Está en la página 1de 71

1

CAPTULO

9
9.1.

CARTAS O DIAGRAMAS DE CONTROL

ADMINISTRACIN POR REACCIN Y LAS CARTAS DE CONTROL

N el interior de las empresas e instituciones existen personas, sean stas directivos, tcnicos o empleados, que se cuestionan ocasionalmente acerca del efecto que tiene lo que se hace actualmente sobre la calidad, la eficiencia y las ventas de la empresa. Estos cuestionamientos, que se pueden dar de distintas maneras, son ms fuertes si la organizacin est intentando mejorar o si tiene problemas fuertes. El contexto de estos cuestionamientos es el hecho de que en la empresa generalmente se ha venido reaccionando de alguna manera ante los cambios y situaciones adversas. Por ejemplo, se reacciona y acta ante: Disminucin de ventas Cancelacin de pedidos Deterioro de la calidad Lotes rechazados Reclamos y quejas de los clientes Retraso en la produccin Aumento de los costos de produccin y administracin Excesiva rotacin de personal Accidentes de trabajo Nuevos productos de la competencia Fallas en equipos Problemas con proveedores

Muchos de estos cambios o problemas se estn repitiendo con frecuencia, y mucha gente trabaja sistemticamente para evitarlos pero, sin embargo, se siguen dando. La reaccin o acciones que se llevan a cabo para atender este tipo de problemas son diversas: reuniones o juntas de trabajo, llamadas de atencin, regaos, carreras, llamadas por telfono, memoranda, nuevas reglas o indicaciones, disculpas, etctera. Sin embargo, pareciera que estas acciones no tienen ningn efecto, ya que el inventario de problemas que se dan en la empresa sigue siendo aproximadamente el mismo. En este contexto es natural preguntarse: Qu efecto tiene lo que se hace? Los cambios o problemas ante los que actuamos se deben a una situacin especial (o causa particular), o se deben a una problemtica general y comn que prevalece en todo un sector de la empresa?

Las respuestas a estas preguntas podrn aclarar el trabajo a futuro, ya que implicarn dejar de hacer algunas cosas que se hacen ahora, modificar otras y desarrollar nuevas formas de actuar ante los problemas, sean stos cotidianos o excepcionales. Las herramientas estadsticas bsicas, y muy especialmente las cartas de control, son de mucha utilidad para contribuir a dar una respuesta adecuada a los cuestionamientos anteriores. Como se dijo en el captulo 2, una de las principales fallas cuando se trata de corregir un problema es que se acta por reaccin, de acuerdo con el resultado anterior y sin conocimiento de la variabilidad. A continuacin se ilustra, a travs del experimento del embudo ideado por el Dr. Nelson, el efecto que tiene el reaccionar sin conocimiento de la variabilidad.

EXPERIMENTO DEL EMBUDO


Material: Un embudo cualquiera, una o varias canicas del mismo tamao que puedan pasar por el embudo con facilidad, dos plumones o marcadores y una cartulina de al menos 50 x 50 cm. El experimento consiste en poner la cartulina sobre una mesa o en el piso y marcarla con un pequeo crculo al centro. Se dejarn caer las canicas a travs del embudo con objeto de que den en el "blanco" (el crculo que se marc en la cartulina). Paso 1. Una persona debe sostener fijamente el embudo a una altura aproximada de un metro a partir de donde est la- cartulina, de tal forma que el embudo quede al centro y en direccin vertical al blanco. Iniciado el experimento no se podr mover el embudo. Fijo el embudo, otra persona debe dejar caer una a una las canicas en el embudo, hasta completar 50 lanzamientos (al dejar caer la canica, sta debe deslizarse

FIGURA 9.1 Experimento del embudo, resultados del paso 1.

por la superficie del embudo). Una persona ms, usando uno de los plumones, deber marcar con un punto visible el lugar de la cartulina donde va cayendo cada una de las canicas. Despus de lanzar 50 veces una canica o 50 canicas, la cartulina va a tener una apariencia similar a la de la figura 9.1. A partir de sta se puede apreciar que los resultados han sido muy malos: en muy pocas ocasiones se le dio al blanco. La canica se dirigi hacia cualquier lado, algunas veces cerca del blanco y en otras bastante lejos de ste. Tal vez los malos resultados se hayan debido a que, una vez fijado el embudo, no se pudo corregir su posicin. Para tratar de superar esto se va a hacer un segundo paso del experimento. Paso 2. Usando la misma cartulina del paso 1, nuevamente se dejan caer una a una las 50 canicas y el lugar donde caen se marca con una cruz. Pero ahora, en cada cada de una canica, quien detiene el embudo debe moverlo para que la siguiente canica s d en el blanco, de tal forma que si la canica cay 5 centmetros a la derecha del blanco entonces el embudo debe moverse 5 centmetros a la izquierda para compensar el error. Los resultados obtenidos en este segundo paso deben ser similares a los que se muestran en la figura 9.2, en la cual se puede ver que los resultados han sido an peores a los logrados en el paso 1. Si al que detiene el embudo se le pagara por ajustar el embudo, entonces se le estara pagando por empeorar las cosas. Lo que se pas por alto en las modificaciones de la segunda parte del experimento es ignorar que la variabilidad observada en la figura 9.1 no se deba a que el embudo estuviera mal centrado, sino a una variabilidad natural causada por el sistema (dimetro del embudo, tamao de la canica, forma de dejar caer la canica, etctera). As, si lo que se quiere es reducir la variabilidad en torno al blanco, lo que se debe hacer es modificar las causas que la provocan. Por ejemplo, algunos cambios en el experimento que reduciran la variabilidad seran:

FIGURA 9.2 Experimento del embudo, resultados de los pasos 1 y 2.

Paso 1
+ Paso 2

aumentar el tamao de la canica, cambiar la forma de dejar caer la canica al embudo, en lugar de deslizarla, dejarla caer directamente a su tubo, reducir el dimetro del tubo del embudo, y disminuir la distancia del embudo a la cartulina.
Lo que se hizo en el paso 2 del experimento del embudo para tratar de disminuir la variabilidad es un claro ejemplo del efecto que tiene el administrar segn el resultado anterior o administrar por reaccin, que por lo general empeora los problemas. Veamos un ejemplo. EJEMPLO 9.1 El cobre fundido se expulsa a travs de un orificio. Un obrero tiene la tarea de producir lingotes que pesen 25 kg. El peso de cada lingote hecho aparece ante l de manera automtica. Para hacer el siguiente lingote el obrero abre o cierra una llave, dependiendo de si el lingote anterior pes ms o menos 25 kg. El objetivo de este mtodo de trabajo es producir uniformidad pero, al igual que en el paso 2 del experimento del embudo, lo nico que produce es desigualdad, aunque ni el obrero ni su jefe lo sepan. Se le paga al obrero para empeorar las cosas. Lo que se podra hacer para producir uniformidad es dejar de administrar por reaccin y conocer la variabilidad natural del proceso mediante la aplicacin de una carta de control X - R, ya que con la ayuda de sta se podran detectar las situaciones o causas especiales que afectan el funcionamiento del proceso. La carta de control podra ser un punto de partida para trabajar en las causas de fondo que alteran el proceso. Estas situaciones de administrar sin el conocimiento de la variabilidad, ya sea segn el resultado anterior o por reaccin es, desafortunadamente, algo muy frecuente en la gestin de las empresas. Algunos ejemplos de ello son los siguientes:

Ajustes al proceso cuando se sale de especificaciones. Ajustes al proceso segn el resultado anterior. La reaccin de enojo o reclamo a los trabajadores ante la queja de un cliente o ante cualquier problema de calidad. Reaccionar segn las cifras del periodo anterior (la tpica reunin para exigir reducir costos). Reunin urgente de ejecutivos para corregir los problemas que se han presentado. Un trabajador capacitado por otro en sucesin. Reacciones ante las cifras diarias.

El problema en este tipo de reacciones no son las reacciones en s, sino la forma de reaccionar: se atienden los aspectos superficiales, se corrigen los efectos y no las causas; no se conduce a la ejecucin o revisin de un plan de mejora, no se parte de un anlisis objetivo de. los antecedentes del problema y se ignora la variabilidad que tiene el proceso o sistema. De lo antes expuesto se concluye que tiene que pensarse en buscar cambiar la forma en que se atiende este tipo de situaciones (problemas): ser ms objetivos, ir al fondo,

trabajar en modificar el sistema, atacar los problemas con planes y no con puntadas u ocurrencias, ser metdicos, tomar en cuenta la variabilidad, distinguir entre cambios especiales y comunes. En todo esto las herramientas estadsticas, y en particular las cartas de control, juegan un papel primordial.

9.2

CAUSAS COMUNES Y CAUSAS ESPECIALES DE VARIACIN

Vivimos en un mundo de variabilidad: en nuestro trayecto a la escuela o el trabajo no siempre hacemos el mismo tiempo, el porcentaje de artculos defectuosos de lote a lote es variable, el tiempo para ejecutar una labor es diferente de un da a otro, la capacitacin y habilidad entre los trabajadores no es idntica, no siempre se sigue un mtodo idntico de trabajo, a los clientes se les trata de distintas formas, cada cliente es diferente. Son variables: los gastos mensuales en una empresa, la calidad del producto final, los materiales, las mquinas, el medio ambiente, la temperatura y velocidad de operacin de un proceso. Vivimos en un mundo de variabilidad y de cambios. Sin embargo, ah donde hay variabilidad, sta puede ser de dos tipos: variacin o cambios debidos a causas comunes y variacin debida a causas especiales o atribuibles. La variacin debida a causas comunes (o debida al azar) es aquella que permanece da a da, lote a lote; es parte del sistema: materia prima, mtodos, procesos, formas organizativas. Esta variacin es inherente a las caractersticas esenciales del proceso, y es resultado de la acumulacin y combinacin de diferentes fuentes de variabilidad. Por ejemplo, la variabilidad del paso 1 del experimento del embudo que se muestra en la figura 9.1, se debe a causas comunes (sistema): tamao de las canicas, dimetro del embudo, forma de lanzar la canica. Las causas comunes son difciles de identificar y eliminar, al ser inherentes al sistema; no obstante, representan a largo plazo la mayor oportunidad de mejora. Para resolver los problemas debidos a causas comunes es necesario atender el problema general, no el particular; es necesario modificar el sistema, y ambas cosas se hacen slo con un plan que diagnostique las verdaderas causas de fondo. La variacin debida a causas especiales (o atribuibles) es algo especial, no es parte del sistema de causas comunes, esta variacin es causada por situaciones o circunstancias especiales que no estn presentes permanentemente en el sistema; por ejemplo, una falla ocasionada por el mal funcionamiento de una pieza en una mquina o el empleo de materiales no habituales. Las causas especiales, por su naturaleza relativamente discreta, a menudo pueden ser identificadas y eliminadas si se cuenta con los conocimientos y condiciones para ello.

Un proceso que trabaja slo con causas comunes de variacin se dice que est en control estadstico (o es estable), independientemente de que su variabilidad sea mucha o poca, pero es predecible en el futuro inmediato. En un proceso en control estadstico la calidad, la cantidad y los costos son predecibles.

Un proceso en el que estn presentes causas especiales de variacin se dice que est control estadstico (o es inestable). Este tipo de procesos es impredecible en el

fuera de

futuro inmediato porque en cualquier momento pueden aparecer esas situaciones que tienen un efecto especial sobre la variabilidad. Estos dos tipos de variabilidad llevan a cometer dos errores en la gestin cotidiana en las empresas. ERROR 1: reaccionar ante un cambio (efecto o problema) como si proviniera de una EJEMPLO 9.2 causa especial, cuando en realidad surge de algo mucho ms profundo en la empresa, como son las causas comunes de variacin o el sistema mismo. ERROR 2: tratar un efecto o cambio como si proviniera de causas comunes de variacin, cuando en realidad se debe a una causa especial. Cada uno de estos dos errores causa una prdida. Se puede evitar uno u otro, pero no ambos. No es posible reducir a cero ambos errores. Lo mejor que se puede hacer es tratar de cometer rara vez ambos, y para ello es necesario contar con un instrumento que distinga la mayora de las veces cundo un cambio, un problema o una variacin se debe a causas comunes y cundo a causas especiales. Este instrumento lo constituyen precisamente las cartas de control, ideadas para ese propsito por el Dr. Walter Shewhart en la segunda mitad de los aos veinte. Una forma de ilustrar las causas de variacin y el error 1 es a travs del siguiente ejemplo comentado por Gabor.

Una lnea de produccin est sacando desperfectos o mellas en las latas. Si tal desperfecto est siendo provocado por un desgaste natural relativamente menor en la maquinaria (causa especial), los trabajadores o los tcnicos pueden reducir o eliminar el problema ajustando o remplazando las partes afectadas del equipo. Si, en cambio, las latas salen melladas porque la administracin est comprando hojalata de menor calidad (causa comn) quizs en un esfuerzo por reducir costos, entonces no hay nada que los operarios puedan hacer por el problema. Slo la administracin puede cambiar la poltica de compras. Si en este caso se utiliza el proceso por reaccin, no por conocimiento de la variabilidad, es natural que cuando la lnea de montaje arroje una lata defectuosa, la "reaccin visceral" consista en llevar al operario a ajustar la maquinaria. En caso de que el problema resida en el material y no en la mquina, el ajuste puede descomponer el sistema y, por lo tanto, empeorar las cosas, lo cual llevar a nuevos y ms graves problemas. Mientras tanto, la verdadera fuente del inconveniente (el material) pasara inadvertida. ste es un ejemplo de las prdidas que causa el error 1.

9 . 3 . ELEMENTOS BSICOS DE UNA CARTA DE CONTROL


La idea bsica de una carta de control es observar y analizar grficamente el comportamiento sobre el tiempo de una variable de un producto, o de un proceso, con el propsito de distinguir en tal variable sus variaciones debidas a causas comunes de las debidas a causas especiales (atribuibles). El uso adecuado de las cartas de control permitir detectar cambios y tendencias importantes en los procesos.

En la figura 9.3 se muestra una carta de control tpica, la cual se compone bsicamente de tres lneas paralelas, comnmente horizontales, que rematan a la izquierda en una escala numrica en las unidades de la variable, X, que se grfica en la carta. En la parte de abajo, paralela a las lneas hay un eje que sirve para identificar a quin pertenece cada valor de la variable que ha sido representado en la carta mediante un punto. En caso de que el eje sea una escala cronolgica, entonces los puntos consecutivos se unen con una lnea recta para indicar el orden en que ha ocurrido cada dato. La lnea central de una carta de control representa el promedio de la variable que se est graficando, cuando el proceso se encuentra en control estadstico. Las otras dos lneas se llaman lmites de control, superior e inferior, y estn en una posicin tal que, cuando el proceso est en control estadstico, hay una alta probabilidad de que prcticamente todos los valores de la variable (puntos) caigan dentro de los lmites. De esta manera, si todos los puntos estn dentro de los lmites, entonces se supone que el proceso est en control estadstico. Por el contrario, si al menos un punto est fuera de los lmites de control, entonces esto es una seal de que el proceso est fuera de control estadstico, por lo que es necesario investigar cul es la causa de este comportamiento o cambio especial. En general, los lmites de control son estimaciones de la amplitud de la variacin natural de la variable (promedio, rangos, etctera) que se grafica en la carta. No siempre es indeseable que un punto caiga fuera de los lmites de control. Por ejemplo, en una carta donde se grafique la proporcin de artculos defectuosos, el que un punto est por abajo del lmite inferior indicar la presencia de una causa especial, que es positiva para la calidad del proceso y que deber identificarse para tratar de que tal causa influya permanentemente en el proceso. Lo que se observa en una carta de control no slo es que un punto caiga fuera de los lmites de control, sino tambin cualquier formacin o patrn de puntos que tenga

FIGURA 9.3 Ejemplo de una carta de control

muy poca probabilidad de ocurrir en condiciones "normales", lo cual ser una seal de alerta sobre posibles cambios debidos a causas especiales. En la seccin 9.4 se presentan algunos comportamientos de puntos que reflejan alguna anormalidad y con los cuales el proceso tambin estar fuera de control estadstico. Lmites de control. La ubicacin de los limites de control en una carta es un aspecto fundamental, ya que si stos se ubican demasiado alejados de la lnea central entonces ser ms difcil detectar los cambios en el proceso, mientras que si se ubican demasiado estrechos se incrementar el error tipo 1. Para calcular los lmites de control se debe proceder de tal forma que, bajo condiciones de control estadstico, la variable que se grfica en la carta tenga una alta probabilidad de caer dentro de tales lmites. Por lo tanto, una forma de proceder es encontrar la distribucin de probabilidades de la variable, estimar sus parmetros y ubicar los lmites de tal forma que un alto porcentaje de la distribucin est dentro de ellos (ver Duncan, 1989); esta forma de proceder se conoce como lmites de probabilidad. Una forma ms sencilla y usual se obtiene a partir de la relacin entre la media y la desviacin estndar de una variable, que para el caso de una variable con distribucin normal con media y desviacin estndar , y bajo condiciones de control estadstico, se tiene que entre - 3 y + 3 se encuentra el 99.73% de los posibles valores que toma tal variable (ver Apndice). En caso de que no se tenga distribucin normal, pero se tenga una distribucin unimodal y con forma no muy distinta a la normal, entonces se aplica la regla emprica o la extensin del teorema de Chebyshev (ver captulo 4). Bajo estas condiciones, se presenta a continuacin un modelo general para una carta de control. Sea X la variable (o estadstico) que se va a graficar en la carta de control, y suponiendo que su media es x y su desviacin estndar x, entonces el lmite de control superior (LCS), la lnea central y el lmite de control inferior (LCI) estn dados por LCS = x + 3 x Lnea central = x LCI = x - 3 x Con estos lmites, y bajo condiciones de control estadstico, se tendr una alta probabilidad de que los valores de X estn dentro de ellos. En particular, si X tiene distribucin normal, tal probabilidad ser de 0.9973, con lo que se espera que bajo condiciones de control slo 27 puntos de 10 000 caigan fuera de los lmites. Este tipo de carta de control fue originalmente propuesta por el Dr. Walter

A. Shewhart, por lo que se les conoce como cartas de control de Shewhart. La forma de estimar la media y la desviacin estndar de X a partir de las observaciones del proceso, depender del tipo de variable que sea X, ya sea un promedio, un rango o un porcentaje. Esto se ver en las secciones siguientes. Usos de una carta de control. La utilidad fundamental de las cartas de control es contribuir a cada una de las actividades del CTC: controlar, mejorar e innovar procesos,

distinguiendo entre variaciones aleatorias (debidas a causas comunes) y variaciones especiales. De esta manera, el uso adecuado de las cartas de control facilitar la identificacin oportuna de tendencias y cambios importantes en los procesos, lo que permitir detectar cambios especiales, evaluar los efectos de planes de mejora, analizar la evolucin sobre el tiempos de variables de procesos productivos o administrativos, etctera.
Las cartas han sido ampliamente usadas para detectar anormalidades oportunamente (es decir, para controlar procesos), y con esto prevenir situaciones problemticas. Adems, la informacin que

proporcionan las cartas de control puede ser usada para diagnosticar el funcionamiento del proceso y evaluar la capacidad del mismo. Una de las aplicaciones ms importantes de las cartas de control consiste en evitar sobreajustes en el proceso (ver ejemplo 9.1). Y recientemente ayudan a dejar de administrar por reaccin, tanto procesos productivos como administrativos. En sntesis, se podra decir que las cartas de control son la herramienta especializada en el estudio de la variabilidad, el principal enemigo de la calidad. Tipos de cartas de control. Existen dos tipos generales de cartas de control: para variables y para atributos. Las primeras se aplican a variables (o caractersticas de calidad) d tipo continuo, que intuitivamente son aquellas que requieren un instrumento de medicin pare medirse (pesos, volmenes, voltajes, longitudes, resistencias, temperaturas, humedad, etctera). Las cartas para variables tipo Shewhart ms usuales son:

X (de promedios) R (de rangos) S (de desviaciones estndar) X (de medidas individuales)

Estas formas distintas de llamarle a una carta de control se deben al tipo de variable (estadstico) que se grafica en la carta: un promedio, un rango, etctera, por medio del cual se tratar de controlar una caracterstica importante de un producto o un proceso. Existen muchas caractersticas de calidad que no son medidas con un instrumento de medicin en una escala continua o al menos en una escala numrica. En estos casos, el producto se juzga como conforme o no conforme, dependiendo de si. posee ciertos atributos, y al producto se le podr contar el nmero de defectos o no conformidades que posee el mismo. La variabilidad y tendencia central de este tipo de caractersticas de calidad de tipo- discreto sern analizadas a travs de las cartas de control para atributos:

10

p np c u

(proporciono fraccin de artculos defectuosos) (nmero de unidades defectuosas) (nmero de defectos) (nmero de defectos por unidad)

En las secciones siguientes se ver cada una de las cartas que se mencionaron anteriormente.

9 . 4 . CARTA DE CONTROL X barra - R


Existen tantas caractersticas de calidad de tipo continuo en un producto o en un proceso, que interesa controlar su variabilidad y su tendencia central. Por ejemplo, las dimensiones de cierta pieza deben ser de 10 cm, con una tolerancia de 0.2 cm, por lo que la tendencia central de estas piezas debe estar muy prxima a 10, y su variabilidad debe ser tal que todas las piezas tengan una dimensin que caiga entre 9.8 y 10.2 cm. Generalmente, mediante una carta de control X barra se controla la tendencia central de este tipo de caractersticas de calidad, y mediante una carta R (u ocasionalmente una S) su variabilidad. En una empresa que elabora agroqumicos, una caracterstica importante de los costales de fertilizantes es su peso, el cual, para cierto producto, debe ser de 50 kg. Adems, el cliente ve muy mal que los costales pesen mucho menos de 50 kg, por lo que se establece como especificacin o tolerancia inferior de 49 kilos, y como proteccin de la empresa se establece una especificacin superior de 51 kilos. De esta manera el valor nominal del peso es de 50 kilos, y si cae entre 49 y 51 se considerar an tolerable. A continuacin se utilizar la carta X barra - R para evaluar el desempeo del proceso de llenado tanto en relacin con la tendencia central como la variabilidad. Carta X barra. La forma operativa de construir una carta X barra inicia determinando la caracterstica de calidad a estudiar. En el caso del ejemplo 9.3, tal caracterstica es el peso de los costales de fertilizantes. Para hacer un estudio inicial del desempeo del proceso sobre el tiempo en cuanto a la caracterstica de calidad, es necesario primero pesar costales que de alguna manera reflejen el comportamiento del proceso de llenado en un lapso de tiempo suficientemente representativo, por ejemplo 3 das, una semana o un mes. Usualmente esto se logra midiendo la caracterstica de calidad de una cantidad pequea de productos consecutivos (subgrupo de productos) cada determinado periodo y, en lugar de analizar la mediciones individuales, se analizan las medias y los rangos de los subgrupos (o muestras). En el ejemplo que nos ocupa, se decide pesar cada hora una muestra de 4 costales que han sido llenados consecutivamente. Los datos obtenidos en tres das se muestran en la tabla 9.1, en la que se incluye la media y el rango de cada muestra. La carta X barra analizar el comportamiento sobre el tiempo de la columna de medias, con lo cual se tendr informacin sobre la tendencia central y sobre la variacin entre las muestras. Para calcular los lmites de control, en un estudio inicial como el que estamos haciendo, es necesario contar con las medias y rangos de alrededor de 20 muestras (puntos).

EJEMPLO 9.3

11

Como habamos sealado en la seccin anterior, los lmites de control de las cartas tipo Shewhart estn determinados por la media y la desviacin estndar de la variable X que se grafica en la carta de la siguiente manera:

x 3x

TABLA 9.1

Peso de los costales de fertilizante

Muestra o subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 50.2 50.3 49.8 50.0 50.2 49.2 49.6 50.2 50.1 50.8 50.7 50.3 49.3 50.2 48.8 50.9 49.7 49.4 49.9 49.7 50.6 49.9 49.6 49.6

Peso de los costales 49.9 50.2 50.0 49.4 49.8 50.7 49.9 49.8 49.3 49.6 48.8 49.6 49.3 50.5 50.2 49.5 48.8 49.3 49.7 49.2 49.6 49.9 50.2 48.9 49.0 50.0 50.0 50.1 49.1 49.1 49.5 49.5 49.0 49.8 49.7 49.4 49.2 50.2 49.5 49.3 49.6 49.4 49.9 49.4 49.6 50.0 49.9 50.2 50.1 49.3 49.7 50.5 49.9 49.8 49.9 50.6 49.3 50.4 50.1 49.3 50.5 50.9 49.6 49.9 49.5 50.2 49.1 49.7 49.9 49.7 48.7 49.0

Media 49.80 49.95 49.88 50.00 49.75 49.70 49.73 50.03 49.43 50.15 49.83 49.65 49.58 50.45 49.53 49.90 49.40 49.58 49.65 49.50 49.93 49.88 49.60 49.43

Rango 1.2 1.0 0.3 1.1 1.1 1.6 0.4 1.1 1.1 1.2 1.9 1.0 1.3 0.7 1.4 1.6 0.9 0.9 0.8 0.5 1.0 0.3 1.5 1.3

Xbarra barra = 49.76 R-barra = 1.05

X barra barra = Promedio del promedio de las muestras R-barra = Promedio del rango de las muestras En el caso de la carta X barra , la variable X que se grafica es la media de las muestras, por lo que una forma de estimar su media, x barra, es por x = xbarra X barra barra ,

12

donde X barra barra es la media de las medias de las muestras, mientras que la desviacin estndar de las medias de las muestras est dada por x = x barra =

donde n es el tamao de muestra (4 en este caso) y es la desviacin estndar de la caracterstica de calidad original (peso de los costales individuales). ste es un hecho importante a diferenciar en las cartas X barra: una cosa es la desviacin estndar, , de la caracterstica de calidad (los pesos de los costales individuales) y otra la desviacin estndar de las medias de los subgrupos, x barra

n . Esta ltima depende de la primera y del tamao de la muestra. =

En la mayora de los estudios iniciales se desconoce , por lo que es necesario estimarla a partir de los datos muestrales. Para ello, una alternativa sera calcular la desviacin estndar, S, del peso de los 96 costales de la tabla 9.1. Sin embargo, hacerlo de esta forma incluira la variabilidad entre muestras y dentro de las muestras, y para la carta X-barra es ms apropiado incluir slo la variabilidad dentro de muestras (ver Duncan, 1989). Existe otra alternativa que slo incluye la variabilidad dentro de muestras, y que consiste en estimar a mediante la media de los rangos, R barra, de la siguiente manera:

Rbarra d2

donde d2 es una constante que depende del tamao de la muestra1. En el Apndice se dan varios valores de d2 para distintos valores de n. De esta manera, los lmites de control para una carta de control X-barra, en un estudio inicial, se obtendrn de la siguiente manera: LCS = X barra barra + A2R barra Lnea central = X barra barra LCI = X barra barra + A2R barra

donde A2 Rbarra 3 Xbarra = 3

Rbarra d2 3 = Rbarra . =3 n n d2 n

En el Apndice se dan valores de A2 para diferentes tamaos de muestra, n. Por lo tanto, en el caso de los datos de la tabla 9.1 correspondientes al peso de los costales de fertilizante, los lmites de control para la carta X barra son los siguientes: LCS = 49.76 + (0.729 x 1.05) = 50.526 Lnea central = 49.76

13

LCI = 49.76 - (0.729 x 1.05) = 48.996

R , que es una variable aleatoria que establece la relacin entre el rango de una muestra de una distribucin normal, y la desviacin estndar de la misma distribucin.
1

Esta constante, d2, es la media del rango relativo, W =

donde 0.729 es el valor de A2 para un tamao de muestra de 4, que es el que se est usando en este ejemplo. La carta correspondiente se muestra en la figura 9.4. A partir de sta, se puede apreciar que el peso de los costales est bajo control estadstico en cuanto a tendencia central, con lo que se puede afirmar que el peso de los costales flucta de manera estable alrededor de 49.76 kilogramos. De aqu que se tenga un hecho positivo (la estabilidad) y otro negativo (el promedio del proceso, 49.76) el cual no es el deseado (50 kilos). Aunque los lmites de control de una carta de medias se deducen a partir del supuesto de normalidad, si la caracterstica de calidad no sigue una distribucin normal, la carta X barra sigue teniendo un buen desempeo para detectar cambios significativos en la tendencia central de la caracterstica de calidad, lo anterior debido al teorema central del lmite (ver Apndice). Al respecto existen varios estudios que han concluido la robustez a la suposicin de normalidad (ver Shilling y Nelson, 1976). Un supuesto que se hace en la interpretacin de todas las cartas de control que aqu se vern, es que hay independencia entre los resultados de muestra a muestra.

Carta R. Este diagrama es utilizado para estudiar la variabilidad de una caracterstica de calidad de un producto o un proceso, y en ella se analiza el LCS comportamiento sobre el tiempo de los rangos de las muestras o subgrupos. Los X barra barra lmites de control para una carta R se obtienen a partir de la misma forma general: la media ms/menos tres veces LCI la desviacin estndar de la variable que se grafica en la carta, que en este caso son los rangos de las muestras, es decir

R +/- 3R

Subgrupo o muestra

51

M e d i a

50

49

48

14

FIGURA 9.4 Carta de medias para el peso de los costales.

La estimacin de la media de los rangos, R , se hace a travs de R estimacin de la desviacin estndar de los rangos, R, se obtiene por

barra

, mientras que la

R R = d 3 d 3 barra d 2
donde d3 es una constante que depende del tamao de la muestra. De esta manera los lmites de una carta R, en un estudio inicial, se obtienen de la siguiente manera: LCS = D4 R barra Lnea central = R barra LCI = D3R barra, donde las constantes D3 y D4 estn tabuladas directamente en el Apndice, para varios tamaos de muestra. 2 Aplicando a esto los datos de la tabla 9.1 del peso de los costales de fertilizante, se tiene que los lmites de control para la 0 3 6 9 12 15 18 21 24 carta R estn dados por LCS = 2.282 x 1.05 = 2.3963 Lnea central = 1.05 LCI =0x1.05=0, ya que del Apndice se obtiene D4 = 2.282 y D3, para n = 4. La correspondiente carta R se muestra en la figura 9.5, a partir de la cual se aprecia que el proceso estuvo en control estadstico en cuanto a variabilidad, por lo que el rango de las muestras de cuatro costales flucta de manera estable entre 0 y 2.396 kilogramos, con un promedio de 1.05 kilos. De esta manera, dado que la carta R ha mostrado que la variabilidad del peso de los costales es

15

estable, y que la carta de medias no detect ninguna situacin o causa especial que haya afectado la tendencia central del proceso, entonces los lmites de control encontrados se pueden usar a futuro para controlar el proceso de envasado directamente en la lnea de produccin. En la seccin 9.5 se darn mayores detalles sobre la interpretacin de las cartas X barra - R.

Las constantes D3 y D4 son una forma de simplificar los clculos, ya que

FIGURA 9.5 Carta de rangos para el peso de los costales.

R LCS = Rbarra + 3d 3 barra d 2

d = 1 + 3 3 Rbarra = D4 Rbarra d2

R LCI = Rbarra 3d 3 barra d 2

d = 1 3 3 Rbarra = D3 Rbarra d2

LMITES DE CONTROL, LMITES NATURALES Y ESPECIFICACIONES


Un aspecto importante a resaltar en la interpretacin de una carta X barra es el hecho de que sus lmites de control no son equivalentes a las especificaciones o tolerancias de la caracterstica de calidad; es ms, no tienen ninguna relacin, ya que los lmites de control son obtenidos a partir de la variabilidad del proceso, y en la carta X barra representan la realidad en cuanto a la variabilidad de las medias de las muestras, en tanto que las especificaciones son valores deseados para las mediciones individuales de la caracterstica de calidad. En el ejemplo 9.3, el peso promedio de las muestras de cuatro costales flucta entre 48.996 y 50.526 kilos, pero el no salirse ninguna media de estos lmites no quiere decir que el peso de los costales individuales no se salga de los mismos, pues basta analizar un poco los datos individuales de la tabla 9.1 para darse cuenta de ello: en la muestra 11, el primer costal tiene un peso de 50.7, el cual es mayor que el LCS, mientras que el peso del segundo (48.8) es menor que el LCI.

16

Los limites de control en una carta X barra sirven para estudiar la realidad o variabilidad del proceso, vista a travs de las medias, y no sirven para ver si se cumple con las especificaciones deseadas. Por ello no se les debe confundir, y mucho menos pretender graficar las especificaciones en una carta X barra. Para estudiar la capacidad del proceso para cumplir con especificaciones se utilizan los ndices de capacidad (ver seccin 9.10) o un histograma de los pesos individuales. Por ejemplo, en la figura 9.6 se muestra un histograma para el peso de los 96 costales

FIGURA 9.6 Histograma para el peso de los costales de fertilizante.

48

49

50 Peso

51

52

de la tabla 9.1, a partir del cual se observa que hubo costales con la especificacin inferior de 49, mientras que por el lado superior, aunque no hubo ningn costal que superara la correspondiente especificacin, el cuerpo del histograma se ve muy ajustado, por lo que es natural pensar que el proceso s genera costales de ms de 51 kilos. Tambin en el mismo histograma se aprecia que el proceso est ligeramente movido a la izquierda del valor nominal de 50. En el histograma de la figura 9.6 se han aadido unas lneas verticales para las especificaciones y para los lmites naturales del proceso (en -3s y + 3s). Estos ltimos reflejan la realidad de la variacin del peso de los costales individuales, y han sido calculados estimando la desviacin estndar, , del peso de los costales mediante la media de los rangos de la tabla 9.1. As, los lmites naturales de variabilidad se calcularon de la forma siguiente: x 3 x = X barra barra 3 (Rbarra / d2)

17

donde la variable X es el peso de los costales, y del Apndice se toma d2 = 2.059 ya que los rangos se obtuvieron de muestras de tamao 4. De esta manera, el lmite natural inferior es 48.23 y el superior 51.29, con lo que, de acuerdo con el estudio inicial y dado que el proceso est en control estadstico, el peso de los costales de fertilizante flucta de manera estable entre 48.23 y 51.29 kilos. De aqu que, aunque el proceso est en control estadstico, sea incapaz de cumplir con especificaciones (49 a 51). Para que el proceso cumpliera con dichas especificaciones, en el histograma tendran que aparecer los lmites naturales (-3s y + 3s) dentro de las especificaciones.

barra

Con base en_ lo anterior, y en el contexto de un proceso que se estudia con una carta de control X - R, tenemos tres tipos de lmites:
1.

Los lmites de control de la carta X barra, que reflejan la variabilidad del proceso, vista sta a travs de las medias de las muestras.
2. Las especificaciones (o lmites de especificaciones), que representan la calidad o el nivel deseado para la caracterstica de calidad. Estos se definen en el diseo del producto o del proceso, y se establecen de acuerdo con criterios de calidad.

EJEMPLO 9.4

3.

Los lmites naturales del proceso, que representan el desempeo actual del proceso. Son la variabilidad de las mediciones individuales, y no el de las medias como en el caso de los lmites de control de la carta X barra. La comparacin de los lmites naturales con los de especificaciones permitir saber si se est produciendo la calidad deseada. Veamos el siguiente ejemplo:

En una empresa fabricante de coronas o tapas metlicas para bebidas gaseosas, un aspecto importante es la cantidad de PVC que lleva cada corona, el cual determina el espesor de la pelcula necesario para que la bebida quede bien cerrada. Para que el espesor de la pelcula sea el adecuado se tiene que el peso de los grnulos de PVC debe estar entre 212 y 218 miligramos. Si el peso es menor a 212, entonces, entre otras cosas, la pelcula es muy delgada y eso puede causar fugas de gas en la bebida. Si el peso es mayor a 218 gramos, entonces se gasta mucho PVC, con lo que se aumentan los costos de la corona. As que el peso del PVC es una caracterstica importante de calidad de tipo continuo que debe cumplir el proceso de fabricacin de la corona. El peso o calidad deseada es definida por las especificaciones o tolerancias, siendo el inferior igual a 212 miligramos y el superior a 218 (EI = 212 y ES = 218). Para asegurar que se cumple con estas exigencias se usa ordinariamente una carta de control: cada 30 minutos se toma una muestra de cuatro grnulos consecutivos de PVC y se pesa. Ya se ha venido usando la carta X-barra, y actualmente su lnea central es igual a 214 y el rango promedio, Rbarra = 2.07. Por lo tanto, los lmites de control para la carta X barra estn dados por

18

LCS = X barra barra + A2 R barra = 214 + (0.729 x 2.07) = 215.50 LCI = X barra barra - A2 R barra = 214 - (0.729 x 2.07) = 212.49 donde la constante A2 = 0.729 se obtiene del Apndice, usando n = 4. Entonces, si este proceso est en control estadstico, las medias de las muestras de tamao 4 van a fluctuar entre 212.49 y 215.5 (ver figura 9.7). Como se puede apreciar, estos lmites estn dentro de especificaciones, pero esto de ninguna manera quiere decir que se FIGURA 9.7 cumple con ellas, ya que los lmites de la carta X barra son para las Los tres tipos medias. de limites. Para saber si el proceso cumple con las especificaciones, se calculan los lmites naturales para los pesos de los grnulos individuales de PVC, los cuales, como ya se vio, estn dados por

X barra barra 3 (R barra / d2) = 214 3 x (2.07 / 2.059) = 214 3,


donde d2 = 2.059, el cual se obtiene del Apndice. De esta manera, el lmite natural (LN) inferior es 211 gramos y el superior 217 (ver figura 9.7). A partir de los valores de los lmites naturales y de la figura 9.7, se observa que s se cumple con la especificacin superior, pero no con la inferior. Tambin se puede apreciar que la amplitud de la variacin de las medias muestrales siempre es ms estrecha que el de las medidas individuales. Adems, si se mueve el proceso a la derecha una unidad, se podr cumplir con las especificaciones.

CONTROL ESTADSTICO Y CAPACIDAD

19

Existen dos preguntas bsicas que hay que hacerse sobre un proceso: el proceso est en control estadstico? El proceso es capaz de cumplir con especificaciones? Dependiendo de la respuesta a estas preguntas ser el tipo de proceso que se tenga y, por ende, el tipo de accin de mejora a realizar. Para que tenga sentido sobre el futuro inmediato el que un proceso sea til, primero tiene que estar bajo control estadstico; sin embargo, siendo menos Si estrictos se puede decir que No un proceso es til si el nivel de disconformidades es suficientemente bajo para garantizar que no habr esfuerzos inmediatos para tratar de mejorar el proceso. Tomando en cuenta esta forma de decidir

El proceso es capaz? TABLA 9.2

Estabilidad y capacidad: categoras de un

proceso.
No El proceso est en control estadstico? A (estado ideal) Aplicar las cartas de control y las HB para prevenir la ocurrencia de causas especiales que perjudiquen el desempeo futuro del proceso. C (estable pero incapaz) Usar las HB para diagnosticar Y mejorar, y las cartas de control para identificar patrones en el proces. Se deben hacer esfuerzos serios de mejora, y analizar las especificaciones. El diseo de experimentos puede ser til. B (til pero inestable) Si se usan las cartas de control tal vez se puedan identificar las causas especiales. Se requiere analizar el proceso y prevenir que su situacin empeore an ms. D (inestable e incapaz) Es el peor proceso. Aplicarlas HB para diagnosticar y mejorar. La utilizacin de las cartas de control podra ayudara eliminar las causas especiales, con lo que tal vez mejore la capacidad. Se requieren anlisis muy serios.

si un proceso es til, en la tabla 9.2 se muestra un cuadro donde se presentan las cuatro categoras que un proceso podra tener, en cuanto a capacidad y estabilidad.

ETAPAS DE UN ESTUDIO INICIAL CON UNA CARTA X barra - R


Aunque en la seccin 9.9 se ve con mayor detalle, y de manera general, los pasos en la implantacin de una carta de control, a continuacin veremos algunos aspectos crticos sobre el establecimiento por primera vez de una carta X - R, para lo cual es recomendable seguir al menos los siguientes pasos:

20

2. 3.

1. Seleccionar la caracterstica de calidad Pensar y elegir el subgrupo (muestra) Recabar los datos 4. Determinar lmites de control y su revisin futura

Seleccionar la caracterstica de calidad. La variable que se elija para ser analizada a travs de una carta X barra - R debe ser una caracterstica de calidad de tipo continuo, es decir, que sea medible y pueda expresarse en nmeros. A las caractersticas de calidad que pueden afectar el desempeo del producto debe drseles prioridad. stas pueden estar en funcin de la materia prima, componentes, subensambles o partes terminadas. La ms alta prioridad la deben tener las caractersticas que estn dando dificultades en trminos de calidad, produccin o directamente en costos. Pensar y elegir el subgrupo (muestra). Cada punto en una carta representa una muestra o un subgrupo de artculos. La seleccin de los elementos que forman cada muestra debe hacerse de tal manera que si hay causas especiales presentes, stas aparezcan como diferencias entre muestras, no como diferencias entre los elementos que forman la muestra. En otras palabras, se debe buscar que la muestra sea tan homognea como sea posible. Por ejemplo, si un proceso utiliza varias mquinas, sera mejor tomar una muestra separada de la produccin de cada mquina en lugar de que la muestra venga formada por elementos de varias de ellas. Porque las diferencias entre mquinas podran ser una causa especial de variacin. De esta manera, para obtener las cartas de control, el muestreo aleatorio no es necesariamente el procedimiento de muestreo apropiado. La esencia de subagrupamiento est opuesta a la aleatorizacin. As, la muestra o subgrupo debe formarse procurando cierta homogeneidad, entendiendo esto bajo circunstancias especficas, como que una muestra representa a la misma mquina, operador o molde. Bajo situaciones particulares algunas posibles fuentes de variabilidad podrn incluirse en la misma muestra y otras en una muestra distinta. Por ello, antes que todo hay que razonar el subagrupamiento. Una carta de control es til en la medida del esfuerzo que se dedique a su puesta en prctica (ver seccin 9.9). Por otro lado, en cuanto a la forma concreta de elegir la muestra, existen dos procedimientos bsicos: 1. Mtodo del instante. Este primer procedimiento consiste en conformar la muestra o subgrupo con productos hechos en un instante de tiempo tan pequeo como sea posible. Por ejemplo, una muestra la constituyen cinco piezas producidas de manera consecutiva o cinco piezas de entre una tanda de artculos producidos en forma reciente. La siguiente muestra es seleccionada de manera similar posteriormente, media hora ms tarde por ejemplo. 2. Mtodo del periodo. El segundo procedimiento consiste en seleccionar la muestra de entre las partes producidas en un periodo determinado, de manera que la muestra sea representativa de toda la produccin de dicho periodo. Por ejemplo, un inspector va peridicamente, cada hora tal vez, a cierta zona del proceso y elige aleatoriamente cinco piezas de entre las que se produjeron en la ltima hora. El mtodo del instante es el que se usa con ms frecuencia, fundamentalmente porque con l se logran muestras ms homogneas y porque proporciona una referencia del tiempo lo que es til para localizar las causas especiales de variacin. Adems permite reaccionar con mayor oportunidad y exactitud.

21

La ventaja del mtodo del periodo es que proporciona mejor informacin sobre la calidad, no as sobre la variabilidad. En general, el mtodo del periodo se usa cuando, debido a las circunstancias particulares del proceso, no se puede utilizar el otro. En cuanto al tamao de muestra para una carta X barra - R, ste se determina a partir del tipo de cambios que se desea detectar. Por ejemplo, para detectar cambios de

moderados a grandes es suficiente con usar tamaos muestrales de: n = 4, 5 o 6, ya que son razonablemente efectivos. Si se quiere detectar cambios pequeos, entonces se incrementa el tamao de muestra; si tal incremento no va ms all de n = 10 o 12, se sigue usando la carta R. Pero si es mayor, entonces la carta R ya no resulta igual de efectiva, por lo que se deber cambiar por una carta S (ver Montgomery, 1991). Si el proceso es delicado y se requiere detectar cambios muy pequeos, entonces se necesitarn tamaos de muestra de entre 15 a 25, pero ya no usando la carta X barra - R, sino la X barra -S. En cuanto a la frecuencia del muestreo hay pocos criterios que lo rijan. Pero la frecuencia deber ser suficiente para detectar el tipo de cambios que se desea identificar. En general, se prefieren muestras pequeas ms frecuentemente, que muestras grandes con poca frecuencia. Por ejemplo, entre cinco piezas cada media hora y 20 piezas cada 2 horas, en la prctica se prefiere lo primero. Una regla rpida que se usa de vez en cuando para ajustar tanto la frecuencia como el tamao de muestra en una carta X barra - R es una adaptacin de la tabla de muestreo de aceptacin para variables Military Standard 414. Esta adaptacin sugiere que el nmero de piezas a inspeccionar por lote est dado por

Tamao de lote 60 a 300 301 a 1000 1001 a 5000 Ms de 5000

Porcentaje a muestrear 10% 5% 2% 1%

Normalmente, si no se produce por lotes, entonces el tamao de lote para cartas de control para variables puede considerarse como la produccin de un da, o puede extenderse a lo ms a la produccin de una semana. Aplicando lo anterior, supongamos que se tiene una produccin estimada de 400 piezas por da (que est entre 301 y 1000), entonces se pueden inspeccionar el 5% de las piezas, es decir, 20 piezas por da. Lo cual, pensando en una carta X - R, se puede hacer mediante cuatro muestras de cinco piezas cada una, distribuidas de manera adecuada a lo largo del da. Recabar los datos. Mediante un formato adecuado se deben obtener los datos, siguiendo el mtodo, el tamao y la frecuencia de muestreo que se definieron previamente. Es usual que, cuando una carta ya est en operacin, los datos sean colectados por los mismos operadores o inspectores. En

22

un estudio inicial se deben recabar al menos 20 muestras o subgrupos de datos, que representen la realidad del proceso durante un lapso adecuado de tiempo. Determinar lmites de control y su revisin futura. Aplicando las frmulas que anteriormente se dieron se calculan los lmites preliminares tanto para la carta de medias como para la de rangos. Si los datos reflejan que el proceso est en control estadstico tanto en lo referente a variabilidad como a tendencia central, entonces estos lmites se

seguirn usando para analizar el proceso en el presente y en el futuro. Una vez establecidos los lmites de control, para analizar si el proceso est en control estadstico ya no ser necesario esperar a tener 20 puntos en la carta, sino que, en el momento de obtener la muestra, se podr saber si el punto cae fuera de los lmites de control o si se ha dado algn otro patrn no aleatorio. En caso de que en el estudio inicial aparezcan pocos puntos fuera de los lmites de control, entonces dado que estos puntos influyen en los lmites calculados, es usual investigar la situacin especial que caus que los puntos estn fuera de los lmites. Una vez que se ha identificado la causa, es necesario excluir los datos que representan los puntos fuera y recalcular los lmites de control sin la influencia de estas situaciones especiales. En caso de que no se encuentre la causa que provoc que los puntos estn fuera de los lmites, lo que es probable en un estudio inicial ya que se est analizando un hecho pasado, entonces es preferible retener los puntos y trabajar a futuro con los lmites calculados desde el inicio, aunque tambin se podra optar por eliminar los puntos y recalcular los lmites. Por otra parte, si en el estudio inicial muchos puntos se salen de los lmites de control, excluirlos tal vez no resulte apropiado, e investigar las causas en cada uno de ellos tambin resultar imprctico y ser un trabajo poco productivo. En estos casos, por lo general, resulta ms conveniente centrarse en el patrn formado por estos puntos en la carta, para tratar de mejorar el proceso y lograr en el mismo una mejor estabilidad. En estos casos se debe contemplar el recurrir incluso a otras tcnicas estadsticas, como el diseo de experimentos, por ejemplo. En cualquiera de los casos anteriores, una vez que se tienen lmites de control definitivos para usarse en el futuro, stos no se cambiarn hasta que la realidad del proceso sea otra, por ejemplo, que se haya reducido su variabilidad significativamente o mejorado el centrado del proceso. En ocasiones, en algunas empresas se acostumbra revisar o recalcular peridicamente los lmites; en estos casos se debe ser cuidadoso de imitar esta prctica, ya que si el periodo es muy corto puede ocurrir que no se detecten ciertos cambios o tendencias que se estn registrando en las cartas. Por ejemplo, una semana es un periodo muy corto para recalcular los lmites de control. En algunos procesos s se justifica el recalcular los lmites, por ejemplo cuando se da mantenimiento o se ajustan ciertos procesos. En todo caso, se debe tener muy claro el propsito. Una prctica en algunas empresas, que consiste en sustituir los lmites de control por lmites de especificaciones, se debe evitar a toda costa, sobre todo en la carta de medias. Tambin en ocasiones la lnea central de una carta de medias se sustituye por un valor objetivo o deseado, lo cual tambin se debe evitar, pues aunque en algunas ocasiones puede justificarse, en general, cuando se hace esto, la carta de control pierde su propsito. A continuacin se ilustran algunos de los aspectos que se han mencionado anteriormente, mediante el siguiente ejemplo.

23

EJEMPLO 9.5

En una fbrica de bolsas de hule (o plstico) un aspecto importante de calidad es la dimensin de las bolsas. En una fase del proceso, mquinas de cierto tipo deben cortar automticamente las bolsas a una medida ideal de 30 cm con una tolerancia de 0.5 cm.

TABLA 9.3 Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 30.3 30.0 30.0 29.7 30.0 30.1 30.3 30.2 29.9 29.6 30.3 29.5 30.1 29.8 29.9 29.9 30.1 29.7 30.2 30.1 29.9 30.0

Longitud de las bolsas de hule Longitud de las bolsas 30.2 30.1 30.1 30.1 29.8 30.2 30.0 29.9 30.2 30.1 29.8 29.6 29.9 29.9 30.3 30.1 30.1 29.5 30.0 30.0 30.1 29.9 29.9 29.9 30.2 29.8 30.0 30.3 29.9 30.0 30.0 29.9 30.0 29.8 30.3 30.0 29.9 30.2 29.9 30.0 30.0 30.1 29.9 29.7 30.3 29.8 29.8 30.0 29.9 30.0 29.7 30.0 29.9 30.0 30.1 29.6 29.9 29.9 29.9 30.2 30.1 29.6 29.9 29.9 30.2 30.0 30.1 30.1 30.0 30.0 30.1 29.9 29.9 30.1 30.0 30.0 30.0 30.0 30.2 29.7 30.5 30.1 29.9 29.7 30.0 29.8 30.0 29.8 Media 30.16 29.98 30.02 29.98 29.96 30.10 29.96 30.04 30.00 29.92 30.04 29.70 30.08 29.86 30.10 30.10 30.02 29.70 30.02 29.98 30.02 29.88 X barra barra = 29.98 Rango 0.4 0.3 0.4 0.4 0.3 0.4 0.6 0.3 0.3 0.5 0.5 0.5 0.4 0.3 0.6 0.3 0.2 0.5 0.3 0.3 0.3 0.3 R barra = 0.382

Para asegurarse de que las dimensiones de las bolsas son las correctas, "de vez en cuando" el operador mide una bolsa y dependiendo de tal medida decide ajustar o no a la mquina. Estas mediciones, adems de que no son sistemticas, no se registran. Esta forma de controlar la calidad no es adecuada porque generalmente lleva a administrar por reaccin, como en el ejemplo 9.1 del juego del embudo, y a no darse cuenta de cambios importantes en los procesos, como podra ser una tendencia. Tal forma de proceder es reactiva, correctiva, no sistemtica y muchas veces tarda. Y lo deseable es tener mtodos de control oportunos y preventivos. Como ocasionalmente se venan teniendo reclamos de los clientes que usan las bolsas como

24

insumo, se decide poner en prctica una carta de control X barra - R, teniendo en mente los siguientes propsitos: evaluar cul es la dimensin de las bolsas que se estn cortando actualmente, analizar la estabilidad de la mquina que hace el corte, tratar de mejorar calidad y tener mejores mtodos para determinar cundo realizar ajustes a la mquina.

De modo que la caracterstica de calidad a controlar es la dimensin de las bolsas de hule. Para muestrear, tomando en cuenta las consideraciones hechas respecto a la eleccin de la muestra, se decide tomar cinco bolsas consecutivas cada hora y media. Los datos obtenidos en cuatro das se muestran en la tabla 9.3. Para analizar estos datos mediante la carta X barra - R lo primero que se debe hacer es calcular los lmites de control. En particular los lmites para la carta de rangos son los siguientes: LCI = D4 R barra = 0 x 0.3818 = 0 Lnea central = R barra = 0.3818 LCS = D3 R barra = 2.115 x 0.3818 = 0.807, mientras que los lmites para la carta X barra son: LCS = X barra barra + A2 R barra = 29.98 + (0.577 x 0.3818) = 30.2 Lnea central = X barra barra = 29.98 LCI = X barra barra - A2R barra = 29.98 - (0.577 x 0.3818) = 29.76 Las constantes para el clculo de los lmites de control se obtuvieron del Apndice,

Carta de Rangos para la longitud de las bolsas de hule

25

FIGURA 9.8

FIGURA 9.9 Carta de medias para la longitud de las bolsas de hule.

tomando n = 5. En las figuras 9.8 y 9.9 se muestran las cartas de rangos y de medias, respectivamente. En la carta R se puede apreciar que la mquina que hace los cortes de las bolsas estuvo bajo control estadstico en cuanto a variabilidad, ya que no hubo puntos fuera de los lmites y no se dio ningn patrn especial. El rango de las muestras de tamao 5 que fueron tomadas durante 4 das estuvo fluctuando de manera estable entre 0 y 0.807 centmetros. Mientras que la carta de medias refleja que el proceso no estuvo en control estadstico en cuanto a la tendencia central, ya que los puntos correspondientes a las muestras 12 y 18 se salieron del lmite inferior de la carta X barra adicional a ello no se present ningn patrn. Por lo tanto, en el entorno del momento en que se tomaron estas muestras, la mquina estuvo funcionando bajo una causa especial, de tal forma que estuvo cortando bolsas ms pequeas de lo que ordinariamente lo hace. As, el proceso estuvo fuera de control estadstico, y se debe investigar qu de especial ocurri en el entorno en el momento en que se tomaron las muestras 12 y 18, para en el futuro evitarlo o prevenirlo, y que el proceso pueda funcionar de manera estable. Respecto a la capacidad de la mquina para cortar bolsas dentro de ciertas especificaciones, se puede apreciar en la tabla 9.3 que la longitud de las bolsas muestreadas estuvo dentro de las especificaciones. Sin embargo, en las muestras 12 y 18 la dimensin de algunas bolsas coincide con la especificacin inferior, por lo que existe la posibilidad de que la produccin generada en el entorno de tales muestras no cumpla con las

26

especificaciones. De esta manera, para que tenga sentido hablar de que la mquina que hace los cortes es capaz, se requiere que est bajo control estadstico, de lo contrario no se podr predecir confiablemente sobre el futuro inmediato. En sntesis, se tiene que el proceso est fuera de control estadstico y, si slo nos atenemos a los datos mustrales de la tabla 9.3, es capaz de cumplir con las especificaciones, quedando en evidencia la diferencia entre ambos conceptos. De acuerdo con la tabla 9.2, el proceso cae en la categora B, por lo que el uso de la carta de control sera de utilidad para detectar las situaciones especiales que provocan la falta de control. Adems, se debe analizar de cerca la mquina de corte para prevenir que empeore; en particular algo que se debe modificar es la forma en que se ajusta actualmente. En este sentido, la carta de medias podra ayudar a hacer los ajustes en la mquina, ya que si en la mquina se empieza a dar alguna tendencia a hacer cortes ms pequeos o ms grandes, esto se detectara rpidamente mediante la carta X barra, con lo que se podra actuar con oportunidad, y no hasta que la situacin haga crisis. Para decidir qu lmites de control se usarn para analizar los datos futuros, lo primero que se debe hacer, como habamos dicho, es investigar qu es lo que estuvo ocurriendo de especial cuando se tomaron las muestras 12 y 18. Si se encuentran las causas se eliminan estas muestras, y con el resto de datos se recalculan los lmites de control definitivos; si no se encuentran, entonces los lmites ya calculados se usarn como definitivos. Las personas que estaban haciendo este estudio inicial en la mquina de corte se dieron cuenta de que las muestras 12 y 18 coinciden con el inicio del tercer y cuarto das. En particular en este ltimo da se cree que la causa especial est asociada con un nuevo lote de materia prima, por lo que deciden slo excluir la muestra 18. De esta manera, se excluye la muestra 18 y se recalculan los lmites de control. Por lo tanto, los lmites a usar a futuro para la carta de medias son LCI = 29.776 Lnea central = 29.993 LCS = 30.210, mientras que los lmites definitivos para la carta de rangos sern LCI = 0 Lnea central = 0.376 LCS = 0.795 Estos lmites se usarn hasta que haya un cambio permanente en la mquina, tal como un aumento o reduccin de la variabilidad. Su uso adecuado podr ayudar a identificar las situaciones que hicieron que la mquina haya estado fuera de control estadstico en cuanto a la tendencia central. Tambin ayudar a evitar ajustes innecesarios y a prevenir la ocurrencia de situaciones que empeoren el desempeo de la mquina.

27

9.5. INTERPRETACIN DE LAS CARTAS DE CONTROL


Como se haba comentado antes, una seal de que se ha detectado una causa especial de variacin (o seal de que ha habido un cambio especial en el proceso) se manifiesta cuando un punto cae fuera de los lmites de control o cuando los puntos graficados en la carta siguen un comportamiento no aleatorio (por ejemplo, una tendencia a aumentar, un movimiento cclico, etctera). Para facilitar la identificacin de patrones no aleatorios lo primero que se hace es dividir la carta de control en seis zonas o bandas iguales, cada una con una amplitud similar a una desviacin estndar de la variable que se grafica (ver figura 9.10). A continuacin se dan seis patrones para el comportamiento de los puntos en una carta. Tambin se presentan las razones comunes por las cuales pueden ocurrir dichos comportamientos. Adems, se dan algunas pruebas estadsticas para confirmar la existencia del patrn bajo discusin. Estas pruebas se han derivado bajo el supuesto de normalidad e independencia en los datos, 3 por lo que, de no cumplirse, las pruebas deben verse con reservas. En particular si dos muestras consecutivas de una carta no son independientes, entonces se debe intentar modificar el muestreo para que s sean independientes, o usar otro tipo de cartas de control (ver Montgomery, 1991).

Las 6 zonas de una carta.

FIGURA 9.10

28

Independencia entre los datos intuitivamente significa que el que se obtenga una muestra cuyo estadstico (promedio, por ejemplo) sea alto no influye para que el siguiente tambin lo sea.

PATRN 1. CAMBIOS (BRINCOS) EN EL NIVEL DEL PROCESO


Este patrn es un cambio que se registra en la carta cuando pocos puntos estn fuera o muy cerca de los lmites de control (ver figura 9.11) o cuando una gran cantidad de puntos caen de un solo lado de la lnea central (ver figura 9.12). Estos cambios especiales pueden deberse a la introduccin de nuevos trabajadores, mquinas, materiales o mtodos; tambin pueden deberse a cambios en los mtodos de inspeccin, o a una mayor o menor atencin de los trabajadores. Cuando esto ocurre en las cartas X barra, p, np, u o c, se dice que ha habido un cambio en el nivel promedio del proceso; por ejemplo, en las cartas de atributos eso significa que el nivel promedio de disconformidades se increment o disminuy, mientras que en la carta X barra un cambio de nivel significa que el centrado del proceso tuvo cambios. En la carta R significa que la variabilidad aument o disminuy. Un cambio en el nivel del proceso ha ocurrido cuando se cumple una de las siguientes cuatro pruebas: Prueba 1. Un punto fuera de los lmites de control. Prueba 2. Dos de tres puntos consecutivos en la zona A o ms all. Prueba 3. Cuatro de cinco puntos consecutivos en la zona B o ms all. El cumplimiento de estas tres pruebas se muestra en la figura 9.11. Cuando se est analizando el proceso con datos o muestras recin obtenidas y se cumple alguna de las tres pruebas, entonces eso es indicativo de que ha entrado al proceso una causa especial que ha provocado que el proceso est operando con otro nivel. Tal cambio pudo darse

FIGURA 9.11 Cambio de nivel en un proceso, pruebas 1, 2 y3.

29

FIGURA 9.12 Cambio de nivel, prueba 4.

de manera paulatina hasta que alcanz una magnitud considerable y la carta lo registr, o tambin pudo darse desde hace un rato de manera repentina. En cualquier caso se debe investigar qu de especial ha ocurrido, identificarlo y actuar en consecuencia. De no hacerse nada puede que despus de un tiempo el proceso regrese a su nivel normal, una vez que haya desaparecido la causa. Pero tambin puede ocurrir que dicha causa se quede permanentemente en el proceso hasta que se haga algo para eliminarla. Siempre que se detecte un cambio de nivel se debe actuar inmediatamente para identificar la causa, lo cual permitir conocer ms el proceso, con lo que si el cambio es positivo se estar en posibilidades de mantener esa mejora; por el contrario, si el cambio se traduce en mala calidad se debe trabajar para lograr el nivel anterior o para prevenir que en el futuro no se d tal cambio especial. En ocasiones, cuando se cumple alguna de las tres pruebas anteriores, lo que se hace adems de investigar la causa, es tomar datos de inmediato para confirmar el cambio y monitorear ms de cerca lo que est pasando en el proceso.

Prueba 4. Ocho puntos consecutivos de un solo lado de la lnea central. Este cambio de nivel se muestra en la primera parte de la figura 9.12. En estos casos la causa especial ha entrado al proceso, y posiblemente eso haya ocurrido hace ocho muestras, por lo cual se trata de un cambio ms permanente. Por ejemplo, cuando se dan ocho puntos consecutivos por abajo de la lnea central en una carta R, entonces se ha dado una reduccin definitiva en la variabilidad del proceso; si eso ocurre en una carta de atributos, entonces se ha dado una reduccin ms definitiva en el nivel promedio de piezas defectuosas del proceso (ver ejemplo 9.7); todo lo contrario se

30

puede decir si los ocho puntos estn por arriba de la lnea central: aumento de variabilidad e incremento en el nivel promedio de defectuosos, respectivamente. En ocasiones, dada la importancia de detectar con ms oportunidad este tipo de cambios, la prueba 4 se ampla de la siguiente manera:

Al menos 10 de 11 puntos consecutivos ocurren de un mismo lado de la lnea central, como se muestra en la segunda parte de la figura 9.12. Al menos 12 de 14 puntos consecutivos ocurren de un mismo lado de la lnea central.

Si adems de la prueba 4 se cumple alguna de las tres primeras, eso ser an mayor evidencia de que un cambio especial ha ocurrido. Cuando una carta detecta que el proceso t o un brinco o cambio de nivel, el administrador de la carta no debe "hacerse de la vista gorda" y esperar a ver si pasa el cambio, porque se estar desaprovechando una oportunidad para identificar los factores que afectan al proceso negativa o positivamente. Si una carta no se usa para actuar sobre el proceso, pierde mucho de su potencial. Estas cuatro pruebas se construyeron bajo el supuesto de normalidad, y bajo control estadstico tienen muy poca probabilidad de ocurrir (ver Camacho y Gutirrez, 1994). Por ello la aplicacin a la carta de medias genera muy pocas falsas alarmas.4 Con las otras cartas ocurre algo similar; sin embargo, se tienen las siguientes precisiones:
1.

En la carta R con tamao de muestra mayor o igual que 5 la aplicacin de las cuatro pruebas es aproximadamente igual de confiable que en la carta X barra. Para tamaos de muestra menor que 5 la aplicacin de la prueba 2 a 4 del lado superior de la carta es todava ms confiable; pero del lado inferior se generan ms falsas alarmas, por lo que en este caso se pueden aplicar las pruebas construidas para cuando se usa un tamao de muestra n - 2. Las pruebas 2, 3 y 4 modificadas para aplicarse en la carta de rangos del lado inferior cuando se tienen tamaos de muestra menores que n - 5 son: la prueba 2 debe convertirse en 4 puntos consecutivos en la zona A, la prueba tres en 6 puntos consecutivos en la zona B o ms all y la prueba cuatro en 10 puntos consecutivos por abajo de la lnea central (ver Western Electric, 1958).

2. En el caso de las cartas p y np, para ciertos tamaos mustrales y valores de p se genera una mayor cantidad de falsas alarmas que las que se esperaran con la carta de medias. Sobre todo la prueba 2 en el lado superior y la 4 en el lado inferior (ver Camacho y Gutirrez, 1994). Por ello, si las pruebas 2 a 4 resultan positivas, se pueden ver como un aviso de alerta, donde a la vez que se trate de investigar qu de especial est pasando, tambin se pueda confirmar si realmente ha ocurrido un cambio. En la seccin 9.6, donde se vern con detalle las cartas p y np, se propone una alternativa en la construccin de tales cartas, que permite aplicar con ms confianza las pruebas 2 a 4.

Se dice que hay una falsa alarma cuando en la carta se detecta que el proceso est fuera de control estadstico, cuando en realidad no es as. Sin embargo, la probabilidad de una falsa alarma en la carta de medias es muy baja: se espera que con la prueba 1 una falsa alarma ocurra en promedio cada 370 puntos en la carta.

31

PATRN 2. TENDENCIAS EN EL NIVEL DEL PROCESO


Este patrn consiste en una tendencia a incrementarse (o disminuirse) los valores de los puntos en la carta, como se aprecia en la figura 9.13. Una tendencia bien definida y larga no es un patrn aleatorio, por ello se debe a alguna causa especial. Por ejemplo, puede deberse al deterioro gradual del equipo de produccin, desgaste de las herramientas de corte; acumulacin de productos de desperdicio en las tuberas, calentamiento de mquinas o cambios graduales en las condiciones del medio ambiente. Estas causas se reflejan prcticamente en todas las cartas excepto en la de rangos. Las tendencias en una carta de rangos son ms raras, pero cuando se dan, pueden deberse a la mejora o empeoramiento de la habilidad de un operario, a la fatiga del operario (la tendencia se repetir en cada turno) y al cambio gradual en la homogeneidad de la materia prima. Para determinar si hay una tendencia en el proceso se tiene la siguiente prueba concreta: Prueba 5. Seis puntos consecutivos ascendentes (o descendentes). El cumplimiento de esta prueba se muestra en la primera parte de la figura 9.13. En ocasiones se presentan tendencias que no se ajustan a la prueba 5, como es el caso de la que se presenta en la segunda parte de la figura 9.13. En este caso evidentemente hay una tendencia, ya que es demasiado largo el movimiento ascendente como para que sea aleatorio. Cuando se presenta este tipo de tendencias, pero ms cortas, resulta difcil determinar cundo es un comportamiento aleatorio o cundo no lo es. Sin

FIGURA 9.13 Tendencias no aleatorias en un proceso

32

embargo, el conocimiento del proceso y un buen uso de las cartas de control podrn facilitar la identificacin. La recomendacin bsica en este caso sera que, en el momento en que se d un flujo largo y creciente de puntos que parezca no aleatorio, entonces es una seal de alerta para vigilar ms de cerca el desempeo del proceso, para que en su caso se pueda identificar la causa del mismo. El uso de las cartas de control para determinar el momento oportuno de dar mantenimiento o ajustes en el proceso resulta de mucha utilidad, ya que cuando se vuelve indispensable el mantenimiento esto puede reflejarse en una tendencia. Cuando se dan puntos consecutivos de manera ascendente o descendente, es importante ajustarse en forma exacta al criterio de la prueba 5 para detectar tendencias, de lo contrario se puede detectar donde slo hubo variabilidad aleatoria. No es vlido afirmar que hubo una ligera tendencia cuando se presentaron tres, cuatro o cinco puntos consecutivos en aumento o en disminucin. Se debe ser categrico: hubo o no tendencias, siendo claro el criterio para ello. Desde el punto de vista probabilstico resulta confiable la aplicacin de la prueba 5 a todas las cartas que se describen en este libro. Cabe aclarar que existen procesos que por su naturaleza siempre operan con tendencias. En estos casos se dice que no hay independencia entre puntos consecutivos, por ello la aplicacin de las cartas que se describen en este libro no resultan adecuadas. En este tipo de casos se debe recurrir a otro tipo de cartas de control (ver cap. 8, Montgomery, 1991).

PATRN 3. CICLOS RECURRENTES (PERIODICIDAD)


Otro patrn no aleatorio que pueden presentar las cartas es un comportamiento cclico de los puntos. Por ejemplo, se da un flujo de puntos consecutivos que tienden a crecer y luego se presenta un flujo similar pero de manera descendente, y esto se repite cclicamente. Cuando un comportamiento cclico se presenta en la carta X barra, entonces las posibles causas son temperatura u otros cambios peridicos en el ambiente; diferencias en los dispositivos de medicin o de prueba que se utilizan en cierto orden; rotacin regular de mquinas u operarios; efecto sistemtico producido por dos mquinas, operarios o proveedores que se usan alternadamente. Si el comportamiento cclico se presenta en la carta de rangos, entonces algunas de las posibles causas son mantenimiento preventivo programado o fatiga de trabajadores o secretarias. Las cartas p, np, c y u se ven afectadas por las mismas causas que las cartas de medias y rangos. Para saber si hay un ciclo se debe observar que, en efecto, ste se repita peridicamente. Por ello se debe ser muy cuidadoso y recurrir al conocimiento del proceso y a un buen uso de la carta. Cuando el ciclo consiste en que los puntos se van alternando entre altos y bajos, tenemos la siguiente prueba. Prueba 6. Catorce puntos consecutivos alternando entre altos y bajos. El cumplimiento de esta prueba se muestra en la figura 9.14. Un error frecuente de interpretacin en los ciclos como el de esta figura, es declarar que hubo un ciclo slo.

33

FIGURA 9.14 Un comportamiento Cclico en un proceso.

porque unos cuantos puntos en la carta se van alternando entre altos y bajos; el criterio en estos casos es muy claro: "14 puntos consecutivos alternando entre altos y bajos". Desde el punto de vista probabilstico resulta confiable la aplicacin de la prueba 6 a todas las cartas que se describen en este libro.

PATRN 4. MUCHA VARIABILIDAD


Una seal de que en el proceso hay una causa especial de variacin, que provoca que est fuera de control estadstico, se manifiesta mediante una alta proporcin de puntos cerca de los lmites de control, a ambos lados de la lnea central, y muy pocos o ningn punto en la parte central de la carta. En estos casos se dice que hay mucha variabilidad, como se puede ver en la figura 9.15. Algunas causas que pueden afectar a la carta X barra de esta manera son sobrecontrol o ajustes innecesarios en el proceso (ver seccin 9.1), diferencias sistemticas en la calidad del material o en los mtodos de prueba, y control de dos o ms procesos en la misma carta (uno con resultados mayores y otro con resultados menores), mientras que la carta R se puede ver afectada por la mezcla de materiales de calidades bastante diferentes, diferentes trabajadores utilizando la misma carta R (uno ms hbil que el otro), y datos de procesos operando bajo diferentes condiciones graficados en la misma carta. Una prueba para detectar la alta proporcin de puntos cerca o fuera de los lmites es la siguiente:

Prueba 7. Ocho puntos consecutivos a ambos lados de la lnea central con ninguno en la zona C (ver figura 9.15).

34

FIGURA 9.15 Mucha variabilidad.

La alta proporcin de puntos cerca o fuera de los lmites de control en ocasiones se debe a una mala planeacin de la instrumentacin de la carta. Por ejemplo, el sobreajuste es un indicio claro del desconocimiento de los objetivos de una carta de control. ste se puede dar cuando al operario se le responsabiliza por la mala calidad producida por las mquinas o cuando al operario no se le cre conciencia ni se le hizo partcipe en la instrumentacin de la carta. Muchas de las posibles causas que motivan la alta proporcin de puntos cerca de los lmites de control pueden ser corregidas con una buena planeacin del muestreo del proceso, es decir, razonando adecuadamente el subgrupo (muestra). Desde el punto de vista probabilstico resulta confiable la aplicacin de la prueba 7 a todas las cartas que se describen en este libro.

PATRN 5. FALTA DE VARIABILIDAD (ESTATIFICACIN)


Una seal de que hay algo anormal en el proceso es el que prcticamente todos los puntos se concentren en la parte central de la carta, es decir, que los puntos reflejen poca variabilidad, como se aprecia en la figura 9.16. Algunas de las causas que pueden afectar a todas las cartas de control de esta manera son una equivocacin en el clculo de los lmites de control, agrupamiento en una misma muestra a datos provenientes de universos con medias bastantes diferentes, "cuchareo" de los resultados y carta de control inapropiada para la variable en cuestin. Para detectar falta de variabilidad se tiene la siguiente prueba:

35

LCS

FIGURA 9.16 Falta de variabilidad en una carta de control. LCI

Prueba 8. Quince puntos consecutivos en la zona C, arriba o abajo de la lnea central (ver figura 9.16). Una reduccin en la variabilidad se refleja en la carta , X barra de esta manera, pero en la carta de rangos se apreciaran muchos puntos por abajo de su lnea central. Si ha ocurrido una reduccin en la variabilidad, lo que se debe hacer es recalcular los lmites de control. Para afirmar que hay poca variabilidad en una carta de control se debe aplicar al pie de la letra la prueba anterior. Desde el punto de vista probabilstico, la aplicacin de la prueba 8 generar ms falsas alarmas en las cartas p y np que en la carta de medias, sobre todo en combinaciones especficas de los valores de p y n. Por ello esta prueba se debe aplicar con ms cuidado en estas cartas. Cuando alguna de las ocho pruebas anteriores es positiva, entonces el proceso est fuera de control estadstico. Es decir, se ha detectado una causa especial d variabilidad, lo que se traduce en cambios significativos en la correspondiente caracterstica: calidad promedio, variacin, proporcin de artculos defectuosos o nmero de defectos. Cabe sealar que si el proceso est fuera de control estadstico no significa que no se pueda seguir produciendo con l, sino que el proceso est trabajando con variaciones debidas a alguna causa especfica (material heterogneo, cambios de operadores, diferencias significativas entre mquinas, desgaste o calentamiento de equipo, etctera). Ser responsabilidad de quienes aplican la carta de control buscar la causa de variacin o no hacer nada, en cuyo caso las cartas pierden mucho de su potencial.

36

Frases como las siguientes: "El proceso dio un brinco tal da, pero ya regres a su nivel normal", "De tal a tal da hubo una tendencia, pero las cosas regresaron a la normalidad", "El proceso tiene un comportamiento cclico, pero se est cumpliendo con especificaciones", implican que las cartas de control se usan como bitcora, pero una carta de control no es una "bitcora de proceso". En todos los casos anteriores se desperdici una excelente oportunidad (una seal estadstica) para conocer y mejorar el proceso. Salirse de control estadstico es seal de que un factor especfico de variacin est presente y se debe investigar cul es, para prevenir su ocurrencia. El uso e interpretacin adecuada de las cartas de control las convierten en una herramienta poderosa para lograr el conocimiento y la mejora de los procesos.

9.6. CARTA DE INDIVIDUALES


La carta de individuales es un diagrama para variables de tipo continuo que se podra ver como un caso particular de la carta X barra - R, cuando el tamao de muestra es n = 1, pero por las diferencias en los procesos que se aplican la vamos a explicar aparte. Existen muchos procesos o situaciones donde no tiene sentido prctico agrupar medidas para formar una muestra o subgrupo y poder instrumentar una carta X barra - R, por lo que la mejor alternativa para controlar estos procesos mediante una carta de control es usar un tamao de muestra n = 1. Ejemplos de estas situaciones son los siguientes: Procesos muy lentos, en los que resulta inconveniente esperar otra medicin para analizar el desempeo del proceso, como sera el caso de procesos qumicos que trabajan por lotes. Procesos en los que las mediciones cercanas slo difieren por el error de medicin. Por ejemplo, temperaturas. Se inspecciona de manera automtica todas las unidades producidas. Resulta costoso inspeccionar y medir ms de un artculo.

En estos casos la mejor alternativa es usar una carta de individuales, donde cada medicin particular de la caracterstica de calidad que se obtiene se registra en una carta. Para estimar la variabilidad de estas mediciones se acostumbra usar el rango mvil de dos observaciones consecutivas, por lo que, al graficar estos rangos, se obtiene una carta de rangos mviles. Aspectos como consumo de agua o energa tambin pueden evaluarse con este tipo de cartas. Veamos el siguiente ejemplo:

EJEMPLO 9.6

En una empresa se hacen impresiones en lminas de acero, que posteriormente se Convierten en recipientes de productos de otras empresas. Un aspecto importante a vigilar en dicha impresin es la temperatura de "horneada" donde, entre otras cosas se da adherencia y se seca la lmina, una vez que sta ha sido impresa. En una fase particular

37

de la horneada se tiene que la temperatura de cierto horno debe ser 125C, con una tolerancia de 5C. Si no se cumple con tal rango de temperatura, entonces se presentan problemas en la calidad final de la impresin. Para controlar de manera adecuada tal caracterstica de proceso se usa una carta de control, y evidentemente aqu no tiene sentido tomar una muestra de tamao cuatro, por ejemplo, ya que si se miden las temperaturas del horno de manera consecutiva, entonces stas sern prcticamente las mismas; y si las mediciones no se hacen de manera consecutiva y se hacen, supongamos, cada hora, entonces habr que esperar cuatro horas para poder graficar un punto en la carta de control, y as poder aalizar el proceso. De esta manera resulta ms prctico hacer una medicin de la temperatura en el horno de manera peridica, y en cuanto se obtiene el dato graficarlo en la carta para evaluar el desempeo del proceso. Es decir, resulta ms prctico llevar una carta de control para individuales.

TABLA 9.4 Datos del ejemplo 9.6 Temperatura en el horno 125.1 127.5 122.7 126.4 125.5 130.5 127.3 127.5 127.3 123.0 123.5 128.0 126.4 128.3 129.5 128.1 125.1 128.5 125.0 126.3 126.5 127.9 129.5 131.9 X barra barra=126.97

Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Rango mvil 2.4 4.8 3.7 0.9 5.0 3.2 0.2 0.2 4.3 0.5 4.5 1.6 1.9 1.2 1.4 3.0 3.4 3.5 1.3 0.2 1.4 1.6 2.4 R barra=2.287

38

En la tabla 9.4 se muestran las temperaturas obtenidas en tres das, midiendo la temperatura en el horno cada hora. La segunda columna en dicha tabla representa los rangos entre temperaturas consecutivas. Para investigar si la temperatura tuvo una variabilidad estable primero analizamos los rangos mviles, en cuyo caso los lmites de control se obtiene igual que la carta R ordinaria, pero las constantes D3 y D, siempre se van a tomar considerando el tamao de muestra n = 2, dado que el rango se obtiene de entre los datos de dos mediciones consecutivas de temperatura. De esta manera, los lmites de control para la carta de control de rangos mviles de orden 2 estn dados por LCS = D4R = 3.267 x R barra Lnea central = R barra LCI = D3R barra = 0, donde las constantes son D3 = 0 y D4 = 3.267, como se puede ver en la tabla 1 del Apndice, con lo que los lmites de control para los datos de la tabla 9.4 son LCS = 3.267 x R barra = 3.267 x 2.287 = 7.475 Lnea central = R barra = 2.287 LCI = 0. En la figura 9.17 se muestra la correspondiente carta de control, a partir de la cual se puede apreciar que la temperatura en el horno estuvo en control estadstico en cuanto

FIGURA 9.17 Carta de rangos, Mviles para la temperatura.

39

a variabilidad, ya que ninguna de las ocho pruebas que se vieron en la seccin 9.5 se cumplen. Por lo tanto, la diferencia entre las temperaturas de una hora a otra estuvieron fluctuando de manera estable entre 0 y 7.475 grados centgrados. Para analizar el comportamiento de la tendencia central, se usa la carta de individuales. Partiendo de la expresin general para los lmites de una carta de control tipo Shewhart (ver seccin 9.3), estimando la media con la media muestral y la desviacin estndar con los rangos promedio, se tiene que los lmites para una carta de individuales estn dados por5

x 3x =X barra 3 ( R barra /d2),


donde la constante es d2 = 1.128, ya que los rangos se obtienen de entre dos datos, n = 2. Aplicando lo anterior, los lmites de control para las temperaturas del horno son los siguientes: LCS = 126.97 + (3 x 2.287 / 1.128) = 133.05 Lnea central = 126.97 LCI = 126.9 - (3 x 2.287 / 1.128) = 120.97. La carta de control obtenida se muestra en la figura 9.18, en la cual, si bien no hay puntos fuera de los lmites de control, se aprecia que el proceso estuvo fuera de control

En ocasiones, debido ala lentitud conque se obtienen los datos de las variables que se analizan a travs de una carta de control de individuales, los lmites se calculan con dos desviaciones estndar, en lugar de tres.

estadstico en cuanto a tendencia central, ya que en las ltimas mediciones de temperatura se cumple la prueba para tendencia se dan seis puntos consecutivos de manera ascendente. De esta forma, alguna causa especial provoc una tendencia a que la temperatura se incrementara en el ltimo da, por lo que se debe actuar de inmediato para identificarla, lo cual permite prevenir FIGURA 9.18 problemas ms graves en la impresin de las lminas de acero. Carta de individuales para la Los responsables del proceso identificaron tal tendencia como una seal de temperatura enque ya era necesario el mantenimiento peridico que se le da al horno. Tambin el horno. en la misma carta se aprecia que el proceso estuvo descentrado, ya que la temperatura promedio fue de 126.97C, y no de 125 como se desea; esto tambin pudo ser causado por la necesidad de mantenimiento. La decisin que se tom fue dar mantenimiento al horno y volver a tomar datos para establecer los nuevos lmites de control. Por otra parte, en cuanto a la capacidad del proceso para cumplir con las especificaciones de temperatura, lo primero que debemos notar es que los lmites de una carta de individuales coinciden con los lmites naturales del proceso (ver seccin 9.4), por lo que la capacidad puede ser investigada directamente de los lmites de esta carta. En particular, en el problema que nos ocupa, tenemos que el lmite superior est fuera de la especificacin superior (130), mientras que el lmite inferior s est

40

dentro de la especificacin inferior. Por lo tanto, el proceso estuvo operando con temperaturas ligeramente mayores a las toleradas. Si despus del mantenimiento se centra el proceso, pero no se reduce la variabilidad, entonces se reducirn los problemas un poco por el lado superior, pero parte de ellos se trasladarn al lado inferior. En todo caso, despus del mantenimiento se debe analizar cmo est la capacidad. Por otra parte, se tiene que para aplicar las ocho pruebas a las cartas de.individuales, para detectar causas especiales de variacin y no generar demasiadas falsas alarmas, la variable que se grafica en la carta de individuales debe tener una distribucin similar a la normal. En caso de no ser as y si no se verifican las probabilidades especficas de falsas alarmas, entonces las pruebas que se deben aplicar con cuidado y reservas son la dos, tres, cuatro y ocho. En la carta de rangos mviles, por el lado superior se pueden aplicar todas las pruebas, mientras que por el lado inferior, tal como se formularon las pruebas 1, 2, 3 y 4, no se deben aplicar, pero si se quieren aplicar para aumentar la sensibilidad de la carta, entonces la prueba dos debe convertirse en 4 puntos consecutivos en la zona A, la prueba tres en 6 puntos consecutivos en la zona B o ms all, y la prueba cuatro en 10 puntos por abajo de la lnea central (ver Western Electric, 1958).

9.7.

CARTAS p Y np

Existen muchas caractersticas de calidad del tipo pasa o no pasa, donde de acuerdo con stas un producto es juzgado como defectuoso o no defectuoso, dependiendo de si se posee ciertos atributos. En estos casos, a un producto que no rene ciertos atributos

no se le deja pasar a la siguiente etapa del proceso y se le segrega denominndolo artculo defectuoso. Tambin se acostumbra llamar a estos productos como no conformes. Carta p (proporcin de artculos defectuosos). Esta carta muestra las variaciones en la fraccin o proporcin de artculos defectuosos por muestra. Es ampliamente usada para reportar la proporcin (o porcentaje) de productos defectuosos en un proceso. En esta carta se revisa cada uno de los artculos de una muestra (o subgrupo), y cada uno de stos tiene una calidad aceptable o no, es decir, un artculo pasa o no pasa. En la carta p se toma una muestra o subgrupo de n artculos, que puede ser la totalidad o una parte de las piezas de un pedido, un lote, un embarque o cierta produccin. Se revisa cada uno de estos n artculos y se encuentra cules son defectuosos; entonces, en la carta p se grafica la proporcin p; de artculos defectuosos, que se obtiene al dividir la cantidad de artculos defectuosos encontrada en cada muestra entre el tamao de muestra, n. El fundamento estadstico de una carta p es proporcionado por la distribucin binomial (ver Apndice) por lo que, para calcular sus lmites, deducir las distintas propiedades y posibles aplicaciones de una carta p, se recurre a tal distribucin.

41

Cuando se est haciendo un estudio inicial para establecer los lmites de control en una carta p, entonces, como lo hemos venido recalcando, lo que se tiene que hacer es estimar la media y la desviacin estndar de la variable que se grafica en la carta; que en el caso de la carta p, es pi. Considerando esto, y de acuerdo con la distribucin binomial, si se toman varias muestras (aproximadamente 20), los lmites de control para una carta p estn dados por

Lnea central = p barra + 3 Lnea central = p barra Lnea central = p barra - 3

p barra (1 p barra) n

p barra (1 p barra) n

donde n es el tamao de muestra y p barra es la proporcin promedio de artculos defectuosos, que se obtiene al dividir la cantidad de artculos defectuosos en todas las muestras entre la totalidad de productos inspeccionados. Como se puede apreciar en la frmula para calcular los lmites, la raz cuadrada de la expresin anotada es la estimacin de la desviacin estndar de pi.
En ocasiones el tamao de muestra, n, es variable de muestra a muestra; en estos casos se tienen dos alternativas: la primera es usar el tamao de muestra promedio, en lugar de n, para calcular los lmites de control; y la segunda es construir una carta de control con lmites variables, en la que para cada muestra se calcula el lmite de control de acuerdo con el valor de n. Cuando se opta por la segunda alternativa, los lmites de control variables para la carta p se obtienen de la siguiente forma:

LCS = p barra + 3

p barra (1 p barra) ni

TABLA 9.5

Vlvulas defectuosas en el proceso de fundicin.

Muestra o lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Tamao de lote, ni 300 300 300 300 330 300 300 280 290 300 300 300 300 300 305 295

Artculos defectuosos Di 15 12 15 7 16 6 18 10 9 25 9 4 7 9 5 15

Proporcin pi 0.05 0.04 0.05 0.02 0.05 0.02 0.06 0.04 0.03 0.08 0.03 0.01 0.02 0.03 0.02 0.05

42

17 18 19 20 21

300 300 300 300 300 n barra = 300

19 7 12 10 4

0.06 0.02 0.04 0.03 0.01 p barra = 0.0362

Lnea central = p barra LCI = p barra - 3

p barra (1 p barra) ni

donde n, es el tamao de cada muestra, y p barra es igual que antes.

EJEMPLO 9.7

En una empresa del ramo metal-mecnico se fabrican vlvulas. Despus del proceso de fundicin se hace una inspeccin y las piezas que no cumplen con ciertas caractersticas son rechazadas. Las razones por las que pueden ser rechazadas son diversas: piezas incompletas, porosas, mal formadas, etctera. Para evaluar la variabilidad y la magnitud de la proporcin de piezas defectuosas en el proceso de fundicin se decide implantar una carta p. El proceso de fundicin se hace por lotes. En la tabla 9.5 se muestran los datos obtenidos durante una semana para cierto tipo de vlvulas. Aunque regularmente el

tamao de lote es fijo, n = 300, en ocasiones por diferentes motivos en algunos lotes se hacen unas cuantas piezas de ms o de menos, como se aprecia en la tabla 9.5. Para analizar estos datos mediante un estudio inicial con la cana p lo primero que se requiere es calcular sus lmites de control provisionales, y para ello se tienen dos alternativas: usar el tamao de muestra (lote) promedio, o construir una carta con lmites variables. Vamos a ejecutar ambas alternativas. El primer paso para calcular los lmites provisionales con tamao de muestra promedio es calcular , para lo cual se suma el total de piezas inspeccionadas, es decir, se suman los ni y se divide entre el total de muestras (lotes), 21. De la tabla 9.5 se obtiene - 300. As en la frmula para calcular los lmites de control, n se sustituye por . Tambin es necesario calcular p, que se obtiene sumando todos los artculos defectuosos, las D; y dividindolas entre el total de artculos inspeccionados, la suma de los ni con lo que se obtiene p - 0.0362. De esta manera los lmites de control son

LCS = 0.0362 + 3

0.0362 * (1 0.0362 ) = 0.0686 300

Lnea central = 0.0362

43

LCS = 0.0362 3

0.0362 * (1 0.0362) = 0.00386 300

La carta p con estos lmites se muestra en la figura 9.19. En sta se aprecia que el proceso de fundicin no estuvo en control estadstico, ya que en el lote 10 se dio una proporcin de artculos defectuosos mayor que el lmite superior. De aqu que en la

FIGURA 9.19 Carta p con lmites promedio para fundicin.

fabricacin de tal lote hubo alguna situacin especial que caus una proporcin de artculos defectuosos anormalmente grande. Tal causa debe ser identificada para que en lo futuro no se vuelva a presentar.

15

Interpretacin de los lmites de control de la carta p. Un aspecto importante en el uso de cualquier carta es la interpretacin de sus lmites. En este caso, los de la figura 9.19 nos dicen que la proporcin de artculos defectuosos, en tal tipo de lotes de 300 piezas, flucta ordinariamente entre 0.00386 y 0.0686, con un promedio de 0.0362.

44

En ocasiones resulta ms intuitivo para la administracin el uso de porcentajes en lugar de proporciones; en estos casos, se multiplica por 100 toda la escala de la carta p, y se obtiene lo que suele identificarse como carta 100p, en la que en lugar de registrarse la proporcin de artculos defectuosos se registra el porcentaje. De esta manera la interpretacin de los lmites de control para el problema de fundicin sera: el porcentaje de artculos defectuosos, en tal tipo de lotes de 300 piezas, flucta ordinariamente entre 0.38% y 6.86%, con un promedio de 3.62%. Carta p con lmites variables. Para calcular los lmites exactos para cada muestra de los datos de la tabla 9.5 se sustituye cada tamao de muestra, ni, en la frmula para calcular los lmites. De esta manera los lotes que tienen tamao ni = 300 tendrn los mismos lmites que la carta de la figura 9.19, mientras que para los lotes que tienen otro tamao ser necesario calcular sus propios lmites; por ejemplo, en el caso del lote 5 que tiene tamao 330, los lmites son

FIGURA 9.20 Carta p con lmites variables para fundicin.

LCS = 0.0362 + 3 Lnea central = 0.0362 LCS = 0.0362 3

0.0362 * (1 0.0362) = 0.0670 330

0.0362 * (1 0.0362) = 0.00535 330

45

Con el mismo procedimiento se calcula el resto de los lmites para tamaos de muestra distintos a 300, despus de lo cual se obtiene la figura 9.20. Como se puede apreciar en tal carta, cuando el tamao de muestra es ms grande los lmites son ms estrechos. La carta de la figura 9.20 tiene una gran similitud con la carta con lmites promedio, debido a que los tamaos mustrales no discrepan mucho entre s. Por lo anterior, si en una carta p los tamaos mustrales no son muy diferentes y la carta p se obtiene directamente en el lugar de trabajo donde no se cuenta con una computadora, entonces con resultados aproximados se podr usar una carta con lmites promedio. Por otro lado si son muy diferentes entonces ser necesario calcular tantos lmites como tamaos muestrales,6 como en el caso de la carta de la figura 9.20. Los responsables del proceso de fundicin con la evidencia que proporciona la carta de la figura 9.19 se volvieron ms conscientes de la magnitud de los problemas en el proceso de fundicin, por lo que decidieron realizar un proyecto de mejora siguiendo el ciclo PHVA (ver captulo 12); en particular para verificar si las soluciones propuestas dieron resultado decidieron utilizar la carta p de la figura 9.19. Las proporciones de artculos defectuosos obtenidas despus de las modificaciones se muestran en la figura 9.21, a partir del lote 22. En esta carta se aprecia que las modificaciones dieron resultado, ya que a partir del lote 22, de un total de 18 puntos, 17 estn por abajo de la lnea central. Por lo tanto, de acuerdo con la prueba cuatro, ha disminuido la proporcin de vlvulas defectuosas que genera el proceso de fundicin. Para prevenir que las mejoras logradas sean irreversibles se tom una serie de medidas, entre las cuales se decidi continuar con el uso de la carta p. Para ello, tomando con base los datos obtenidos despus de las modificaciones, se calcularon los nuevos lmites de control, los cuales, junto con la carta p a usar a futuro se muestran en la figura 9.22, en la cual tambin es evidente el efecto de las modificaciones, ya que la nueva proporcin promedio es igual a 0.0189, y los lmites de control inferior y superior son 0 y 0.0425, respectivamente.
6 En ocasiones, si no se cuenta con una computadora, esto se vuelve un trabajo muy poco prctico, con lo que pierde mucho sentido la carta p. En tales casos, a menudo se prefiere usar una carta p normalizada o estandarizada, en la cual en lugar de graficar la proporcin muestral p;, se grafica la proporcin estandarizada

zi =

pi pbarra pbarra (1 pbarra ) ni

La lnea central en esta carta es igual a cero, y los lmites de control inferior y superior son -3 y 3, respectivamente.

FIGURA 9.21 Carta p para verificar mejoras

46

Ntese que en la carta de la figura 9.22 aparece un punto fuera del lmite superior, pero debido a que cuando se obtuvo an se estaban utilizando los lmites anteriores no se identific a tiempo la causa especial.

FIGURA 9.22 Carta p a usarse despus de las mejoras

De esta manera, se espera que ahora el porcentaje de vlvulas defectuosas despus del proceso de fundicin, en lotes de tamao 300 vare de 0 a 4.25%, con un promedio de 1.89%. Implantacin de una carta p. Cuando por primera vez se va a implantar una carta de control p para estudiar el comportamiento de cierta variable del tipo pasa o no pasa, es necesario definir la frecuencia y el tamao de muestreo, obtener datos y finalmente establecer los lmites de control que reflejen las variaciones del proceso cuando est bajo condiciones de control estadstico. Es comn que el tamao y frecuencia del muestreo lo defina el mismo proceso. Por ejemplo, si se hace inspeccin al 100% a la salida de un proceso, entonces la frecuencia se define por un periodo fijo, como puede ser cada da, turno o lote- y en funcin de esto se obtiene el tamao de muestra. Como es obvio, en estos casos el tamao y frecuencia del muestreo estn interrelacionados, y para definirlos se puede pensar el subagrupamiento, de tal forma que en una muestra no se mezclen distintas fuentes de variabilidad bien definidas, como pueden ser

47

diferentes turnos, mquinas o lotes. Existen procesos que a pesar del subagrupamiento generan tamaos muestrales muy grandes. En estos casos los lmites de control de la carta p sern demasiado estrechos e imprcticos, por lo que una alternativa mejor es aplicar una carta de control de individuales a las proporciones mustrales. Si en lugar de hacer un muestreo 100% se selecciona una muestra a la salida de un proceso, entonces se debe buscar un tamao de muestra constante que sea adecuado y para ello, adems de las consideraciones econmicas, se pueden tomar en cuenta algunos de los siguientes criterios: 1. Si p barra es pequea, entonces se debe elegir n de tal forma que el lmite inferior sea mayor que cero. Esto se logra tomando una n mayor que (1 - p) * (9) p barra Por ejemplo, supongamos que bajo control estadstico p barra = 0.03, entonces, para que el lmite de control inferior sea mayor que cero n debe ser mayor que (1 0.03) * (9) = 32.33 * 9 = 291 0.03 As, n = 300 sera una buena alternativa, en este caso. 2. Si p barra es grande, entonces algunos tamaos de muestra usuales son 25, 50 o 100, dependiendo de la magnitud del cambio que se quiera detectar: entre mayor sea n ms probabilidades de detectar pequeos cambios que se den en el proceso. Una vez que se ha decidido la frecuencia y tamao del muestreo se hace un estudio inicial obteniendo 20 o ms muestras, y con ellas se calculan los lmites de control. Si la carta indica que el proceso estuvo en control estadstico, entonces los lmites calculados se seguirn usando hasta que haya un cambio importante y permanente en

el proceso. Si este tipo de cambio se da, entonces los lmites establecidos con anterioridad ya no reflejarn la realidad del proceso, y por ello ya no sern apropiados; por lo que se deben tomar datos de la nueva realidad y calcular nuevos lmites de control (ver ejemplo 9.7). Si en el estudio inicial se observan puntos fuera de los lmites de control, entonces se debe buscar la causa que provoc esto y prevenirla. Hecho lo anterior, los lmites de control que se usarn en el futuro prximo se obtendrn sin tomar en cuenta los datos correspondientes a los puntos fuera de control. Si no se localiza la causa, es mejor empezar a usar provisionalmente los lmites iniciales (ver seccin 9.4). Carta np (nmero de artculos defectuosos). En ocasiones, cuando el tamao de muestra en las cartas p es constante, es ms conveniente usar la carta np en la que se grafica el nmero de artculos defectuosos por muestra (D), en lugar de la proporcin. Los lmites de control para la carta np se obtienen bajo el supuesto de la distribucin binomial, por lo que estn dados por

48

LCS = np barra + 3

n p barra (1 p barra)

Lnea central = np barra LCI = np barra 3 n p barra (1 p barra)

donde igual que en la carta p, n es el tamao de muestra y p es la proporcin promedio de artculos defectuosos, con lo que nn es la estimacin del nmero promedio de artculos defectuosos por muestra. En la frmula para obtener los lmites de control, la raz cuadrada de la expresin anotada es la estimacin de la desviacin estndar de D; (nmero de piezas defectuosas por muestra).
EJEMPLO 9.8

En un proceso de manufactura al final de la lnea de ensamble, antes de empacar, se hace la inspeccin y prueba final, y en una carta p se registra la proporcin de artculos defectuosos. En esta misma carta se combinan las fallas de los diferentes componentes. Analizando los datos obtenidos en la inspeccin final, a travs de una estratificacin y un anlisis de Pareto, se encuentra que la principal causa por la que los artculos salen defectuosos est relacionada con los problemas en el componente W, por lo que se decide analizar ms de cerca el proceso que produce tal componente. Para ello, de cada lote de componentes W se decide inspeccionar una muestra de n - 120, inmediatamente que salen de su proceso (antes de ser ensamblados). Los datos obtenidos en 20 lotes consecutivos se muestran en la tabla 9.6. El anlisis de estos datos se puede hacer directamente registrando la cantidad de artculos defectuosos por muestra sin necesidad de calcular la proporcin, es decir, se pueden analizar con una carta np. Para calcular los lmites de control de una carta np lo primero que se debe conocer es p, que se obtiene al dividir el total de artculos defectuosos entre el total de piezas inspeccionadas. As, de la tabla 9.6 se obtiene TABLA 9.6 Artculos defectuosos
Artculos defectuosos en la muestra 9 6 10 8 5 5 14 12 9 8 10

Lote 1 2 3 4 5 6 7 8 9 10 11

49

12 13 14 15 16 17 18 19 20

20 12 10 10 0 13 5 6 11 Total = 183

FIGURA 9.23

p barra =

183 = 0.076 120 * 20

Con lo que los lmites de control estn dados por 120 x 0.076 (1 - 0.076) LCS = 120 x (0.076) + 3 120 x 0.076 (1 - 0.076) = 17.87

Lnea central = 120 x (0.076) = 9.15 LCI = 120 x (0.076) 3 120 x 0.076 (1 - 0.076) = 0.428

La carta np que se obtiene se muestra en la figura 9.23, a partir de la cual se aprecia que el proceso estuvo fuera de control estadstico, ya que el nmero de piezas defectuosas en la muestra del lote 12 es mayor que el lmite superior, mientras que en la muestra del lote 16 es menor que el lmite inferior. De aqu que en la fabricacin del lote 12 se hizo presente una causa especial que afect seriamente el desempeo del proceso, mientras que en el lote 16 ocurri una causa especial que mejor el rendimiento del proceso de fabricacin de componentes W. Por lo tanto, se debe tratar de localizar ambas causas, con lo que se estar en posibilidades de prevenir la primera y fomentar la segunda.

50

En ocasiones, en un estudio inicial como el que se ha hecho con los componentes W, es difcil localizar las causas especiales, si es que las hubo, ya que ocurrieron en el pasado. Sin embargo, una vez que se establecen los lmites de control y en la carta se grafica la cantidad de piezas defectuosas inmediatamente despus de que se obtienen, ser ms fcil localizar las causas especiales que ocurran, ya que se estar analizando el proceso en tiempo presente. Por lo anterior, en el caso del ejemplo de los componentes Wse debe procurar continuar con el uso de la carta np, pero ahora graficando los datos en el momento en que se hace la inspeccin, con lo que se podr detectar inmediatamente si en la fabricacin de algn lote ocurri una causa especial, sea sta favorable o desfavorable.

Carta np para los componentes W.

Los lmites de control que se usarn a futuro en la carta de la figura 9.23 pueden ser los mismos que ya se obtuvieron, ya que stos estn afectados por un punto mximo y otro mnimo, por lo que de alguna manera se compensan. De aqu que la interpretacin de estos lmites de control sea la siguiente: el nmero de piezas defectuosas en las muestras de 120 artculos de cada lote de componentes W flucta ordinariamente entre 0.42 piezas y 17.87, con un nmero promedio de 9.15. Algo que es importante destacar es la relacin entre la carta p y la np, ya que esencialmente estas cartas son las mismas, salvo un cambio de escala. Por ejemplo, para convertir la carta np de la figura 9.23 en una carta p, basta dividir la escala entre el tamao de muestra (120). De aqu que cuando se quiere controlar los artculos defectuosos de un proceso y se toman muestras de tamao constante, el criterio para elegir entre una carta p y una np es segn se prefiera entre porcentaje de artculos defectuosos o nmero de stos. Por ejemplo, con la carta np se tiene la ventaja de que se grafica directamente el nmero de artculos defectuosos y no es necesario calcular la proporcin, mientras que en la carta p es ms fcil evaluar la magnitud de las fallas en el proceso en trminos porcentuales. El tamao y frecuencia de muestreo para una carta np se decide igual que en la carta p, slo que est limitado a que el tamao de muestra sea constante. Interpretacin de las cartas p y np. Una buena interpretacin de las cartas p y np no slo es ver si hay puntos fuera de los lmites de control, sino adems analizar el comportamiento de los puntos para detectar patrones no aleatorios, como seran cambios de nivel, tendencias, ciclos, y mucha o poca variabilidad. Para ello se han venido aplicando, con ciertas restricciones, las ocho pruebas que se describieron en la seccin 9.5. Tales restricciones ya se sealaron cuando se describi cada prueba, por lo que una forma de hacer ms completa la interpretacin de las cartas p y np es aplicando las ocho pruebas con sus respectivas restricciones. Sin embargo, existe una alternativa que supera estas restricciones, y consiste en hacer una pequea modificacin a la manera de calcular los lmites de control, como se ver ms adelante. Algo en lo que se debe poner especial cuidado es en la interpretacin de las cartas de control p y np, independientemente de la forma en que se obtengan sus lmites, pues los cambios de nivel pueden obedecer ms que a un cambio de nivel en el proceso, a la variabilidad o fallas en los mtodos de

51

inspeccin, ya que es frecuente que los inspectores no estn bien entrenados o capacitados, que los instrumentos de prueba no estn bien calibrados o que los inspectores dejen pasar piezas defectuosas deliberadamente o incluso que inventen los datos. Entonces, antes que todo, para tener confianza en lo que refleja la carta, es necesario estandarizar los mtodos de inspeccin y asegurarse que se hace de la manera correcta; de no ser as, cuando se registre un cambio en el nivel del proceso tal como muchos puntos de un solo lado de la lnea central, se deben tener presentes estas posibles fallas en los mtodos de inspeccin. Modificacin en cartas p y np. En Camacho y Gutirrez se propone una modificacin que permite aplicar con mayor amplitud y confianza las ocho pruebas de la seccin 9.5, y consiste en modificar ligeramente la obtencin de los lmites de control de las cartas p y np, dejando igual la lnea central. As, si se quieren aplicar las ocho pruebas con mayor confianza, para empezar la 1 y la 4, obtngase el lmite de control superior modificado (LCS*) de la carta np de la siguiente manera LCS* = EM [n p barra + 3 ]

n p barra (1 p barra)

donde EM[x] es la funcin mayor entero o igual que x, que a un nmero entero lo deja igual, pero a un nmero no entero lo convierte en el entero inmediato mayor a tal nmero. Por ejemplo, para calcular el lmite superior modificado, lo que se hace es calcular el LCS normalmente, y aplicarle a ste la funcin mayor entero o igual; as, en el caso de la carta de control de la figura 9.23, en la que el lmite superior fue de 17.872, entonces EM[17.872] - 18. Por lo tanto, LCS* = 18. Si el lmite superior tpico para una carta np es un entero, entonces coincide con el LCS*. La lnea central se calcula de la misma manera, y el lmite de control inferior modificado (LCI*) se obtiene de la siguiente forma:

LCI = n p barra - 3S* donde S* se obtiene al dividir entre 3 la distancia entre la lnea central y el LCS*, as S* = LCS* - n p barra 3 De esta manera, las zonas de la carta de control tendrn una amplitud igual a S*. Los lmites de control para una carta p se calculan de la misma manera, nada ms dividiendo entre el tamao de muestra a los lmites de la carta np. Concretamente, el lmite de control superior modificado (LCS') para una carta p est dado por LCS' = LCS* / n. La lnea central es p y el lmite de control inferior modificado (LCI') estn dados por LCI' = LCI* / n. Con estas pequeas modificaciones se pueden aplicar con mayor confianza las ocho pruebas; exceptuando la 8 para falta de variabilidad, y la cuatro se hace ms confiable si en lugar de considerar ocho puntos consecutivos de un solo lado de la lnea central, se consideran nueve.

52

9.8. CARTAS c Y u (PARA DEFECTOS)


Es frecuente que en control de calidad se requiera evaluar variables discretas como el nmero de defectos por artculo (rollos fotogrficos, zapatos, prendas de vestir, circuitos electrnicos, muebles); en las que en cada producto se puede tener ms de un defecto o atributo no satisfecho, y sin embargo no catalogar a tal producto como defectuoso. Por ejemplo, un disco de computadora puede tener uno o varios de sus sectores daados y se puede utilizar con relativa normalidad. Otro tipo de variables que tambin es importante evaluar son las siguientes: nmero de errores por trabajador, cantidad de accidentes, nmero de quejas por mal servicio, nmero de nuevos EJEMPLO 9.9 clientes, cantidad de llamadas telefnicas, clientes atendidos, errores tipogrficos por pgina en un peridico, nmero de fallas de un equipo, etctera. Muchas de estas variables, que se pueden ver como el nmero de eventos que ocurren por unidad, se comportan de acuerdo con la distribucin de Poisson (ver Apndice), la cual tiene dos caractersticas esenciales: que el nmero de oportunidades o situaciones potenciales para encontrar defectos es grande, y que la probabilidad de encontrar un defecto en una situacin es pequea. Las variables que se ajusten moderadamente bien a una distribucin de Poisson pueden analizarse a travs de las cartas c y u, y lo hacen analizando el nmero de defectos

por subgrupo o muestra (carta c) o el nmero promedio de defectos por unidad (carta u). Carta c (nmero de defectos). El objetivo de la carta c es analizar la variabilidad del nmero de defectos. En esta carta se grafica ci que es igual al nmero de defectos en la i-sima unidad (muestra). Los lmites de control se obtienen como sigue: 7 LCS = c barra + 3 Lnea central = c barra LCI = c barra - 3

c barra

c barra

donde c barra es el nmero promedio de defectos por subgrupo, y se obtiene al dividir el total de defectos encontrados entre el total de subgrupos. En una empresa que elabora productos agroqumicos se tiene el problema de intoxicacin de los trabajadores debido al contacto con agentes txicos. Para evaluar el nmero de obreros intoxicados por mes, en los ltimos dos aos se recurre a los registros de la enfermera de la empresa. Los datos obtenidos se muestran en la tabla 9.7. Para analizar

53

estos datos mediante una carta c, lo primero que debemos hacer es estimar el nmero promedio de intoxicados por unidad (mes), c, que se obtiene al sumar el nmero de intoxicados (las ci) y dividirlo entre el total de unidades (meses). De la tabla 9.7, c = 4.78, por lo que los lmites de control de la carta c estn dados por

LCS = 4.78 + 3 4.78 = 11.34 Lnea central = 4.78 LCI = 4.78 - 3 478 = -1.78 Obsrvese que el LCI dio negativo, pero como no puede existir -1 intoxicado, entonces el lmite inferior es cero. La carta obtenida se muestra en la figura 9.24. A partir de ella se aprecia que en el mes 12 hubo una situacin especial que caus un nmero alto de intoxicados, ms de los que ordinariamente se esperaran. Recurriendo a los expedientes de la enfermera se encontr que ese punto fuera de los lmites ocurri cuando se introdujo por primera vez cierto txico, y que no se les dio las instrucciones adecuadas a los trabajadores. Con lo que se tiene un elemento objetivo para evitar en lo futuro tal tipo de descuidos. Por lo anterior, para fijar los lmites de control definitivos se decidi eliminar el dato correspondiente al mes 12, y los lmites de control a usarse en el futuro son: lnea central = 4.35, LCI = 0 y LCS = 10.61. Interpretando los datos, se espera que ordinariamente el nmero de trabajadores intoxicados por mes flucte entre 0 y 10.61,

Los lmites de control en una carta c se obtienen a partir de suponer que la variable a graficar, X, sigue una distribucin de Poisson. En cuyo caso, si la media de X es A,, entonces la desviacin estndar de X es igual a . En la frmula para calcular los limites, c barra es una estimacin de . TABLA 9.7 Ejemplo 9.8.

Mes 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Intoxicados ci 6 5 4 4 1 3 3 7 5 7 5 12 5 4 7 2 4

54

18

2 c barra = 4.78

con un promedio de 4.35. Evidentemente estas cantidades son altas, por lo que se requiere un plan de accin que reduzca esta problemtica, y una forma natural de empezar sera estratificando el problema, es decir, localizando el rea, trabajadores o agentes qumicos donde se presentan mayores problemas. El representar a travs de una carta de control este tipo de variables, no slo ayudar a detectar situaciones anormales, que en lo futuro se deben prevenir, sino que adems provoca FIGURA 9.24 en la administracin una mayor conciencia de la magnitud e importancia del Carta c para el problema; adems de que ser muy fcil evaluar el impacto de las acciones de mejora. nmero de obreros intoxiLa carta c es aplicable donde el tamao de subgrupo (muestra) puede verse cados por mes. como constante; por ejemplo, una semana, una pieza, 100 artculos, un metro de tela o cualquier otra cantidad que pueda verse como unidad, pero siempre debe permanecer constante. Cuando no permanece constante se aplica la carta u.

Carta u (nmero de defectos por unidad). Cuando en las cartas c el tamao de subgrupo no es constante o cuando, aunque sea constante, se prefiere cuantificar el nmero promedio de defectos por unidad en lugar del total de defectos en la muestra, se usa la carta u. En sta, para cada subgrupo, se grafica el nmero promedio de defectos

55

por unidad, ui, que se obtiene al dividir el total de defectos encontrados en el subgrupo entre el total de unidades en el subgrupo. Es decir, ui = ci n donde ci es la cantidad de defectos en la muestra i, y n es el tamao de la muestra i. De esta manera los lmites de control en una carta u estn dados por

LCS = u barra + 3

u barra n

Linea central = u barra

LCS = u barra 3

ubarra n

donde u barra es el nmero promedio de defectos por unidad en todo el conjunto de datos. Cuando el tamao de subgrupo, n, no es el mismo en todos los subgrupos, entonces n se sustituye por el tamao promedio de subgrupo, n barra, o por ni. En este ltimo caso se obtiene una carta u con lmites variables. En la tabla 9.8 se presenta el nmero de defectos observados en las muestras (subgrupos) de 24 lotes consecutivos de circuitos electrnicos. El nmero de circuitos inspeccionados TABLA 9.8 Defectos en los circuitos electrnicos.

Lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

EJEMPLO 9.10

Tamao de muestra ni 20 20 20 20 15 15 15 25 25 25 25 30 30 30 30 30 30 30 15 15

Total de defectos, c, 17 24 16 26 15 15 20 18 26 10 25 21 40 24 46 32 30 34 11 14

Nmero promedio de defectos por circuito, ui 0.9 1.2 0.8 1.3 1.0 1.0 1.3 0.7 1.0 0.4 1.0 0.7 1.3 0.8 1.5 1.1 1.0 1.1 0.7 0.9

56

21 22 23 24

15 15 15 15 Total = 525

30 17 18 20 Total = 549

2.0 1.1 1.2 1.3 u = 1.04

dos en cada lote es variable. Es claro que la columna del nmero de defectos por muestra, c i, no se puede analizar con una carta c, porque est influido por el nmero de circuitos: entre ms circuitos es natural esperar ms defectos. Por ello es mejor analizar el nmero promedio de defectos por unidad (circuito), ui, mediante la carta u. Para calcular los lmites de control, a partir de la tabla 9.8, tenemos que u barra = 549 = 1.04 525 Como el tamao de la muestra es variable, se tienen dos alternativas: usar el tamao de la muestra promedio o construir una carta con lmites variables. Se harn ambas. El tamao de muestra promedio se obtiene dividiendo el total de unidades inspeccionadas (525) entre el nmero de muestras o lotes (24); de esta manera, n barra = 21.875. Con esto tenemos que los lmites de control son

LCS = 1.04 + 3

1.04 = 1.69 21.875

Lnea central = 1.04

LCS = 1.04 3

1.04 = 1.69 21.875

La carta obtenida es la de la figura 9.25, en la que se observa que el proceso estuvo fuera de control estadstico, ya que en el lote 21 el nmero promedio de defectos por circuito se sale del lmite de control superior. Por lo tanto, en la fabricacin de tal lote ocurri alguna causa especial que empeor la calidad de los circuitos. Se debe identificar tal causa para en lo futuro evitarla. Adems del punto fuera de los lmites no hay ningn patrn no aleatorio. Como hemos insistido, los lmites de control para analizar el proceso en el futuro, pueden ser los ya obtenidos, o los recalculados una vez que se elimine el punto fuera de los lmites (ver seccin 9.4). En este proceso se opt por usar los lmites calculados inicialmente, por lo que se espera que, en los lotes similares en tamao y caractersticas a los de la tabla 9.9, el nmero promedio de defectos por circuito flucte de manera aleatoria entre 0.38 y 1.69, con una media de 1.04. Cabe hacer notar que estos lmites son una aproximacin a los lmites reales, y puede ser que un punto que aparezca dentro de los lmites promedio, en los lmites variables no lo est, y viceversa.

57

Para construir una carta u con lmites variables para estos mismos datos, lo que se necesita hacer es calcular un lmite para cada tamao de muestra. Por ejemplo, cuando se tiene tamao de muestra n = 25, los lmites para tales lotes son

FIGURA 9.25 Carta u para defectos en circuitos (lmites promedio).

58

FIGURA 9.26 Carta u para defectos en circuitos (lmites variables).

LCS = 1.04 + 3 LCI = 1.04 3

(1.04 / 25) = 1.65 = (1.04 / 25) 0.428

As, calculando tanto lmites como tamaos de muestra distintos, se obtiene la carta u de la figura 9.26, a partir de la cual se aprecia que adems del punto correspondiente al lote 21, tambin el del 10 aparece fuera de control; aunque este ltimo por el lmite inferior. De esta manera, en la fabricacin del lote 10 ocurri algo especial que mejor el desempeo del proceso. Ntese que en la carta con lmites promedio de la figura 9.25 no se haba detectado esto, aunque s estaba muy cerca del lmite inferior. La ventaja que tienen los lmites promedio es que slo son lmites, y no se necesita estarlos calculando para cada punto; pero su desventaja es que en ocasiones no detectan cambios, o puede ser que registren un cambio cuando en realidad no ocurri. De esta manera se deben evaluar ambos aspectos para tomar una mejor decisin. Una buena alternativa sera usar lmites promedio cuando los tamaos muestrales no discrepen mucho entre s, y en caso de tener un punto muy cerca de los lmites, ya sea por fuera o por dentro, revisar la situacin de tal punto mediante los lmites exactos. Si los tamaos muestrales son muy distintos entre s, entonces se tiene que construir la carta con lmites variables. Claro que si se dispone de una computadora, hacer una carta con lmites variables no es mayor problema. Una alternativa a usar cuando hay diferentes tamaos de muestra y muy distintos

entre s, es construir una carta u estandarizada, en la cual en lugar de graficar ui, se grafique la siguiente variable estandarizada

59

zi =

u i u barra u barra ni

La lnea central en esta carta es igual a cero, y los lmites de control inferior y superior son -3 y 3, respectivamente. Tamao y frecuencia de muestreo. En las cartas c y u, al igual que en las p y np, el tamao y frecuencia de muestreo estn relacionadas; ya que si el muestreo es 100% entonces al elegir como tamao de muestra a un lote la frecuencia ser cada lote. Si la frecuencia es cada turno, entonces ya est condicionado el tamao de muestra. Si el muestreo no es al 100% y se puede elegir el tamao de muestra, una recomendacin es que se elija de tal forma que el lmite inferior sea mayor que cero, lo cual se logra tomando a n ms grande que 9 / u barra Cuando en una carta u se combinan varios tipos de defectos, y stos no tienen la misma importancia, entonces se puede construir una variable que tome en cuenta esto, y obtener la carta correspondiente (ver Montgomery, 1991).

9.9. IMPLANTACIN DE LAS CARTAS DE CONTROL


Una carta de control es til en la medida del esfuerzo inicial que se haga para su puesta en prctica, donde se definan sus principales particularidades, por ejemplo: objetivos, variables a controlar, tipo de carta, tamao y frecuencia del muestreo, poltica y responsables de operacin, etctera. Teniendo en mente un enfoque preventivo y de mejora, la carta de control debe ser un instrumento que facilite el trabajo a un equipo de individuos, por ello este equipo debe involucrarse en el diseo e implantacin de la carta de control. A continuacin, siguiendo parcialmente a Schilling (1990), se describen los pasos a seguir en el establecimiento de una carta de control (ver tabla 9.9). El seguir estos pasos permitir una buena planeacin, iniciacin y operacin de la carta, y con ello tener una carta de control realmente til. 1. Determinar el propsito de la carta. Antes que todo se debe definir el objetivo concreto de la carta de control, el tipo de problemtica que va a atender, lo que se quiere que muestre la carta, y aclarar el papel que va a desempear en el sistema de calidad. Cuestionar si realmente es necesaria y ver si ya existe otra carta que tenga una funcin similar. 2. Evaluar la situacin actual. Una vez definido el objetivo de la carta, es necesario evaluar la situacin prevaleciente respecto al mismo: los antecedentes de la problemtica asociada, los niveles actuales de calidad, los intentos anteriores por corregir

los problemas, lo que se hace ahora. Para evaluar los niveles actuales de calidad se debe usar alguna herramienta estadstica, por ejemplo, una carta de atributos, un histograma o una hoja de

60

verificacin; una evaluacin objetiva le dar razn de ser a la carta, y ser el medio para lograr el apoyo y comprensin de la direccin. 3. Determinar las variables crticas. Identificar las posibles fuentes de variabilidad en el proceso y las variables relacionadas con el problema; poner atencin primaria a las que posiblemente afectan el desempeo del producto y las caractersticas del producto. Una lluvia de ideas, un diagrama de flujo y/o un diagrama de Ishikawa pueden ser de utilidad para reunir todas las variables crticas. 4. Seleccionar las variables candidatas a controlar. De entre todas las variables identificadas en la etapa anterior, seleccionar las ms importantes en funcin de la magnitud del problema que representan. Dar alta prioridad a las que estn causando dificultades en trminos de calidad, produccin o costos. Se puede recurrir a un anlisis de Pareto para identificar las variables vitales. En esta identificacin es importante considerar si la empresa cuenta con los instrumentos que se requieren para medir las variables candidatas. 5. Elegir la carta apropiada. En funcin del objetivo, los antecedentes y magnitud del problema as como de las posibles variables a controlar se debe elegir la causa a usar. Para ello se debe tomar en cuenta el resultado de los pasos anteriores y las situaciones siguientes en las que se suele aplicar cada carta. Carta X barra - R (o S). Considerar como una buena alternativa a estas cartas, en alguna(s) de las siguientes situaciones: Se est iniciando un nuevo proceso o se va a desarrollar un nuevo producto con un proceso ya existente. En procesos con mal desempeo respecto a especificaciones. Se debe usar o se usan pruebas destructivas. Ya se han usado cartas de atributos, pero el proceso an est fuera de control o su capacidad sigue siendo mala. Se pretende reducir la cantidad de inspeccin. Procesos en los que el operador tiene que decidir si los ajusta o no (ver ejemplo 9.5). Es necesario un cambio en las especificaciones del producto. Tiene que demostrarse continuamente (a clientes o la gerencia) que el proceso es estable o capaz. Cartas p, np, c o u. Considerar como alternativa a estas cartas, en alguna(s) de las siguientes situaciones: Los operadores controlan las causas especiales y es necesario reducir las fallas del proceso. El proceso consiste en operaciones complejas de ensamble y la calidad del producto se mide en trminos de la ocurrencia de defectos, o con criterios del tipo pasa o no pasa.

Es necesario que el proceso est en control, pero no se pueden obtener mediciones de tipo continuo.

61

Se requiere tener informacin sobre la evolucin del desempeo del proceso. La informacin que proporcionan las cartas de atributos es de mucha utilidad para que la administracin revise fcilmente el desempeo de los procesos.

Carta de individuales. Las situaciones en las que es adecuado optar por esta carta ya se describieron al inicio de la seccin 9.6. 6. Decidir cmo muestrear. Para ello es necesario decidir qu fuentes de variabilidad pueden combinarse en una misma carta, y cules se requiere analizar por cartas separadas. Las muestras deben ser tan homogneas como sea posible, para que las diferencias existan entre muestras, no dentro de muestras. En otras palabras, en esta fase de la puesta en prctica se tiene que pensar el subagrupamiento para constituir la muestra (ver las etapas de un estudio inicial en la seccin 9.4). 7. Elegir frecuencia y tamao de muestreo. Para ello es necesario tomar en cuenta las recomendaciones que se dieron en la descripcin de cada carta de control en las secciones anteriores, y las circunstancias y sensibilidad deseadas. En general se prefiere muestras pequeas frecuentemente, pero sujetas a las caractersticas de cada carta. 8. Estandarizar la toma de datos. Definir con precisin y claridad la manera en que se van a tomar los datos, y asegurarse de que: los instrumentos de medicin y prueba sean adecuados, los criterios para los inspectores estn bien definidos, los formatos de recoleccin de datos sean sencillos y entendibles y el lugar donde se tomaron los datos es el mejor. Esto es de gran importancia, ya que en ocasiones las seales de fuera de control se pueden deber a variaciones en los criterios de inspeccin o a problemas con los instrumentos de medicin y prueba. 9. Asegurarse de la cooperacin. Es necesario que a quienes estn relacionados con la problemtica que pretende atender la carta de control se les involucre, es indispensable que se les expliquen los objetivos de la carta y la situacin que prevalece actualmente (etapas 1 y 2); adems, es muy importante que se les capacite sobre lo que va a detectar la carta y cmo va a ayudar a realizar mejor el trabajo. En otras palabras, el desarrollo de esta fase es una buena oportunidad para practicar el trabajo en equipo y para fortalecer la corresponsabilidad por la calidad y la empresa. 10. Entrenar a los usuarios. Con base en las etapas 6, 7 y 8, entrenar a quienes van a usar la carta de control: cada cundo y cmo van a tomar los datos, en el registro de puntos en la carta de control, en la documentacin de las cartas; en fin, todos aquellos pasos (bitcora de acciones) que se seguirn en la operacin de la carta. 11. Analizarlos resultados. Interpretar correctamente las cartas siguiendo los criterios que se sealaron en las secciones previas, especialmente la 9.5. Un buen anlisis es el que conduce a acciones de identificacin de causas especiales y a medidas correctivas y preventivas. Es importante definir quin va a interpretar la carta y la poltica a seguir cuando se detecte que el proceso est fuera de control estadstico.

TABLA 9.9

Pasos para la implantacin de una carta de control

62

Etapa Preparar

Paso 1. Determinar el propsito de la carta 2. Evaluar la situacin actual 3. Determinar variables crticas 4. Seleccionar las variables candidatas 5. Elegirla carta apropiada

Mtodo a usar Relacionarla con el sistema de calidad Carta de atributos, histograma, hoja de verificacin, HB Diagrama de Ishikawa, diagrama de flujo Pareto

Inicio

Uso

Depende de los pasos anteriores y de la situacin Pensar el subagrupamiento Depende de la carta y de la sensibilidad deseada Precisin, claridad e instrumentos adecuados 6. Decidir cmo la 9. Asegurarse de Involucrar usuarios y trabajo cooperacin en equipo 10. Entrenara usuarios Bitcora de acciones 11. Analizar los localizar patrones y actuar resultados 12. Asegurarse de su Revisar peridicamente su uso efectividad Y relevancia 13. Mantener el inters y Cambiar la carta e involucrar modificarla carta ms a los usuarios 14. Eliminarla carta Si la carta cumpli o si no tiene razn de ser

Salida

12. Asegurarse de su efectividad. Se debe tener cuidado de que el llenado de los puntos en la carta de control no se convierta en una rutina ms en la que no se tome ningn tipo de accin. Es indispensable revisar peridicamente si la carta est cumpliendo con el propsito para el que se implement, si se usa e interpreta correctamente y si la problemtica se ha reducido. 13. Mantener el inters y modificar la carta. Realizar acciones para que la carta no se use mecnicamente, sino que sea un instrumento vivo, til y que recibe atencin. Para ello se puede involucrar cada vez ms a los usuarios de las cartas en la corresponsabilidad de la calidad, asignar responsabilidades, modificar la carta: su lugar, la frecuencia y tamao del muestreo. Se puede cambiar su naturaleza de acuerdo con los resultados obtenidos, por ejemplo si ya se logr que el proceso sea estable y

63

capaz, entonces ahora el propsito de la carta debe ser preventivo, para que las mejoras logradas sean irreversibles.
14. Eliminar la carta. Cuando una carta ha cumplido su propsito, la problemtica no se ha

reducido o ya no tiene una razn de ser, entonces es el momento de pensar en eliminarla y sustituirla por una alternativa acorde con las circunstancias. Por ejemplo, si no dio resultado sustituirla por otro tipo de carta u otra tcnica; pero si dio resultado, entonces se puede pensar en medidas de aseguramiento, tales como el muestreo peridico, la inspeccin o una carta que resulte ms econmica y adecuada a las nuevas circunstancias. En la tabla 9.9 se muestra una sntesis de los 14 pasos anteriores. Se debe procurar seguir siempre estos pasos y documentar por escrito cada uno de ellos. Estos mismos pasos pueden ser de utilidad en la puesta en prctica de cualquier otra herramienta estadstica con fines de control.

9.10. CAPACIDAD DE PROCESOS: NDICES Cp, CpkY Cpm


Una necesidad frecuente en muchos procesos, como ya se ha visto en la seccin 9.4 y en el captulo 4, es evaluar la variabilidad y tendencia central de una caracterstica de calidad de tipo continuo, para compararla contra sus especificaciones de diseo. Por ejemplo, en la produccin de tornillos, stos deben tener un dimetro ptimo, ms o menos cierta tolerancia, por lo que es necesario evaluar en qu medida el proceso de produccin de tornillos es capaz de cumplir con tales especificaciones. Como ya se ha visto (seccin 9.4 y captulo 4) el histograma es la herramienta grfica por excelencia para evaluar si se cumple con especificaciones, sean stas de productos o procesos. Tambin la informacin proporcionada por la carta X y la carta de individuales es de utilidad. En esta seccin veremos una forma muy usual de cuantificar la capacidad de cumplir con especificaciones, como son los ndices Cp, Cpk y Cpm. stos ayudan a enfatizar la necesidad de mejoras para reducir la variabilidad del proceso, tambin facilitan la comparacin del desempeo de distintos proveedores o procesos y proporcionan una idea aproximada del porcentaje de artculos que no cumple con especificaciones. ndice Cp. Si para que un producto elaborado por un proceso se pueda considerar de calidad, las mediciones de cierta caracterstica o parte de la misma deben ser iguales a cierto valor nominal o ideal (1), o al menos tienen que estar dentro de cierta especificacin inferior (EI) y superior (ES), entonces una medida de la capacidad potencial del proceso para cumplir con tales especificaciones la da el ndice de capacidad del proceso, Cp. Cp = ES EI 6 TABLA 9.10 Valor del Cp Valores del Cp y su interpretacin. Clase de proceso Decisin

64

Cp > 1.33 1< Cp < 1.33

1 2

Ms que adecuado Adecuado para el trabajo, pero requiere de un control estricto conforme se acerca el Cp a uno. No adecuado para el trabajo. Un anlisis del proceso es necesario. Buena probabilidad de xito. No adecuado para el trabajo. Requiere de modificaciones serias.

0.67 < Cp < 1 Cp < 0.67

3 4

Notas: 1. Si el Cpk < Cp, entonces una vez que se centre el proceso se tendr la clase de proceso que se seala. 2. Si es muy indeseable producir una pieza fuera de especificaciones, entonces en lugar de 1.33 se tendr 1.5 o un nmero fijado de acuerdo con la tabla 9.11. 3. Para procesos con una sola especificacin el valor mnimo de Cpi o Cps debe ser mayor que 1.25 en lugar de 1.33, y 1.45 en lugar de 1.5.

donde representa la desviacin estndar de la caracterstica de calidad que se mide al producto. El Cp est comparando el ancho de las especificaciones con la amplitud de la variacin del proceso 8 medida esta ltima a travs de una caracterstica de calidad del producto, con lo que, si la variacin del proceso es mayor que la amplitud de las especificaciones, entonces el Cp es menor que 1. De esta manera, si el valor del ndice Cp es menor que uno es una evidencia de que no se est cumpliendo con las especificaciones. Por el contrario, si el ndice Cp es mayor que 1, entonces es una evidencia de que el proceso es potencialmente capaz de cumplir con las especificaciones. En general, el Cp se utiliza para conocer y tomar decisiones sobre el proceso, dependiendo de su valor es el tipo de proceso y la decisin que ha de tomarse. En la tabla 9.10 se presenta una sntesis de la interpretacin del Cp9. Como se desprende de esta tabla, el valor mnimo deseable para el Cp es 1.33. Si el producir un artculo fuera

8 Recurdese que en una amplitud de 6a ( 3a) se encuentra el 99.73% de los valores de una caracterstica de calidad que se distribuye normal con desviacin estndar a (ver Apndice). 9 Un ndice que en ocasiones se usa como complemento al Cp o como sustituto, es el que se conoce como razn de capacidad, Cr, el cual est dado por la siguiente expresin:

Cr = 6 ES El La interpretacin de este ndice es distinta, ya que representa la proporcin de la banda de especificaciones que es ocupada por el proceso, por lo que es deseable tener valores de Cr menores que 1. Si el Cr se multiplica por 100, entonces se tendr el porcentaje de la amplitud de las especificaciones que ocupa el proceso.

de las especificaciones es peligroso o sumamente indeseable, el valor mnimo del Cp debe ser 1.5 o se debe fijar en funcin del porcentaje de artculos fuera de especificaciones que se est dispuesto a tolerar, y auxiliarse para ello con la tabla 9.11.

65

Si al analizar el proceso se encuentra que su capacidad no es compatible con las tolerancias, existen tres opciones: modificar el proceso, modificar las tolerancias o sufrir e inspeccionar el 100% de los productos. Por el contrario, si hay capacidad excesiva, sta se puede aprovechar, por ejemplo, vendiendo la precisin, vendiendo el mtodo, reasignando productos a mquinas menos precisas, acelerando el proceso y reduciendo la cantidad de inspeccin. ndice Cpk. El ndice Cp estima la capacidad potencial del preso para cumplir con tolerancias, pero una de sus desventajas es que no toma en cuenta el centrado del proceso, como es evidente a partir de la figura 9.27. Sin embargo, se puede modificar el Cp para que adems de tomar en cuenta la variabilidad, tambin evale dnde se localiza la media del proceso respecto a las especificaciones; al C .-modificado se le llama ndice de capacidad real, Cpk, Cpk = MC 3 donde MC es el valor ms pequeo de entre (ES - ) y ( - EI). A su vez, es la media de la caracterstica de calidad.

TABLA 9.11 Los ndices Cp, Cpi y Cps, en trminos de la cantidad de piezas, bajo el supuesto de normalidad y de que el proceso est centrado en el casa de doble especificacin.

El ndice Cpk va ser igual al PC cuando la media del proceso se ubique en el punto medio de las especificaciones. Si el proceso no est centrado entonces el valor del ndice Cpk ser menor que el Cp, de manera que la magnitud del Cpk relativa al Cp sea una medida directa de qu tan centrado est operando el proceso (ver figura 9.27). Valores de Cpk mayores que 1 indican que el proceso est

66

fabricando artculos que cumplen con las especificaciones, mientras que valores menores que 1 indicarn que se est produciendo artculos fuera de las especificaciones. Valores del Cpk igual a cero o negativos, indican que la media del proceso est fuera de las especificaciones. Para calcular el Cp y el Cpk para un proceso concreto es necesario conocer la media, , y la desviacin estndar, 6, de la caracterstica de calidad; en caso de no conocerlas se puede utilizar la informacin de una carta de control para estimarlas , sustituyndolas por X barra y R barra /d2 , respectivamente, donde d2 es una constante que depende del tamao de muestra para la carta de medias y se puede ver en la tabla 1 del Apndice.

En el problema del peso de los costales de fertilizante del ejemplo 9.3 (seccin 9.4), la especificacin inferior para el peso es 49 kilos, y la superior es 51. Adems, X barra barra = 49.7 y R = 1.05, por lo que el Cp para el proceso de envasado est dado por EJEMPLO 9.11 Cp = 51 49 = 6 ( 1.05 ) 6 ( 0.519 ) 2.059 2 = 0.65

donde d2 = 2.059, porque en la carta de control se us un tamao de muestra 4. De esta manera, el proceso de envasado es incapaz de cumplir con las especificaciones y, de acuerdo con la tabla 9.10, requiere de modificaciones serias. Esto mismo ya se haba apreciado a travs del histograma de la figura 9.6. Para ver el centrado a travs del Cpk, tenemos que el mnimo de (51 - 49.76) - 1.24 y ( - El) = 0.76 es 0.76, por lo que el Cpk = 0.76 = 0.497 3 (1.05 ) 2.058 De esta manera, como el Cpk es menor que el Cp entonces el proceso est descentrado, lo cual se ve grficamente en la figura 9.6. En la tabla 9.11 se ve que el porcentaje de costales fuera de especificaciones que este proceso generar por el lado izquierdo con Cpk = 0.495 ser al menos de 6.68%. Grficamente, en la figura 9.27 se muestran algunos procesos tpicos y su correspondiente Cp y Cpk. En estas grficas la especificacin inferior (EI) de la variable X es 18 y la superior (ES) es 22. En el caso a) y b) se tiene poca variabilidad, y en los otros dos mucha. En el proceso b) y d) los procesos estn descentrados, por lo que el Cpk es significativamente menor que el correspondiente Cp.

67

FIGURA 9.27 Algunos procesos tpicos y sus respectivos Cp y Cpk

Cabe destacar que para que tenga sentido la interpretacin de los ndices, como pronstico del desempeo en el futuro inmediato, es necesario que los procesos estn en control estadstico. Si no lo estn, entonces los ndices sern una referencia para cuando el proceso est funcionando sin la presencia de causas especiales de variacin. En la tabla 9.2 de la seccin 9.4 se haba discutido lo anterior, remarcando que capacidad y control estadstico son dos conceptos diferentes. Otro aspecto a resaltar en la interpretacin de los ndices, es que sta se hace bajo el supuesto de que la caracterstica de calidad se distribuye normalmente con media, p., y desviacin estndar, 6; por lo que si tal supuesto no se cumple, la interpretacin slo ser aproximada.

PROCESOS CON SLO UNA ESPECIFICACIN


Existen productos que tienen una o varias caractersticas de calidad que tienen slo una

68

especificacin, ya sea inferior o superior. Por ejemplo, en un producto alimenticio el porcentaje de colesterol debe ser menor que cierta especificacin superior (ES); en caso de excederla, el proceso ser incapaz. A las caractersticas de calidad como el contenido de colesterol se les identifica como "entre ms pequea mejor". Tambin en un producto alimenticio se tienen caractersticas de calidad del tipo "entre ms grande mejor", como puede ser el contenido de protenas, el cual debe ser mayor que cierto valor mnimo, es decir, debe cumplir con una especificacin inferior (El). De la misma manera, una viga de acero deber ser fabricada con al menos una resistencia mnima; si un proceso hace vigas con una resistencia menor a la tolerable se dir que es incapaz de cumplir con la especificacin inferior (EI). En este tipo de caractersticas de calidad con slo una especificacin, la capacidad del proceso para satisfacerla se mide dependiendo de si la especificacin es inferior o superior. Sea una caracterstica de calidad del tipo "entre ms pequea mejor" que debe ser menor que cierta especificacin superior (ES), entonces el ndice de capacidad superior, Cps, est definido por: Cps = ES - 3 donde y a son la media y la desviacin estndar de la caracterstica de calidad. De manera similar, si se tiene una caracterstica de calidad del tipo "entre ms grande mejor" que debe ser mayor que una especificacin inferior (El), entonces el ndice de capacidad inferior, Cpi, est definido por Cpi - - EI 3 El valor mnimo de los ndices Cps y Cpi para que el proceso se pueda considerar capaz de cumplir con la correspondiente especificacin es de 1.25. Si la caracterstica de calidad es crtica, entonces el valor mnimo debe ser 1.45, o fijarse de acuerdo con la tabla 9.11. Como se puede ver, los ndices Cps y Cpi coinciden con el ndice Cpk, y para calcularlos se puede recurrir a la informacin proporcionada por una carta de control X barra - R.

EJEMPLO 9.12

En una armadora de autos, en el rea de pintado, una caracterstica de calidad es el espesor de la capa antipiedra en la zona trasera de los arcos de rueda, que debe tener un espesor mnimo de 100 micras (EI - 100). Para asegurar el cumplimiento de esta especificacin se lleva una carta de control X barra - R, en la que se mide el espesor de tres (n - 3) productos consecutivos de manera peridica. De acuerdo con la informacin

proporcionada por esta carta, el proceso est en control estadstico, y se tiene que X - 105 y R - 11, por lo que el Cpi en este caso es

69

Cpi =

EI X barra bara EI 105 100 = = = 0.256 3 Rbarra 11 3 3 d 1.693 2

Por lo tanto, el proceso es incapaz de cumplir con la especificacin inferior del espesor de la capa, y de acuerdo con la tabla 9.11, el porcentaje aproximado de productos que tienen un espesor menor que 100 micras es de 22.6%.

ESTIMACIN DE LOS NDICES MEDIANTE UNA MUESTRA ALEATORIA


Vimos anteriormente que para calcular los ndices de capacidad del proceso se poda utilizar la informacin de una carta de control X- R; sin embargo, no siempre se tiene una carta de control para todas las caractersticas de calidad que se quiere evaluar. Por ello, a continuacin veremos cmo estimar la capacidad del proceso a partir de una muestra aleatoria. Sea X1, X2, ..., Xn una muestra aleatoria del proceso, y X barra y S la media y la desviacin estndar de tal muestra. Si los ndices Cp, Cpk, Cps o Cpi, son estimados usando X barra y S en lugar de y a, respectivamente, entonces es incorrecto comparar los valores estimados con los valores mnimos recomendados para los ndices (ver tabla 9.10), y tambin es errneo interpretar los valores estimados como en la tabla 9.11, ya que los valores mnimos son para los verdaderos ndices y no para su estimacin. Por lo tanto, aun cuando el ndice estimado sea mayor que el valor mnimo, no se puede estar seguro al 100% que el verdadero valor del ndice es mayor o igual que el valor mnimo. As, si a partir de una muestra aleatoria se estiman los ndices Cp, Cpi, Cps y Cpk de la siguiente manera: p = ES - EI 6S ps = X barra - EI 3S ps = ES X barra 3S pk = Mnimo de pi y ps entonces los valores obtenidos no deben interpretarse directamente en funcin de las tablas 9.10 y 9.11, y de la figura 9.27. Ms bien, tal interpretacin debe hacerse primeramente en funcin de la tabla 9.12, en la cual se muestran, para distintos tamaos de muestra, los valores mnimos que deben tener los ndices Cp, el Cpi o el Cps, para asegurar con un nivel de confianza del 95% que el respectivo proceso es capaz (ver Chou y colaboradores, 1990). Por ejemplo, si el tamao de la muestra es de n = 30, y se quiere asegurar que el verdadero Cp es mayor que 1, entonces, de la tabla 9.12, el valor de la estimacin p debe ser mayor que 1.28; mientras que si se quiere que el Cp sea mayor que 1.3, entonces el estimado p tiene que ser mayor que 1.66. Por ejemplo, supongamos que se desea saber la capacidad de un proceso con doble especificacin.

70

Para ello se toma una muestra aleatoria de 50 piezas y se tiene que el p = 1.1. Entonces, analizando la tabla 9.12, con este valor slo se puede afirmar que el verdadero Cp es mayor que 0.9, con lo que, si se quiere catalogar el proceso en funcin de las tablas 9.10 y 9.11, esto se debe hacer tomando Cp = 0.9. De la misma manera, un proceso con slo una especificacin para asegurar que los verdaderos Cpi (c Cps) son mayores que 1, si n = 30, entonces, de acuerdo con la tabla 9.12, el pi (o el ps) debe ser mayor que 1.3. En otras palabras, si los ndices de capacidad son estimados con base en parmetros mustrales, y no con base en parmetros poblacionales (proceso), entonces un valor grande de la estimacin del ndice Cp y/o Cpk no necesariamente implica que se tiene una buena capacidad de proceso. Lo contrario tambin es verdad: un valor pequeo del ndice estimado, no necesariamente implica una mala capacidad del proceso. El asunto central es que los ndices estimados son variables aleatorias cuyo valor o realizacin que toman en una muestra puede ser mayor o menor que el verdadero valor del ndice Cp o Cpk del proceso. Por ello, en este caso, en lugar de hacer una estimacin puntual es mejor hacer una estimacin por intervalo. De acuerdo a Kushler y Hurley (1992) la estimacin por intervalo o el intervalo de confianza para el ndice Cp est dado por: p Z / 2 y para el ndice Cpk es pk Z / 2 pk2 + 1
2(n 1) 9n

p [2(n 1)]

TABLA 9.12 Valores mnimos de los ndices estimados p, pi y ps, con un tamao de muestra n, para poder asegurar que el verdadero valor del respectivo ndice es mayor que c. Valores mnimos de p
c 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 n = 20 0.96 1.10 1.23 1.37 1.51 1.64 1.78 1.92 n = 30 0.90 1.02 1.15 1.28 1.41 1.54 1.66 1.79 n = 50 0.84 0.96 1.08 1.20 1.32 1.44 1.56 1.68 n = 75 0.81 0.93 1.04 1.16 1.27 1.39 1.51 1.62 n = 100 0.79 0.91 1.02 1.13 1.25 1.36 1.47 1.59 n = 20 1.00 1.13 1.26 1.40 1.53 1.67 1.80 1.94

Valores mnimos de pi y ps
n = 30 0.93 1.05 1.18 1.30 1.43 1.56 1.68 1.81 n = 50 0.87 0.98 1.10 1.22 1.34 1.46 1.58 1.70 n = 75 n = 100 0.83 0.81 0.94 0.92 1.06 1.03 1.17 1.15 1.29 1.26 1.40 1.37 1.52 1.48 1.63 1.60

donde n es el tamao de la muestra y Z / 2 es el percentil de la distribucin normal que determina la confianza de la estimacin (para un 95% de confianza, el valor de Z / 2 es 1.96). De esta manera, si a partir de una muestra se estiman los ndices de capacidad, entonces su verdadero valor se encontrar entre el intervalo obtenido con las expresiones anteriores. Por ejemplo, si se obtiene una muestra aleatoria de tamao n = 40, p = 0.95 y pk = 0.83 entonces, con una confianza del 95% el verdadero

71

valor del Cp del proceso est entre p 1.96 0.95 [2 (39 1)] es decir, est entre 0.739 y 1.6. Por lo tanto, no se puede afirmar que el proceso no sea capaz (el Cp puede ser de hasta 1.16), pero tampoco que sea capaz (el valor real del Cp podra ser de hasta 0.739). De la misma manera el verdadero valor del Cpk con una confianza del 95% est entre 0.6188 y 1.04. ndice Cpm (o ndice de Taguchi). En el primer apartado de este captulo presentamos los ndices Cp y Cpk, para los cuales lo ms importante es reducir la variabilidad y cumplir con las especificaciones. Sin embargo, desde el punto de vista de G. Taguchi cumplir con las especificaciones no es sinnimo de buena calidad y la reduccin de la variabilidad debe darse pero en torno al valor de calidad ptimo. Es decir, la mejora de un proceso segn Taguchi debe estar orientada a reducir su variabilidad alrededor del valor nominal, N, no slo estar orientada a cumplir con especificaciones. Taguchi propone una definicin alternativa de los ndices de capacidad del proceso, la cual se fundamenta en lo que l denomina funcin de prdida. Al ndice propuesto por Taguchi, que se denota con Cpm, mide mejor que el Cpk el centrado del proceso y la variabilidad (ver Boyles, 1991). El ndice Cpm est definido por Cpm = ES - EI 6 donde es la raz cuadrada de 2 = 2 + ( - N ) 2, y N es el valor nominal de la caracterstica de calidad. El valor de N generalmente es igual al punto medio de las especificaciones, es decir, N = 0.5 (ES + EI ). Ntese que en la definicin del ndice Cpm se toma en cuenta, a travs de , tanto la variabilidad del proceso, 2, como su centrado, ( - N ) 2. Cuando el ndice Cpm es mayor que uno, entonces eso quiere decir que el proceso cumple con las especificaciones, y en particular que la media del proceso est dentro de la tercera parte media de la banda de las especificaciones. Si Cpm es mayor que 1.33, entonces la media del proceso est dentro de la quinta parte media del rango de especificaciones.