Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE PROCESOS
INTEGRANTES:
GRANADOS MILLA ABEL
DIESTRA OLORTEGUI CLEVER
CORDERO TRUJILLO JHON
MACHCO COCHACHIN MORI
MACEDO MONTALVO ELIDA
¿Qué es proceso estadístico?
• El proceso estadístico es una filosofía de la optimización referida a
mejoras de proceso continuas, usando una colección de
las herramientas (estadísticas) para datos y análisis del proceso
fabricación de inferencias sobre comportamiento de proceso y
toma de decisión.
• El proceso estadístico es un componente dominante de las
iniciativas totales de la calidad.
Beneficios del proceso estadístico:
Mejorar calidad del producto.
Mejorar productividad.
Aerodinamizar proceso.
Reducción de despilfarro.
Reducción de emisiones.
Mejorar servicio de cliente, etc.
Herramientas para el proceso estadístico.
Las herramientas comúnmente usadas en el proceso estadístico incluyen:
Organigramas
Gráficas de funcionamiento
Gráfica y análisis de Pareto
Diagramas de causa-efecto
Histogramas de la frecuencia
Gráficas de Control
Estudios de la capacidad de proceso
Planes de muestreo de aceptación
Diagramas de dispersión
¿Qué es calidad?
• Un concepto básico para entender el verdadero sentido de la calidad es
el cliente: Cliente es todo es todo aquel obtiene un beneficio de nuestro
trabajo. Esto implica que nuestros clientes puedan estar dentro o fuera
de la empresa y desde una perspectiva más general, la sociedad y la
humanidad misma son nuestros clientes. Nuestro jefe es nuestro cliente,
pero también nuestro proveedor.
• Entonces la calidad es satisfacer las necesidades de todos nuestros
clientes al menor costo posible, es decir; es necesario cumplir con los que
nos están pidiendo, pero buscando siempre la optimización de recursos.
Objetivo de la mejora continúa.
• De acuerdo al paradigma de un administrador de procesos se conforma si
las partes o productos cumplen con las especificaciones seguramente no se
preocupan no se preocupan por buscar centrar el proceso en el valor
nominal. Es muy probable que tampoco este consiente de los costos que
implica alejarse del valor nominal.
• De acuerdo al paradigma nuevo un administrador debe considerar que estar
lo más centrado posible con respecto al valor nominal puede eliminar
efectivamente la inspección y el material defectuoso y de esta manera evitar
todo el costo asociado con la inspección, el desperdicio y el trabajo.
Variabilidad a corto y largo plazo.
Ventajas significativas Conducen a un mejor procedimiento de control. Son potencialmente aplicables a cualquier proceso
Proporcionan una utilización máxima de la información Los datos están a menudo disponibles.
disponible de datos.
Son rápidos y simples de obtener.
Son fáciles de interpretar.
Más económicas
Desventajas significativas No se entienden a menos que se de capacitación; puede No proporciona información detallada del control de
causar confusión entre los límites de especificación y los características individuales.
límites de tolerancia.
I Individuales Control de un proceso con datos variables que no pueden ser muestreados en
lotes o grupos.
ATRIBUTOS
Donde D4, D3, A2 son constantes que varían según el tamaño de muestra. A continuación se
presentan los valores de dichas constantes para tamaños de muestra de 2 a 10.
n 2 3 4 5 6 7 8 9 10
muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
=0
Promedio 0.71 0.82 0.75 0.76 0.67 0.70 0.62 0.66 0.69 0.70 0.64 0.66
Rango 0.25 0.15 0.15 0.15 0.15 0.20 0.05 0.30 0.20 0.15 0.10 0.10
= .71+(.58)(.198) = .82
X = .71
= 2.11* 0.198 = 0.41 = .71-(.58) (.198) = .59
=0
Xbar/R Chart for C1
UCL=0.8254
0.8
Sample Mean
0.7 Mean=0.7112
0.6 LCL=0.5970
Subgroup 0 5 10 15 20 25
0.7 1
0.6
Sample Range
0.5
0.4 UCL=0.4187
0.3
0.2 R=0.198
0.1
0.0 LCL=0
La carta de control R muestra un punto fuera de los límites de especificaciones, por lo cual el proceso
se encuentra fuera de control, en este caso es necesario investigar las causas y tomar las acciones
correctivas para eliminar el problema.
En la siguiente parte se muestran los criterios para determinar las situaciones en las cuales un proceso
puede estar fuera de control
Interpretación del control del proceso
Se calculan los límites de control para cada subgrupo, ya que al tener tamaños de muestra diferentes
estos son variables.
Gráfica con límites constantes:
Y para el gráfico
Gráficas de control por atributos
Cualquier característica de calidad que pueda ser clasificada de forma binaria:
“cumple o no cumple”, “funciona o no funciona”, “pasa o no pasa”, etc., a los
efectos de control del proceso, será considerado como un atributo y para su
control se utilizará un Gráfico de Control por Atributos.:
Los criterios de aceptación al utilizar gráficas de control por atributos deben
estar claramente definidos y el procedimiento para decidir si esos criterios se
están alcanzando es producir resultados consistentes a través del tiempo. Este
procedimiento consiste en definir operacionalmente lo que se desea medir.
Una definición operacional consiste en:
1º. Un criterio que se aplica a un objeto o a un grupo
2º. Una prueba del objeto o del grupo y
3º. Una decisión, sí o no: El objeto o el grupo alcanza o no el criterio.
Gráfica P para fracción de Unidades Defectuosas
(atributos)
La gráfica p mide la fracción defectuosa o sea las piezas defectuosas en el proceso. Se puede
referir a muestras de 75 piezas, tomada dos veces por día; 100% de la producción durante una
hora, etc. Se basa en la evaluación de una característica (¿se instaló la pieza requerida?) o de
muchas características (¿se encontró algo mal al verificar la instalación eléctrica?). Es
importante que cada componente o producto verificado se registre como aceptable o
defectuoso (aunque una pieza tenga varios defectos específicos se registrará sólo una vez como
defectuosa).
Pasos para la elaboración de la gráfica:
Paso 1- Frecuencia y tamaño de la muestra:
Pasó 2- Calculo del porcentaje defectuoso (p) del subgrupo:
Paso 3 – Calculo de porcentaje defectuoso promedio y límites de control
Paso 4- Trace la gráfica y analice los resultados.
Ejemplo 3
Un fabricante de latas
de aluminio registra el
número de partes
defectuosas, tomando
muestras cada hora de n
= 50, con 30 subgrupos.
Realizar la gráfica de
control para la siguiente
serie de datos obtenida
durante el muestreo.
Calcule la fracción defectuosa para cada muestra:
= =.05243
= =.4102
Trazando la gráfica
P Chart for C1
0.5 1
1
0.4 UCL=0.4102
Proportion
0.3
P=0.2313
0.2
0.1
LCL=0.05243
0.0
0 10 20 30
Sample Number
Gráfica C – para número de defectos
Se utiliza para determinar la ocurrencia de defectos en la inspección de una
unidad de producto. Esto es determinar cuántos defectos tiene un producto.
Podemos tener un grupo de 5 unidades de producto, 10 unidades, etc.
Los límites de control se calculan mediante las siguientes fórmulas:
Donde:
Ejemplo:
En la siguiente tabla tenemos el número de unidades de defectos observados en 26 muestras
sucesivas de 100 filtros de seguridad.
Conclusiones