Control Estadsticos de Procesos

(SPC)

Gerencia de Operaciones
Intec
Clase no. 6

Definicin
Control Estadstico de Procesos
Es un conjunto de tcnicas basadas en los
fundamentos de la estadstica que tienen por fin
controlar la variabilidad de los procesos, para
mantenerlos dentro los lmites de variacin
considerados normales.
Premisas del SPC
1. La condicin Natural de todo proceso es
variar. Debido a que los Insumos, los equipos,
los empleados, las mquinas y el ambiente en
que se desarrollan estn continuamente
variando y la combinacin de sus propias
variaciones produce tambin variabilidad.
Premisas Para el SPC

La calidad de un proceso consiste en
mantener la salida del mismo dentro de los
lmites de variacin que el cliente ha
establecido, (con los cuales se siente
satisfecho) y tratar de mejorar continuamente
el proceso para que su nivel de variacin sea
menor que el que solicitado por el cliente.
Esquema del SPC
Establecer los lmites del cliente
Establecer los limites naturales del proceso
Compararlos para ajustar el proceso y llevarlo a
ser capaz
Muestrear el proceso peridicamente
Est dentro de los lmites y de los patrones de
variacin normal?
Ajustar el proceso para llevarlo dentro de los
limites o al patrn de variacin Normal
Mejorar
Si
No
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
Limite inferior del
proceso
Limite superior
del Proceso
Situacin Inicial

Segundo Paso: Proceso Capaz
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo

Proceso Mejorado
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
Limite inf. Proceso
Limite superior
proceso
9
Partes que componen el SPC
CONTROL
ESTADSTICO
DE
PROCESOS
MUESTREO
GRAFICAS DE CONTROL
Variabilidad de los Procesos
La Curva Normal
11
Causas de las Variaciones en los
procesos
Todo proceso tendr una salida que vara.

Debido a que los elementos que intervienen en obtener el
resultado y la forma en que interactan no son constantes, sino
variables.

La variacin normal de un proceso se llama variacin debido a
causas comunes.

Hay un tipo de variacin debida a hechos extraordinarios a esta se
le conoce como variacin debida a causas especiales


12
Causas comunes o normales

CAUSAS COMUNES
Siempre estn presentes
Slo se reduce con acciones de mejora mayores
Su reduccin es responsabilidad de la direccin

Fuentes de variacin: Mrgenes inadecuados de diseo, materiales de baja
calidad, capacidad del proceso insuficiente

SEGN DEMING
El 94% de las causas de la variacin son causas
comunes, responsabilidad de la direccin



13
Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente
Son ocasionadas por variaciones anormales (6Ms)
Medicin, Medio ambiente, Mano de obra, Mtodo, Maquinaria,
Materiales
Slo se reduce con acciones en el piso o lnea
Su reduccin es responsabilidad del operador por medio
del Control Estadstico del Proceso

SEGN DEMING
El 6% de las causas de la variacin son causas especiales
y es responsabilidad del operador




14
68%
34% 34%
95%
99.73%
+1s
+2s
+3s
Caractersticas de la distribucin normal
Recopilacin y Organizacin de la
Informacin
Los datos son importantes, si pueden contestar una
pregunta y convertirse en informacin
1. Muestreo de Aceptacin. Concepto.

Procedimiento mediante el cual se puede decidir
si aceptar o rechazar un lote de productos, de
acuerdo a ciertas especificaciones de calidad.

Aplicacin: inspeccin de materias primas,
productos semi-elaborados y otros
componentes; para determinar si stos
cumplen con el nivel mnimo exigido.
Qu es un defecto?
Es cualquier discrepancia de una
caracterstica de calidad de su nivel o
estado deseado o estado que ocurre con una
severidad suficiente para causar que el
producto o servicio asociado no satisfaga los
requerimientos de uso planeados

Unidad defectuosa o defectivo:
Es una unidad con uno o ms defectos
Clasificacin de defectos
Crtico: Vuelven al artculo no solamente
intil sino peligroso.

Mayores: Vuelven intil el artculo

Menores: Hacen el artculo menos til de
lo que debera ser pero no
necesariamente intil.

Extraccin de la muestra
Se requiere un muestreo que de muestras
insesgadas; tal mtodo es el muestreo
aleatorio simple.

Cuando es factible se puede adems
utilizar la estratificacin.
ANLISIS DE LA CAPACIDAD
Capacidad del Proceso y Tolerancia
Si bien el ingeniero puede definir las especificaciones
sin tomar en cuenta el alcance del proceso, la
adopcin de ese criterio puede tener consecuencias
graves.
CASO 1: 6 < USL - LSL
CASO 2: 6 = USL - LSL
CASO 3: 6 > USL - LSL
6o
LSL - USL
Fuera de control
Caso I
Tolerancia > Capacidad
6o
LSL-USL
Fuera de control
Desperdicio
Caso II
Tolerancia = Capacidad
6o
LSL-USL
Fuera de control
Desperdicio
Bajo Control
Desperdicio
Caso III
Tolerancia < Capacidad
Procedimiento rpido utilizando el rango
Tome 20 sub grupos, cada uno de tamao 4 y un
total de 80 mediciones
Calcule el campo de valores, R, de cada sub grupo
Calcule el campo promedio,
Calcule el valor de la desviacin estndar de la
poblacin
La capacidad del proceso ser igual a 6
ndice de Capacidad
Cp = USL - LSL

donde:
Cp= ndice de la capacidad
USL-LSL= Especificacin superior menos la
especificacin inferior
6= Capacidad del proceso
6
8o
6o
6o
USL LSL
Caso I Cp>1
Cp = USL - LSL


6
Cp = USL - LSL


6
Cp = USL - LSL


6
Caso II Cp=1
Caso III Cp<1
= 1.33
= 1.00 = 0.67
6o
LSL USL
4o
6o
USL LSL
Supngase que una empresa que fabrica
cerraduras tiene un problema con las
dimensiones del ojo de la cerradura. Las
especificaciones son 6,50 y 6,30. Calcule el
ndice de la capacidad antes de mejorar la
calidad (= 0,038) y despus de mejorarla (=
0,030)

Ejemplo
Medicin del Desempeo, C
pk

C
pk
=min
XLSL
3o
or
USL - X
3o
|
\

|
.
|
Cambios en el Proceso de Fabricacin
El ndice de Cpk
muestra que tan bien
cumplen las
especificaciones los
productos fabricados
Calcule el valor de Cpk para el caso del
problema ilustrativo anterior considerando
que el promedio es de 6,45. Calcule el valor
de Cpk si el promedio es de 6,40
Ejemplo
Cp y Cpk
El valor de Cp no cambia cuando cambia el centro del proceso

Cp=Cpk cuando el proceso se centra

Cpk siempre es igual o menor que Cp

El valor de Cpk=1 es un estndar norma consagrado por la prctica.
Indica satisfaccin con las especificaciones

El valor Cpk menor que 1 es indicativo de que mediante el proceso
se obtiene un producto que no satisface las especificaciones
Cp y Cpk
El valor de Cp menor que 1 es indicacin de que el
proceso no es capaz

Si Cpk es 0 es indicacin de que el promedio es igual
a uno de los lmites de la especificacin

Un valor Cpk negativo indica que el promedio queda
fuera de las especificaciones
34





Grficas de
Control
35
Objetivos y beneficios
El CEP es una tcnica que permite aplicar el anlisis
estadstico para medir, monitorear y controlar
procesos por medio de cartas de control

Se basa en que los procesos presentan variacin,
aleatoria y asignable

Entre los beneficios se encuentran:
Monitorear procesos estables e identificar si han ocurrido
cambios debido a causas asignables para eliminar sus
fuentes
36
Seleccin de variables
El CEP por variables implica realizar mediciones en la
caracterstica de calidad de inters, tal como:
Dimensiones
Pesos
Fuerzas, etc.

El CEP por atributos califica a los productos como
buenos o como defectivos o en su caso cuantos
defectos tiene, tales como:
Color, funcionalidad, apariencia, etc.
37
Subrupos racionales
Los subgrupos se seleccionan de tal forma que sean tan homogneos
como sea posible, de tal forma que se tenga la oportunidad mxima
de estimar la variacin esperada entre los subgrupos

Esquemas para formar subgrupos:
Productos producidos casi al mismo tiempo en secuencia. Permite
una variacin mnima dentro del subgrupo y una probabilidad de
variacin mxima entre subgrupos

Un subgrupo consiste de una muestra aleatoria representativa de
toda la produccin durante un periodo de tiempo

38
Qu es una Carta de Control?
Una Carta de Control es como un historial del proceso...
... En donde ha estado.
... En donde se encuentra.
... Hacia donde se puede dirigir

Las cartas de control pueden reconocer cambios buenos y
malos.
Qu tanto se ha mejorado?
Se ha hecho algo mal?

Las cartas de control detectan la variacin anormal en un
proceso, denominadas causas especiales o asignables de
variacin.

39
Variacin observada
en una Carta de Control
Una Carta de control es simplemente un registro de datos en el
tiempo con lmites de control superior e inferior.

Una carta de control identifica los datos secuenciales en patrones
normales y anormales.

El patrn normal de un proceso se llama causas de variacin
comunes.

El patrn anormal debido a eventos especiales se llama causa
especial de variacin.

Tener presente que los lmites de control NO son lmites de
especificacin.
40
Causas comunes o normales

CAUSAS COMUNES
Siempre estn presentes
Slo se reduce con acciones de mejora mayores
Su reduccin es responsabilidad de la direccin

Fuentes de variacin: Mrgenes inadecuados de diseo, materiales de
baja calidad, capacidad del proceso insuficiente

SEGN DEMING
El 94% de las causas de la variacin son causas
comunes, responsabilidad de la direccin



41
Variacin Causas comunes
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
42
Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente
Son ocasionadas por variaciones anormales (6Ms)
Medicin, Medio ambiente, Mano de obra, Mtodo,
Maquinaria, Materiales
Slo se reduce con acciones en el piso o lnea
Su reduccin es responsabilidad del operador por
medio del Control Estadstico del Proceso

SEGN DEMING
El 6% de las causas de la variacin son causas
especiales y es responsabilidad del operador




43
Variacin Causas especiales
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
44
Cartas de control
7.5
8.5
9.5
10.5
11.5
12.5
0 10 20 30
Lmite
Superior de
Control
Lmite
Inferior de
Control
Lnea Central
45
Escuche la Voz del Proceso
Regin de control,
captura la variacin
natural del proceso
original
Causa Especial
identifcada
El proceso ha cambiado
TIEMPO
Tendencia del proceso
LSC
LIC
9A5. Patrones de anormalidad
en la carta de control
M
E
D
I
D
A
S

C
A
L
I
D
A
D
46
Corridas
7 puntos consecutivos de un lado de X-media.

Puntos fuera de control
1 punto fuera de los lmites de control a 3 sigmas en cualquier
direccin (arriba o abajo).

Tendencia ascendente o descendente
7 puntos consecutivos aumentando o disminuyendo.

Adhesin a la media
15 puntos consecutivos dentro de la banda de 1 sigma del centro.

Otros
2 de 3 puntos fuera de los lmites a dos sigma
Patrones Fuera de Control
47
Proceso en Control estadstico

Sucede cuando no se tienen situaciones anormales y
aproximadamente el 68% (dos tercios) de los puntos de la
carta se encuentran dentro del 1 o de las medias en la carta
de control.

Lo anterior equivale a tener el 68% de los puntos dentro
del tercio medio de la carta de control.

Patrn de Carta
en Control Estadstico
48
Tipos de Cartas de control

Las cartas para atributos son las que tienen caractersticas como
aprobado/reprobado, bueno/malo o pasa/no pasa. Algunos
ejemplos incluyen:

- Nmero de productos defectuosos

- Fraccin de productos defectuosos

- Numero de defectos por unidad de producto

- Nmero de llamadas para servicio

- Nmero de partes daadas

- Pagos atrasados por mes


Eleccin del tipo de grafica a usar
Tipo de dato
Tipo de
dato
Muestra
de 1
Muestra
mayor
de 10
U
np
X y R
P
X y S
X y MR
Atricbut
Muestra
constan
t
Muestra
constante
C
Atributos
Variables
Si
No
Si
No
Defectos
Defectuosos
No
No
Si
Si
50


Cartas de Control para
variables
51
Tipos de Cartas de control
Las cartas de control se dividen en dos
categoras, diferenciadas por el tipo de datos
bajo estudio- variables y atributos.

Las Cartas de Control para datos variables
son utilizadas para caractersticas que tienen
una magnitud variable. Ejemplo:
- Longitud, Ancho, Profundidad

- Peso, Tiempo de ciclo, Viscosidad
52
Cartas de Control por Variables
MEDIAS RANGOS (subgrupos de 5 - 9 partes cada x horas, para estabilizar
procesos)

MEDIANAS RANGOS (para monitorear procesos estables)

MEDIAS DESVIACIONES ESTANDAR (subgrupos de 9 o ms partes cada
hora o cada lote de proveedor para monitoreo de procesos o proveedores)

VALORES INDIVIDUALES (partes individuales cada x horas, para monitoreo
de procesos muy lentos o qumicos)

53
Implantacin de cartas de control
por variables
1. Identificar la caracterstica a controlar en
base a un AMEF (anlisis del modo y efecto
de falla)

2. Disear los parmetros de la carta (lmites
de control, subgrupo 3-5 partes, frecuencia
de muestreo)

3. Validar la habilidad del sistema de medicin
por medio de un estudio Repetibilidad &
Reproducibilidad

4. Centrar el proceso, correrlo y medir al
menos 25 subgrupos de 5 partes cada uno,
correspondiente a la produccin del mismo
turno o da
54
Cartas de Control por Variables -
Metodologa de implantacin
5. Calcular los lmites de control preliminares a 3 Sigma

6. Identificar causas asignables o especiales y tomar accin para
prevenir recurrencia

7. Recalcular los lmites de control de ser necesario repetir paso 6.
Establecer lmites preliminares para corridas futuras

8. Continuar el monitoreo y Anlisis, tomar acciones en causas
especiales y recalcular lmites de control cada 25 subgrupos

9. REDUCIR CAUSAS COMUNES DE VARIACIN
55
Carta X, R (Continuacin)
Terminologa
k = nmero de subgrupos; n = nmero de muestras en cada subgrupo
X = promedio para un subgrupo
X = promedio de todos los promedios de los subgrupos
R = rango de un subgrupo
R = promedio de todos los rangos de los subgrupos
x =
x
1
+ x
2
+ x
3
+ ...+ x
N

k
x
=
x
1
+ x
2
+ x
3
+ ...+ x
N

n
LIC
X
= x - A
2
R
LIC
R
= D
3
R
LSC
X
= x + A
2
R
LSC
R
= D
4
R
NOTA: Los factores a considerar
para n = 5
Son A2 = 0.577 D3 = 0 D4 = 2.114
56
Ejemplo 1:
Carta X, R (en Excel)
1 0 9 8 7 6 5 4 3 2 1 0
1 0 0
9 0
8 0
7 0
6 0
5 0
S u b g r o u p
M
e
d
i
a
s

X = 7 4 . 6 0
3 . 0 S L = 9 5 . 3 6
- 3 . 0 S L = 5 3 . 8 4
8 0
7 0
6 0
5 0
4 0
3 0
2 0
1 0
0
R
a
n
g
o
s

R = 3 6 . 0 0
3 . 0 S L = 7 6 . 1 2
- 3 . 0 S L = 0 . 0 0 0
Grfica Xbar/R para Muestra1-Muestra5

Cul grfica se analiza primero?
Cul es su conclusin acerca del proceso ?
57
Carta de Individuales (Datos variables)
- A menudo esta carta se llama I o Xi.

- Esta Carta monitorea la tendencia de un proceso con datos variables
que no pueden ser muestrados en lotes o grupos.

- Este es el caso cuando la capacidad de
corto plazo se basa en subgrupos racionales de una unidad o pieza

- La lnea central se basa en el promedio de los datos, y los lmites de
control se basan en la desviacin estndar poblacional (+/- 3 sigmas)
58
Carta X, R (Continuacin)
Terminologa
k = nmero de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x =
x
1
+ x
2
+ x
3
+ ...+ x
N

n
LIC
X
= x - E
2
R
LIC
R
= D
3
R
LSC
X
= x + E
2
R
LSC
R
= D
4
R
(usar estos factores para calcular Lmites de Control n = 2)
n 2
D
4
3.27
D
3
0
E
2
2.66
59

Ejemplo: Carta I (en Excel)
1 5 1 0 5 0
1 2 . 3 5
1 2 . 2 5
1 2 . 1 5
1 2 . 0 5
1 1 . 9 5
1 1 . 8 5
1 1 . 7 5
1 1 . 6 5
Nmero de Observacin

V
a
l
o
r

I
n
d
i
v
i
d
u
a
l



Carta I para Longitud de parte

1
6
6
6
8
X = 1 2 . 0 3
3 . 0 S L = 1 2 . 3 0
- 3 . 0 S L = 1 1 . 7 5
Observar la situacin fuera de control
60
- Hacer dos cartas X-R y
concluir:
MUESTRA 1 MUESTRA 2

1 12 2.832
2 15 2.802
3 13 2.952
4 10 2.80
5 13 2.95
6 15 2.92
7 15 2.95
8 15 2.92
9 22 2.93
10 16 2.93
Ejercicios de Cartas I o X, R
MUESTRA 1 MUESTRA 2

11 16 2.97
12 15 2.95
13 17 2.95
14 16 2.86
15 17 2.89
16 19 2.86
17 16 2.85
18 16 2.78
19 17 2.89
20 19 2.78

61


Cartas de Control
para atributos
62
Cartas de control para atributos
Datos de Atributos
Tipo Medicin Tamao de Muestra ?
p Fraccin de partes defectuosas, Constante o variable > 30
defectivas o no conformes

np Nmero de partes defectuosas Constante > 30


c Nmero de defectos Constante = 1 Unidad de
inspeccin

u Nmero de defectos por unidad Constante o variable en
unidades de inspeccin
63
Cartas de Control tipo p
p - CON LMITES DE CONTROL VARIABLES


p - CON n PROMEDIO


p - ESTANDARIZADA


CURVA CARACTERSTICA DE OPERACIN OC Y ARL


64
2... Cartas de Control por Atributos


c Nmero de defectos
Se cuentan los defectos que tienen cada unidad de inspeccin de tamao n
constante en productos complejos TV, computadoras




u Defectos por unidad
Se cuentan los defectos que tienen diferentes unidades de inspeccin de
tamao n variable en productos complejos y se determinan los defectos por
unidad TV, computadoras

65
25 20 15 10 5 0
15
10
5
0
Sampl e Number
S
a
m
p
l
e

C
o
u
n
t
C Chart for Pitted S
1
C=5.640
3.0SL=12.76
-3.0SL=0.000
Cartas de control para Atributos
Situaciones fuera de control
Un punto fuera de los lmites de control.
Siete puntos consecutivos en un mismo lado de de la lnea central.
Siete puntos consecutivos, todos aumentando o disminuyendo.
Catorce puntos consecutivos, alternando hacia arriba y hacia abajo.
Lmite Superior de Control
Lmite Interior de Control
Lnea Central
Ahora, veamos algunos ejemplos...
Carta C
Nmero de Muestras
66
Carta p (Cont...)
Ejemplo: Algunos componentes no pasaron la inspeccin final. Los datos de falla se registraron
semanalmente tal como se muestra a continuacin.

# de
componente
s
inspeccionad
os
Componentes
defectuosos
Fraccin de
componentes
defectuosos
7 0 0.000
7 0 0.000
15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 2 0.143
12 2 0.167
8 1 0.125
n np p
K = 13 semanas
67
1 0 5 0
0 . 5
0 . 4
0 . 3
0 . 2
0 . 1
0 . 0
Nmero de muestra

P
r
o
p
o
r
c
i

n

Grfica P para Fraccin Defectiva

P = 0 . 1 1 2 8
3 . 0 S L = 0 . 4 4 8 4
- 3 . 0 S L = 0 . 0 0 0
Carta p (Cont..)
- Observe como el LSC vara conforme el tamao (n) de cada muestra vara.
- Por qu el LIC es siempre cero?
- Qu pas en la muestra 7? (33.3% defectos)
- Qu oportunidades para mejorar existen?,
Podemos aprender algo de las muestras 1, 2, 6, 8, y 10?
- Podra este proceso ser un buen proyecto de mejora?
p
LSC
LIC
Ejemplo:
68
Carta np (Atributos)
- Se usa cuando se califica al producto como bueno/malo, pasa/no
pasa.
- Monitorea el nmero de productos defectuosos de una muestra
- El tamao de muestra (n) es constante y mayor a 30.
Terminologa (igual a grfica p, aunque n es constante)
n = tamao de cada muestra (Ejemplo: produccin semanal)
np = nmero de unidades defectuosas en cada muestra
k = nmero de muestras
69
Carta np (Cont..)
n np
# de partes inspeccionadas
# de partes
defectuosas
4000 2
4000 3
4000 3
4000 2
4000 4
4000 2
4000 3
4000 3
4000 6
4000 8
4000 3
4000 4
4000 4
4000 7
4000 6
K=15 lotes
Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000
partes de cada lote, se rechazan algunas partes por tener defectos, como sigue:
70
4... Carta np (Cont...)
1 5 1 0 5 0
1 0
5
0
Nmero de muestras

N
o
.

D
e

f
e
c
e
t
i
v
o
s


Carta np de nmero de defectivos o defectuosos

3 . 0
LSC=10.03
- 3 . 0 S
- El tamao de la muestra (n) es constante

- Los lmites de control LSC y LIC son constantes

- Esta carta facilita el control por el operador ya que el evita hacer
clculos
np
LIC
Ejemplo 1:
LIC=0.0
Np =4.018
71
Carta c (Atributos)
- Monitorea el nmero de defectos por cada unidad de
inspeccin (1000 metros de tela, 200 m2 de material, un TV)
- El tamao de la muestra (n unidades de inspeccin) debe ser
constante
- Ejemplos:
- Nmero de defectos en cada pieza
- Nmero de cantidades ordenadas incorrectas en
rdenes de compra 4...
Terminologa
c = Nmero de defectos encontrados en cada unidad
o unidades constantes de inspeccin
k = nmero de muestras
72
Carta c (cont..)
Ejemplo: Nmero de defectos encontrados en una unidad de inspeccin que consta de
50 partes de cada lote de 75 piezas durante 25 semanas (K = 11).
#Lote / Defectos encontrados
1 6
2 4
3 4
4 2
5 4
6 3
7 4
8 4
9 5
10 5
11 5
NOTA: Utilizar Excel para
Construir la carta c
73
Carta c (cont..)
- Observe el valor de la ltima muestra; est fuera del lmite superior de
control (LSC)
- Qu informacin, anterior a la ltima muestra, debi haber obviado el
hecho de que el proceso iba a salir de control?
Ejemplo:
2 5 2 0 1 5 1 0 5 0
1 5
1 0
5
0
Nmero de Muestras
N

m
e
r
o

d
e

d
e
f
e
c
t
o
s



Carta C

1
C = 5 . 6 4 0
3 . 0 L SC = 1 2 . 7 6
- 3 . 0 L IC = 0 . 0 0 0
LSC
C
74
Carta u (Atributos)
- Monitorea el nmero de defectos en una muestra de n unidades
de inspeccin. El tamao de la muestra (n) puede variar
- Los defectos por unidad se determinan dividiendo el nmero de
defectos encontrados en la muestra entre el nmero de unidades
de inspeccin incluidas en la muestra (DPU o nmero de
defectos por unidad) .

- Ejemplos:
Se toma una muestra de tamao constante de tableros PCB por
semana, identificando defectos visuales por tablero.

Se inspeccionan aparatos de TV por turno, se determinan los
defectos por TV promedio.
75
Carta u (cont...)
Ejemplo 2: Defectos encontrado al inspeccionar varios
lotes de productos registrados por semana
Lote n c = Defectos u = DPU
Lote Unidades Defectos DPU
1 10 60 6
2 12 75 6.3
3 7 42 6
4 14 77 5.5
5 12 69 5.8
6 12 72 6
7 13 76 5.8
8 10 55 5.5
9 9 51 5.7
10 14 78 5.6
11 13 72 5.5
12 13 77 5.9
13 12 74 6.2
14 10 57 5.7
15 11 62 5.6
16 13 41 3.2
17 11 30 2.7
18 15 45 3
19 15 42 2.8
20 14 40 2.9
k=20 semanas
76
Carta u (cont..)
- Observe que ambos lmites de control varan cuando el
tamao de muestra (n) cambia.

- En que momentos estuvo el proceso fuera de control?
2 0 1 0 0
8
7
6
5
4
3
2
Nmero de Muestras

N

m
e
r
o


d
e

e
f
e
c
t
o
s



Grfica U para Defectos

U = 4 . 9 7 9
3 . 0 L SC = 6 . 7 6 8
- 3 . 0 L IC = 3 . 1 9 0
Ejemplo 2:
LSC
LIC
u
Introduccin A la Metodologa
Seis Sigma
Walter Shewhart Bell Company
A principios del Siglo Veinte, Shewhart, mientras trabajaba en Bell
Company, propuso las graficas para el control del Proceso
En La curva Normal el rea comprendida entre la media ms o
menos tres sigmas representa el 99.7% de los eventos, quedando
un 0.22% que no cumple con las especificaciones
Edward Deming
que todo proceso es variable y cuanto menor sea la
variabilidad del mismo mayor ser la calidad del producto
resultante. En cada proceso pueden generarse dos tipos de
variaciones o desviaciones con relacin al objetivo marcado
inicialmente: variaciones comunes y variaciones especiales.
Solo efectuando esta distincin es posible alcanzar la
calidad. Las variaciones comunes estn permanentemente
presentes en cualquier proceso como consecuencia de su
diseo y de sus condiciones de funcionamiento, generando
un patrn homogneo de variabilidad que puede predecirse
y, por tanto, controlarse. Las variaciones asignables o
especiales tienen, por su parte, un carcter espordico y
puntual provocando anomalas y defectos en la fabricacin
perfectamente definidos, en cuanto se conoce la causa que
origina ese tipo de defecto y por tanto se puede eliminar el
mismo corrigiendo la causa que lo genera. El objetivo
principal del control estadstico de procesos es detectar las
causas asignables de variabilidad de manera que la nica
fuente de variabilidad del proceso sea debido a causas
comunes o no asignables, es decir, puramente aleatorias.
19.75
20.25
Un 0.22% que no cumple con las especificaciones
Dcada de los ochentas se
increment la competitividad
entre las empresas
Motorola entiende que el
0.22% de los defectos no se
puede permitir
3
No es suficiente
Mikel Harry, de Motorola, encontr que
siempre la media del proceso se desplaza
1.5 desviaciones para cualquiera de los
lados, y si se trabaja con tres sigmas, estas
desviaciones producen una gran cantidad de
defectos. Por lo que propuso que se
redujera la variacin del proceso a la mitad
Es una estrategia de mejora continua, que busca y elimina las
causas de los errores, defectos y retrasos en los procesos para
reducir su variabilidad alrededor del objetivo, con lo que se
consiguen Productos de altsima calidad, que incrementan la
satisfaccin de los clientes, y hace que la empresa obtengan
mayores beneficios.
Definicin del Seis Sigma
Explicacin Grfica
Seis Sigma
Definir
Medir
Analizar Mejorar
Controlar
Proceso DMIAC
Ejecutivo
Champion
Black Belt
Green Belt
Yellow
Belt
Yellow
Belt
Yellow
Belt
Green Belt
Yellow
Belt
Yellow
Belt
Yellow
belt
Master
Black Belt
Estructura Organizacional del Seis Sigma
Caractersticas de la
Metodologa Seis Sigma
Est orientada al cliente
Enfocada en los Procesos
Se maneja con datos
Fuerte apoyo de la Gerencia
Trabaja por Proyectos
Iniciativa a tiempo completo
Entrenamiento para todos
Los Proyectos tienen que
generar Beneficios
Manejo tradicional de la Calidad Manejo con Seis Sigma
Centralizada Descentralizada
Estructura rgida y enfoque
reactivo
Estructura para la deteccin
y solucin de los problemas
y enfoque proactivo
No estructuracin de las
herramientas de mejora, uso
localizado y aislado
Estructuracin de
herramientas de mejora
Toma de decisiones sobre
presentimientos y datos vagos
Toma de decisiones sobre
datos precisos y objetivos
Se aplican remedios provisionales,
slo se corrige en vez de prevenir
Se observa a la raz para llegar a
soluciones slidas y prevenir
la repeticin
Diferencias con la calidad tradicional
Mtrica del Six Sigma

Defectos por Milln de oportunidades DPMO


=


1,000,000
Ejemplo clculo de DPMO
Suponga que usted digita cdulas que tienen 11
dgitos, tendra 11 oportunidades de fallar, si
cometi 1,000 errores al digitar 50,000 cdulas,
su DPMO es

=
,
,
, , = ,