Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Docentes:
2006
APUNTE_CEP_1
Modulo : Control Estadístico de la Calidad
CONTENIDO:
- Introducción a los gráficos de control.
- Gráficos de control.
El presente texto tiene la función de resumir los aspectos principales de los temas
desarrollados, debiendo el alumno referirse a los textos recomendados que figuran en la
bibliografía adjunta.
Las condiciones para la aprobación del módulo incluyen el examen escrito individual y la
realización de Trabajos Prácticos a presentar por los alumnos.
BIBLIOGRAFÍA RECOMENDADA
APUNTE_CEP_1 2/28
Modulo : Control Estadístico de la Calidad
1- GRAFICOS DE CONTROL DE SHEWART - FUNDAMENTOS
− Histograma
− Hoja de registro o verificación
− Grafico de Pareto
− Diagrama Causa – Efecto
− Diagrama de Defectos
− Gráfico de Dispersión
− Cartas o Gráficos de Control
APUNTE_CEP_1 3/28
Modulo : Control Estadístico de la Calidad
Causa asignable 3
presente, proceso
fuera de control
Causa asignable 2
presente, proceso
fuera de control
Causa asignable 1
presente, proceso fuera
de control
Solo causas
comunes de
variación, proceso
en control.
La figura siguiente ilustra una carta de control típica utilizada para el seguimiento de
un proceso, en este caso suponemos que estamos midiendo una dada característica
APUNTE_CEP_1 4/28
Modulo : Control Estadístico de la Calidad
representando su evolución en el tiempo. La línea central LC representa el valor
esperado de la media de la variable, mientras que las otras líneas línea superior de
control LSC y línea inferior de control LIC representan respectivamente los valores
más alto y más bajo que los resultados pueden obtener con una probabilidad lógica según
lo visto más arriba.
LSC= µw + L σw
LC = µw
LIC= µw - L σw
Para el caso de otras distribuciones, los límites 3 sigma nos dan una probabilidad en
general aceptablemente baja, teniendo como mayor probabilidad según la desigualdad de
Chebychev un valor igual a 1/9. Muchos autores justifican el casi universal del uso de los
límites 3 sigma incluso para distribuciones no asimilables a la normal con frases como “los
límites se usan por que funcionan”. Recomendamos el estudio que se presenta en
Wheler.1
1
Understanding Statistical Process Control, Donald J. Wheler, SPC Press
APUNTE_CEP_1 5/28
Modulo : Control Estadístico de la Calidad
En la literatura especializada se hace mención ocasionalmente a otros límites
aplicables, como los límites asociados a probabilidades y no a distancias
(conceptualmente los límites 3 sigmas serían límites de 0,135 %) como los límites de
probabilidad 0,1 % (que corresponden a L = 3,09) o los límites de advertencia que
como su nombre indica no señalan descontrol pero “advierten” que los valores se
encuentran “cercanos” al límite, para lo cual se suele tomar L = 2.
III - LONGITUD MEDIA DE CORRIDA (ARL): Como hemos visto antes, si bien la
probabilidad de encontrar un punto fuera de los límites para un proceso estable, es muy
baja, no es nula, por lo que un punto fuera de los límites puede estar indicando una “falsa
alarma”.
El ARL (por las siglas en ingles de Average Run Length) nos da el número de
resultados a graficar hasta encontrar una señal de descontrol con el proceso estable. Para
cualquier carta de control es:
1
ARL =
p
donde p es la probabilidad de encontrar un punto fuera de los límites.
Para límites 3 sigma, la probabilidad total de un punto fuera de los límites (sea por
encima o por debajo) es de 0,27 %, de donde ARL = 370
Por otra parte, el ARL nos permite estimar cuantas mediciones son necesarias para
detectar un cierto corrimiento en la media de un proceso estable. Supongamos que la
media se desplaza hacia el LSC un valor igual a σ (ver figura siguiente)
LSC
3
1 sigma LC
0
1 3 5 7 9 1 1 1 3 1 5 1 7 1 9
-1
-2
-3
LIC
-4
Por otro lado, una toma de muestras con componentes separados entre sí en el
tiempo, buscando que cada subgrupo sea representativo de todos los componentes
individuales fabricados entre la muestra anterior y ésta, se suele aplicar cuando lo que se
busca es utilizar la gráfica de control para tomar decisiones acerca de los productos
individuales. Esta práctica de formación de subgrupos debe aplicarse con sumo cuidado
pues si aparecen causas especiales dentro del subgrupo la estimación de la variabilidad
puede verse afectada “escondiendo” la presencia de la fuente de variación.
APUNTE_CEP_1 7/28
Modulo : Control Estadístico de la Calidad
2- GRAFICOS DE CONTROL PARA VARIABLES
n
∑ xi
x= i =1
n
R = xmax - xmin
m
∑ xj
∑ Ri
R= x= j =1
m m
Los límites naturales, del tipo 3 sigmas se calculan haciendo, para el gráfico de
control de las medias:
LSC x = x + A2 R LC x = x LIC x = x − A2 R
LSC R = D4 R LC R = R LIC R = D3 R
donde A2, D3 y D4 son constantes tabuladas que dependen del tamaño de cada
subgrupo n.2
Por otra parte, podemos estimar el valor de la desviación estándar de los valores
individuales a partir del rango promedio R , que es un estimador sesgado de la misma,
haciendo la siguiente corrección:
R
σˆ =
d2
2
Ver anexo al final del texto
APUNTE_CEP_1 8/28
Modulo : Control Estadístico de la Calidad
3
Más adelante se presentan otras señales de descontrol.
APUNTE_CEP_1 9/28
Modulo : Control Estadístico de la Calidad
límites naturales. Esos valores deben descartarse y un nuevo cálculo de límites debe ser
realizado. En general, se acepta que se recalcule con los subgrupos restantes, siempre
que al menos resten 20 subgrupos válidos. Se debe tener en cuenta que al recalcular los
límites se debe verificar nuevamente la consistencia de la hipótesis de proceso estable,
dado que puntos que estaban cerca de los límites pueden ahora estar fuera.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
1 98 92 101 108 107 110 87 99 107 93 96 90 89 94 95 87 97 98 101 98 98 98 108 99 99
2 97 112 105 114 96 110 90 103 105 112 99 97 104 98 105 91 95 91 98 100 100 98 113 90 96
3 85 109 92 96 105 103 105 104 92 93 104 102 94 99 101 103 101 95 111 103 100 105 105 96 94
4 107 93 91 104 104 113 109 108 101 100 103 100 94 89 105 103 104 101 94 107 98 95 95 97 97
5 97 105 103 96 108 89 103 99 100 96 97 105 105 103 104 110 102 104 111 98 106 101 107 99 95
Media 97 102 99 104 104 105 99 103 101 99 100 99 97 96 102 99 100 98 103 101 101 99 106 96 96
Rango 22 19 15 18 12 24 22 9,2 15 18 8,3 15 16 13 9,6 22 8,8 13 17 9,6 8,2 10 18 9,9 4,4
Grafico R
35,0
30,0
25,0
20,0
15,0
10,0
5,0
0,0
1 6 11 16 21
4
Las constantes se obtuvieron de la tabla que se encuentra al final del apunte.
APUNTE_CEP_1 10/28
Modulo : Control Estadístico de la Calidad
Graficamos x y sus límites:
Grafico x
110
108
106
104
102
100
98
96
94
92
90
1 6 11 16 21
R 14,32
σˆ = = = 6,15
d 2 2,326
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 98 92 101 98 107 110 87 99 107 93 107 109 120 94 95
2 87 97 98 101 98 98 98 108 99 99 100 108 105 114 96
3 110 90 103 97 112 99 97 104 98 100 106 112 113 98 100
4 100 98 113 90 96 85 109 98 96 102 99 106 106 92 93
5 104 102 94 99 101 103 101 95 111 103 106 108 110 96 94
Media 100 96 102 97 103 99 98 101 102 99 104 109 111 99 96
Rango 23 12 19 11 16 26 22 14 15 9,4 8,2 6,1 15 22 6,5
Gr a f i c o R Gr a f i c o x
35
30
110,00
25
20
15
100,00
10
0 90,00
1 3 5 7 9 11 13 15 1 3 5 7 9 11 13 15
APUNTE_CEP_1 11/28
Modulo : Control Estadístico de la Calidad
Del análisis del grafico de Rangos no surgen señales de descontrol, mientras que del
de x surge que el valor correspondiente a los subgrupos 12 y 13 están fuera del LSC,
señalando en principio que una causa especial se encuentra presente. Se debe entonces
recurrir nuevamente al diario de a bordo para iniciar la búsqueda de la (o las) posible
causa del aumento en la media del proceso. Se debe destacar que éste análisis se hace
en realidad en tiempo real, es decir en cuanto el valor correspondiente al subgrupo 12 da
un valor fuera de los límites se debe iniciar la búsqueda.
Gr a f i c o x
110,00
100,00
90,00
1 3 5 7 9 11 13 15
APUNTE_CEP_1 12/28
Modulo : Control Estadístico de la Calidad
2. Varios puntos consecutivos todos por encima o por debajo de la línea
central (7 o más): si consideramos la probabilidad de un punto por encima de
la media igual al 50%, la secuencia de 7 o más tendría una probabilidad de
0,57 = 0,8 %, demasiado baja si el proceso mantiene su patrón estable.
Gr a f i c o x
110,00
100,00
90,00
1 3 5 7 9 11 13 15
Gr a f i c o x
110,00
100,00
90,00
1 3 5 7 9 11 13 15
Gr a f i c o x
110,00
100,00
90,00
1 3 5 7 9 11 13 15
APUNTE_CEP_1 13/28
Modulo : Control Estadístico de la Calidad
VII - GRAFICOS DE CONTROL DE VALORES INDIVIDUALES Y RANGO MOVIL
(x – R): En algunas ocasiones, como ya se mencionó, no tiene sentido formar subgrupos
y se toma en cambio el valor individual de una medición:
En éstos casos, se usan una carta de valores individuales como carta de control de
la media y una carta de rango móvil para estimar la dispersión, que se define como:
∑ RM i
RM =
m −1
Con lo cual se calculan los límites como antes para el gráfico x- R, pero
considerando que debemos tomar n = 2 para determinar las constantes.
Para el gráfico de los Rangos, los límites serán:
APUNTE_CEP_1 14/28
Modulo : Control Estadístico de la Calidad
De la misma forma que hicimos antes, podemos estimar la dispersión de la
distribución haciendo:
RM RM
σˆ = =
d2 1,128
m
∑ xj
∑ Si
S= x= j =1
m m
LSC S = B4 S LC S = S LICS = B3 S
APUNTE_CEP_1 15/28
Modulo : Control Estadístico de la Calidad
Y para el gráfico de los promedios tendremos ahora:
LSC x = x + A3 S LC x = x LSC x = x − A3 S
Igual que antes, las constantes B3, B4 y A3 están tabuladas en función del tamaño
de subgrupo n.
S
σˆ =
c4
APUNTE_CEP_1 16/28
Modulo : Control Estadístico de la Calidad
3- GRAFICOS DE CONTROL POR ATRIBUTOS
Tipo de Control
Defectuosos o No Defectos o No
Conformes Conformidades
Constante
Tamaño
(número) np c
de
Variable
Muestra
(proporción) p u
A continuación desarrollaremos cada uno de los gráficos teniendo en cuenta la
aplicación de límites de control del tipo “3 sigma” según lo visto anteriormente, de la forma
LNC = µw + 3 σw
µp = p σp = p (1-p) / n
APUNTE_CEP_1 17/28
Modulo : Control Estadístico de la Calidad
m pˆ i m xi
pˆ i =
xi p=∑ =∑
i =1 m i =1 mn
ni
Entonces, ahora podemos calcular los límites naturales de control para la fracción
defectuosa para el gráfico de control “p” haciendo:
p (1 − p ) p (1 − p )
LIC = p − 3 LSC = p + 3
ni ni
LC = p
LIC = np − 3 np (1 − p ) LSC = np + 3 np (1 − p )
LC = np
Resulta evidente que entre un gráfico “p” y uno “np” aplicado al mismo proceso, la
única diferencia será un factor de escala de valor “n”.
APUNTE_CEP_1 18/28
Modulo : Control Estadístico de la Calidad
Llamando c a ésta estimación calculamos los límites con las expresiones siguientes para
construir un grafico de control “c”:
LIC = c − 3 c LC = c LSC = c + 3 c
Para los casos en que por cuestiones prácticas los tamaños de muestra no pueden
ser constantes (por ejemplo se hace un muestreo de toda una producción, se sigue un
flujo tenso, etc.) se debe recurrir al gráfico de control “u” que toma en cuenta el
promedio de defectos encontrado en cada muestra.
Para cada muestra i se cuentan la cantidad de defectos encontrados xi y se lo
divide por el tamaño de esa muestra en particular ni obteniéndose el valor medio ui. El
parámetro para la distribución es el promedio de todos los valores ui y los límites se
calculan entonces haciendo:
m
∑ ui
u = i =1
x
ui = i
ni m
u u
LIC = u − 3 LC = u LSC = u + 3
ni ni
Como se observa, los límites de control varían con el tamaño de muestra ni.
APUNTE_CEP_1 19/28
Modulo : Control Estadístico de la Calidad
En resumen podemos decir que existe una señal de descontrol (a confirmar con un
análisis de causas) en los casos siguientes:
APUNTE_CEP_1 20/28
Modulo : Control Estadístico de la Calidad
4 – CAPACIDAD Y PERFOMANCE DE PROCESOS
R
σˆ i =
d2
y tendremos entonces:
Capacidad de proceso = 6 x σˆ i = 6 x R
d2
( xi − x )2
S=
−1
y entonces será:
Perfomance de Proceso = 6 x S
APUNTE_CEP_1 21/28
Modulo : Control Estadístico de la Calidad
la menor variación que el proceso dará en condiciones de estabilidad, mientras que la
Perfomance es la variación que realmente obtendremos en funcionamiento real bajo
estabilidad estadística.
IT
Cp =
R
6
d2
IT
Pp =
6 xS
APUNTE_CEP_1 22/28
Modulo : Control Estadístico de la Calidad
LEI LES
6.σ
R 14,32
σˆ i = = = 6,15
d2 2,326
Por otro lado, de los 125 valores individuales (25 subgrupos de tamaño 5)
obtenemos el valor de S:
S = 6,28
6
Ver página 10, párrafo 2 - III
APUNTE_CEP_1 23/28
Modulo : Control Estadístico de la Calidad
En general, a mayor valor del índice, mayor es la capacidad del proceso de
satisfacer la especificación requerida. Sin embargo, debemos tener en cuenta que aún
teniendo un valor de Cp (o Pp) mayor que la unidad, podríamos encontrarnos con que
ninguno de los productos satisface la especificación, si es que la distribución de los
valores individuales se encuentra fuera del intervalo de tolerancia, como en el esquema
que sigue:
LEI LES
6.σ
Obviamente, entre cualquiera de las situaciones posibles entre la planteada aquí y la
anterior de la distribución centrada perfectamente dentro del intervalo de tolerancia
tendremos casos en que con el mismo valor de Cp o Pp, el porcentaje de productos fuera
de especificación será diferente. El valor de éstos índices es que nos indican el valor
potencial a obtener en un proceso suponiendo que podemos modificar actuando sobre él
el valor de posición, características que generalmente se encuentran en la mayor parte de
los procesos industriales.
Valores menores a 1 (Cp ó Pp < 1) nos indican que aún en la situación ideal existirá
un porcentaje de productos fuera de especificación, valores mayores a 1 (Cp ó Pp > 1)
nos señalan que de ser posible “centrar” la distribución, tendríamos prácticamente todos
los productos aptos.
En el límite (Cp ó Pp = 1) tendríamos un mínimo porcentaje de productos no
conformes (aprox. 0,27 % si la distribución es normal), pero cualquier perturbación que
afecte a la distribución producirá un aumento de los mismos.
En el próximo párrafo veremos los indicadores de capacidad “reales” que toman en
cuenta también el centrado además de la dispersión.
x − LEI LSE − x
C pk inf = C pk sup =
R R
3 3
d2 d2
APUNTE_CEP_1 24/28
Modulo : Control Estadístico de la Calidad
De forma similar, para la Perfomance de Procesos, las fórmulas son:
x − LIE LSE − x
Ppk inf = Ppk sup =
3 xS 3 xS
Y el indicador es entonces:
APUNTE_CEP_1 25/28
Modulo : Control Estadístico de la Calidad
Si retomamos el ejemplo del grafico de promedio y rangos, podemos calcular los
índices correspondientes y obtenemos:
Como la media calculada del proceso es mayor que el valor central del intervalo de
tolerancia, el menor valor corresponde al índice superior (el proceso “se sale” por el lado
correspondiente al límite superior)
APUNTE_CEP_1 26/28
Modulo : Control Estadístico de la Calidad
VI – LOS VALORES ADECUADOS DE Cpk: Aunque existen varios criterios al
respecto, actualmente no se considera aceptable que sobre una característica importante
de un proceso o producto el valor de Cpk sea menor que 1,33. Según la tabla anterior, si
bien el porcentaje no conforme es escaso, cualquier corrimiento importante en la media
(mayores por ejemplo a 0,5 σ) pondrían suponer riesgos importantes.
En características asociadas a aspectos de seguridad o reglamentaciones se exige
en general valores de Cpk mayores o iguales a 1,67.
LEI LES
Cota Optima
Esto llevo a desarrollar (entre otros) un indicador que toma en cuenta ésta situación,
denominado Cpm:
CP
Cpm =
( µ − CO ) 2
1+
σ2
donde Cp se calcula como antes y CO es el valor de la Cota Optima objetivo.
7
Ver Función de Pérdida de Taguchi, como ejemplo.
APUNTE_CEP_1 27/28
Modulo : Control Estadístico de la Calidad
TABLA DE CONSTANTES PARA LOS GRAFICOS DE CONTROL
APUNTE_CEP_1 28/28