ADEX Jiménez Félix Jade Nahomi Unidad 6

Parte Teórica

1
ADEX Jiménez Félix Jade Nahomi Unidad 6

Control Estadístíco de Datos

Normalmente, la utilización incorrecta de los gráficos de control dimana del

desconocimiento de los fundamentos estadísticos que los sustentan. Por esta razón se ha
considerado conveniente hacer hincapié en los fundamentos estadísticos el problema del
sobre ajuste del proceso y las limitaciones que presentan para la detección de derivas en
los procesos y aumentos en la variabilidad en los mismos.

El Control Estadístico de Procesos “CEP”, es una técnica estadística que se usa para
asegurar que los procesos cumplen con los estándares. Todos los procesos están sujetos
a ciertos grados de variabilidad. Si representamos en el tiempo el resultado estadístico
(media, dispersión) de las observaciones de un determinado parámetro que especifica un
proceso y lo comparamos con unos límites de tolerancia previamente calculados en el
entorno del valor de consigna especificado y que reflejen la capacidad del proceso,
obtendremos un gráfico de control.

Una gráfica de control es una comparación gráfica de los datos del desempeño de proceso
con los límites de control estadístico establecidos o estandarizados, estos límites son
rectas que denotan un límite sobre la gráfica. Los datos del proceso por lo general
consisten en mediciones es que vienen de la secuencia normal de producción. El
fundamento estadístico para el cálculo de estos límites se basa en que cuando un proceso
está bajo control (y por tanto la variabilidad está motivada tan sólo por causas comunes),
las medidas observadas tienden a ajustarse a la distribución normal.

Los gráficos de control pueden ser de dos tipos:

• Gráficos de control por variables.

• Gráficos de control por atributos.

Este tipo de gráficos es utilizado cuando las características que pretendemos controlar
son medibles y el instrumento de control utilizado permite establecer su valor. La validez
de este tipo de gráficos y por lo tanto de las estimaciones realizadas y las consecuencias
extraídas a partir de ellos, consiste en suponer que la distribución de frecuencias que sigue
la población constituida por los elementos producidos por el proceso es una Distribución
Normal N. En general, los gráficos de control por atributos son utilizados para la mejora
de proceso que producen un alto número de unidades defectuosas. Aunque estos gráficos
son capaces de distinguir entre causas comunes y especiales, tienen el inconveniente de
no avisar si se van a producir cambios adversos en el proceso.

2
ADEX Jiménez Félix Jade Nahomi Unidad 6

Estos límites se denominan también límites de variación natural del proceso y a la amplitud
entre estos límites, capacidad del proceso. En algunos casos se incluyen en los gráficos
de control los límites de aviso, cuyo intervalo es más restrictivo. Los problemas de calidad
aparecen, normalmente, cuando un proceso se desvía de su trayectoria habitual. En este
sentido el gráfico de control permite, por el conocimiento de los límites de control, saber
cuándo un proceso empieza a alterarse ofreciendo la posibilidad de corregirlo antes de
que empiecen a producirse piezas defectuosas.

Requisitos del gráfico de control

Los requisitos necesarios para la construcción de un Gráfico de Control son los siguientes:

• Definir el proceso y sus condiciones de funcionamiento de manera que estén claras

las especificaciones del producto y de los elementos que le afectan, y, además, los
parámetros del mismo se hayan ajustado para obtener la misma variabilidad.
• Seleccionar una o varias características de calidad que van a ser controladas.
• Anotar los datos tomados de las sucesivas muestras de producto, conforme vaya
realizándose la producción.
• Determinar los límites de control a partir de los datos.
• Dibujar los límites en el gráfico apropiado.
• Comenzar a dibujar en el gráfico los puntos representativos de las muestras de la
producción siguientes, a las utilizadas para la determinación de los límites de
control.
• Tomar las acciones correctoras adecuadas cuandolos puntos
representativos de las muestras caigan fuera de los límites de control.

Los estudios R&R analizan la variación de las mediciones realizadas en un mismo gage de
medición (repetibilidad) y la variación de las mediciones realizadas por el operador
(reproducibilidad). Para reducir la variación actual del proceso, se debe identificar y
separar la variación debida al sistema de medición. Realizar estudios de la variación de las
mediciones son pérdida de dinero y tiempo, a menos que estos vayan encauzados a reducir
la variación del proceso y mejorar el control del mismo.

Antes de continuar con los estudios R&R es importante definir el termino GAGE, se refiere
a cualquier instrumento para realizar mediciones.

Cada observación de un proceso forma parte de la variación del proceso y la variación de

la medición. Las fuentes de variación en el caso de los sitemas de medición son:

. 1 Gage
. 2 El operador
. 3 La variación del producto

La variación de una Gage puede ser atribuida a factores adimensionales, como son:

. 1 Calibración

3
ADEX Jiménez Félix Jade Nahomi Unidad 6

. 2 Estabilidad
. 3 Repetitividad (presencia de variación en el Gage cuando es utilizado por un
operador en intervalos de tiempo)
. 4 Linealidad (¿está el Gage más aproximado a valores bajos que a valores altos?)

GL
Los grados de libertad
(GL) para cada SC (suma
de los cuadrados). En
general, GL mide qué
tanta información está
disponible para calcular
cada SC.

SC
La suma de los
cuadrados (SC) es la
suma de las distancias
al cuadrado y
representa una medida de la variabilidad que se debe a diferentes fuentes. SC total indica
la cantidad de variabilidad en los datos a partir de la media general. SC operador indica la
cantidad de variabilidad entre la medición promedio de cada operador y la media general.

SC Total = SC Operador + SC Parte (Operador) + SC Repetibilidad

CM
Los cuadrados medios (CM) son la variabilidad en los datos que se debe a diferentes
fuentes. CM representa el hecho de que las diferentes fuentes tienen diferentes números
de niveles o valores posibles.

CM = SC/GL para cada fuente de variabilidad F

El estadístico que se utiliza para determinar si los efectos del Operador o la Parte
(Operador) influyen de manera significativa en la medición.

Mientras más grande sea el estadístico F, más probabilidades hay de que el factor
contribuya significativamente a la variabilidad en la respuesta o la variable de medición.

P
El valor p es la probabilidad de obtener un estadístico de prueba (como el estadístico F)
que sea por lo menos tan extremo como el valor calculado a partir de la muestra, si la
hipótesis nula es verdadera.

4
ADEX Jiménez Félix Jade Nahomi Unidad 6

Interpretación
Utilice el valor p de la tabla ANOVA para determinar si las mediciones promedio son
significativamente diferentes. Un valor p bajo indica que el supuesto de que todos los
operadores o partes (operadores) comparten la misma media probablemente no es cierto.

Para determinar si las mediciones promedio son significativamente diferentes, compare el

valor p con el nivel de significancia (denotado como α o alfa) para evaluar la hipótesis nula.
La hipótesis nula indica que todas las medias de grupo son iguales. Por lo general, un nivel
de significancia de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica
un 5% de riesgo de concluir que existe una diferencia cuando no es así.

Valor p ≤ α: Al menos una media es estadísticamente diferente

Si el valor p es menor que o igual al nivel de significancia, usted rechaza la hipótesis nula
y concluye que al menos una de las medias es significativamente diferente de las demás.
Por ejemplo, al menos uno de los operadores mide de manera diferente.

Valor p > α: Las medias no son significativamente diferentes

Si el valor p es mayor que el nivel de significancia, usted no puede rechazar la hipótesis

nula, porque no cuenta con suficiente evidencia para concluir que las medias de la
población son diferentes. Por ejemplo, no puede concluir que los operadores miden de
manera diferente.

Sin embargo, tampoco puede concluir que las medias son iguales. Es posible que exista
una diferencia, pero la prueba pudiera no tener suficiente potencia para detectarla.

Probabilidades de clasificación errónea

Cuando se especifica por lo menos un límite de especificación, Minitab puede calcular las
probabilidades de que se realice una clasificación errónea de un producto. Debido a la
variación del sistema de medición, el valor medido de la parte no siempre es igual al valor
real de la parte. La discrepancia entre el valor medido y el valor real crea el potencial para
clasificar erróneamente la parte.

Minitab calcula las probabilidades conjuntas y las probabilidades condicionales de la

clasificación errónea.

Probabilidad conjunta
Utilice la probabilidad conjunta cuando no tenga conocimiento previo sobre la aceptabilidad
de las partes. Por ejemplo, usted toma una muestra de una línea de producción y no sabe
si cada parte específica es una parte buena o mala.

Hay dos tipos de clasificación errónea que pueden ocurrir: La probabilidad de que la parte
esté mala y usted la acepte. La probabilidad de que la parte esté buena y usted la rechace.
Probabilidad condicional

Utilice la probabilidad condicional cuando tenga conocimiento previo sobre la aceptabilidad

de las partes. Por ejemplo, usted toma una muestra de una pila

5
ADEX Jiménez Félix Jade Nahomi Unidad 6

de unidades reparadas o de una pila de productos que pronto se enviarán como partes
buenas. Hay dos tipos de clasificación errónea que pueden ocurrir:

La probabilidad de que usted acepte una parte seleccionada de una pila de productos malos
que deben repararse (también conocida como falsa aceptación).

La probabilidad de que usted rechace una parte seleccionada de una pila de productos
buenos que están a punto de ser enviados (también conocida como falso rechazo).

Interpretación
Tres operadores miden 10 partes, tres veces por parte. La siguiente gráfica muestra la
dispersión de las mediciones en comparación con los límites de especificación. En general,
las probabilidades de clasificación errónea son mayores con un proceso que presenta más
variación y produce partes más cercanas a los límites de especificación.

Es una de las herramientas más utilizadas en piso de manufactura y es una forma

estructurada de seguir una secuencia lógica (casi siempre se sigue el flujo del proceso o
de las operaciones) de inspecciones. Nos exige a revisar todas las características del
producto y del proceso, cantidad de muestra y la frecuencia (que tanto y cada cuando se
debe de realizar una acción), quien es el responsable, y lo más importante que registro se
debe de llenar y su plan de reacción, nos ayuda a distinguir cuales son las características
“especiales”, las que afectan el ensamble, y las de apariencia menor.

El propósito de un plan de control.

• Ayudar a facilitar el control del proceso y facilitar el seguimiento de los
requerimientos de calidad esperados por el cliente, mediante la selección e
implementación de métodos de control que agreguen valor al sistema.
• El plan de control es una descripción documentada de los métodos y controles, así
como los planes de reacción utilizados para controlar y monitorear la variación del
proceso y producto.
• El plan de control no substituye a las instrucciones de trabajo existentes; agrega
valor para desarrollar las actividades de manufactura bajo una estructura
controlada.

Dentro de sus beneficios se encuentra:

• En calidad: la metodología de planes de control reduce desperdicios y mejora la

calidad de los productos durante el diseño, manufactura y ensamble.
• En satisfacción de los clientes: se orientan a recursos de los procesos y productos
relacionados con características que realmente son importantes para los clientes.
en comunicación: comunica los cambios en las características del
producto/proceso, método de control y medición de las características mismas.

6
ADEX Jiménez Félix Jade Nahomi Unidad 6

Tipos de planes de control:

Dependiendo de la etapa en la que se encuentre el proceso / producto, existen 3 tipos de
planes de control:

• Prototipo: Este Plan de Control se desarrolla durante la primera etapa del proyecto,
la finalidad es documentar los controles utilizados en esta etapa del proceso.
• Pre-Lanzamiento: Este Plan de Control se desarrolla durante la etapa anterior a la
etapa de producción, comúnmente se evalúa la efectividad del proceso diseñado
con una corrida de producción de al menos 300 piezas o una hora de producción
normal. Producción: Este Plan de Control es desarrollado después del pre-
lanzamiento del proyecto cuando se han documentado las mejoras detectadas
durante las dos etapas anteriores a la implementación del proceso. Este se
convertirá en el Plan de Control Oficial para correr la producción normal una vez
aprobado por el cliente.

El plan de control es una receta que describe los pasos de cómo deberían estar sucediendo
las cosas para lograr la calidad de un producto/ proceso sin importar de qué tipo de
industria o negocio se trate. la premisa es detectar las cosas críticas de los
procesos/productos y poner controles (especificando con qué y cómo realizarla, como
verificar que se está haciendo correctamente y cada cuando, así como indicar donde dice
cómo hacerlo y qué hacer si se encuentra con alguna anormalidad. esto permite a todos
en una empresa saber que debería estar pasando y así saber si algo está por un rumbo
incorrecto.

En este caso utilizaremos los gráficos de atributos para analizarlos y decidir qué
características vamos a controlar en el futuro con gráficos de variables. En general, los
gráficos de control por atributos son utilizados para la mejora de proceso que producen
un alto número de unidades defectuosas. Aunque estos gráficos son capaces de distinguir
entre causas comunes y especiales, tienen el inconveniente de no avisar si se van a
producir cambios adversos en el proceso.

Se van a distinguir dos grandes grupos de gráficos de control por atributos según
controlemos unidades defectuosas defectos:

• Para unidades defectuosas:

o Gráfico de proporción de unidades defectuosas (p)
o Gráfico de porcentaje de unidades defectuosas (100 p)
o Gráfico de número de unidades defectuosas (n p)
• Para defectos:
o Gráfico de número de defectos por unidad (u)
o Gráfico de número de defectos por muestra(c)

7
ADEX Jiménez Félix Jade Nahomi Unidad 6

Dentro de cada grupo, los gráficos p, 100p y u difieren de los gráficos n p y c en que los
primeros son gráficos en los que el tamaño de la muestra no es constante, y por ello se
estudian proporciones en función del tamaño de la muestra para que la base de
comparación sea la misma. Cuando el tamaño de la muestra es constante no es necesario
calcular proporciones siendo válidos los datos directos

(gráficos n p y c). A la hora de elegir uno de los gráficos anteriores, podemos utilizar el
cuadro resumen siguiente:

8
ADEX Jiménez Félix Jade Nahomi Unidad 6

Ejemplós

9
ADEX Jiménez Félix Jade Nahomi Unidad 6

6.2. Gage R y R

Un ingeniero desea monitorear la resistencia de los componentes cerámicos a los

impactos. El ingeniero selecciona de manera aleatoria 30 muestras que representan el
rango esperado de la variación del proceso y entrega 10 muestras aleatorias a 3
operadores seleccionados de forma aleatoria. Los 3 operadores miden la temperatura de
las 10 muestras diferentes dos veces, para un total de 60 mediciones. Cada parte (muestra)
es única para cada operador; ninguna parte fue medida por 2 operadores. Dado que las
mediciones están anidadas dentro del operador, el ingeniero realiza un estudio R&R de
sistema de medición anidado para evaluar la variabilidad de las mediciones que podría
provenir del sistema de medición.

Interpretar los resultados

En la tabla ANOVA, el valor p para Operador es 0,773. Como el valor p es grande, el

ingeniero no puede rechazar la hipótesis nula y concluye que la medición de resistencia
promedio probablemente no depende del operador que toma las mediciones. Sin embargo,
el valor p para Parte (Operador) es 0,000 y es menor que 0,05. Las mediciones promedio
de las diferentes partes anidadas en cada operador son significativamente diferentes.

Utilice %Var. del estudio para comparar la variación del sistema de medición con la
variación total. El R&R total del sistema de medición es igual a 23,71% de la variación del
estudio, mientras que la variación entre las partes es igual a 97,15%. La variación del R&R
total del sistema de medición podría ser aceptable dependiendo de la aplicación. Para
obtener más información, vaya a ¿Es aceptable mi sistema de medición?

Además, este sistema de medición puede distinguir 5 categorías distintas. Este resultado
indica que el sistema de medición puede distinguir entre las partes. De acuerdo con el
grupo AIAG, usted necesita por lo menos 5 categorías distintas para tener un sistema de
medición adecuado. Para obtener más información, vaya a Uso del número de categorías
distintas.

Las gráficas también proporcionan la siguiente información sobre el sistema de medición:

• En la gráfica Componentes de la variación, la mayor parte de la variabilidad es

explicada por la variación entre las partes.

• En la Gráfica R por operador, todos los datos están bajo control, lo que indica que
los tres operadores miden de forma consistente.

• En la Gráfica Xbarra por operador, varios puntos se encuentran más allá de los
límites de control. Por lo tanto, gran parte de la variación se debe a las diferencias
entre las partes.

• La gráfica Por parte muestra que las diferencias entre las partes son grandes.

• En la gráfica Por operador, las mediciones para cada operador varían en

aproximadamente la misma cantidad. Además, los promedios de las partes varían
por una pequeña cantidad. Aunque siempre existe alguna variación, los datos
indican que los operadores miden las partes de manera similar.

10
ADEX Jiménez Félix Jade Nahomi Unidad 6

11
ADEX Jiménez Félix Jade Nahomi Unidad 6

6.3. Panel de Control

Ejemplo de Panel de Comportamiento del Usuario

A continuación, se muestra un ejemplo de un panel de control del comportamiento de los

usuarios con Indicadores Clave de Rendimiento (KPI) y tendencias.

12
ADEX Jiménez Félix Jade Nahomi Unidad 6

6.4. Gráfico de Atributos

En una empresa del ramo metalmecánico se fabrican válvulas. Después del proceso de
fundición se realiza una inspección y las piezas que no cumplen con ciertas características
son rechazadas. Las razones del rechazo son diversas: piezas incompletas, porosas, mal
formadas, etc. Para evaluar la variabilidad y la magnitud de la proporción de piezas
defectuosas en el proceso de fundición se decide implementar una carta p. El proceso de
fundición se hace por lotes. En la tabla 8.6 se muestran los datos obtenidos durante una
semana para cierto tipo de válvulas. Aunque regularmente el tamaño de lote es fi jo, n =
300, en ocasiones, por diferentes motivos, en algunos lotes se hacen unas cuantas piezas
de más o de menos, como se aprecia en la tabla 8.6.

a) Calcule los límites de control utilizando

el tamaño de subgrupo (lote) promedio.
Límites de control
𝜇𝑃𝑖 = 𝑝̅ = 0.03538
𝑝̅ (1 − 𝑝̅ )
𝜎𝑃𝑖 = √ = 0.01519
𝑛

𝑝̅ (1 − 𝑝̅ )
𝐿𝐶𝑆 = 𝑝̅ + 3√ = 0.06763
𝑛
𝑝̅ (1−𝑝̅ )
𝐿𝐶𝐼 = 𝑝̅ − 3√ = 0.00348
𝑛

La explicación es que como la distribución de los lotes se encuentra dentro de los límites
que son LCS= 20.29 y LCI=1.04 el proceso se encuentra controlado.

b) Grafica e interprete

c) ¿El proceso es estable?

El proceso se encuentra estable
los datos no se salen de los
límites establecidos.
d) ¿Se puede considerar
que la calidad del proceso es
aceptable?

Es considerable la calidad como

aceptable pues como se
evidencia en los gráficos
anteriores el proceso se
comporta de manera aleatoria y controlada de acuerdo a los estándares fijados por los
límites.

13
ADEX Jiménez Félix Jade Nahomi Unidad 6

e) ¿Cómo se aplicaría un análisis de Pareto para enfocar mejor un proyecto de mejora

en este caso?

Aplicaría un análisis de Pareto tomado como variables las fallas que se presenta en
proceso de función que son piezas incompletas, porosas y mal formadas determinando
cuales de estas fallas ocasiona que más piezas sean categorizadas como defectuosas
teniendo en cuenta cuál de estas cree más problemas, se llevaría a cabo un proceso
de mejora del proceso tratando de solucionar esta falla.

14