05 ControlEstadístico

OC-971 Gestin de la Calidad Captulo 5
Captulo 5
Aspectos Estadsticos relacionados con la Calidad
Ing. Boris Heredia Rojas M.Cs.
Control estadstico de procesos

Constituye una metodologa de diagnstico de la estabilidad de un indicador de calidad de un proceso y de su capacidad para cumplir con sus especificaciones o lmites de tolerancia. Apoya las decisiones de gestin y previene problemas de calidad. Metodologa general: Toma muestras peridicas de un proceso Grafica los puntos de muestreo en un grfico de control. Determina si el proceso est dentro de los lmites de control. Plantea acciones para corregir y prevenir desviaciones.
Ing. Boris Heredia Rojas M.Cs. 2
Cmo medir
Estratificacin
Cuando se investiga un problema, una medicin general simple no siempre es suficiente y puede confundir. Por ejemplo, al medir fallas, se pueden agregar medidas adicionales que permiten estratificarlas, tales como: mtodo utilizado, personal que realiz la tarea, mquinas o herramientas usadas, tiempo de ejecucin, etc.
Muestreo
Generalmente no es posible medir todos los productos o elementos de inters. Entonces se utiliza una muestra limitada, a partir de la cual se deducen las caractersticas de la poblacin. Para ello se debe cumplir: Tamao adecuado de la muestra Muestreo no debe ser sesgado.
Registro de los datos

Se debe mantener exactitud de los datos.
Estadsticas Bsicas
Ubicacin
Media, Mediana Moda
Variabilidad
Varianza Desviacin estndar Rango
Asimetra
1) Ubicacin Media (Me)

Promedio
Mediana (P50)
Punto medio (ms probable)
Moda (Mo)
Lo ms frecuente
Me, P50, Mo
Mo P50 Me
2) Variabilidad o Variacin
Todo indicador de calidad tiene variacin y es una expresin de mala calidad para el cliente. Al existir una variabilidad importante, el indicador cae parcialmente fuera de las especificaciones.
A B
LIE: Lmite Inferior de Especificaciones
LSE: Lmite Superior de Especificaciones
rea A y B: Proporcin de unidades (de producto o servicio) rechazadas por estar fuera de especificaciones
Variabilidad o Variacin
Varianza (V):
Mide la dispersin de los datos alrededor de la media Valores pequeos indican bajo riesgo V = 2
Desviacin Estndar (S )
Es la raz cuadrada de la varianza = ((x-x)2)/n Para una distribucin normal cerca del 68% de los valores estn con una desviacin estndar alrededor de la media (95% para dos desviaciones y 99% para tres)
Rango (R):
La diferencia entre el mnimo y el mximo de los valores observados
3) Asimetra
Es una medida de alargamiento hacia uno de los dos extremos de una distribucin Una distribucin es simtrica y tiene un coeficiente de asimetra de 0 Si la distribucin tiende a alargarse hacia la derecha, tiene asimetra positiva, en caso contrario (hacia la izquierda) es negativa. En distribuciones asimtricas, la diferencia entre el resultado ms probable y el promedio puede ser significativa
0 + -
La distribucin normal
68%
95%
99.74% -3 -2 -1 = 0 1 2 3
Distribucin de Probabilidades rea bajo la curva (Z) Z = (x x) / (tablas)

Variacin por Causa Comn

Variacin inherente de un proceso, tal como est hoy. Muchas son causas evitables. Slo puede eliminarse por medio de mejoramientos del sistema (Ciclo PDCA). Representan el 85% de los problemas (Deming) y son responsabilidad de los gerentes y jefes. Ejemplos: Materias primas de mala calidad Pobre capacitacin Pobre liderazgo Herramientas de trabajo en mal estado
Variacin por Causa Especial

Variacin debido a causas circunstanciales y fallas espordicas. Puede ser eliminada por medio de acciones del trabajador o de la administracin. Explican el 15% de los problemas. Ejemplos: Error de digitacin (no asignable a falta de capacitacin) Desajuste de una maquinaria Accidente en el camino que retrasa la llegada Ausencia al trabajo de un empleado
11
Indicador del Proceso Bajo Control y Fuera de Control
Un indicador de calidad con slo variacin comn est bajo control, si hay variacin especial importante, se dice que el indicador est fuera de control Si slo hay variacin comn, la variacin es estable en el tiempo, predecible, estudiable y mejorable (reducible) y, por lo tanto, entendemos la variabilidad del indicador y estamos en control de l. Si hay variacin especial de importancia, la situacin es ms bien de caos, no compresible ni predecible.
Grficos de Control
Para estudiar si un indicador de calidad est Bajo Control (slo variacin comn) Entre los grficos de control se encuentran grficos para variables y grficos para atributos. Ambos establecen lmites de control de un proceso . Tipos de datos: Atributos: caractersticas de un producto evaluadas de acuerdo a eleccin discreta Bueno/malo, cumple/no cumple, defectuoso / no defectuoso, etc. Variables: caractersticas de un producto que pueden ser medidas Longitud, tamao, peso, altura, tiempo, velocidad, temperatura, resistencia, etc.
Los grficos de control estn basados en el comportamiento de la Distribucin Normal (o Campana de Gauss):
u (media)
Muchas variables, o transformaciones de ellas, siguen, al menos aproximadamente, una Distribucin Normal. Media de n valores, es igual a la suma de todos ellos dividida entre n
Tipos de Grficos de Control Grficos de Control para Variables Media (x) Rango (R)
Grficos de Control para Atributos p c
15
Grfico de control de procesos

Lmite de control superior (LCS)
Promedio del proceso
Lmite de control inferior (LCI)
10
Nmero de muestra
Un grfico indica que el indicador est fuera de control cuando ocurre(n) alguna(s) de las situaciones siguientes: 1) Uno o ms puntos caen fuera de las lneas superior e inferior de control.
2) Ocho puntos o ms estn dentro de los lmites de los lmites de control en forma creciente o decreciente.
17
3) Ocho puntos o ms estn dentro de los lmites de control pero todos sobre (o bajo) la lnea central
4) Aunque los puntos estn dentro de los lmites de control, forman ciclos o estructuras determinadas.
18
Grficos de control para variables Grfico de Media (Grfico x ) Usa el promedio de una muestra Es el grfico de control ms usado
Grfico de Rango (Grfico R) Usa la dispersin (variabilidad) en una muestra
19
Grficos de control para variables

Para crear este tipo de grfico de control se toma muestras de tamao n cada cierto tiempo (1 hora, 3 horas, 1/2 da, un da). Las muestras estn habitualmente entre 5 y 9 mediciones (se observan 5 a 9 unidades) (Tamao de la muestra = n) Se toman muestras para 20 a 25 tiempos. Para cada muestra (de un determinado momento en el tiempo) se calcula el promedio de los valores y el rango (mximo valor menos el mnimo). (Nmero de muestras = k)
Datos de ejemplo
n = tamao de la muestra
Muestra 1 2 3 10
Dimetro del anillo de unin (cm) 1 2 3 4 5 x R 5.02 5.01 4.94 4.99 4.96 4.98 0.08 5.01 5.03 5.07 4.95 4.96 5.00 0.12 4.99 5.00 4.93 4.92 4.99 4.97 0.08 5.01 4.98 5.08 5.07 4.99 5.03 0.10 50.09 1.15 5.01 0.115
k = nmero de muestras
El Grfico de la Media o x
UCL x z x LCL x z x
22
Factores 3 de Grficos de Control

Factores para diagrama X Factores para diagrama R
Tamao de Muestra, n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Ing. Boris Heredia Rojas M.Cs.
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173 3,258 3,336 3,407 3,472 3,532 3,588 3,640 3,689 3,735 3,778 3,819 3,858 3,895 3,931
A2 1,881 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285 0,266 0,249 0,235 0,223 0,212 0,203 0,194 0,187 0,180 0,173 0,167 0,162 0,157 0,153
d3 0,853 0,888 0,880 0,864 0,848 0,833 0,820 0,808 0,797 0,787 0,779 0,770 0,763 0,756 0,750 0,744 0,739 0,734 0,729 0,724 0,720 0,716 0,712 0,708
D3 0 0 0 0 0 0,076 0,136 0,184 0,223 0,256 0,283 0,308 0,328 0,347 0,363 0,378 0,391 0,403 0,414 0,425 0,434 0,443 0,452 0,460
D4 3,269 2,574 2,282 2,114 2,004 1,924 1,864 1,816 1,777 1,744 1,717 1,692 1,672 1,653 1,637 1,622 1,609 1,597 1,586 1,575 1,566 1,557 1,548 1,540
23
Clculos del Grfico x

x
L k
50 . 09 5 . 01 cm 10
UCL x LCL x
A A
2 2
R 5 . 01 (0 . 58 )(. 115 ) 5 . 08 R 5 . 01 (0 . 58 )(. 115 ) 4 . 94
x promedios de las medias de la muestra R promedio de los valores de rango
Estas frmulas usan el rango de la muestra
24
Ejemplo de Grfico x
5.10 5.08 5.06
5.04
Promedio muestra
5.02
5.00 4.98 4.96 4.94 4.92
4
Nmero de muestra
10
25
Grfico de Rango o R
UCL D 4 R LCL D3 R k R rango de cada muestra k = nmero de muestras
R R
26
Clculos de Grfico R
R 1.15 0.115 R
k 10 UCL D 4 R 2.11(0.115) 0.243 LCL D3 R 0(0.115) 0
27
Ejemplo de Grfico R
0.3
0.25 0.2
Rango
0.15 0.1 0.05

0 1 2 3 4 5 6 7 8 9 10
Nmero de muestra
28
Lmites de control y lmites de especificacin

Los Lmites de Control (LC) no deben ser confundidos ni utilizados como si fuesen Lmites de Especificaciones (LE). Los LC corresponden a lmites como el proceso est hoy da, en base a los datos observados. De esta forma, no tienen relacin con los lmites entre los cuales el producto o servicio es adecuado y aceptable para el cliente. Estos ltimos son los Lmites de Especificaciones.
29
Lmites de control y lmites de especificacin

Los Lmites de Control nos permiten controlar la estabilidad del proceso, en relacin a algn indicador de calidad. Slo un proceso estable es mejorable. Naturalmente, interesa muchsimo estudiar si los valores del indicador de calidad en observacin estn dentro de especificaciones, pues ste es el objetivo en calidad. No obstante, esto se lleva a cabo mediante un estudio de capacidad del indicador, mediante el clculo de ndices de capacidad (que veremos ms adelante).
30
Grficos de control para atributos

Los grficos de control para atributos permiten estudiar el comportamiento de unidades defectuosas o fuera de especificaciones producidas.
Grficos p Calcula el porcentaje defectuoso en la muestra Es el ms conocido de estos grficos Grficos c Cuenta el nmero de defectos en cada tem
Grfico p
El grfico p permite estudiar la proporcin de unidades defectuosas producidas. Para ello se toma una muestra o eventualmente el total de unidades producidas (tamao de la muestra = n) durante un perodo de tiempo (por ejemplo una hora, medio da, un da completo), por k perodos (nmero de muestras = k). El nmero de perodos es del orden de 20 a 25.
32
Grfico p
UCL p z LCL p z
p p
p (1 p ) p n p promedio % defectuosos en muestra n = tamao muestra
33
Ejemplo grfico p
20 muestras de 100 tejas cada una Muestra # 1 2 3 # Defectos Proporcin Defectuoso 6 0 4 .06 .00 .04
20
18 200
.18
34
Clculos de Grfico p
p total defectuosos total observaciones muestra 200 = 20(100) 0.10
UCL p z
p (1 p ) 0.10(1 0.10) 0.10 3 0.190 n 100 p (1 p ) 0.10(1 0.10) LCL p z 0.10 3 0.010 n 100
35
Ejemplo grfico p
0.2 0.18 0.16 Proporcin defectuoso 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 0 2 4 6 8
12
10
16
14
..
Nmero de muestra
18
20
36
Grfico c
UCL c + z c LCL c - z c
c # total defectos Promedio proceso # muestras = k Desviacinestndar de la muestra = c c
37
Ejemplo grfico c
Nmero de defectos en enfierradura Muestra # 1 2 3 # Defectos 12 8 16
15
15 190
38
Clculos del Grfico c
190 c 12.67 15 UCL c + z c 12.67 3 12.67 23.35 LCL c - z c 12.67 3 12.67 1.99
39
Ejemplo grfico c
24 21
18
Nmero de defectos 15 12
9 6
3 0
10
Nmero de muestra
12
14
40
Capacidad de un Proceso
La capacidad de un proceso, o ms bien, de un indicador de calidad de ste, es el rendimiento del proceso cuando est bajo control. Mide si el indicador del proceso satisface los requerimientos del cliente.
41
Un proceso es capaz, en relacin a un indicador de calidad, cuando es muy pequea la proporcin de rechazos, es decir, la proporcin de unidades producidas (bienes o servicios fuera de especificaciones.
LIE LSE LSE : Lmite Superior de Especificaciones. LIE : Lmite Inferior de Especificaciones.
Para medir la capacidad, en relacin a variables, podemos utilizar e ndice de Capacidad Potencial:
LSE LIE Cp 6
6, es decir, seis desviaciones estndar, es la distancia entre el Lmite Superior de Control (LSC) y el Lmite Inferior de Control (LIC).
En la Distribucin Normal, en un rango de tres sigma a cada lado de la media est el 99.74% de las observaciones.
Tenemos el problema que se desconoce ; por ello debemos estimarla, es decir, aproximar el verdadero valor a partir de los datos:
R /d 2
(d 2 3 /(A 2
n)
)
44
Se obtiene la Capacidad Potencial Estimada
LSE LIE Cp 6
El proceso es capaz, en relacin al indicador bajo observacin, si al menos C p 1.0 . El clculo de Cp como ndice de capacidad de un proceso supone que el proceso est centrado.
45
Pasos para estudiar la variabilidad de un indicador de un proceso

Est el proceso bajo control? Si no, ciclo de mejoramiento para corregir variacin especial. proceso estable o bajo control Es el proceso capaz para satisfacer los requerimientos de los clientes? Si no, ciclo de mejoramiento. proceso capaz Ahora que el proceso (indicador) est bajo control y es capaz Es su variabilidad adecuada para ser competitivo? Si no, nuevo (s) ciclo de mejoramiento para disminuir variabilidad (y/o) ajustar media hasta... proceso optimizado
Ejercicio
Una empresa de distribucin de hormign premezclado desea saber si los tiempos de entrega a los clientes estn bajo control. Para ello, toma muestras en una semana (de lunes a viernes), obteniendo lo siguientes valores (en minutos): Hora L M Mi J V Valores 150 100 300 140 150 190 120 180 90 130 230 130 200 240 150 160 200 160 220 220 220 100 220 190 200 180 80 150 220 120 Estudie si la media y el rango se encuentran bajo control. De no ser as, seale dnde se encuentran puntos fuera de control. Suponiendo que es aceptable que la distribucin tome a lo ms 180 minutos, determine si la proporcin de despachos inaceptables est bajo control. Si no lo estuviera, seale qu puntos o tramos se encuentran fuera de control. Determine la capacidad del proceso en trminos del indicador tiempo de entrega, sabiendo que los lmites de especificacin son 80 y 200 minutos respectivamente.
47
1.
2. 3.

05 ControlEstadístico

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

05 ControlEstadístico

Transféré par

Droits d'auteur :

Formats disponibles

OC-971 Gestin de la Calidad Captulo 5

Aspectos Estadsticos relacionados con la Calidad

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Control estadstico de procesos

OC-971 Gestin de la Calidad Captulo 5

Registro de los datos

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

1) Ubicacin Media (Me)

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

LIE: Lmite Inferior de Especificaciones

LSE: Lmite Superior de Especificaciones

OC-971 Gestin de la Calidad Captulo 5

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Distribucin de Probabilidades rea bajo la curva (Z) Z = (x x) / (tablas)

OC-971 Gestin de la Calidad Captulo 5

Variacin por Causa Comn

OC-971 Gestin de la Calidad Captulo 5

Variacin por Causa Especial

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Indicador del Proceso Bajo Control y Fuera de Control

OC-971 Gestin de la Calidad Captulo 5

OC-971 Gestin de la Calidad Captulo 5

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Grfico de control de procesos

Promedio del proceso

Lmite de control inferior (LCI)

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Grficos de control para variables

OC-971 Gestin de la Calidad Captulo 5

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Factores 3 de Grficos de Control

Tamao de Muestra, n 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Clculos del Grfico x

R 5 . 01 (0 . 58 )(. 115 ) 5 . 08 R 5 . 01 (0 . 58 )(. 115 ) 4 . 94

x promedios de las medias de la muestra R promedio de los valores de rango

Estas frmulas usan el rango de la muestra

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

UCL D 4 R LCL D3 R k R rango de cada muestra k = nmero de muestras

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5

Ing. Boris Heredia Rojas M.Cs.

OC-971 Gestin de la Calidad Captulo 5