Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CALIDAD
SPC
Control estadístico de
procesos
Agenda
Marco Conceptual
ORIGENES
Se remontan a los años veinte – Dr. Walter Shewhart publico en EUA
varios libros sobre la aplicación de la estadística en el control de la
calidad e introdujo las gráficas de control estadístico de procesos.
1. Maquinaria
2. Materiales
3. Metodos
4. Mano de Obra
5. Medio Ambiente
NOTA: Tanto los procesos como los lotes terminados pueden ser
inspeccionados por atributos o por variables.
1. Características de 2. Características de
Calidad – VARIABLES Calidad – ATRIBUTOS
a) Un Limite Inferior de Control (LIC) que también se calculan con datos históricos.
Limite de
Control
Superior
Linea Central
Limite de
Control
Inferior
Por ejemplo, si las 15
Entonces tendríamos un Gráfico de Control que
últimas mediciones
fueron las siguientes: muestra un proceso con variabilidad debido a
causas comunes, natuales o aleatorias:
Nº
Diámetro
Muestra
1 74.012
2 73.995
3 73.987
4 74.008
5 74.003
6 73.994
7 74.008
8 74.001
9 74.015
10 74.030 Los valores representados en este grafico fluctúan
11 74.001 al azar alrededor del valor central (Promedio
histórico) y dentro de los límites de control superior
12 74.015 e inferior.
13 74.035
14 74.017 A medida que se fabrican, se toman muestras de los
15 74.010 anillos, se mide el diámetro y el resultado se anota
en el gráfico, por ejemplo, cada media hora.
Por qué usar una grafica de control?
Por qué es una herramienta que permite distinguir variaciones en el
proceso debidas a causas asignables o especiales de las variaciones
debido a causas comunes, aleatorias, naturales inherentes al proceso.
Tome en cuenta:
TOME NOTA:
1. La media
2. La mediana
2. MEDIDAS DE DISPERSION
1. El rango
2. La varianza
3. La Desviación Estandar
1. MEDIDAS DE TENDENCIA CENTRAL
Ejemplo:
50 + 41 + 36 + 51+ 32 + 45 + 25 + 33 + 48 + 39 400
X= = = 40
10 10
1. MEDIDAS DE TENDENCIA CENTRAL
1.2 La mediana
QUE ES LA MEDIANA?
R=M-m
SIGNIFICADO:
Lo que indica que la segunda muestra es más homogénea ya
que sus datos están dispersos en un menor rango.
2. MEDIDAS DE DISPERSION
S = √ S2
S=
√ (X1 – X) 2 + (X2 – X)2 + … + (Xn – X) 2
n-1
Aplicando la formula anterior al ejemplo de los inspectores se tiene lo siguiente:
Para A Para B
S = √ 1,06061 S = √ 8,8788
S = 1,02986 revisiones/día S = 2,97973 revisiones/día
CON TODO LO ANTERIOR, EMPECEMOS A CONSTRUIR Y
ANALIZAR LAS GRAFICAS DE CONTROL
Productos no No
conformes Conformidad
Productos no No
conformes Conformidad
_ (R1 + R2 + … + Rk)
R= = 1,348
k
7.2 Calcular el Limite Superior de Control (LSC)
NOTA: Para determinar el
- valor de D se recurre a la
LSCR = D4 R = 2,114 x 1,348 = 2,849 tabla de Constantes para
Graficas de Control
2,50
2,00
R 1,50
1,348 LC
1,00
0,50
Series1
LIC
0,00
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
No. De Subgrupos
- - -
= (X 1 + X2 + … + Xk)
X=
k = 12,948
= -
LSCX- = X + A2 R = 12,948 + (0,577 x 1,348) = 13,725
NOTA: Para determinar el
9.3 Calcular el Limite Inferior de Control (LIC) valor de A2 se recurre a
la tabla de Constantes
para Graficas de Control
= -
LICX- = X - A2 R = 12,948 – (0,577 x 1,348) = 12,170
1. GRAFICAS DE CONTROL X - R (PROMEDIO Y RANGOS)
_
10. Elaborar la gráfica X y observar su comportamiento
13,8
LSC = 13.725
13,6
13,4
Series1
13,2
_
X 13
LC = 12,948
12,8
12,6
12,4
12,2 LC = 12,170
12
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
No. De Subgrupos
Ejercicio: Una fabrica de láminas metalicas verifica el grosor de cada
una, y lo expresa en 1/1000 de cm. Para tal efecto, se tomaron 10
muestras de 7 elementos cada una, que son las siguientes:
No. a b c d e f g
1 221 223 220 217 227 223 225
2 220 221 224 217 219 226 227
3 228 230 229 215 217 219 221
4 221 223 224 225 224 227 230
5 224 223 224 227 221 225 227
6 225 230 227 226 231 230 223
7 224 227 230 231 224 225 230
8 230 224 223 221 220 221 230
9 224 225 227 224 225 227 228
10 230 229 230 224 227 230 231
b. Para minimizar la variación, los datos recolectados bajo las mismas condiciones
forman parte de un subgrupo. Es decir, que los datos contenidos en un subgrupo no
pueden pertenecer a diferentes lotes o tener diferentes especificaciones. Se recomienda
que los subgrupos se dividan de acuerdo a períodos de tiempo , fechas, lotes, etc.
c. Anotar información relevante en la hoja de datos (registros de datos) que puede servir
para un mejor control.
_
PASO 2. CALCULAR EL PROMEDIO (X) Y LAS DESVIACIONES ESTANDAR (S)
PARA CADA UNO DE LOS k SUBGRUPOS.
_ (X1 + X2 + … + Xn)
X=
n
_ _ _
A continuación, se grafica uno por uno los datos (interconectandolos con una
línea) de las desviaciones estandar (S). Posteriormente se trazan los limites de
control.
14
LSC = 13
12
10
S 8 LC = 8
2 LIC = 2
0
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 Series1
Número de Subgrupos
PASO 5. Calcular los límites de control para la grafica X
_ _
LSCx_ = X + A3 x S = 200 + 0,975 x 7,760 = 207,57
_
PASO 6. ELABORAR LA GRAFICA X y OBSERVAR SU COMPORTAMIENTO
Si la gráfica S no tuvo anormalidades, se grafican uno por uno los datos de las
medias (X). Posteriormente se trazan los límites de control que se calcularon.
208
LSC = 207
206
204
202
200 LC = 200
198
196
194
X - Rm
PASO 2 – RECOLECTAR LOS DATOS - Es recomendable tomar por lo menos entre 20
y 30 mediciones individuales (k)
PASO 3 – CALCULAR LOS RANGOS (Rm) para cada medición
Se determinan los rangos móviles (Rm), restando el valor anterior de la medición al valor actual en
valor absoluto (se toma el valor de n = 2).
Para el calculo de los limites en este caso no se requiere consultar las tablas,
ya que los valores son constantes con n=2
_
LICRm = 0 * Rm = 0 * 0.0022 = 0
0,005
Rm
0,004
0,003
0,002 LC = 0.0022
0,001
0
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 26 27 28 29 30 31 32 33 34 35 Series1
Linea Central:
_ X1 + X2 + … + Xk
X= = 0,0257 = LC
k
_
-
Limite Superior de Control (LSC): LSCX = X + E2 Rm
_ _
LSCx = X + 2.66 * Rm = 0,0257 + 2,66 * 0,0022 = 0.0309
PASO 7 – ELABORAR LA GRAFICA X
Si la grafica R no tuvo anormalidades, se grafican uno por uno los datos
(interconectandolos con una línea) de los datos individuales (X).
Posteriormente, se trazan los limites de control que se calcularon.
,032
LSC = 0,0309
,030
,028
X ,026 LC = 0,0257
Series1
,024
,022
,018
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 26 27 28 29 30 31 32 33 34 35 36
Número de Subgrupos
CONTROL ESTADISTICO DE
PROCESOS
Los datos por atributos suponen solo dos valores: Bueno o malo,
aprobado o reprobado, conforme o no conforme, etc.
Ejemplo:
•Al imprimir (identificar) los envases con productos para la venta, la calidad
del color se puede calificar como aceptable o no aceptable.
La dificultad radica en que se requiere muestras grandes para obtener resultados validos.
RECUERDE:
Tipo de Atributos
Tamaño Unidad de Si
Si
Constante
de la Gráfica p o np
muestreo
constante?
Gráfica c
muestra?
No No
c. Descubrir aquellos puntos fuera de control sobre los que se requiere actuar para
identificar y corregir las causas de la mala calidad.
En la Hoja de Datos (Registro de Datos) registrar todos los datos que pueda servir para un
mejor control y hacer trazabilidad de los datos y responsables.
2. El tamaño de cada muestra (ni) debe ser suficientemente grande para tener varios
articulos no conformes. Si la probabilidad de encontrar un articulo no conforme es
baja, casi siempre es necesario un tamaño de muestra de 100 o mas artículos.
3. Las muestras se seleccionan durante varios periodos, de modo que es posible identificar
cualquier causa especial identificada.
Implementacion de Sistemas de Gestion según
MSc. David Quiroga Cortez Normas ISO
gerencia@davidquiroga.net
PASO 2 – RECOLECTAR LOS DATOS.- Se toman muestras variables de tamaño n i , con
i = 1, 2, …, k, donde k es el número de subgrupos, que puede ser de 25 a 30. Asi mismo,
se registra el Número de defectos por cada muestra.
PASO 3 – CALCULAR LA PROPORCION p PARA CADA SUBGRUPO k:
Esta proporción se calcula dividiendo el numero de defectos (npi) de cada subgrupo entre
el total de artículos inspeccionados (ni)
Pi = npi / ni
PASO 4 – CALCULAR LOS LIMITES DE CONTROL PARA CADA
SUBGRUPO
Series2
,030
,025
LSC
,020
P
,015
,010
LC = 0,0101
,005
Numero de subgrupos
LIC
PASO 6. ANALISIS DE UNA GRAFICA p
Para usar la grafica np, el tamaño de cada muestra debe ser constante.
Suponga que dos muestras de tamaño 10 y 15 tienen cada una cuatro articulos no
conformes. Es evidente que la fracción de no conformidades en cada muestra es diferente:
para uno es 4/10 y para otra 4/15. Esto se puede reflejar en una grafica p. Sin embargo, en
una grafica np no indicarian alguna diferencia entre las muestras, cada una es de 4. Por
tanto, son necesarias muestras del mismo tamaño a fin de tener una base comun para la
medición.
La grafica np es una alternativa util para la grafica p, porque a menudo es mas facil de
entender para el personal de producción (el numero de articulos no conformes es mas
significativo que una fracción o proporción). Además solo requiere de un conteo, por lo
que los calculos son mas sencillos.
Las graficas np se utilizan para:
a. Conocer las causas que hacen que deban repetirse los trabajos.
b. Obtener el registro histórico de una o varias carácterísticas de una operación o
actividad en un proceso de trabajo.
c. Investigar el curso o tendencia de un defecto o de un grupo de defectos.
d. Detectar causas especiales
Pasos a seguir:
PASO 1. ANOTAR LA INFORMACION RELEVANTE
En la Hoja de Datos (Registro de Datos) registrar todos los datos que pueda servir para un
mejor control y hacer trazabilidad de los datos y responsables.
PASO 2 – RECOLECTAR LOS DATOS.- Se requiere que las muestras sean lo suficientemente
grandes para que asi se puedan detectar defectos. Es recomendable un muestreo de entre 20 a 30
subgrupos (k) de no menos 50 datos (n) en cada subgrupo.
PASO 3 – DETERMINAR EL NUMERO DE DEFECTOS (np) por subgrupos (k):
En este paso se cuentan los defectivos que se encontraron en cada subgrupo k de tamaño n
y se anotan en la hoja de datos.
PASO 4 – CALCULAR LOS LIMITES DE CONTROL
Linea Central – Se calcula la media de np y de p:
_
np = np1 + np2 + … + npk = LC = 2,333
k
np1 + np2 + … + npk
_
p= n1 + n2 + … + nk =
7 LSC = 6.88
6
5
np
4
2 LC = 2.33
1
0
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 26 27 28 29 30
Gráfica c y Gráfica u
3. GRAFICAS DE CONTROL c –
Número de Defectos por área de oportunidad
La grafica c se utiliza para monitorear el número de defectos (c) encontrados al
inspeccionar un producto en una muestra constante, es decir se analiza y controla
el proceso mediante los defectos de un producto.
En algunos procesos
interesa medir la cantidad
de defectos que presentan
las unidades de producto
que se están
PRODUCIENDO.
En la Hoja de Datos (Registro de Datos) registrar todos los datos que pueda
servir para un mejor control y hacer trazabilidad de los datos y responsables.
PASO 2 – RECOLECTAR
LOS DATOS.-
LSC = 4.64
LC = 1.27
Algunos de los objetivos de la grafica c son los siguientes:
Recuerde que siempre que el tamaño del subgrupo sea constante, una
grafica c es apropiada
Ejemplo de este tipo de gráfico de control.
En la Hoja de Datos (Registro de Datos) registrar todos los datos que pueda
servir para un mejor control y hacer trazabilidad de los datos y responsables.
PASO 2 – RECOLECTAR
LOS DATOS.-
Se inicia calculando el
desempeño proemdio de u. Para
ello, se suma el tamaño de la
muestra (n) de los k subgrupos =
4480
Se continua, sumando el
Número de defectos (c) de los k
subgrupos = 58
_ c1 + c 2 + … + ck
u= = LC = 0,0129
n1 + n2 + … + nk
k
PASO 5 – ELABORAR LA GRAFICA u
Los datos se grafican uno por uno (interconectandolos con una linea).
Posteriormente se trazan los limites de control que se calcularon en el paso 4 para
cada subgrupo.
LSC
u
LC = 0.0129
Número de subgrupos
Ejemplo: