Académique Documents
Professionnel Documents
Culture Documents
CEC
Juran, calidad: es que un producto sea adecuado para su uso, en ausencia de sus deficiencias, con
aquellas caractersticas que satisfagan al cliente.
Norma ISO 9000:2005, calidad: grado en que un conjunto de caracterstica inherente cumplen
con los requisitos.
Gutirrez y de la Vara, la Calidad:
Se relaciona con la satisfaccin del cliente
Ligada a las expectativas que se tiene del producto o
servicio
(expectativas) generadas por las necesidades, antecedentes, precio del producto,
publicidad, tecnologa, imagen de la empresa, etc.
SATISFACCION: el cliente percibe del producto o servicio las expectativas como al menos lo esperaba.
CARACTERISTICA DE CALIDAD: tambin llamadas variables de salida, variables de respuesta las Y,
del proceso.
CEC
Modulo 1
Pgina 1 de 22
Con base en el JUICIO: percepcin intangible de los clientes, asociado al termino Superioridad y
excelencia.
Con base en el PRODUCTO: es medible, objetiva, especfica y con atributos definidos.
Con base en el USUARIO: basado en supociones de lo que el cliente quiere.
Con base en el VALOR: asociado al costo-beneficio para el cliente (relacin de utilidad o
satisfaccin ENTRE el precio).
Las grficas de control: verifica que los resultados no sobrepasen los Rangos establecidos, si hay
anomalas se procede ajustar el proceso.
CONTROL ESTADISTICO DE LA CALIDAD (SQC):
Walter Shewhart en Wester Electric Introdujo el control Estadistico de la Calidad (SQC Statistical Quality
Control).
SQC :
Motorola Inc. Pionera en reduccin continua de defectos y tiempos de ciclo en todo los procesos de la
compaa (diseo, manufactura, comercializacin, pedidos y funciones administrativas) al emplear
tcnicas estadsticas.
Tcnicas estadsticas:
Graficas de Control.
Anlisis de Valor (tiempos tericos y tiempos deltas).
Estudios de Capacidad
Tema2. DEFINICION DE VARIABILIDAD
Variabilidad: diversidad de los resultados de una variable o de un proceso.
Entender y reducir la variacin son claves para el xito en el control estadstico y de 6 sigma.
A mayor variabilidad = Mayores Costos.
The American Red Cross, implemento un sistema de calidad a largo plazo para mejorar la
eficacia, proceso de donacin, anlisis y distribucin de sangre.
Su estrategia: mantener en CERO la variabilidad, la
desviacin y los errores. Para ello implemento:
CEC
Modulo 1
Pgina 2 de 22
Grupo Bimbo, Coca Cola, CEMEX: implemento de estrategias para reducir la variabilidad de sus
procesos.
Las fuentes de variabilidad (6M): cada una de ella aporta a la parte de variacin total observada,
impactando las caractersticas de calidad.
CEC
Modulo 1
Pgina 3 de 22
Media o promedio aritmtico ( x ): suma de los valores de todos los datos entre en nmero de
datos.
Mediana o percentil 50: el conjunto de datos se ordenan de menor a mayor y el que quede en
medio de dicho ordenamiento es la mediana.
Si el conjunto de datos es par: se calcula dividiendo entre dos la suma de los nmeros que estn en el
centro del ordenamiento.
Desviacin Estndar (S): indica qu tan esparcidos estn los datos con respecto a la media.
CEC
Modulo 1
Pgina 4 de 22
Escala Discreta (subjetiva): se clasifican las piezas con base al criterio y sentidos de los
inspectores.
Para garantizar la calidad de los Sistemas de medicin, se usa Estudios de :
R&R (Repetibilidad y Reproducibilidad):
Corto plazo: evala de manera rpida la variabilidad del sistema, incluye la R&R.
Cuando un proceso se evala con un sistema que tiene un error de medicin grande la capacidad del
proceso reportada ser ms mala de lo que en realidad es. De aqu la importancia de mantenimiento
peridico de los instrumentos de medicin y la capacitacin contina de los operarios de los mismos.
CAPACIDAD Y ESTABILIDAD DE UN PROCESO:
La capacidad del proceso es una evaluacin de la precisin y exactitud inherentes al proceso.
El estudio de capacidad de proceso: de una caracterstica de calidad dada, es conocer su amplitud de
la variacin del proceso dentro de las especificaciones y su ubicacin respecto al valor nominal. Para
saber si cumple con los requerimientos.
ndice de Capacidad potencial del proceso (Cp): compara el ancho de las especificaciones del
proceso con la amplitud de la variacin real.
es decir
: desviacin estndar; LSE: Lmite superior ; LIE: Lmite inferior
interpretacin del ndice Cp:
Un proceso capaz de cumplir con las especificaciones: la variacin real < variacin tolerada.
Cuanto mayor el ndice, mayor la capacidad.
CEC
Modulo 1
Pgina 5 de 22
El Cpi Cps deben ser mayor a 1.25, para que el proceso sea el adecuado.
C pk =minimo
EI ES
,
3
3
2. Tendencias en el nivel del proceso: tendencia hacia arriba o hacia debajo de los puntos en la carta.
3. Ciclos recurrentes: desplazamientos cclicos (flujo de puntos consecutivos que crecen, seguidos despus
de los descendentes.
4.
Mucha variabilidad: alta porcin de puntos que estn cerca de los lmites de control y pocos puntos en
la parte central de la carta de control.
5. Falta de variabilidad (estatificacin): seal de que hay algo especial en el proceso. Los puntos se
concentran en la parte central de la carta de control.
Tema 4 LAS GRAFICAS O CARTAS DE CONTROL
Las grficas o cartas de control son herramientas para visualizar y analizar el comportamiento de un
proceso a travs del tiempo.
Atributos para datos discretos , estos tienen 2 valores (bueno o malo, pasa o no pasa,
aprobado o reprobado, etc) que se pueden contar y observar.
GRAFICA O CARTAS DE CONTROL X-R: se usa para datos continuos.
CEC
Carta X (
Pgina 6 de 22
Estas grficas indican cambios en la tendencia central de un proceso (factores como desgaste
de herramientas, aumento de temperatura, etc)
Donde:
: representa el promedio de las medias
: representa a una constante determinada por el tamao del subgrupo (constantes de grficos de
control)
: representa el promedio de los rangos
Cuando se conoce la media () y la desviacin estndar del proceso (),los lmites se obtienen de
la siguiente manera:
Sus lmites se determinan a partir de la media y de la desviacin estndar de los rangos de los
subgrupos.
GRAFICAS X-S:
Para procesos masivos en los que se requiere tener mayor potencia para detectar pequeos
cambios.
Limites formulas:
Es una carta para variables de tipo continuo y de procesos lentos (espacio largo entre el tiempo de
una medicin a otra).
Ejemplo de procesos:
o
Cuando las Mediciones cercanas difieren por el error de medicin
o
De mediciones que se obtienen cada dia, cada semana, etc.
o
Que trabajan por lotes.
CEC
Modulo 1
Pgina 7 de 22
CEC
Modulo 1
Pgina 8 de 22
Grficas o cartas np
Se utilizan cuando el tamao del subgrupo es constante. Los defectos se grafican por subgrupos en lugar
de la porcin.
Grficas o cartas c
Analizan la variabilidad del nmero total de defectos por subgrupos, a niveles constantes.
Frmula para calcular los lmites de control.
Modulo 1
Pgina 9 de 22
Cuntas de ellas caen fuera de los lmites de especificacin y cuantas dentro, para
determinar si el proceso requiere ajustes o se encuentra en control estadstico.
Para fortalecer el anlisis se puede emplear la estadstica descriptiva de minitab (en minitab
16.2, selecciona del men de estadsticas > estadstica bsica > mostrar estadsticas
descriptivas, se desplegar la informacin) para saber cual grupo est por debajo o arriba de la
especificacin al conocer el valor de su media.
Variacin en tiempo y de fuente.
Sirve para encontrar el factor (fuente) que ms influye respecto de los dems fuentes en la
variacin de los datos.
En minitab (capturar los datos en una hoja de trabajo seleccionar el men de estadsticas >
herramientas de calidad > grfica multivariables, colocar la variable de respuesta el nombre de
la variable Y y los factores que influyen en Y (ejemlo: grupo, operario y hora), asimismo,
debers habilitar en opciones: mostrar puntos de datos individuales, en este caso son el grupo,
operario y hora.
Graficas de precontrol
Herramienta utilizada para prevenir cambios en la media y en la dispersin de la caracterstica
de calidad monitoreada. En el momento en que se detecta un cambio de estos parmetros, el
proceso se para y se investiga las causas.
LIC
LSC
CEC
Modulo 1
Pgina 10 de 22
Ejemplos:
El siguiente ejemplo muestra la aplicacin de los conceptos analizados.
En un proceso de panificacin, la altura de los productos es una caracterstica de
calidad, ya que el cliente relaciona la altura con suavidad. Se tiene una
especificacin de 5.16 a 6.87 cm. El fabricante quiere saber si los productos se
comportan dentro de los valores establecidos para evitar inconformidad por parte
de los clientes. Para realizar un anlisis de la capacidad de este proceso, es
necesario conocer la altura promedio de los pastelitos, la altura con mayor
frecuencia y la variabilidad de la altura entre los pastelitos. Revisa los datos y los
resultados obtenidos haciendo clic aqu.
Especificaciones altura: 5.16 y 6.87
LIE: 5.16
LSE: 6.87
Rango = LSE LIE = 1.71
La mitad del rango: 1.71/2 = 0.855
Media del rango de la especificacin:
6.015
LIE + rango/2
LSE mitad
del rango
5.16 + 0.855 = 6.015
6.87 - 0.855
6.15
5.1
5.76
5.81
6.2
6.13
5.13
5.18
5.12
4.9
6.1
5.14
5.15
5.14
5.18
4.9
5.19
5.21
5.2
5.16
4.9
4.9
= 6.015
RESULTADOS
La altura promedio es de 5.37 cm.
Media
5.37
media muestral x =
24
4.9
5.17
Mediana
Desviaci 0.448
La altura muestra variabilidad.
n
6
s=
( xin x )2
i=0
( n1 )
129
695.9623()
2
=
Como conclusin, se le recomienda al fabricante revisar su proceso, ya que los pastelitos presentan
una altura con afinidad e inclinacin hacia el lmite inferior y en ocasiones se sale de la
especificacin, lo que puede ocasionar quejas de los consumidores.
CEC
Modulo 1
Pgina 11 de 22
# datos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
TOTAL
Xi
4.9
4.9
4.9
4.9
5.1
5.12
5.13
5.14
5.14
5.15
5.16
5.16
5.18
5.18
5.19
5.2
5.21
5.76
5.81
6
6.1
6.13
6.15
6.2
129
X^2
24.01
24.01
24.01
24.01
26.01
26.2144
26.3169
26.4196
26.4196
26.5225
26.6256
26.6256
26.8324
26.8324
26.9361
27.04
27.1441
33.1776
33.7561
36
37.21
37.5769
37.8225
38.44
695.962
3
media x
5.37
LIE
LSE
Rango
1.71
5.16
6.87
6.015
rango /2
Mediana
moda
varianza Std
(S^2)
Desviacion
Std (S)
0.855
5.17
4.9
0.201230
254
0.448586
952
6.015
4.62829
583
(rango /2) +
LIE
(rango /2) LSE
0.20123
025
El comportamiento del llenado de una bebida gaseosa sabor fresa ha sido muy variado
respecto a sus lmites de especificacin; el analista desea saber qu tan desviado est
su proceso. Para ello, cuenta con la siguiente informacin: LSE = 255 ml y LIE = 250 ml,
adems los datos histricos muestran una de 255 ml y una de 1.5 ml.
CEC
Modulo 1
Pgina 12 de 22
Solucin:
Cp = (255-250) / (6(1.5)) = 0.55
Cpi = (251-250) / (3(1.59)) = .22
Cps = (255-251) / (3(1.5)) = .88
Cpk = .22
Interpretacin:
El proceso no es capaz de cumplir con las especificaciones y est descentrado. El valor Cp =
0.55 nos hace suponer que el proceso requiere de modificaciones muy serias.
El 13.3614 % se encuentra fuera de las especificaciones, por cada milln de refrescos
producidos se esperan 133,614 piezas defectuosas. En trminos comunes, significa que
te puede tocar un refresco con faltante de producto.
CEC
Modulo 1
Pgina 13 de 22
CEC
Modulo 1
Pgina 14 de 22
Despus de varios das, se obtuvieron los datos que se muestran en la siguiente tabla y con los cuales
se calcularn los lmites.
CEC
Modulo 1
Pgina 15 de 22
Interpretacin: El proceso est dentro de los lmites de control, pero se debe atender, porque los tubos
deben llenarse a 63.5 gramos y la grfica nos muestra que existen productos por debajo del contenido
neto.
Ejemplo:
En la produccin de tequila se estudian los grados Brix residual para
medir la eficacia del proceso de molienda. Despus de moler cada lote
se determina el Brix residual, por lo que se considera un proceso lento
que es ms apropiado analizar con una carta de individuales. En la tabla
4.3.1 se muestran los datos de los ltimos 40 lotes molidos y se agreg
una columna para el rango mvil de orden 2 (significa que el valor de n
para determinar la constante en tablas ser 2), que se obtiene del rango
entre los dos datos consecutivos ms recientes.
Lote
CEC
Brix residual
Rango mvil
Modulo 1
Lote
Brix residual
Pgina 16 de 22
Rango mvil
21
1.2
0.9
2.4
0.4
22
1.8
0.6
2.2
0.2
23
0.2
1.4
0.8
24
2.4
0.4
2.3
0.9
25
1.9
0.5
1.8
0.5
26
2.4
0.5
1.5
0.3
27
2.4
1.5
28
1.7
0.7
2.1
0.6
29
1.8
0.1
10
0.1
30
2.1
0.3
11
1.6
0.4
31
1.7
0.4
12
2.2
0.6
32
2.1
0.4
13
1.9
0.3
33
1.6
0.5
14
2.4
0.5
34
2.4
0.8
15
3.3
0.9
35
2.1
0.3
16
2.1
1.2
36
1.8
0.3
17
2.1
37
1.3
0.5
18
1.8
0.3
38
1.8
0.5
19
1.6
0.2
39
1.7
0.1
20
2.1
0.5
40
1.6
0.1
La media y el rango medio de los datos son 1.95 y 0.43, respectivamente. De aqu que los
lmites de control preliminares para el Brix son:
Para la carta de individuales los lmites (del ejemplo) son:
Modulo 1
Pgina 17 de 22
Interpretacin:
La carta de control correspondiente a la de individuos muestra que no hay tendencias ni
ningn patrn especial, salvo un punto fuera del LCS correspondiente al lote 15. Por lo
tanto, en la molienda de ese lote ocurri algo que usualmente no sucede.
La carta de rango mvil muestra que la diferencia entre dos mediciones consecutivas del
grado Brix residual del proceso de molienda del agave vara entre 0 y 1.41, se observa que
no hay un punto fuera de los lmites de control, tampoco se observa un patrn especial. Se
concluye que el proceso est en control estadstico en cuanto a variabilidad.
CEC
Modulo 1
Pgina 18 de 22
Datos
grfica
Muestra
Nmero
errores
0.05
0.01
0.04
0.07
0.05
0.04
11
0.11
10
0.04
para
Fraccin
defectuosa
CEC
Modulo 1
Pgina 19 de 22
Ejemplo cartas U
En una empresa que elabora agroqumicos se tiene un problema de intoxicacin de
los trabajadores debido al contacto con agentes txicos. Para evaluar el nmero de
obreros intoxicados por mes en los ltimos aos, se recurre a los registros de
enfermera de la empresa. Los datos obtenidos se muestran en la tabla 5.2.1; se
obtiene que el nmero promedio de intoxicados por mes es:
M
es
Intoxi
cados
M
es
Intoxi
cados
M Intoxic
es ados
13
14
15
10
16
11
17
12
12
18
Solucin:
Como primer paso debes obtener el promedio de los
defectos:
Ejemplo:
Empresas Ross desea llevar un indicador de defectos por unidades fabricadas del producto lder
en refrigeradores de acero inoxidable, con la finalidad de implementar 6 sigma en su proceso,
por ello requiere tener la certeza de que su proceso de calidad tiene ya una cultura de mejora
continua que se refleja en el control de defectuosos. Se presenta el nmero de defectos
observados en 10 lotes consecutivos, el nmero de refrigeradores inspeccionados en cada lote
es variable (ver tabla 5.2.2).
Muestr
a
CEC
Tamao
de
muestra
Nmero de
defectos
Nmero promedio de
defectos por
refrigerador, ui
Modulo 1
LI
C
LSC
20 100
5
=X = =0.25
5 X
20
3 20 de 22
Pgina
=0.166666
18
ni
ci
20
0.25
0.5
8
18
0.166666667
0.5
8
20
0.1
0.5
8
15
0.266666667
0.5
8
18
0.333333333
0.5
8
20
0.15
0.5
8
17
0.235294118
0.5
8
16
0.4375
0.5
8
15
0.2
0.5
8
10
15
0.266666667
0.5
8
TOTAL
174
41
CEC
Modulo 1
Pgina 21 de 22
CEC
Modulo 1
Pgina 22 de 22