao. En el grfico se representan el nmero de defectos por cada subgrupo.
Grficos de control por atributos Tipo de grfico de control Grfico p (se controla la proporcin de unidades defectuosas en un grupo) Grfico np (se controla el nmero de unidades defectuosas en un grupo) Medidas para cada subgrupo
m
Lmites de control
p=
npi
i =1 m
n
i =1
m
LCS i = p + 3 LCI i = p 3
p (1 p ) ni p (1 p ) ni
np ) n np ) n
np =
npi
i =1
LCS = np + 3 np (1
= total de unidades defectuosas n total de subgrupos
m
LCI = np 3 np (1
Grfico u (se controla la proporcin de defectos en un grupo) Grfico c (se controla el nmero de defectos en un grupo)
u=
ci
i =1 m
LCS i = u + 3 LCI i = u 3
u ni u ni
n
i =1 m
c=
c
i =1
LCS = c + 3 c LCI = c 3 c
5.4. Aseguramiento de la calidade en los procesos Con la pretensin de eliminar toda posibilidad de cometer errores en los procesos y de asegurar que los procesos se desarrollen de forma que cumplan los requerimientos de calidad y a la primera se proponen tcnicas especficas como: Autonomatizacin Inspecciones en la fuente Sistemas poka-yoke
La finalidad de estas tcnicas es eliminar toda posibilidad de cometer errores, y para eso es necesaria la inspeccin del trabajo efectuado en cada puesto y sobre el 100% de los productos. Cada operacin de cada proceso debe garantizar la calidad de lo que entrega al siguiente de modo que ningn puesto estar procesando un producto que no sea correcto. Sin embargo, proceder de esta manera presenta dos grandes inconvenientes: se incurre en un coste adicional por la inspeccin el tiempo del proceso en su conjunto puede alargarse debido a que tales inspecciones requieren su tiempo
Los productos deben garantizar el nivel de calidad perseguido pero sin que el coste resultante y el tiempo de entrega no se vean incrementados para garantizar tal nivel de calidad. Calidad, coste y tiempo son los tres grandes pilares de la competitividad. Por este motivo, la inspeccin de la tarea realizada en cada puesto se orienta hacia sistemas que no supongan una especial dedicacin de los operarios y que, en la medida del posible, puedan llevarse a cabo simultneamente con las actividades propias del proceso. Eso ahorrara costes de inspeccin y alargamientos en el tiempo. Los tres sistemas propuestos se orientan a esa finalidad: obtener una elevada calidad sin dejar de ser competitivos. 5.4.1. Autonomatizacin Con la autonomatizacin (concepto que combina las palabras autonoma y automatizacin) o jidoka (control de defectos autnomo), las propias mquinas se encargan de no producir fallos, puesto que nunca permite que las unidades con defecto de un proceso fluyan al siguiente proceso6. A tal fin deben existir dispositivos que automticamente detengan las maquinas y no se produzcan mas defectos7. Por tanto, la autonomatizacin se corresponde con una mayor autonoma de la maquinaria en detrimento del coste de mano de obra. En este sentido la "autoactivacin" implementada por Ohno se refiere a la capacidad de las mquinas automticas de iniciar solas el proceso productivo.
El idelogo de esta forma de produccin fue el ingeniero Tai Chi Ohno quien argumentaba que los pilares del modelo Toyotista eran la produccin just-in-time y la "autonomatizacin". Se aplica primero en la empresa Toyota cuando todava se dedicaba a la industria textil, de la cual Ohno era director, y despus a la produccin de automviles. 7 Ejemplo de utilizacin de este sistema es su aplicacin a las impresoras, que se detiene cuando no hay tinta, impresoras que imprimen con dos carros, cuentan con fotocopias, grapan, etc.). De este modo se est evitando prdida de material y tiempo de proceso o tener que disponer de personas para observar el proceso de impresin.
10
5.4.2. Inspeccin en la fuente (Source Inspection) La inspeccin en la fuente toma accin en la etapa de error para prevenir que el error se convierta en defecto y no como resultado de la retroalimentacin en la etapa de defecto. Este tipo de inspeccin est basada en el descubrimiento de los factores que causan errores y condiciones que aumentan los defectos. Por ello, es utilizada para prevenir defectos, para su posterior eliminacin. Si no es posible prevenir el error, al menos est detectado. Hay que distinguir entre errores y defectos: DEFECTOS son resultados ERRORES son las causas de los resultados8
Tipos de errores causados por el factor humano en las operaciones: 1.- Olvido por falta de concentracin 2.- Malos entendidos: conclusin errnea alcanzada antes de estar familiarizados con la situacin 3.- Mala identificacin: se juzga mal una situacin porque el campo de visin est muy cerca o muy lejos para definirla claramente 4.- Errores hechos por falta de experiencia principiantes 5.- Errores a voluntad por ignorar las reglas bajo ciertas circunstancias 6.- Errores sin intencin, por descuido 7.- Errores por lentitud en las acciones debido a retrasos en el juicio 8.- Errores por falta de estndares de trabajo adecuados o no hay instrucciones 9.- Errores por sorpresa cuando los equipos funcionan diferente a lo esperado y no se han analizado previamente todas las posibles situaciones que pueden suceder 10.- Errores intencionales (el sabotaje es un ejemplo) 5.4.3. Poka-yoke El poka-yoke es un dispositivo o conjunto de dispositivos (sistema) a prueba de errores destinado a evitar la ocurrencia de defectos en processos de fabricacin y/o en la utilizacin de productos. La idea principal es crear un proceso donde sean imposibles los errores. Los dispositivos o sistemas poka-yoke (mecnicos, electrnicos, etc.) tratan de asegurar que el trabajo humano est exento de fallos, pero sin necesidad de una intervencin explcita por parte del operario. Poka-Yoke suple las tareas repetitivas o acciones que dependen de la vigilancia, inspeccin o memoria de los trabajadores, liberndolos de ellas para as dedicar tiempo y mente a la creatividad y actividades de valor aadido. Los sistemas y dispositivos poka-yoke se intercalan en las operaciones de un proceso y realizan por si solos una inspeccin al 100%. De haber anomalas, retrotraen la informacin y actan para impedir que se produzcan fallos. Por tanto, las funciones atribuibles a estos dispositivos son: Evitar olvidos, errores humanos y/o detectar defectos Informar de la presencia de olvidos, errores y/o defectos Garantizar un nivel de calidad del 100%
Se entiende por error aquel acto mediante el cual, debido a la falta de conocimiento, deficiencia o accidente, se producen desvos o se fracasa en alcanzar lo que se debera se hacer.
11
Existen diversos tipos de sistemas de poka-yoke: Segn el tipo de regulacin o de control: o Mtodos de control Mtodos que cuando ocurre algo anormal apagan las mquinas o bloquean los sistemas de operacin previniendo que siga ocurriendo el mismo defecto. Cuando son defectos aislados (no en serie) que se pueden corregir despus, no es necesario apagar la maquinaria completamente, se puede disear un mecanismo que permita "marcar" la pieza defectuosa, para su fcil localizacin y despus corregirla, evitando as tener que detener por completo la mquina y continuar con el proceso. o Mtodos de advertencia Mtodo que advierten al trabajador de las anomalas ocurridas, llamando su atencin, mediante la activacin de una luz9 o sonido10. Luces y sonido se pueden combinar uno con el otro para obtener un buen mtodo de advertencia. Si el trabajador no se da cuenta de la seal de advertencia, los defectos seguirn ocurriendo, por lo que este tipo de mtodo tiene una funcin reguladora menos poderosa que la de mtodos de control. Segn el tipo de deteccin: o Mtodos de contacto Mtodos donde un dispositivo sensitivo detecta las anomalas en el acabado, forma, dimensiones u otros parmetros de la pieza. Actan por contacto fsico o de otro tipo (por ejemplo, electrnico) entre el dispositivo y el producto. Un ejemplo sera comprobar que una pieza se coloca adecuadamente, en el caso en que haya que taladrarla por un lugar determinado y para eso haya que colocarla de una determinada manera. o Mtodo de valor fijo Las anomalas son detectadas por medio de la inspeccin de la realizacin de un nmero especfico de movimientos (por ejemplo: dispositivo para comprobar que una pieza fue taladrada exactamente 5 veces). Es aplicable en casos donde las operaciones deben repetirse un nmero predeterminado de veces. o Mtodo del paso-movimiento Son de aplicacin cuando las actividades deban realizarse de acuerdo con una determinada secuencia. El dispositivo detectara anomalas cuando se olvida alguna operacin, se repite alguna, se altera el orden, etc.
9 Una luz parpadeante puede atraer con mayor facilidad la atencin del trabajador que una luz fija. En ocasiones es necesario colocar la luz en otro sitio, hacerla ms intensa, cambiar el color, etc. 10 El sonido puede atraer con mayor facilidad la atencin del trabajador, pero no es efectivo si existe demasiado ruido en el ambiente que no permita escuchar la seal, por lo que en este caso es necesario regular el volumen, tono y secuencia. En muchas ocasiones es ms efectivo el cambiar las escalas musicales o timbres, que subir el volumen del mismo.
12
CASOS PRCTICOS
muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
35,20 34,82 34,75 34,85 35,20 35,20 34,95 34,85 35,00 35,21 35,15 34,95 34,95 35,00 35,20 35,25 34,80 34,77 34,88 34,95
Medidas 34,80 34,77 35,22 34,90 35,00 35,00 35,00 34,85 35,20 34,95 35,20 35,10 35,15 34,85 34,95 35,10 34,95 35,00 34,98 35,00 35,21 34,95 35,22 34,98 35,15 35,21 35,10 34,90 34,85 34,79 35,20 35,10 35,05 35,22 35,10 35,23 34,85 35,21 34,89 35,00 35,20 34,80 35,10 35,15 35,10 35,18 35,20 35,24 34,95 35,00 35,20 34,75 34,76 34,75 35,00 35,10 35,05 35,00 35,00 35,05
35,10 34,90 35,00 35,00 34,80 35,12 35,20 35,00 34,75 35,00 34,95 34,95 35,00 35,00 35,05 35,25 34,80 34,80 35,06 35,00
Valor Valor Sumas Medias Desviacin Rango mx mn 175,09 35,02 0,19 0,45 35,22 34,77 174,62 34,92 0,02 0,18 35,00 34,82 174,80 34,96 0,12 0,45 35,20 34,75 175,10 35,02 0,07 0,35 35,20 34,85 174,95 34,99 0,13 0,40 35,20 34,80 175,37 35,07 0,04 0,25 35,20 34,95 175,34 35,07 0,06 0,26 35,21 34,95 175,00 35,00 0,07 0,37 35,22 34,85 175,21 35,04 0,13 0,46 35,21 34,75 174,75 34,95 0,11 0,42 35,21 34,79 175,45 35,09 0,04 0,25 35,20 34,95 175,45 35,09 0,08 0,28 35,23 34,95 174,90 34,98 0,08 0,36 35,21 34,85 175,00 35,00 0,08 0,40 35,20 34,80 175,60 35,12 0,01 0,15 35,20 35,05 176,12 35,22 0,00 0,07 35,25 35,18 174,75 34,95 0,11 0,40 35,20 34,80 173,83 34,77 0,00 0,05 34,80 34,75 175,09 35,02 0,03 0,22 35,10 34,88 175,00 35,00 0,00 0,10 35,05 34,95 Sumas 700,28 1,38 5,87
Con la informacin recogida en la tabla, dibujar e interpretar los distintos grficos de control por variables:
___
___
35,20
35,10
35,00
34,90
34,80
34,70
34,60
34,50 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Grfico de Rangos
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin:
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin:
Muestra
Observaciones
valor max
valor mn
rango
Grfico de observaciones
35,30
35,20
35,10
35,00
34,90
34,80
34,70
34,60
34,50 1 2 3 4 5 6 7 8 9 10
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin:
CASO 2: Grficos por atributos: grficos por nmero de unidades defectuosas (Grficos p)
muestra 1 2 3 4 5 6 7 8 9 10 n 120 125 115 112 124 125 120 115 122 125 ni 12 20 15 16 14 20 12 9 16 15 p muestra 11 12 13 14 15 16 17 18 19 20
TOTALES
n 120 122 123 114 112 125 124 116 120 117
2396
ni 17 16 15 7 10 15 10 7 12 13
271
Grfico p
18
16
14
12
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin:
CASO 3: Grficos por atributos: Grficos por nmero de unidades defectuosas (Grficos np) muestra 1 2 3 4 5 6 7 8 9 10 np (ud. disconformes) 10 12 15 11 13 20 15 14 18 22 muestra 11 12 13 14 15 16 17 18 19 20 TOTAL np (ud. disconformes) 20 12 15 8 9 10 15 12 15 20 286
Grficos np
25
20
15
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin:
Grficos u
2
1,8
1,6
1,4
1,2
0,8
0,6
0,4
0,2
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin:
muestra 11 12 13 14 15 16 17 18 19 20 TOTAL
c
(disconformidades totales)
2 8 4 15 26 9 7 21 20 13
26 21 6 5 16 13 11 17 2 6 248
Grficos c
30
25
20
15
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Interpretacin: