Está en la página 1de 85

Control Estadistico de Procesos

Donde estamos?

1. Gestionar por procesos 2. Diseñar productos

3. Diseñar procesos

4. Análisis de procesos

5. Mejora de procesos
6. SPC
OBJETIVO

• Revisaremos lo que es una causa asignable y


una No asignable
• Aprenderemos a usar cuadros de control para
atributos y variables.
• Aprenderemos a medir la capacidad de un
proceso.
INDICE

• Variables controlables y no controlables


• Atributo y Variable
• Patrones de comportamiento
CONTROLABLE Y NO CONTROLABLE
Grafico de control

Presenta valores de algún tipo de medición realizada durante el


funcionamiento de un proceso continuo y que sirve para
controlar dicho proceso

Esta es un fluctuación esperable y


natural del proceso. Los valores se
mueven alrededor de un valor central el
promedio de los datos la mayor parte
del tiempo.
Grafica de control

• Pero en algún momento puede ser que


aparezcan uno o mas valores muy alejados del
promedio.
• Como podemos distinguir si es debido a una
fluctuación natural del proceso o a que este ya
no esta funcionando bien?
• La respuesta nos la da el control estadistico de
procesos.
Variables controlables y no controlables

Maquinaria
Cada uno de estos
factores esta sujeto a
variaciones que
Mando Método
realizan aportes mas
o menos
Proceso
significativos a la
Materias Condiciones fluctuación de las
Primas ambientales
características del
Mano de producto, durante el
Obra
periodo de
fabricación.
Variables controlables y no controlables

Variables controlables
• El responsable del funcionamiento del proceso
de fabricación fija los valores de las variables
que se denominan variables controlables. Por
ejemplo, temperatura de fusión del plástico,
presión del pistón, materia prima, etc.
Variables controlables y no controlables

Variables no controlables
• Pero hay una gran cantidad de variables que
seria imposible o muy difícil de controlar, estas
se denominan variables no controlables. Por
ejemplo: Pequeñas variaciones en la calidad
del plástico, cambios en la velocidad del
pistón, ligeras fluctuaciones en la corriente
eléctrica que alimentan los equipos.
Variables controlables y no controlables

Variables controlables Variables NO


(especiales) controlables (comunes)

¿ALEATORIO? NO SI

¿Contribución a
15% 85%
variabilidad total?

Causa Asignable Causa No Asignable

Si una afecta proceso =


Si solo esto afecta
Fuera de control ( Se
proceso = Bajo control
debe corregir
Causas NO controlables (comunes)

• Fuentes de variación en un proceso que esta


en control estadistico.
• Se comportan como un sistema constantes de
causas aleatorias
• Cuando en un sistema solo existen causas
comunes de variación, el proceso forma una
distribución que es estable a través del tiempo
y predecible.
Causas NO controlables (comunes)
Causas controlables (especiales)

• Causas asignables
• Factor o factores que causan variación en
relación con una operación específica o en un
momento particular del tiempo.
• Si no son corregidas afectaran la salida del
proceso de una manera impredecible.
ATRIBUTO Y VARIABLE
Gráfica de control por atributos
Piensa en una característica de calidad basada en atributos como el
cumplimiento con respecto a una especificación. Lo hacemos con 
variables discretas. De aquí se derivan cuatro tipos de gráficos:
•Gráfico p: En él medimos el porcentaje de defectos por muestra. Por ejemplo si
tenemos una muestra de 100 productos y 10 de ellos tienen al menos un defecto,
hay una fracción defectuosa de 0,1. Este valor se ubica en el gráfico sobre el eje y.

•Gráfico np: A diferencia de p, este valor no es una fracción. Es el número de


unidades defectuosas en una muestra. Si es una muestra de 100 productos, 10 de
ellos tienen al menos un defecto, 10 será el valor a ubicar en el gráfico sobre el eje
y.

•Gráfico c: Es el número de defectos por unidad de producción durante un período


de muestreo. En este caso, los defectos por producto se cuentan, y establecemos
un valor para definir a partir de cuántos defectos una unidad es defectuosa. Por
ejemplo, el número de zonas desgastadas que tenga una chaqueta de cuero, si la
chaqueta tiene más de 5 zonas desgastadas, se considera una unidad no conforme.

•Gráfico u: Similar a p pero parte del gráfico c. En él medimos el porcentaje de


defectos en una unidad durante un período de muestreo.
Gráfica de control por variables
La característica de calidad que se mide es una variable continúa
(peso, pulgadas, temperatura, etc). Si ese es el caso, podemos
encontrar gráficos basados en la tendencia central (\overline{X}) y
en el rango.
Gráfica \overline{X}: Qué tanto se están alejando las mediciones de la tendencia central, que
en este caso es la media o promedio. Por ejemplo un nuevo trabajador o nuevos
instrumentos de trabajo harán que las mediciones se alejen más de línea central.

Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión de un proceso


dentro de una muestra. En otras palabras, el rango es la resta del valor más grande con el
valor más pequeño de una muestra, lo que nos permite determinar la variabilidad. El valor
resultante es plasmado en un gráfico de control para ser comparado con el rango de otra
serie de muestras. Con esto logramos ver si hay presencia de uniformidad en los puntos
ubicados o si no, para intervenir.

Gráfica \overline{X}-R: Utilizamos ambos tipos de gráficas cuando se miden la relación de las
especificaciones de calidad con la tendencia central y la dispersión. En este sentido, ubicamos
una gráfica ligeramente encima de la otra y analizamos el comportamiento de cada punto.
GRAFICOS DE CONTROL GRAFICOS DE CONTROL
POR ATRIBUTO POR VARIABLES
Gráfico P Grafico X

Gráfico nP Grafico R

Gráfico C Grafico X-R


Grafico U
ATRIBUTO VARIABLE

PRENDE / APAGA
VOLUMEN
PASA / NO PASA
985cc
BUENO / MALO
Graficas de control

Es un proceso caro y consumidor de recursos, por lo tanto se


debe usar solo en …

Preparar graficas de control

Proceso de Despacho de
Recepción de
difícil producto
insumos / MP
reproceso terminado
Gráficos de control

Out of
control
Limite
superior de
control

En control
n cia
de
Ten
Promedio

Limite
inferior de
control

1 2 3 4 5 6 7 8 9 10
Muestras
Limites inferior y superior

• Se calculan en base al promedio


• Se suma o se resta un cantidad de veces la
desviación standard (normalmente 3)
• Se considera que lo que esta dentro de los
limites superior e inferior es producto de
variaciones random, que no requieren una
acción.
Distribución normal

95%
99.74%

-3σ -2σ -1σ +1σ +2σ +3σ


ATRIBUTOS Y VARIABLES
Atributos

p- • Usa la proporción de defectos como


en una muestra
chart • Es posible determinar “bueno/malo”

• Numero de defectos en una muestra


c-chart • No es posible determinar un
porcentaje, pero si una cantidad
Atributos
• Usa la proporción de defectos como
p- chart en una muestra
• Es posible determinar “bueno/malo”

UCL = p + zp
LCL = p - zp
z = Numero de desviaciones standard de la media del proceso
p = proporcion defectosa de la muestra, estimado de la media del
proceso
p = Desviacion standard de la muestra de proporciones
n = Tamaño de muestra

P * (1 - p)
p =
n

3-28
Construction of p-Chart
NUMERO DE PROPORCION
MUESTRA # DEFECTOS DEFECTUOSA
1 6 .06
2 0 .00
3 4 .04
: : :
: : :
20 18 .18
200
Total de muestras :20 muestras de 100 pares de
jeans cada una

Proporción defectuosa = Número de defectos /Número de muestras


Pd= 6/100=0.06
Pd =0/100=0
3-29
Construction of p-Chart

Total de defectos
p= = 200 / 20(100) = 0.10
Total de muestras

p(1 - p) 0.10(1 - 0.10)


UCL = p + z = 0.10 + 3
n 100
UCL = 0.190

p(1 - p) 0.10(1 - 0.10)


LCL = p - z = 0.10 - 3
n 100
LCL = 0.010

3-30
Construction of p-Chart

Total de defectos
p= = 200 / 20(100) = 0.10
Total de muestras

p(1 - p) 0.10(1 - 0.10)


UCL = p + z = 0.10 + 3
n 100
UCL = 0.190

p(1 - p) 0.10(1 - 0.10)


LCL = p - z = 0.10 - 3
n 100
LCL = 0.010

p = Total de defectos
Total de muestras
3-31
Construction of p-Chart
0.20

0.18 UCL = 0.190

0.16

0.14
Proporcion defectuosa

0.12
p = 0.10
0.10

0.08

0.06

0.04

0.02 LCL = 0.010

2 4 6 8 10 12 14 16 18 20
Numero de muestra
Copyright 2011 John Wiley & Sons, Inc. 3-32
P-chart

Que paso el día 2 (Cero defectos)? Que paso el día 19 (Fuera de control)?
a. Mal medido? a. Que pasa con la tendencia? Indica que
b. Mejor material? Otro proveedor? no es random.
c. Personal? b. Peor material?
d. O … copiar lo que se hizo c. Personal?
d. Maquinaria, falta mantenimiento?
Definir p-chart

• Luego de corrección del proceso se hace


nueva medición y se definen nuevos UCL and
LCL.
• Que se haría en este caso, con los dos puntos
fuera de control, si no hubiera una tendencia?
•Ejemplo de una carta de control p
•Se ha encontrado que una carta de control de las proporciones
de lámparas defectuosas es más adecuada para este análisis.
También se ha determinado realizar el muestreo con subgrupos
de tamaño variable, por lo que se ha optado por llevar a cabo el
análisis con una carta de control p.
•Después de 30 días se han obtenido los siguientes datos.
También se ha encontrado que en los días 4, 18 y 19 se dió un
número anormal de unidades defectusas, lo cual parece deberse a
problemas con la cablería.
 Datos recopilados de los reportes del mes anterior

Núm de Núm Núm de No Proporción de Núm de Núm Núm de No Proporción de


No No
subgrupo inspeccionado Conformidades Conformidade subgrupo inspeccionado Conformidade Conformidades
s s
  (n) (d) (p)   (n) (d) (p)
1 920 13 0.014 16 981 17 0.017
2 893 4 0.004 17 976 13 0.013
3 849 3 0.004 18 908 25 0.028
4 789 22 0.028 19 837 25 0.03
5 802 13 0.016 20 967 15 0.016
6 910 6 0.007 21 852 7 0.008
7 938 12 0.013
22 756 19 0.025
8 976 19 0.019
23 935 12 0.013
9 936 2 0.002
24 929 9 0.01
10 857 17 0.02
25 996 16 0.016
11 820 4 0.005
12 853 12 0.014 26 1005 4 0.004
13 947 4 0.004 27 842 9 0.011
14 930 21 0.023 28 916 18 0.02
15 847 6 0.007 29 1010 19 0.019
30 854 4 0.005
• Numero de defectos en una muestra
c-chart • No es posible determinar un
porcentaje, pero si una cantidad

UCL = c + z * c
c = c
LCL = c – z * c

Donde

c = Número de defectos por muestra

3-37
c-Chart
Número de defectos en las 15 muestras

MUESTRA NÚMERO DE
DEFECTOS 190
1 12 c = 15 = 12.67
2 8
3 16 UCL = c + zc

: : = 12.67 + 3
= 23.35
12.67

: :
15 15 LCL = c - zc
190 = 12.67 - 3 12.67
= 1.99

3-38
c-Chart

24
UCL = 23.35
21

18
Número de defectos c = 12.67

15

12

3 LCL = 1.99

2 4 6 8 10 12 14 16
Copyright 2011 John WileyNúmero muestra
& Sons, Inc. 3-39
c-chart

De la observación queda claro que el proceso esta bajo control, el gráfico es


confiable para ser usado en el monitoreo
c-chart

•Ejemplo de una carta de control c


En la siguiente tabla se presenta el número de
disconformidades observadas en 26 muestras sucesivas de
100 tarjetas de circuitos impresos.
Con esta información construir la carta de control para las
disconformidades.
c-chart
Número Número de No Número Número de No
de muestra conformidad de muestra conformidad

1 21 14 19
2 24 15 10
3 16 16 17
4 12 17 13
5 15 18 22
6 5 19 18
7 28 20 39
8 20 21 30
9 31 22 24
10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15
Sub Total 257   259

Total Número de muestras 26


Total Número de No conformidades 516
c-chart
 Primer cálculo para obtener los límites de control.
c Total de defectos 516
c 19.846
g Total de 26
y σ c subgrupos

LCS c 3 c 19.846 3 19.846 33.211

LCI c 3 c 19.846 3 19.846 6.481


c-chart
Primer gráfico para observar los puntos fuera de los
límites de control.
45
Fuera de Control
40
39

35
LCS=33.211
Núm de no conformidades

30 31 30
28

25 24 25 24 24
22
20
21
20 20 LC=19.846
19 19
18
17 17
16 16 16
15 15 15
12 13
10 10

5 5 LCI=6.481

0 Fuera de Control
1 6 11 16 21 26
Número de subgrupo
c-chart
Subgrupos descartados de acuerdo a la gráfica
anterior.
Número Número de No Número Número de No
de muestra conformidad de muestra conformidad
1 21 14 19
2 24 15 10
3 16 16 17
4 12 17 13
5 15 18 22
6 5 19 18
7 28 20 39
8 20 21 30
9 31 22 24
10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15
Sub Total 257   259
c-chart
Segundo cálculo para obtener los límites de control.
La línea central y los límites de control deben ser calculados
nuevamente, ya que todavía se encontró un punto fuera de los límites
de control.
c c 516 (5 39)
c nuevo descartado 19.667
g g descartado 26 2

LCS c nuevo 3 c nuevo 19.667 3 19.667 32.971

LCI c nuevo 3 c nuevo 19.667 3 19.667 6.363


c-chart
Segundo gráfico para observar los puntos fuera de
los límites de control.
31
30 30
28

25 24 25 24 24
Núm de no conformidades

22
21
20 20 20 LC=19.667
19 18 19
17 17
16 16 16
15 15 15
13
12
10 10

LCI=6.363
5

0
Número de subgrupo
1 6 11 16 21 26

En virtud de que no existen puntos fuera


de control, se concluye que el
proceso parece estar estable. Fin de las iteraciones.
Variabilidad de un proceso
• Random/Aleatorio • Non-Random/No Aleatorio
• Inherente al proceso • Causas especiales
• Depende de equipo y • Identificable y corregible
maquinaria, operador, • Incluye equipo fuera de
material. punto, material defectuoso,
• Ocurrencias naturales Cambios en partes o
materiales, maquinaria o
equipo defectuoso, fatiga del
operador o mal método de
trabajo, o errores por falta
de entrenamiento
Un proceso esta en control si …

1. … no hay puntos fuera de los limites


2. … la mayoría de puntos están cerca a la
media
3. … similar número de puntos están
debajo y arriba de la media
4. … los puntos aparentan estar
distribuidos de manera random
Variables

R- • Gráfico de rangos
chart • Grafica la dispersión de las muestras

• Gráfico de medias
x-chart • Grafica como están los resultados
alrededor de la media
X-CHART
x-chart

• Se toma la media de una muestra y es un


punto del grafico.
• Los tamaños de muestra son pequeños, 4 o 5
medidas por muestra.
• El punto central es la medias de las medias de
cada muestra
x-Chart:  Conocido
=
UCL = x + z x-
=
LCL = x - z x-
Donde -x + -x + ... + -x
=
X= 1 2 k
k
s = Desviación estándar del proceso
sx = Desviación estándar de la media de las muestras
=/ n
k = numero de muestras (sub grupos)
n = tamaño de la muestra( número de observaciones)

3-53
X-Chart Ejemplo :  Conocido
Observaciones (Diametro anillo, cm) n
-
Muestra k 1 2 3 4 5 x

Dato conocido σ = 0.08

3-54
x-Chart Ejemplo :  Conocido

= 50.09
_____
X= = 5.01
10
=
UCL = x + z -x LCL = =
x - z -x
= 5.01 + 3(0.08 / 5 ) = 5.01 - 3(0.08 / 5 )
= 5.12 = 4.90

3-55
x-Chart Ejemplo :  Desconocido

_ _
= =
UCL = x + A2RLCL = x - A2R

Donde
=
x_ = Promedio de la media de las muestras
R = Promedio de los rangos

3-56
Tamaño
muestra Factor para X-chart Factor for R-chart
n A2 D3 D4
2 1.880 0.000 3.267
3 1.023 0.000 2.575
4 0.729 0.000 2.282
5 0.577 0.000 2.114
6 0.483 0.000 2.004

Tabla de 7
8
0.419
0.373
0.076
0.136
1.924
1.864
9 0.337 0.184 1.816
Factores 10
11
0.308
0.285
0.223
0.256
1.777
1.744
12 0.266 0.283 1.717
13 0.249 0.307 1.693
14 0.235 0.328 1.672
15 0.223 0.347 1.653
16 0.212 0.363 1.637
17 0.203 0.378 1.622
18 0.194 0.391 1.609
19 0.187 0.404 1.596
20 0.180 0.415 1.585
21 0.173 0.425 1.575
22 0.167 0.435 1.565
23 0.162 0.443 1.557
24 0.157 0.452 1.548
25 0.153 0.459 1.541

3-57
x-Chart Ejemplo :  Desconocido
OBSERVACIONES (DIAMETRO ANILLO, CM)
MUESTRA k 1 2 3 4 5 x R
1 5.02 5.01 4.94 4.99 4.96 4.98 0.08
2 5.01 5.03 5.07 4.95 4.96 5.00 0.12
3 4.99 5.00 4.93 4.92 4.99 4.97 0.08
4 5.03 4.91 5.01 4.98 4.89 4.96 0.14
5 4.95 4.92 5.03 5.05 5.01 4.99 0.13
6 4.97 5.06 5.06 4.96 5.03 5.01 0.10
7 5.05 5.01 5.10 4.96 4.99 5.02 0.14
8 5.09 5.10 5.00 4.99 5.08 5.05 0.11
9 5.14 5.10 4.99 5.08 5.09 5.08 0.15
10 5.01 4.98 5.08 5.07 4.99 5.03 0.10
Total 50.09 1.15

3-58
x-Chart Ejemplo :  Desconocido
_
∑____
R 1.15
____
R= k= =10
0.115

_
= åx _____
___ 50.09
x= = = 5.01 cm
k 10
_
=
UCL = x + A2R= 5.01 + (0.58)(0.115) = 5.08
_
=
LCL = x - A2R = 5.01 - (0.58)(0.115) = 4.94

3-59
x-Chart Ejemplo

5.10 –

5.08 –
UCL = 5.08
5.06 –

5.04 –

5.02 – =
Media

x = 5.01

5.00 –

4.98 –

4.96 –
LCL = 4.94
4.94 –

4.92 –
| | | | | | | | | |
1 2 3 4 5 6 7 8 9 10
Numero muestra 3-60
R-CHART
R- Chart

UCL = D4R LCL = D3R

åR
R=
k
Donde
R = Rango de cada muestra
k = Numero de muestras (sub grupos)

3-62
R-Chart ejemplo
OBSERVACIONES (DIAMETRO ANILLO, CM)
MUESTRA k 1 2 3 4 5 x R
1 5.02 5.01 4.94 4.99 4.96 4.98 0.08
2 5.01 5.03 5.07 4.95 4.96 5.00 0.12
3 4.99 5.00 4.93 4.92 4.99 4.97 0.08
4 5.03 4.91 5.01 4.98 4.89 4.96 0.14
5 4.95 4.92 5.03 5.05 5.01 4.99 0.13
6 4.97 5.06 5.06 4.96 5.03 5.01 0.10
7 5.05 5.01 5.10 4.96 4.99 5.02 0.14
8 5.09 5.10 5.00 4.99 5.08 5.05 0.11
9 5.14 5.10 4.99 5.08 5.09 5.08 0.15
10 5.01 4.98 5.08 5.07 4.99 5.03 0.10
Total 50.09 1.15

3-63
R-Chart Example
_
UCL = D4R = 2.11(0.115) = 0.243
_
LCL = D3R = 0(0.115) = 0

Factores D3 and D4 de la tabla de factores

3-64
R-Chart Ejemplo

0.28 –
0.24 – UCL = 0.243
0.20 –
Rango

0.16 – R = 0.115
0.12 –
0.08 –
0.04 – LCL = 0
| | | | | | | | | |
0–
1 2 3 4 5 6 7 8 9 10
Numero muestra

3-65
x-chart
Con desviación Standard Con Rangos

Aparenta estar bajo Control Tendencia a estar fuera de control


Comportamiento no es randon
R-chart

Aparenta estar bajo Control


x-chart y R-chart

Para que un proceso este bajo control se debe


vigilar tanto el promedio como la variabilidad

Punto 8, casi no tiene variación, pero su promedio es alto


PATRONES DE COMPORTAMIENTO
Patrones de comportamiento

UCL
UCL

LCL
LCL

UCL UCL

LCL LCL
Patrones – fuera de control

a. 8 puntos consecutivos a un lado de la línea


central
b. 8 puntos seguidos subiendo o bajando
c. 14 puntos alternados subiendo o bajando
d. 2 de 3 ptos consecutivos en zona A
e. 4 de 5 puntos consecutivos en zona A o B
Zonas Test de Patrones
UCL =
3 sigma = x + A2R
Zone A
=
2 sigma = x + 2 (A2R)
3
Zone B
=
1 sigma = x + 1 (A2R)
3

Zone C =
Promedio x
Zone C
=
1 sigma = x - 1 (A2R)
3
Zone B
=
2 sigma = x - 2 (A2R)
3
Zone A
=
LCL 3 sigma = x - A2R
| | | | | | | | | | | | |
1 2 3 4 5 6 7 8 9 10 11 12 13
Numero muestra

3-72
Desarrollando un Test de patrones

Muestra x Above/Below Up/Down Zona

1 4.98 B — B
2 5.00 B U C
3 4.95 B D A
4 4.96 B D A
5 4.99 B U C
6 5.01 — U C
7 5.02 A U C
8 5.05 A U B
9 5.08 A U A
10 5.03 A D B

3-73
Taller

• 20 muestras han sido tomadas por un operador en


un puesto de trabajo , el tamaño de cada muestra
es 200. El numero de defecto se presenta a
continuación (entregado en físico)
• Se desea construir un grafico p-chart usando
limites 3 sigma.
• El proceso se encuentra en control?
• Revise si existe un patrón de comportamiento que
indique si el proceso se encuentra en control o no?
Gráficos de control

ATRIBUTOS

P = 4/100

c = manchas = 3
Gráficos de control

x= 945cc
VARIABLE

x= 948cc

x= 949cc

x= 942cc

-x= 945cc+948cc+949cc+942cc
4
- 946cc
x=
R= 7cc
Revisión

• Cual es la diferencia entre un chart de


atributos y uno de variables?
• Cual es el objetivo de un test de patrones?
• Como se determinan los limites de control?
• Cuando se debe usar el c-chart en lugar del p-
chart?
CAPACIDAD DE PROCESO
Capacidad de proceso

• Compara la variabilidad natural con la variabilidad


permitida del diseño
• Variabilidad natural
– Lo que medimos con gráficos de control
– Media proceso = 8.80 oz, Dev. Sdard. = 0.12 oz
• Tolerancia
– Especificación del diseño que reflejan los requerimientos
del producto
– Peso = 9.0 oz  0.5 oz
– Tolerancia  0.5 oz

3-79
Capacidad de proceso
Especificación
del diseño

(a) Variación natural


supera la especificación
del diseño:
El proceso no es capaz
de cumplir con los
requerimientos del
cliente. Process
Especificación
del diseño

(b) Especificación del


diseño y variación natural
son iguales.
El proceso es capaz de
cumplir las expectativas la
mayor parte del tiempo
Process

3-80
Capacidad de proceso
Especificación
del diseño

(c) Especificación del


diseño son mayores que
la variación natural.
El Proceso es capaz de
cumplir las
especificaciones siempre.
Process
Especificación
del diseño

(d) Especificaciones con


mayores que la variación
natural, pero el proceso
esta descentrado.
El proceso es capaz pero
parte del output no
cumplira con la Process
especificacion superior.
3-81
Ratio de capacidad de proceso

Rango de tolerancia
Cp =
Rango del proceso
Limite superior espec – Limite inferior espec
=
6

3-82
Calculando Cp

Especificacion del peso = 9.0 oz  0.5 oz


Media del proceso = 8.80 oz
Desv. Standard del proceso = 0.12 oz

Limite superior espec – Limite inferior espec


Cp =
6

9.5 - 8.5
= = 1.39
6(0.12)

3-83
Indice de capacidad de proceso

=
x - lower specification limit
,
Cpk = minimo 3
=
upper specification limit - x
3

3-84
Calculando Cpk

Especificacion del peso = 9.0 oz  0.5 oz


Media del proceso = 8.80 oz
Desv. Standard del proceso = 0.12 oz

=
x - lower specification limit
,
Cpk = minimo 3
=
upper specification limit - x
3

8.80 - 8.50 9.50 - 8.80


= minimo , = 0.83
3(0.12) 3(0.12)

3-85

También podría gustarte