Grficos de Control para Variables

51
 El secreto de Coca-Cola es CEP
Coca-Cola ha atribuido su xito continuo a dos factores principales :
Su receta secreta, guardada celosamente en una caja fuerte y
Su enfoque continuo en la calidad del proceso y producto apoyada por
Control Estadstico de Proceso (CEP) (SPC)
Reconocer que la calidad no puede ser probada en un producto, Coca-Cola
siempre lucha por hacerlo bien la primera vez un pilar en la cultura de la
compaa.
Ya sea que sea embotellada en los Estados Unidos, Costa Rica, India, China,
Alemania o cualquier parte del mundo, Coca-Cola mantiene su firma de
sabor debido a la dedicacin de la compaa a un proceso consistente.

52
 Definir
Procesos

El Modelo de Mejoramiento
Seleccionar
de la Calidad Mediciones

Recolectar &
Interpretar
Datos

Estabilidad del
Proceso Es el
Proceso
No Investigar &
Solucionar
Estable Causas
? Especiales

Si

Es el
Propsito: Evaluar el Mejorar
Capacidad
No
Proceso
Capaz
del Proceso
estado de control ?

estadstico y la Si

estabilidad del Usar SPC

para Mantener
Progreso
proceso. Actual

53
 Grficos X-barra y
Introduccin
Grficos R

Grficos de Control
Grficos X-barra y Shewhart para
Grficos S Mediciones
Individuales

Resumen de
Topicos

Ejemplos de
Topicos

Procedimientos
Aplicacin de
Topicos
Tpicos

para Grficos de X-
Grficos X-barra R,
barra, R, S,
S, Individuales
Individuales

54
 Introduccin
En cualquier proceso, sin importar que tan bien diseado o
cuidadosamente mantenido este, cierta cantidad de variabilidad
inherente o natural o ruido siempre existir.

En Control
Un proceso operando con solo causas naturales o aleatorias de variacin.

Causas Asignables
Una fuente de variacin identificable en un proceso. No es parte de las
causas comunes de variacin de un proceso.

Fuera de Control
Un proceso operando en la presencia de causas asignables.

55
Ejemplos de Causas Aleatorias y
Asignables

56
 Qu es SPC?
Un Sistema de Control Estadstico del Proceso consiste de un
conjunto de herramientas usadas para medir, analizar y
responder a variacin del proceso.

Hay dos tipos de SCP:

En lnea (Online)
Fuera de lnea (Offline)

57
 Online vs. Offline
Online: Ocurre en tiempo real durante produccin normal
en el piso de produccin.

Offline: Ocurre despus que el procesamiento es

completado usando datos extrados del proceso

Online Offline
Ocurrencia Tiempo real Despus del
procesamiento
Localizacin Piso manufactura Oficina
Datos Recolectados en la Extrado de bases de datos
herramienta de medicin u otro medio
Usuarios Operarios Ingenieros

58
 Online SCP
Actividades SCP En Lnea (Online):

Medir Observar variacin

Analizar Causa especial o comn?
Responder Tomar Accin?

59
 Tipos de Variacin
Variacin proviene de varias fuentes que pueden categorizarse en
dos tipos:

Causas Comunes
Variacin debido a causas naturales, intrnsecas y aleatorias.

Causas Especiales
Variacin debido a causas inusuales o eventos especiales.

Responder a variaciones por causas especiales es

diferente a la respuesta por la variacin por causas
comunes.

5 10
Impacto de las Fuentes de Variacin en el Rendimiento de
la Calidad

Maquinaria Mano de obra Mediciones Medio ambiente

Materiales Mtodos

Variable de salida (caracterstica de calidad) 5 11

Impacto de las Fuentes de Variacin en el Rendimiento
de la Calidad
Necesidades del
Cliente

Respuesta

Respuesta
Calidad

Calidad
Proceso Diseo del
Producto

Valor Diseo Parametro B

Diseo Parametro A
Nominal

Proceso
Manufactura
Materia Prima Condicin
Herramienta

Respuesta Calidad

Uso de Producto
en el
Temperatura Campo Potencia

Respuesta Calidad

Uso de Producto
Desgaste en el Tiempo Aegamiento

Respuesta Calidad

5 12
 Valor Meta (Target)
Un valor meta (target) es el valor deseado de un
parmetro del proceso.

Ejemplos:

Parmetro Target
Placement Offset 0
Yield 100%
Dispense Weight 32 mg
Flux Thickness 1.05 mils
Test Temperature 110 oC

5 13
 Calidad y Variacin
La calidad de una unidad o producto es mejor en su valor meta.

Calidad disminuye conforme se mueve lejos del valor meta o

target.

Peor Mejor Peor

Calidad Calidad Calidad

Meta

5 14
 Calidad y Variacin
El proceso ideal produce cada parte en el valor meta con ninguna
variacin.

Meta

5 15
 Calidad y Variacin
En realidad, variacin ocurre en todos los procesos.

La mejor calidad posible ocurre cuando:

El proceso esta centrado en el valor meta o target.
La variacin es minimizada alrededor del valor meta o target.

target

5 16
 Calidad y Variacin
Oportunidad para mejorar calidad: Centrar el proceso (Targeting)

Off Target On Target

target target

target target

5 17
 Calidad y Variacin
Oportunidad para mejorar calidad: Reducir Variacin

More Variation Less Variation

target target

target target

5 18
 Beneficios de Reducir Variacin
Al reducir variacin, se lograra:
Mejor calidad Costos menores
Altos rendimientos Mayores ganancias
Menores desechos y Clientes satisfechos
reprocesos
Pocas devoluciones de
productos

Cuando la calidad mejora, la posicin en el mercado de la

empresa es fortalecida.
Impacta a todos los empleados con trabajo permanente,
mejores salarios y bonos.

5 19
 Tipos de Variacin
Variaciones de Causa Comn:
Indicativos de un proceso
estable y predecible.
Variacin de Equipo a Equipo.
Diferencias en materia prima.
Entrenamiento inadecuado del
operario.
Variaciones de Causa Especial:
No es parte de la manera que el
proceso opera normalmente.
Mal funcionamiento del equipo.
Error humano.
Error de paso del proceso.
5 20
 Herramientas para Reducir Variacin
Herramientas en Lnea: Herramientas Fuera de Lnea:
SPC (Control estadstico de Diseo de experimentos.
procesos).
Inspeccin y prueba de un
Grficos de Control. producto.
Reglas de tendencias.
Planes de accin para
situaciones fuera de control.

5 21
 Grafico de Control
Un grafico en el cual las observaciones son graficadas sobre el
tiempo para indicar si el proceso esta en control o no. Es un
grafico de series de tiempo.

5 22
 Grafico de Control Tres Sigma

El Sigma en el grafico de control tres sigma se refiere a la

desviacin estndar del estadstico graficado ( x ) en el grafico y
no a la desviacin estndar de la caracterstica de calidad.

5 23
 Grafico de Control
El ancho de los limites de control es inversamente proporcional al
tamao de muestra n para un mltiplo dado de sigma.

Escoger los limites de control es equivalente a definir la regin

critica para probar la hiptesis:
H0: = 1.5
H1: 1.5 donde = 0.15 (conocida)

Esencialmente, el grafico de control prueba esta hiptesis

repetidamente en puntos diferentes en el tiempo.

5 24
Grafico de Control
Note que sigma se refiere a la desviacin estndar del
estadstico graficado en el grafico ( x ) y no a la desviacin
estndar de la caracterstica de calidad.

5 25
 Grafico de Control Shewhart
La teora general de los graficas de control fue primeramente
propuesta por Walter A. Shewhart.

estadstico muestral que mide alguna caracterstica de

calidad de inters.

media de

desviacin estndar de

L distancia de los limites de control desde la lnea central,

expresada en unidades de desviacin estndar.
5 26
Grafico de Control Shewhart
El grafico de control es una
prueba de hiptesis de que el
proceso esta en estado de
control estadstico.
Un punto graficado dentro de
los limites de control es
equivalente a fallar en
rechazar la hiptesis de
control estadstico y un punto
graficado fuera de los limites
de control es equivalente a
rechazar la hiptesis que el
proceso esta en estado de
control estadstico.

5 27
Mejoramiento del Proceso Usando Un
Grafico de Control
1. Muchos procesos no operan en
estado de control estadstico.
2. Por tanto, la rutina y uso
atento de los grficos de
control identificara las causas
asignables. Si estas causas
pueden ser eliminadas del
proceso, la variabilidad ser
reducida y el proceso ser
mejorado.
3. El grafico de control solo
detectara causas asignables. La
accin de la administracin,
ingeniera y operarios sern
usualmente necesarios para
eliminar las causas asignables.

5 28
 Plan de Accin para un Fuera de Control
El desarrollo de un sistema efectivo para una accin correctiva es
un componente esencial de la implementacin de un SPC.

Una parte importante del proceso para acciones correctivas

asociadas con el uso de grficos de control es el plan de accin.

Un Plan de Accin
Es un diagrama de flujo o descripcin textual de la secuencia de actividades
que deben llevarse a cabo despus de la ocurrencia de in evento que lo
activa.
Consiste de puntos de revisin las cuales son causas asignables potenciales
y puntos finales que son accionadas tomadas para resolver la condicin de
fuera de control preferiblemente al eliminar las causas asignables.
Es un documento vivo en el sentido que ser modificado con el tiempo
conforme mas conocimiento y entendimiento del proceso es obtenido.

5 29
Ejemplo de un Plan de Accin para una
Situacin Fuera de Control

5 30
 Grafico de Control
Desde un grafico de control que exhiba control estadstico, se
pueden estimar ciertos parmetros del proceso tales como la
media, desviacin estndar y la fraccin no conforme.

Dos tipos de grficos de control

Variables
Atributos

5 31
Razones de la Popularidad de los
Grficos de Control

5 32
 Diseo de un Grafico de Control
Los tiempos para realizar un examen de sangre son una mtrica
critica en un hospital.

El gerente del grupo has separado las solicitudes urgentes de las

de rutina y ha generado el siguiente grafico de control:

5 33
 Promedio del proceso = 55.44 mins

Desv Estd = 14.85 mins

Tamao Muestra n=5

Desv Estd del promedio muestral

5 34
 Ejemplo (continuacin)
Si el proceso esta en control con un tiempo promedio de 55.44
minutos, se esperara aproximadamente 100(1- )% de los
tiempos muestreados a estar entre 55.44 - z/2(/n) y 55.44 +
z/2(/n).

z/2 = 3,

UCL = 55.44 + 3(6.64) = 75.36

LCL = 55.44 - 3(6.64) = 35.52

La probabilidad que un punto caiga fuera de los limites de control

cuando el proceso esta en control es 0.0027 0.27%.

5 35
 Diseo de un Grafico de Control
Los siguientes dos aspectos son los puntos mas importantes del
diseo de un grafico de control.

Especificar el tamao de muestra a usarse (cuantos puntos a

promediar)
Si se esta interesado en detectar un cambio de proceso relativamente
grande entonces tamaos de muestras pequeos serian usados en vez si el
cambio de inters fuera relativamente pequeos.

Frecuencia del muestreo (cada hora, da, etc)

Practicas actuales de la industria tienden a favorecer muestras pequeas y
mas frecuentes particularmente en procesos de alto volumen o donde una
gran cantidad de tipos de causas asignables puedan ocurrir.
Considere: a. el estado del proceso, b. costo del muestreo, c. la naturaleza
del proceso.

5 36
 Subgrupos Racionales
El concepto de subgrupo racional significa que los subgrupos o
muestras deben ser seleccionados de modo que si hay causas
asignables presentes, la oportunidad para detectar diferencias
entre muestras sea maximizada mientras que la oportunidad de
las diferencias debido a estas causas asignables dentro de un
subgrupo sea minimizado.

Esto es importante ya que la variabilidad dentro del subgrupo

determina los limites de control.

Si las causas asignables ocurren dentro de un subgrupo esto har

mas ancho los limites de control mas de lo necesario.

ltimamente, esto reducir la capacidad del grafico de control a

detectar cambios.
5 37
 Subgrupos Racionales
El grfico Xbarra monitorea la variabilidad entre las muestras (la
variabilidad del proceso con el tiempo).

El grfico R o S mide la variabilidad dentro de las muestras (la

variabilidad instantnea del proceso en un tiempo dado).

La estimacin de la desviacin estndar del proceso usada en

la construccin de los lmites de control se calcula a partir de la
variabilidad dentro de cada muestra. La estimacin de refleja
slo la variabilidad dentro de las muestras.

5 38
Tamao de la Muestra y Frecuencia del Muestreo

Otra manera de evaluar las decisiones respecto del tamao de muestra y la frecuencia del
muestreo es con la longitud promedio de la corrida (ARL) del grfico de control. En esencia, la ARL,
es el nmero promedio de puntos que deben graficarse antes de que un punto indique una
condicin fuera de control. Si las observaciones del proceso son no correlaciones, entonces para
cualquier grfico de control Shewhart, la ARL puede calcularse fcilmente con

donde p es la probabilidad de que cualquiera de los puntos exceda los lmites de control. Esta
ecuacin puede usarse para evaluar el desempeo de la grfica de control.

5 39
Como ilustracin, para el grfico x con lmites tres sigma, p=0.0027 es la probabilidad de que
un solo punto se localice fuera de los lmites cuando el proceso est bajo control. Por lo tanto,
la longitud promedio de la corrida del grfico x cuando el proceso est bajo control (llamada
ARL0) es

Es decir, incluso si el proceso se mantiene bajo control, se generar, en

promedio, una seal de fuera de control cada 370 muestras.

5 40
Calculo de Tamao de Muestra

5 41
 Planteamientos para Construir
Subgrupos Racionales
1. Unidades del subgrupo producidas casi al mismo tiempo.

Da un vistazo del proceso en cada punto en el tiempo donde una

muestra es recolectada.

2. Obtener una muestra aleatoria de todas las unidades producidas

dentro de un intervalo de tiempo.

Cada subgrupo es una muestra aleatoria de toda la salida del

proceso sobre el intervalo de tiempo.

5 42
 Planteamiento 1
Se usa cuando el propsito inicial del grafico de control es
detectar un cambio del proceso.

Minimiza la oportunidad de variabilidad debido a las causas

asignables dentro de una muestra.

Maximiza la oportunidad de variabilidad entre las muestras si

causas asignables estn presentes.

Da un mejor estimado de la desviacin estndar del proceso en el

caso de grficos de control para variables.

5 43
 Planteamiento 2
Cada muestra consiste de unidades del producto que son
representativas de todas las unidades que han sido producidas
desde que la ultima muestra fue tomada.

Este mtodo de subgrupos racionales es a veces usado cuando el

grafico de control es usado para tomar decisiones sobre la
aceptacin de todas las unidades del producto que hayan sido
producidas desde la ultima muestra.

Sin embargo, si el proceso cambia a un estado de fuera de control

y luego regresa a control otra vez entre muestras, es algunas
veces argumentado que este mtodo de subgrupos racionales es
ineficiente contra estos tipos de cambios.

5 44
5 45
 Otros Planteamientos a los Subgrupos
Racionales
Supongan que un proceso consiste de varias maquinas que
envan su salida a un flujo comn.
Un planteamiento lgico al muestreo racional ac es aplicar tcnicas de
grficos de control a la salida de cada maquina individual.

En muchas situaciones, el subgrupo racional consistir de una

sola observacin.
Las muestras tomadas muy cerca en el tiempo son virtualmente idnticas
aparte de la medicin o error analtico.

5 46
 Estratificacin
Muestra hecha de unidades obtenidas de procesos similares pero de
mquinas diferentes.

Mquina 1 Mquina 2 Mquina 3 Mquina 4

Muestra

5 47
 Mezclado
Composicin de la muestra es de una seleccin aleatoria de una
segregacin de todos los procesos.

Mquina 1 Mquina 2 Mquina 3 Mquina 4

Muestra

5 48
 Errores de estratificacin y mezclado pueden aparecer en los
grficos de control.

5 49
 Anlisis de Patrones en
Grficos de Control
Aunque todos los 25 puntos
estn dentro de los limites de
control, los puntos no indican
control estadstico porque su
patrn no es aleatorio en
apariencia.
19 de 25 puntos abajo de la
lnea central mientras que
solo 6 de ellos estn sobre la
lnea central.
Despus del cuarto punto,
cinco puntos en fila
aumentan en magnitud. Esto
se llama una corrida.
Ya que las observaciones
son crecientes, se llamara
una corrida hacia arriba.

5 50
 Anlisis de Patrones en
Grficos de Control

Los promedios muestrales graficados

exhiben un comportamiento cclico
aunque estn dentro de los limites de
control.
Aunque el proceso no esta realmente
fuera de control, mas cantidad de
producto puede ser producido dentro de
los limites de especificacin al eliminar o
reducir las fuentes de variabilidad que
causan el comportamiento cclico. 5 51
 El Western Electric Handbook (1956) sugiere un conjunto de reglas de decisin para
detectar patrones no aleatorios en los grficos de control. Especficamente, se sugiere
que un proceso est fuera de control si:
1. Un punto graficado fuera de los lmites de control 3 sigma.
2. Dos de tres puntos consecutivos graficados ms all de los lmites de precaucin 2
sigma.
3. Cuatro de cinco puntos consecutivos graficados a una distancia de un sigma o ms all
de la lnea central.
4. Ocho puntos consecutivos en un lado de la lnea central.

5 52
Tabla 4-1 Algunas reglas de sensibilidad para grficos de control de Shewhart

Seal de accin estndar 1. Uno o ms puntos fuera de los lmites de control

2. Dos de tres puntos consecutivos fuera de los lmites
de advertencia pero an dentro de lmites de control
3. Cuatro de cinco puntos consecutivos fuera de los lmites
una sigma.
4. Una corrida de ocho puntos consecutivos en el mismo lado
de la lnea central.
5. Seis puntos seguidos que se incrementan o en decrementos
de manera sostenida
6. Quince puntos seguidos en la zona C (tanto arriba como
debajo de la lnea central
7. Catorce puntos seguidos alternndose arriba y abajo
8. Ocho puntos seguidos en ambos lados de la lnea central
pero ninguno de ellos en la zona C
9. Un patrn inusual o no aleatorio en los datos
10. Uno o ms puntos cerca de un lmite de control o de
advertencia.

5 53
Descripcin Grafica de las Reglas de la
Western Electric Rules

5 54
Descripcin Grafica de las Reglas de la
Western Electric

5 55
Ilustracin de las Reglas

5 56
Ilustracin de las Reglas

5 57
 Reglas de la Western Electric
Las reglas de la Western Electric son usadas a veces para aumentar la
sensibilidad de los grficos de control a un cambio pequeo del proceso para
que se pueda reaccionar mas rpido a una causa asignable.

Cuando se utilizan las cuatro reglas simultneamente, algunas veces se usa

una respuesta graduada a las seales de fuera de control.

El uso de las cuatro reglas simultneamente tienen una desventaja:

Champ y Woodall (1987) investigaron la tasa de falsas alarmas (llamado el
largo promedio de corridas ARL) para el grafico de control Shewhart con
las reglas de la Western Electric y encontraron que el uso de las cuatro
reglas disminuyen el ARL a 91.25
O sean cada 92 puntos (en promedio) se esperara recibir una indicacin
que el sistema no esta en estado de control estadstico (aunque es posible
que lo este).

5 58
1. Promedio del Proceso Fuera de Control

5 59
2. Variacin del Proceso Fuera de Control

5 60
3. Promedio y Variacin del Proceso Fuera de Control

5 61
4. Proceso en Control

5 62
Interpretacin del Grfico de Control

Cinco Reglas Comunes

5 63
Otros Patrones Inusuales

5 64
Tendencias

5 65
Saltos en Nivel del Proceso

5 66
Ciclos Recurrentes

5 67
Puntos Cerca o Fuera de Lmites

5 68
Falta de Variabilidad

5 69
 FASE I y FASE II Aplicacin de Grficos de Control

Fase I es un anlisis retrospectivo de datos del proceso para

construir lmites de control de prueba
Grficos son efectivos en detectar cambios grandes y
sostenidos en parmetros del proceso, puntos extremos,
errores de medicin, errores de entrada de datos, etc.
Facilita identificacin e eliminacin de causas asignables.

En la Fase II, el grfico de control es usado para monitorear el

proceso
Proceso se asume estar razonablemente estable
nfasis es monitoreo del proceso, no en llevar a control un
proceso muy inestable

5 70
 Fase I Aplicacin de Grficos x y R
Lmites de control de prueba
Determinado por medio de m muestras iniciales
Tpicamente 20-25 subgrupos de tamao n entre 3 y 5
Cualquier punto fuera de control debe ser examinado por causas
asignables.
Si las causas asignables son encontradas, elimine los puntos
de los clculos y recalcule los lmites de control de prueba.
Contine la evaluacin hasta que los puntos estn en control.
Adopte los lmites de control de prueba resultantes
Si no se encuentran causas asignables, hay dos opciones:
1. Elimine los puntos como si las causas asignables fueran
encontradas y revise los lmites.
2. Retenga los puntos y considere los lmites apropiados para
control
Si hay muchos puntos fuera de control, estos deben ser
examinados por patrones que puedan identificar problemas de
procesos.
5 71
 Revisin de lmites de control
y las lneas centrales
El uso efectivo de grficos de control requiere revisiones
peridicas de los lmites de control y las lneas centrales.
Algunas veces se reemplaza la lnea central en el grfico
con un valor objetivo o meta.
Cuando un grfico R est fuera de control, estos puntos
son eliminados para recalcular un valor revisado el cual
es usado para determinar nuevos lmites y lnea central
en el grfico R y nuevos lmites en el grfico x

5 72
 Fase II Operacin del Grfico
El uso de grficos de control para monitorear
produccin futura una vez que un conjunto de
lmites confiables se han establecido, es
llamado Fase II, que se llama utilizacin de
grfico de control.
Un grfico de corrida mostrando observaciones
individuales en cada muestra, es llamado un
grfico de tolerancia, puede revelar patrones u
observaciones inusuales en los datos.

5 73
 Qu es Estabilidad?
Un proceso es estable si tiene las siguientes propiedades:
Patrones aparecen aleatorios
Media del proceso constante
Variabilidad uniforme sobre el tiempo
No hay tendencias, corridas, cambios, subidas y bajadas errticas

Importante por varias razones:

Aumenta productividad del personal de ingeniera, manufactura
Resultados predecibles y repetibles dentro de un rango especificado

5 74
 Tampering
El acto de ajustar continuamente un proceso cuando ste estara
estable sin los ajustes

Para determinar si un ajuste continuo es tampering, detenga el

procedimiento de ajuste y determine si la variacin disminuye

Reaccionar a causas comunes de variacin es tampering

5 75
 Ignorar
El acto de no tomar acciones en un proceso inestable

Ignorar un proceso inestable representa oportunidades perdidas

para el mejoramiento continuo

Ignorar es no reaccionar ante las causas especiales de variacin

5 76
 Respuesta a la Variacin
Como usted respondera en la planta a cada tipo de variacin?

Causa Comn

Causa Especial

5 77
 Respuestas Correctas ante la Variacin
La respuesta correcta a variaciones de causa comn es no hacer
nada.
Continuar procesando el lote o unidad normalmente.

La respuesta correcta a variaciones por causas especiales es

tomar una accin.
Detenga el procesamiento
Identificar la causa.
Haga los ajustes para arreglar el proceso.
Contine el procesamiento hasta que la correccin se haya verificado.
Disposicione el material si es requerido
Pselo, retngalo, reproceso o desecho.

5 78
 Respuestas inapropiadas a la Variacin
Sobre-control (Tampering)
Tomar accin en variaciones de causa comn.

Ignorar
Se falla en tomar una accin en causas especiales de variacin.

Respuesta Respuesta
Tipo Variacin
Correcta Incorrecta
No hacer Tomar accin
Causa Comn
nada (Tampering)
No hacer nada
Causa Especial Tome accin
(Ignorar)

5 79
 Consecuencias del Tampering
Responder y hacer ajustes a variaciones de causa comn en
realidad resulta en mas variacin.

no tampering tampering
18270
La reduccin de
18180
variacin por
18090
causas comunes
18000

es una actividad
17910
RESPONSE

17820
fuera de lnea (off
17730 line).
17640
9 18 27 36 45 8 17 26 35 44

Random Tamper

5 80
 Consecuencias de Ignorar #1
Fallar a responder en variaciones de causa especial resulta en
perder oportunidades para el mejoramiento.

Sin la respuesta correcta, las causas especiales continuaran

ocurriendo y contribuirn a mas variacin.

5 81
 Consecuencias de Ignorar #2
Ignorar el cambio hacia arriba resulta en un rendimiento fuera
del valor meta o target.

La accin correctiva ajusta el proceso de nuevo al valor meta.

5 82
 Consecuencias de Ignorar #3
Ignorar la tendencia ascendente resulta en salirse del valor meta
cada vez mas.

La accin correctiva ajusta el proceso pronto antes de que se

ponga peor.

5 83
El Efecto de No Normalidad en los Grficos X y R

Una suposicin en el rendimiento de las propiedades es que la

distribucin de la caracterstica de calidad bajo estudio es normal.
Si la distribucin no es normal, la distribucin muestral puede ser derivada y
lmites de probabilidades exactas pueden obtenerse.

Burr (1967) destaca que la teora normal de los lmites de control es muy
robusta a la suposicin de normalidad.

Schilling ay Nelson (1976) indican que en la mayora de los casos, tamaos

de muestra de 4 5 son suficientes para asegurarx una robustez razonable
para la suposicin de normalidad para un grfico .

La distribucin muestral de R no es simtrica, entonces los lmites

simtricos de 3 sigma son una aproximacin y el riesgo no es de 0.0027.
Un grfico R es ms sensitivo a desviaciones de normalidad que un grfico x

Suposiciones de normalidad e independencia no son de mucha

preocupacin en la fase I.

5 84
 Lmites de Control vs. Lmites de
Especificacin
Los lmites de control son
derivados de la variabilidad
natural del proceso o de los
lmites de tolerancia naturales de
un proceso.
Los lmites de especificacin son
determinados externamente, por
ejemplo por los clientes o
diseadores.
No hay una relacin matemtica
o estadstica entre los lmites de
control y los lmites de
especificacin.
No graficar lmites de
especificacin en grficos de
control.

5 85
Comparacin entre el Promedio y Valores
Individuales

5 86
 Grficos X-barra y
Introduccin
Grficos R

Grficos de Control
Grficos X-barra y Shewart para
Grficos S Mediciones
Individuales

Resumen de
Topicos

Ejemplos de
Topicos

Procedimientos
Aplicacin de
Topicos
Tpicos

para Grficos de X-
Grficos X-barra R,
barra, R, S,
S, Individuales
Individuales

5 87
 Grficos X y R
Cuando se trata con una caracterstica de calidad que puede ser
expresada como una medicin, se monitorea la media y su
variabilidad.

La media es importante ya que indica si el proceso esta o no

operando en su valor meta.

La variabilidad es importante ya que es un indicador si el proceso

esta o no operando consistentemente.

Grafico X : Un grafico de control que muestra la media muestral

sobre el tiempo.

Grafico R : Un grafico de control que muestra como el rango

dentro de cada muestra cambia con el tiempo.
5 88
 Grafico X
Si la media y la desviacin estndar del proceso, y , son conocidas y se
puede asumir una distribucin normal, entonces se puede:
Usar como la lnea central para el grafico de control y
Colocar los limites superior e inferior de tres sigma en
UCL = + 3 * /n y LCL = - 3 * /n.

Cuando la media y desviacin estndar no son conocidas, usualmente se

estiman en las bases de muestras preliminares (20 a 25 con tamao de
muestra n), tomadas cuando el proceso esta en control.

Deteccin cambios del proceso de moderados a grandes pueden ser hechos

usando tamaos de muestras de n = 4, 5, 6

Deteccin de cambios pequeos pueden ser hechos usando n = 15 a 25.

5 89
 Grafico R
El grafico R es relativamente insensible a cambios en la desviacin
estndar del proceso para muestras pequeas.

Muestras grandes parecieran ser mas efectivas pero tambin se

sabe que el mtodo del rango para estimar la desviacin estndar
cae dramticamente en eficiencia conforme n aumenta.

Por tanto, para tamaos de muestra moderadamente grandes

n>10, 12 es mejor usar un grafico de control para s s2 en
lugar del grafico R.

5 90
Grafico X

5 91
Grafico R

5 92
Ejemplo 5.1

5 93
Ejemplo 5.2

5 94
Ejemplo 5.2

5 95
Ejemplo 5.2

5 96
Ejemplo 5.2

5 97
Ejemplo 5.2

5 98
 Grficos X-barra y
Introduccin
Grficos R

Grficos de Control
Grficos X-barra y Shewart para
Grficos S Mediciones
Individuales

Resumen de
Topicos

Ejemplos de
Topicos

Procedimientos
Aplicacin de
Topicos
Tpicos

para Grficos de X-
Grficos X-barra R,
barra, R, S,
S, Individuales
Individuales

5 99
 Grafico X y S
Generalmente, los grficos X-barra y S son preferidos con
respecto a sus contrapartes y grficos R, cuando ya sea:

1. El tamao de muestra n es moderadamente grande digamos 10

12. Esto no sucede muy seguido ya que el concepto de subgrupo
racional argumenta en favor de tamaos de muestra
relativamente pequeos digamos entre 3 y 6.

2. El tamao de muestra n es variable.

5 100
Grafico X

5 101
Grafico S

5 102
Ejemplo 5.3

5 103
Ejemplo 5.3

5 104
Ejemplo 5.3

5 105
Ejemplo 5.3

5 106
Ejemplo 5.3

5 107
Tamaos de Muestra Variables

5 108
 Tamaos de Muestra Variables
El tamao de muestra variable es mas difcil de leer e interpretar
y aumenta significativamente los esfuerzos de calculo del grafico
de control.

Es tambin difcil para el personal de produccin o servicios

entenderlo. Debe ser evitado.

Una alternativa es utilizar un tamao de muestra promedio. Si el

tamao de muestra no es muy diferente (regla del 75%).

5 109
 El Grfico de Control S2
Muchos ingenieros de la calidad usan ya sea el grfico R o el grfico S para
monitorear la variabilidad del proceso, con S ms preferible a R para tamaos grandes
de muestra. Algunos practicantes recomiendan un grfico de control basado
directamente en la varianza muestral S2. Los parmetros para el grfico de control S2
son

5 110
 Grficos X-barra y
Introduccin
Grficos R

Grficos de Control
Grficos X-barra y Shewart para
Grficos S Mediciones
Individuales

Resumen de
Topicos

Ejemplos de
Topicos

Procedimientos
Aplicacin de
Topicos
Tpicos

para Grficos de X-
Grficos X-barra R,
barra, R, S,
S, Individuales
Individuales

5 111
 Grafico de Control Shewart para
Mediciones Individuales
Hay muchas situaciones en las cuales el tamao de muestra usado para
monitorear el proceso es uno; la muestra consiste de una unidad individual.
Algunos ejemplos de estas situaciones son las siguientes:

Inspeccin automatizada y tecnologa de la medicin es usada y cada unidad

producida o servicio es analizado por ende no hay bases para un subgrupo
racional.

Datos estn disponibles lentamente y es inconveniente permitir la

acumulacin de un tamao de muestra antes del anlisis. El intervalo grande
entre observaciones causara problemas con los subgrupos racionales. Esto
ocurre frecuentemente en situaciones de manufactura y servicios.

El costo de obtener una medicin es muy alto.

5 112
En muchas aplicaciones del grfico de control para
unidades individuales se usa el rango mvil de dos
observaciones sucesivas como base para estimar la
variabilidad del proceso. El rango mvil (MR, por sus
siglas en ingls) se define como

5 113
 Grficos Mediciones Individuales
Un grafico de control que monitorea la localizacin del proceso
con el tiempo cuando el tamao del subgrupo es = 1

5 114
 Grafico MR
Un grafico de control que monitorea la variacin entre subgrupos
sucesivos con el tiempo.

5 115
Ejemplo 5.4

5 116
Ejemplo 5.4

5 117
Ejemplo 5.4

5 118
 Grafico de Control Mediciones
Individuales
Nuestra discusin en esta seccin ha hecho un supuesto que las
observaciones siguen una distribucin normal.

Varias distribuciones fueron investigadas que representan sesgos

y simetra normal como los datos.

El rendimiento del grafico es dramticamente impactado por

desviaciones moderadas de la normalidad.

Es recomendado que un grafico de probabilidad normal sea

usado para revisar los supuestos de normalidad antes de usar el
grafico de control. Si se notan desviaciones, un grafico EWMA
puede ser mas apropiado ya que es muy insensible al supuesto
de normalidad.

5 119
 Grficos X-barra y
Introduccin
Grficos R

Grficos de Control
Grficos X-barra y Shewart para
Grficos S Mediciones
Individuales

Resumen de
Topicos

Ejemplos de
Topicos

Procedimientos
Aplicacin de
Topicos
Tpicos

para Grficos de X-
Grficos X-barra R,
barra, R, S,
S, Individuales
Individuales

5 120
Resumen: y conocidos y dados

5 121
Resumen: Usando Estimados de
Parmetros

5 122
 Mtodos de Estimacin de
Si se utiliza grficos Xbarra y R

Si se utilizan grficos Xbarra y S

Si se usan grficos de mediciones individuales.

Mtodo de Minitab. Promedio ponderado de las desviaciones estndar de cada grupo.

Ver mtodos y formulas en Minitab. Es el default de los ejemplos a resolver en clase a
menos que se indique otra cosa.
5 123
 Grficos X-barra y
Introduccin
Grficos R

Grficos de Control
Grficos X-barra y Shewart para
Grficos S Mediciones
Individuales

Resumen de
Topicos

Ejemplos de
Topicos

Procedimientos
Aplicacin de
Topicos
Tpicos

para Grficos de X-
Grficos X-barra R,
barra, R, S,
S, Individuales
Individuales

5 124
 Ejemplos de Prctica
Ejemplo 6.2. Grafico Xbarra y R

Ejemplo 6.5. Grfico Xbarra y S

Ejemplo 6.53. Grfico Mediciones individuales y rangos mviles.

Datos en archivo adjunto: Datos Practica Graficos.xls

5 125
Implementacin del Control Estadstico

1. Liderazgo de la administracin
2. Enfoque de equipo
3. Capacitacin de los empleados en
todos los niveles
4. nfasis en la reduccin de la
variabilidad
5. Medir el xito en trminos
cuantitativos (econmicos)
6. Un mecanismo para comunicar los
resultados exitosos en toda la
organizacin

5 126
5 127
5 128