Análisis de capacidad

de proceso

1
 Control estadístico de
procesos (CEP)
• Es una técnica estadística que se usa para asegurar que
los procesos cumplen con los estándares.
• Todos los procesos están sujetos a ciertos grados de
variabilidad.
– Causas naturales: Variaciones aleatorias.
– Causas asignables: Problemas corregibles.
• Maquinaria de desgaste, trabajadores no cualificados, material de
baja calidad.
• Objetivo: Identificar las causas asignables.
• Se usan los gráficos de control de procesos.
 Fases del control estadístico de procesos

Salida Fabricar productos

Proveer servicios
No
Tomar las ¿Asignar
muestras causas?
Sí
Inspeccionar las
Parar el proceso
muestras
Crear gráficos Encontrar
de control la causa
 Capacidad del proceso

• Una vez que un proceso se encuentra en control

estadístico ( se ha encontrado y eliminado todas las
causas de variación especiales ), se puede sacar las
especificaciones y estudiar la capacidad.

• Si los limites de la capacidad del proceso

concuerdan con los limites de especificación del
producto, se dice que el proceso es capaz.
 6.3 Proceso en control
SI LAS VARIACIONES PRESENTES SON IGUALES,
SE DICE QUE SE TIENE UN PROCESO “ESTABLE”.
LA DISTRIBUCION SERA “PREDECIBLE” EN EL TIEMPO

Predicción

Tiempo

5
EN CASOS ESPECIALES COMO ESTOS
DONDE LAS VARIACIONES PRESENTES SON ?
TOTALMENTE INESPERADAS ? ?
TENEMOSUN PROCESO INESTABLE o ? ?
“IMPREDECIBLE”. ? ?

6
La distribución de las medias en el muestreo
y la distribución del proceso

Distribución de las
medias en el
muestreo
Distribución
de las
medias en el
proceso

x
(media)
Relación entre la distribución de la población y la
distribución de las muestras

Tres distribuciones de población Distribución de las medias de las muestras

Beta
Media de las medias de las  x
muestras Desviación x
Normal  x 
estándar de las n
medias de las
muestras
Uniform
e
 3 x  2  x  1 x x   x  2  x  3 x
(media)
95,5% permanece dentro de
x
99,73% de todo x permanece dentro
de x
 Fundamento teórico de los
gráficos de control
Teorema central del límite
A medida que la distribución
aumente el tenderá a seguir
tamaño de las una curva de
muestras, distribución
normal, sin tener
en cuenta la
distribución de la
población.

X
X
Fundamento teórico de los
gráficos de control
Teorema central del límite

Media Desviación
estándar
x
X  x 
n

X
X 
Variabilidad del proceso: tres
tipos de resultados
(a) Bajo control y capaz.
Proceso con sólo
causas naturales de
variación y capaz de
Frecuencia producir dentro de los
límites de control
establecidos.
Límite inferior de Límite superior de control
control
(b) Bajo control pero incapaz.
Proceso bajo control (sólo
están presentes causas
naturales de variación), pero
incapaz de producir dentro de
los límites de control
establecidos.

(c) Fuera de control.

Proceso fuera de control, con
Tamaño causas imputables de
(peso, longitud, velocidad, etc.) variación.
 ¿Cómo vamos a mejorar esto?

Podemos reducir la desviación estándar...

Podemos cambiar la media...

O (lo ideal sería, por supuesto) que podríamos cambiar ambas

Cualquiera que sea la mejora que lleve a cabo,

se deben tomar medidas para que se mantenga
13
 Capacidad del proceso Cpk
 x
C pk   Límite de especificación superior , o
 
x  Límite de especificación inferior 

 
donde x  media del proceso
  desviación Estándarde la población del proceso

Supone que el proceso:

•está bajo control.
•tiene una distribución normal.
 Variabilidad del proceso

Límite inferior Límite

de superior de
especificación especificación

(a) Muestreo
de aceptación

(b) Control
estadístico de
calidad

(c) cpk >1

Significados de las medidas Cpk
 Problema
Un fabricante está preocupado por la densidad de su

producto. El producto solo conserva sus características

si su densidad se encuentra entre 4.4g/cm2 y 5.04g/cm2.

Si una muestra de 100 piezas da un promedio de 4.8 y

una desviación estándar de 0.2. ¿El proceso es capaz de

de cumplir con los requerimientos de densidad?.

___________

Demuestrelo
LIE LSE

s _
Xi
X

p = P(Xi) = porcentaje de partes con probabilidad

de estar fuera de Especificaciones
 Capacidad del proceso – Fracción defectiva

La capacidad en función de la fracción defectiva del Proceso se calcula

En función de la fracción defectiva para cada lado del rango de Especificación.
Rango medio
Desv. Est. =
Constante d2 de acuerdo al tamaño de subgrupo en X-R
Los valores de Z inferior y Z superior se calculan de acuerdo a las fórmulas
Siguientes:

LIE - promedio del proceso LSE - Promedio del proceso

Zi = Zs =
Desviación Estandar Desviación Estandar
La fracción defectiva se calcula con las tablas de distribución normal
P(Zi) = Área en tabla (-Z) P(Zs) = 1 – Área corresp. a Zs en tabla (+Z)

Fracción defectiva = P(Zi) + P(Zs)

19
 Capacidad del proceso – Fracción defectiva

Ejemplo:

Buscar la probabilidad normal tipificada de que Z < 2,04.

En la columna del 2 y la fila del 0,04, esta el valor 0,979 32

esto es: p = 1-( p ( Z< 2,04)) = 1 – 0,97932 = 2%

 Cálculo de la capacidad del proceso

Habilidad o capacidad potencial Cp = (LSE - LIE ) / 6 

Debe ser  1
para tener el potencial de
cumplir con especificaciones (LIE, LSE)

Habilidad o capacidad real Cpk = Menor | ZI - ZS | / 3 

El Cpk debe ser  1 para que el
proceso cumpla especificaciones

21
 Ejemplo
Se tomaron los datos siguientes:

265 205 263 307 220 268 260 234 299

197 286 274 243 231 267 281 265 214
346 317 242 258 276 300 208 187 264
280 242 260 321 228 250 299 258 267
265 254 281 294 223 260 308 235 283
200 235 246 328 296 276 264 269 235
221 176 248 263 231 334 280 265 272
265 262 271 245 301 280 274 253 287
261 248 260 274 337 250 278 254 274
278 250 265 270 298 257 210 280 269
215 318 271 293 277 290 283 258 275
251

22
 Ejemplo (cont…)
Agrupando los datos en celdas se tiene:

Intervalo Marca Frecuencia Frecuencia

de clase de clase Frecuencia Relativa Absoluta
170 - 189 179.5 2 0.02 0.02
190 - 209 199.5 4 0.04 0.06
210-229 219.5 7 0.07 0.13
230-249 239.5 13 0.13 0.26
250-269 259.5 32 0.32 0.58
270-289 279.5 24 0.24 0.82
290-309 299.5 11 0.11 0.93
310-329 319.5 4 0.04 0.97
330-349 339.5 3 0.03 1.00 .

23
 Ejemplo (cont…)

El histograma es el siguiente (se observa con forma normal):

35
30
25
20
15 Frec.

10
5
0
170- 190- 210- 230- 250- 270- 290- 310- 330-
189 209 229 249 269 289 309 329 349

24
 Ejemplo (cont…)

Calculando la media y la desviación estándar se tiene:

X-media = 264.06 s = 32.02

La variabilidad del proceso se encuentra en 6  = 192.12

Si las especificaciones fueran LIE = 200 y LSE = 330

Cp = (330 - 200 ) / 192.2 < 1 no es hábil el proceso

Zi = (330 - 264.06) / 32.02 Zs = (200 - 264.06) / 32.02

Cpk = menor de Zi y Zs < 1 el proceso no cumple

especificaciones

25
 Ejercicio
Calcular la capacidad del proceso con la distribución de
frecuencias siguiente considerando LIE = 530 y LSE = 580:

Intervalo Frecuencia Frecuencia

de clase Marca de clase Frecuencia Relativa Absoluta .

531 - 535 533 6

536 - 540 538 8
541 - 545 543 12
546 - 550 548 13
551 - 555 553 20
556 - 560 558 19
561 - 565 563 13
566 - 570 568 11
571 - 575 573 8
26
 Proceso en control estadístico
La distribución de la mayoría de las características medidas forman una curva en
forma de campana o normal, si no hay causas especiales presentes, que alteren
la normalidad . ¿cuales son las causas comunes?
x Area entre 0 y 1s
-Probabilidad de Ocurrencia
Distribución
del Proceso

_
x = media
34% 34% s= sigma; es la
desviación
estándar; medida
de la variación
14 % 14 % del proceso.
2% 2%
-3s -2s -1s x +1s +2s 3s
99.73% 27
 Desviación Estándar del proceso 

 = R = S
d2 c4
Donde,
Donde,
=
= Desviación
Desviaciónestándar
estándarde
dela
lapoblación
población
dd2 ==Factor
Factorque
quedepende
dependedel
deltamaño
tamañodel
delsubgrupo
subgrupoen
enla
lacarta
cartade
de
2
control
controlXX--RR
CC4 ==Idem
Idemal
alanterior
anteriorpara
parauna
unacarta
cartaXX--SS
4

NOTA:
NOTA: En
Enuna
unacarta
cartapor
porindividuales,
individuales,d2
d2se
setoma
tomapara
parann==22yy
RangoMedio=Suma
RangoMedio=Sumarangos
rangos//(n
(n-1)
-1) 28
 Capacidad del proceso

Cuando las causas comunes son la única variación:

Cp El índice de capacidad potencial del proceso compara
la amplitud del proceso con la amplitud especificada.

Cp = (LSE - LIE) / 6 

Cpk El índice de capacidad real del proceso compara la media

real con el límite de especificaciones más cercano (LE) a esta.
_
Cpk = LE – X o Cpk = menor |Z1 , Z2| / 3
3

29
 Ejemplo (carta X - R)

De una carta de control X - R (con subgrupo n = 5) se obtuvo lo

siguiente, después de que el proceso se estabilizó quedando sólo con
causas comunes:

Xmedia de medias = 264.06 Rmedio = 77.3

Por tanto estimando los parámetros del proceso se tiene:

 = X media de medias  = Rmedio / d2 =77.3 / 2.326 = 33.23

[ d2 para n = 5 tiene el valor 2.326]

Si el límite de especificación es: LIE = 200.

El Cpk = (200 - 264.06) / (77.3) (3) = 0.64 por tanto el proceso no
cumple con las especificaciones
30
 Ejemplo (carta X - S)

De una carta de control X - S (con subgrupo n = 5) se obtuvo lo

siguiente, después de que el proceso se estabilizó quedando sólo con
causas comunes:
Xmedia de medias = 100 Smedio = 1.05
Por tanto estimando los parámetros del proceso se tiene:

 = X media de medias  = Smedio / C4 = 1.05 / 0.94 = 1.117

[ C4 para n = 5 tiene el valor 0.94 ]

Si el límite de especificación es: LIE = 85 y el LSE = 105.

El Cpk = (105 - 100) / (1.117 ) (3) = 1.492
El Cp = (105 - 85) / 6 (1.117 ) = 2.984
por tanto el proceso es capaz de cumplir con especificaciones
31
 Ejercicios

1) De una carta de control X - R (con subgrupo n = 8) se obtuvo lo

siguiente, después de que el proceso se estabilizó quedando sólo con
causas comunes (LIE = 36, LSE = 46):

Xmedia de medias = 40 Rmedio = 5

2) De una carta de control X - S (con subgrupo n = 6) se obtuvo lo

siguiente, después de que el proceso se estabilizó quedando sólo con
causas comunes (LIE = 15, LSE = 23):

Xmedia de medias = 20 Smedio = 1.5

DETERMINE EL SI EL PROCESO ES CAPAZ Y EL NÚMERO PROBABLE DE

DEFECTUOSOS 32