Está en la página 1de 67

FUNDAMENTOS DE

CONTROL ESTADISTICO
DE PROCESOS

2015

TEMARIO
O INTRODUCCION
O CONTROL

ESTADISTICO DE PROCESO
O VARIACION DE UN PROCESO
O FUNDAMENTO ESTADISTICO
O
O
O
O
O

DISTRIBUCCION NORMAL O CAMPANA DE GAUSS


TEOREMA DEL LIMITE CENTRAL
CAUSAS COMUNES
CAUSAS ASIGNABLES
BAJO CONTROL Y FUERA DE CONTROL

O APLICACIN

DEL GRAFICO DE CONTROL ESTADISTICO


O ETAPAS DEL CONTROL ESTADISTICO DE PROCESO
O CAPACIDAD DE PROCESO
O VARIABILIDAD
O GRAFICOS DE MEDIAS
O INTERPRETACION DE LOS GRAFICOS DE CONTROL
O ESTUDIO DE CAPACIDAD DE PROCESO
O RESUMEN

INTRODUCCION
O El Control Estadstico de Procesos

naci a finales de los aos 20 en los


Bell Laboratories. Su creador fue W.
A. Shewhart, quien en su libro
Economic Control of Quality of
Manufactured Products (1931)
marc la pauta que seguiran otros
discpulos distinguidos (Joseph Juran,
W.E. Deming, etc.).

CONTROL ESTADISTICO DE
PROCESO
O Un proceso industrial est sometido

a una serie de factores de carcter


aleatorio que hacen imposible
fabricar dos productos
exactamente iguales.
O Las caractersticas del producto
fabricado no son uniformes y
presentan una variabilidad.

CONTROL ESTADISTICO DE
PROCESO
O Esta variabilidad es claramente

indeseable y el objetivo ha de ser


reducirla lo ms posible o al
menos mantenerla dentro de
lmites.
O El Control Estadstico de Procesos es
una herramienta til para alcanzar
este segundo objetivo.

CONTROL ESTADISTICO DE
PROCESO
O Dado que su aplicacin es en el

momento de la fabricacin, puede


decirse que esta herramienta
contribuye a la mejora de la
calidad de la fabricacin.
O Permite aumentar el conocimiento
del proceso lo cual en algunos casos
puede dar lugar a la mejora del
mismo.

VARIACION DE PROCESO

VARIACION DE PROCESO
O Un proceso es una secuencia de

pasos dispuesta con algn tipo


de lgica que se enfoca en lograr
algn resultado especfico.

VARIACION DE PROCESO

VARIACION DE PROCESO

VARIACION DE PROCESO

FUNDAMENTOS
ESTADISTICOS
O Distribucin Normal o Campana

de Gauss.
O La distribucin normal es desde luego

la funcin de densidad de
probabilidad estrella en estadstica.
O Depende de dos parmetros y ,
que son la media y la desviacin
estndar respectivamente.

FUNDAMENTOS
ESTADISTICOS
O La media o opromedio es una

medida de tendencia centralque


resulta al efectuar una serie
determinada de operaciones con un
conjunto de nmeros y que, en
determinadas condiciones, puede
representar por s sola a todo el
conjunto

FUNDAMENTOS
ESTADISTICOS
O La desviacin estndar o : mide la

cercana de cada uno de los valores


respecto al promedio. Entre ms
alejados del promedio se encuentren
los valores, mayor ser la desviacin
estndar.

FUNDAMENTOS
ESTADISTICOS
O Los lmites de control son aquellos

entre los cuales el estadstico


considerado (sean valores
individuales,medias, medianas,
recorridos desviaciones tpicas, sumas
acumuladas, etc.) tiene una
probabilidad muy alta de situarse
cuando el proceso est bajo control
(no hay causa asignable).

FUNDAMENTOS
ESTADISTICOS
O Distribucion normal o campana de

Gauss: Tiene una forma acampanada y


es simtrica respecto a . Llevando
mltiplos de a ambos lados de ,
tenemos que el 68% de la poblacin
est contenido en un entorno 1
alrededor de , el 95% de la poblacin
est contenido en un entorno 2
alrededor de y que el 99,73% est
comprendido en 3 alrededor de .

FUNDAMENTO ESTADISTICO
O El teorema del lmite central

establece que si una variable


aleatoria se obtiene como una
suma de muchas causas
independientes, siendo cada una
de ellas de poca importancia
respecto al conjunto, entonces
su distribucin es
asintticamente normal.

FUNDAMENTO ESTADISTICO
O Como consecuencia del Teorema del

Limite Central, la distribucin de las


medias muestrales tiende a ser
normal an en el caso que la
poblacin base no lo sea, siempre
que el tamao de la muestra sea
suficientemente grande n>25, si
bien este nmero depende de la
asimetra de la distribucin.

FUNDAMENTO ESTADISTICO
O Si el proceso est operando de manera que

existen pequeas oscilaciones de todos


estos factores, pero de modo que ninguno
de ellos tienen un efecto preponderante
frente a los dems, entonces en virtud del
Teorema del Limite Central es esperable que
la caracterstica de calidad del producto
fabricado se distribuya de acuerdo con una
ley normal.
O Al conjunto de esta multitud de factores se
denominan causas comunes.

FUNDAMENTO ESTADISTICO
O Si circunstancialmente incide un factor

con un efecto preponderante, entonces


la distribucin de la caracterstica de
calidad no tiene por qu seguir una ley
normal y se dice que est presente una
causa especial o asignable.
O Por ejemplo un producto se fabrica con un lote

homogneo de una materia prima de un fabricante X, sin


embargo se cambia a otro proveedor Y con lotes
homogneos pero con caractersticas un poco diferentes,
el producto generado con este nuevo lote tendr
caractersticas significativamente diferentes al inicial.

FUNDAMENTO ESTADISTICO
O Se dice que un proceso est bajo control

estadstico cuando no hay causas


asignables presentes. El Control Estadstico
de Procesos se basa en analizar la informacin
aportada por el proceso para detectar la
presencia de causas asignables y habitualmente
se realiza mediante una construccin grfica
denominada Grfico de Control.
O Si el proceso se encuentra bajo control
estadstico es posible realizar una prediccin del
intervalo en el que se encontrarn las
caractersticas de la pieza fabricada.

FUNDAMENTO ESTADISTICO
O Cuando, adems de las causas no

asignables, aparece una o varias


causas asignables, se dice que el
proceso est fuera de control.

APLICACIN DEL GRFICO DE


CONTROL ESTADSTICO
O Para que tenga sentido la aplicacin de

los grficos de control, el proceso ha de


tener una estabilidad suficiente que,
an siendo aleatorio, permita un cierto
grado de prediccin. En general, un
proceso catico no es previsible y no
puede ser controlado. A estos procesos
no se les puede aplicar el grfico de
control ni tiene sentido hablar de
capacidad.

APLICACIN DEL GRFICO DE


CONTROL ESTADSTICO
O Podemos distinguir dos casos:
O El proceso est regido por una

funcin de probabilidad cuyos


parmetros permanecen constantes
a lo largo del tiempo. Este sera el
caso de un proceso normal de
media constante y desviacin tpica
constante. Este es el caso ideal y
fcilmente se pueden detectar la
presencia de causas asignables.

APLICACIN DEL GRFICO DE


CONTROL ESTADSTICO
O El proceso est regido por una funcin de

probabilidad donde alguno de los


parmetros vara ligeramente a lo largo
del tiempo. Este sera el caso de un
proceso normal cuya media vara a lo largo
del tiempo (por ejemplo, el desgaste de la
cuchilla de una herramienta de corte).
Estrictamente hablando, este desgaste de
la herramienta sera una causa especial;
sin embargo si puede conocerse la
velocidad de desgaste podra compensarse
resultando un proceso anlogo al caso
anterior.

APLICACIN DEL GRFICO DE


CONTROL ESTADSTICO
O Por lo tanto, se debe tratar de

conocerse todo lo que sea posible de


los fundamentos tecnolgicos del
proceso, ya que esto puede dar
pistas sobre el tipo de distribucin
que seguirn los datos. En ningn
caso debe darse la normalidad por
supuesta.

ETAPAS DE CONTROL
ESTADISTICO DE PROCESO

ETAPAS DE CONTROL
ESTADISTICO DE PROCESO
O Antes de pasar a la segunda etapa,

se verifica si el proceso est


ajustado. En caso contrario, se
retorna a la primera etapa:

ETAPAS DE CONTROL
ESTADISTICO DE PROCESO
O En la 1a etapa se recogen unas 100200 mediciones,

con las cuales se calcula el promedio y la desviacin


standard. Posteriormente se establecen los limites de
control y se establece el grafico de prueba, el cual se
analiza detenidamente para verificar si est de
acuerdo con la hiptesis de que la variabilidad del
proceso se debe slo a un sistema de causas
aleatorias o si, por el contrario, existen causas
asignables de variacin
O En la 2a etapa, las nuevas observaciones que van
surgiendo del proceso se representan en el grfico, y
se controlan verificando que estn dentro de los
lmites, y que no se produzcan patrones no aleatorios

CAPACIDAD DE
PROCESO
O Si un proceso normal est en control

estadstico, la caracterstica de calidad del


99,73% de los elementos fabricados
estar comprendida entre - 3 y + 3.
El parmetro depende del punto en el
que centremos el proceso. Sin embargo
depende del nmero y variabilidad de las
causas comunes del proceso.
O 6 es la Variabilidad Natural del
Proceso o Capacidad del Proceso.

CAPACIDAD DE
PROCESO
O Es esencial resaltar que la variabilidad natural

del proceso, 6, es intrnseca a l e


independiente de las tolerancias que se
asignen. Por lo tanto si no se toma en cuenta el
6 y las tolerancias a cumplir, necesariamente
algunos productos fabricados estarn fuera de
tolerancia y sern no conformes. Si no se tiene
en cuenta este hecho y se pretende corregir a
base de reajustar el proceso, es decir modificar
el centrado, lo nico que se consigue es
aumentar la variabilidad del mismo.

CAPACIDAD DE
PROCESO
O Con objeto de comparar la capacidad

del proceso y la amplitud de las


tolerancias a satisfacer, se define el
ndice de capacidad de proceso:

O Si se pretende que la produccin est

dentro de tolerancia, es necesario que:


O Cp > 1.

CAPACIDAD DE
PROCESO
O Si el proceso no estuviese centrado,

el valor de este ndice falseara el


grado de cobertura con respecto a
fabricar piezas fuera de tolerancias.
En estos casos es ms significativo el
ndice Cpk que se define:

CAPACIDAD DE
PROCESO

VARIABILIDAD
O Un proceso productivo tiene habitualmente

dos tipos de variabilidad:


O Variabilidad inherente del proceso.
Aquella componente de la variabilidad
debida a causas comunes solamente y
representa la variabilidad que puede
estar presente entre elementos
fabricados en intervalos prximos,
variabilidad en el corto plazo. Algunos
autores denominan a este componente
de la variabilidad como ruido blanco.

VARIABILIDAD
O Variabilidad total del proceso. Es la

variacin resultante de todas las causas


de variabilidad (causas comunes y
especiales), en la que se tienen en cuenta
factores como el desgaste, cambios de
lote de materia prima, etc. Representa la
variabilidad que puede afectar al conjunto
de los elementos fabricados recibidos por
el cliente, variabilidad en el largo plazo.
Algunos autores denominan a este
componente de la variabilidad como
ruido negro.

VARIABILIDAD

VARIABILIDAD
O Supongamos que un proceso se

encuentra bajo control estadstico y


por lo tanto su distribucin es N(,
). Si se extrae una muestra de
tamao n y su media muestral se
encuentra comprendida fuera del
intervalo comprendido entre:
O
(llamados
lmites de control inferior y superior)

VARIABILIDAD
O Se tendrian dos posibles justificaciones:
O a) De acuerdo con el modelo terico supuesto

sabemos que el 0,27% de las muestras (es


decir 27 muestras de cada 10.000) tendrn
una media fuera de este intervalo y la
muestra que hemos extrado es una de ellas.
O b) Es muy improbable obtener una muestra
de estas caractersticas si realmente el
modelo es el supuesto, de modo que parece
ms verosmil pensar que el proceso no est
bajo control estadstico y por lo tanto la
hiptesis de que se distribuye en ese
momento segn una N(, ) es falsa.

VARIABILIDAD
O Si la media muestral est comprendida

dentro del intervalo anterior, no tendremos


ninguna razn de peso para pensar que el
proceso no se encuentra bajo control
estadstico (el resultado es coherente con
el modelo supuesto). Lo anterior no quiere
decir que podamos estar absolutamente
seguros de que el proceso se encuentre
bajo control estadstico, sino que no
tenemos la evidencia de que no lo est.

GRAFICO DE MEDIAS
O El Control Estadstico de Procesos se basa

en repetir la toma de muestras de manera


peridica, calcular la media muestral y
representar un grfico de una manera
similar a la Figura siguiente, de modo que si
la media cae fuera de los lmites de control
existe la evidencia de que hay una causa
asignable presente (proceso fuera de
control).
O A este grfico se le denomina Grfico de
Medias o simplemente Grfico X .

GRAFICO DE MEDIAS
O El anlisis de las muestras no se debe detener

simplemente construyendo un Grfico de Medias ya


que an pueden proporcionar ms informacin del
comportamiento del proceso. La dispersin de los
valores muestrales nos puede proporcionar una
estimacin de la dispersin del proceso y realizar un
seguimiento de su evolucin. La dispersin de los
valores de una poblacin se mide por su desviacin
tpica y los estimadores muestrales utilizados ms
frecuentemente son el recorrido R (que en nuestro
caso dar lugar al Grfico de Rangos o Recorridos o
simplemente Grfico R) y la desviacin tpica muestral
S (que dar lugar al Grfico de desviaciones tpicas o
simplemente Grfico S).

GRAFICOS DE MEDIAS
O Rango o recorrido muestral.
O Se define como la diferencia entre el mayor

valor presente en la muestra y el menor


valor. Por su propia construccin, este
estadstico da una estimacin de la
dispersin de la poblacin de la que procede.
Presenta la ventaja de que se calcula muy
fcilmente y para valores muestrales
pequeos n<8 se comporta bien. Para
valores mayores da una estimacin
sobrevalorada de la dispersin de la
poblacin.

GRAFICOS DE MEDIAS
O Construccin de grficos

INTERPRETACION DE LOS
GRAFICOS DE CONTROL
O La indicacin ms clara de que el proceso

est fuera de control es que alguno de los


puntos est fuera de los lmites. Adems
el aspecto de los grficos pueden indicar
anomalas en el proceso. Si dividimos el
grfico en zonas A, B y C, el porcentaje
de puntos contenidos en cada una de
ellas deber acercarse sensiblemente al
rea relativa de la campana de Gauss
cubierta por cada una de ellas.

INTERPRETACION DE LOS
GRAFICOS DE CONTROL

INTERPRETACION DE LOS
GRAFICOS DE CONTROL
O Reglas 1, 2, 3, 3, 4, 4, 4 y 7. Si

el grfico de medias presenta alguna


de estas indicaciones y el grfico S o R
no presenta anomalas, lo ms
probable es que el proceso se
encuentre desplazado. Si el grfico S o
R presenta tambin indicaciones,
entonces es proceso ha aumentado la
variabilidad y posiblemente tambin
se ha desplazado.

INTERPRETACION DE LOS
GRAFICOS DE CONTROL
O Reglas 5, 6, 6, 6. Lo ms probable

es que el proceso est desplazndose.


O Regla 7. Si el grfico S o R no
presenta anomalas, lo ms probable
es que el proceso sea muy inestable
en cuanto a su centrado. Si el grfico S
o R presenta tambin indicaciones,
entonces es probable que el proceso
haya aumentado la variabilidad.

INTERPRETACION DE LOS
GRAFICOS DE CONTROL
O Regla 8. que Puede ser sntoma de que se

ha reducido la variabilidad del proceso si el


grfico S o R tambin muestra una
reduccin de la variabilidad muestral. Si el
grfico S o R no muestra una reduccin de
la variabilidad muestral, puede ocurrir que
se estn mezclando dos poblaciones
distintas, siendo la distribucin resultante
bimodal (dos jorobas).
O Regla 9. Es sntoma de inestabilidad del
proceso.

INTERPRETACION DE LOS
GRAFICOS DE CONTROL

ESTUDIO DE CAPACIDAD DE
PROCESO
O Un estudio de capacidad de proceso

tiene por objeto de conocer:


O Distribucin estadstica que lo

describe (normal o no normal)


O El patrn de variabilidad del
proceso y principales factores
relacionados con la variabilidad.
O Comprender los fenmenos fsicos
y tecnolgicos importantes para el
proceso

ESTUDIO DE CAPACIDAD DE
PROCESO
O Se realiza tomando muestras de la produccin.

Es frecuente que se requiera que el proceso est


en control estadstico. Este requisito es lgico
cuando se pretende calcular los ndices cp y cpk
de variabilidad a corto plazo. En general, cuando
se desee estimar la variabilidad total del
proceso (conocida tambin como variabilidad a
largo plazo), las muestras deben ser
representativas de la produccin, por ejemplo
debe incluir producciones con lotes distintos de
materia prima, realizada por operarios
diferentes, en varios turnos, etc.

ESTUDIO DE CAPACIDAD DE
PROCESO
O Como llevar a cabo un estudio de capacidad

de proceso:
O Comprender los fenmenos fsicos y

tecnolgicos importantes para el proceso


O Definicin de la estratificacin de las medidas a
tomar: definir en que momento se tomara la
muestra y que esta este libre de causas
especiales y se identifiquen las posibles fuentes
de variabilidad
O Estabilizar del proceso: tener una estabilidad
suficiente que, an siendo aleatorio, permita un
cierto grado de prediccin.

ESTUDIO DE CAPACIDAD DE
PROCESO
O Toma de datos.
O Identificacin del patrn de

variabilidad.
O Comprobacion de la normalidad de
los datos.
O Analisis e interpretacion de los datos.

RESUMEN
O a) Las causas de variabilidad de un proceso se

clasifican en comunes y en especiales o


asignables.
O b) Las causas comunes son muchas y de poca
importancia relativa. Son responsables de la
variabilidad natural del proceso.
O c) Las causas especiales o asignables tiene una
influencia mayor en la variabilidad del proceso.
O d) Un proceso est en control estadstico cuando no
est afectado por causas especiales o
asignables.
O e) Los grficos de control sirven para detectar la
presencia de causas especiales o asignables.

GRACIAS!

EJERCICIO 1
O La galga de los platinos es una

caracterstica clave para su buen


funcionamiento. La tabla siguiente
recoge medidas de 20 muestras de
tamao 5. Construir el grfico de
control de medias

EJERCICIO 2
O Se tomaron 10 muestras cada una

de 5 piezas. Indicar la media, la


desviacion estandar y el rango.
Realizar el grafico de medias

EJERCICIO 3
O Calcular el Cp y Cpk de los dos

ejercicios anteriores.
O Indicar que significa el valor de Cp o
Cpk obtenido