Control Estadstico de Procesos

Unidad 4 Mgter. Ing. Julio Ortigala

Cartas de control especiales

Introduccin

En las unidades 2 y 3 hemos analizado las cartas de control que reciben el

nombre genrico de cartas de control de Shewhart, ya que se basa en los
principios desarrollados por este investigador. Una de las principales
desventajas de cualquiera de estas cartas, es que utilizan solamente la
informacin del proceso contenida en el ltimo punto graficado e ignora
cualquier informacin ofrecida por la secuencia completa de los puntos
graficados. Esta caracterstica hace que la carta de control de Shewhart sea
relativamente insensible a los corrimientos pequeos del proceso, por ejemplo
del orden de 1,5 o menos. El uso de reglas adicionales en las cartas de
Shewhart, reduce la insensibilidad a los cambios pequeos pero incorporan un
error tipo I ms importante y esto produce un achicamiento en la longitud
promedio de corrida, con la posibilidad de tener mayor cantidad de falsas
alarmas.

Pueden usarse dos alternativas muy efectivas para la carta de control de

Shewhart cuando sea de inters los corrimientos pequeos: la carta de control
de suma acumulada (o cusum) y la carta de control del promedio mvil
ponderando exponencialmente (EWMA).

Carta de control de suma acumulada

La implementaron de una carta de suma acumulada requiere que se posea un

valor objetivo, valor deseado para la caracterstica de calidad que se
monitorea.

La carta Cusum incorpora directamente toda la informacin contenida en la

secuencia de los valores muestrales, graficando las sumas acumuladas de las
desviaciones que presentan los valores muestrales respecto del valor objetivo.
Por ejemplo, supongamos que se recolectan muestras de tamao n 1 y que
x j es el promedio de la j-sima muestra. Entonces si o es el objetivo para la
media del proceso, la carta de control de suma acumulada se construye
graficando la cantidad

i
Ci x j o (4.1)
j 1

contra la muestra i . A Ci se le llama la suma acumulada hasta la i-sima

muestra, incluyndola. Debido a que se combina informacin de varias
muestras, las cartas de control cusum son ms efectivas que las cartas de
Shewhart para detectar corrimientos pequeos en el proceso. Ademn son
particularmente efectivas con muestras de tamao n=1. Esto hace que la carta

1
de control cusum sea siempre un buen candidato para ser usada en las
industrias qumicas y de procesamiento, donde es frecuente que el tamao de
muestra sea igual a uno. Tambin se puede usar en procesos automatizados
donde se mide el 100% de las unidades producidas.

Se observa que si el proceso se mantiene bajo control en el valor objetivo o ,

la suma acumulada definida en la ecuacin 4.1, es una fluctuacin aleatoria
alrededor del valor cero. Sin embargo, si la media experimenta un corrimiento
ascendente a un valor 1 0 , por ejemplo, entonces se desarrollar una
corrida ascendente o positiva en la suma acumulada. Recprocamente, si la
media experimenta un corrimiento descendente a un valor 0 , entonces
1
se desarrollar una corrida descendente o negativa de la suma acumulada.
Estas corridas que podran producirse en la carta cusum, sern un indicio de
algn cambio en la media del proceso y conllevar a la bsqueda de alguna
causa atribuible.

Si suponemos que el valor objetivo de la viscosidad de un polmero es 10,

podemos desarrollar la ecuacin 4.1 de la siguiente manera:

i
Ci x j 10
j 1

i
Ci x i 10 x j 10
j 1

Ci xi 10 Ci 1

2
Ejemplo:

Tabla 8.1 Datos de viscosidad

Muestra, i xi xi 10
Ci xi 10 Ci 1
1 9,45 -0,55 -0,55
2 7,99 -2,01 -2,56
3 9,29 -0,71 -3,27
4 11,66 1,66 -1,61
5 12,16 2,16 0,55
6 10,18 0,18 0,73
7 8,04 -1,96 -1,23
8 11,46 1,46 0,23
9 9,2 -0,8 -0,57
10 10,34 0,34 -0,23
11 10,84 0,84 0,61
12 10,9 0,9 1,51
13 9,33 -0,67 0,84
14 12,29 2,29 3,13
15 11,5 1,5 4,63
16 10,6 0,6 5,23
17 11,08 1,08 6,31
18 10,38 0,38 6,69
19 11,62 1,62 8,31
20 11,31 1,31 9,62

3
 CARTA SUMA ACUMULADA

12

10

Serie1
4
Serie2

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

-2

-4
NUMERO DE MUESTRA

A partir de la medicin 10 se observa un crecimiento en la magnitud de la

viscosidad.

Desde luego, la grfica presentada arriba no es una carta de control, ya que

carece de lmites de control estadsticos. Para solucionar en parte este
problema, se ha diseado la carta cusum tabular.

La carta cusum tabular para monitorear la media del proceso

Es posible construir cusums tanto para observaciones individuales como para

los promedios de muestras de tamao n 1. El caso de observaciones
individuales ocurre con mucha frecuencia en la prctica, por lo que se tratar
este caso en particular.

Sea xi la i-sima observacin del proceso. Cuando el proceso est bajo

control, xi tiene una distribucin normal, con media o y desviacin estndar
. Se supone que es conocida o que se cuenta con una estimacin de la
misma.

Como en la carta de suma acumulada, o se considera como el valor objetivo

para la caracterstica de calidad X. Es comn adoptar este criterio en las
industrias qumicas y de procesamiento cuando el objetivo es controlar x (la
viscosidad, por ejemplo).

La cusum tabular funciona acumulando las desviaciones de 0 que estn

arriba del objetivo con un estadstico C y acumulando las desviaciones de

4
 0 que estn debajo del objetivo con otro estadstico C . A los estadsticos
C y C se les llama cusums unilaterales superior e inferior ,
respectivamente. Se calculan como sigue:

Ci max 0, xi ( 0 K ) Ci1

Ci max 0, ( 0 K ) xi Ci1
Donde los valores iniciales para los cusums superior e inferior es cero y K es
un valor de referencia y se elige aproximadamente a la mitad entre el objetivo
0 y el valor fuera de control de la media 1que el analista est interesado en
1 0
detectar con rapidez o sea K .
2
.

Si bien esta carta no tiene lmites de control como los habituales vistos hasta
ahora, posee un intervalo de decisin, H, que en la prctica actan como
lmites de control

Diseo de una cusum

La cusum tabular se disea eligiendo valores para el valor de referencia K y

para el intervalo de decisin H. Es comn recomendar que estos parmetros se
seleccionen para producir un buen desempeo de la longitud promedio de la
corrida. Se han realizado diversos estudios analticos del desempeo de la
ARL, para la cusum. En general se recomienda que H= h y que K= k.
Cuando se desea detectar con rapidez un corrimiento en la media de 1, se
utiliza h= 4 o 5 y k =1/2., con lo cual se obtiene una cusum con buen
desempeo, es decir con una ARL de por lo menos 500.

Ejemplo de aplicacin:

Se desea controlar un proceso qumico donde la variable de calidad a

monitorear es la concentracin del producto resultante. El valor objetivo es 99 y
=2.

H h. 5.2 10
K 0,5.2 1
Con este esquema se persigue detectar con rapidez un corrimiento en 1.

5
Observacin, i xi
1 102
2 94,8
3 98,3
4 98,4
5 102
6 98,5
7 99
8 97,7
9 100
10 98,1
11 101,3
12 98,7
13 101,1
14 98,4
15 97
16 96,7
17 100,3
18 101,4
19 97,2
20 101

Ci max 0, xi ( 0 K ) Ci1
C1 max 0,102 (99 1) 0

C1 max 0,2

C1 2

Ci max 0, ( 0 K ) xi Ci1
C1 max 0, (99 1) 102 0 max 0,4
C1 0

C2 max 0;94,8 (99 1) 2

C2 max 0;3,2

C 2 0

C 2 max 0, ( 0 K ) xi Ci1 max 0; (99 1) 94,8 0= max 0;3,2

C2 3,2

6
C3 max 0, xi ( 0 K ) Ci1 max 0;98,3 (99 1) 0 1,7

C3 max 0, ( 0 K ) xi Ci1 max 0; (99 1) 98,3 3,2 2,9

C4 max 0, xi ( 0 K ) Ci1 max 0;98,4 (99 1) 0 1,6

C4 max 0, ( 0 K ) xi Ci1 max 0; (99 1) 98,4 2,9 2,5

Grfica CUSUM de C1

10 UCL=10

5
Suma acumulada

0 0

-5

-10 LCL=-10

1 3 5 7 9 11 13 15 17 19
Muestra

7
La cusum estandarizada

Muchos usuarios de la cusum prefieren estandarizar la variable xi antes de

realizar los clculos. Sea

x o
yi i el valor estandarizado de xi .

Entonces las cusums estandarizadas se definen como sigue:

Ci max 0, yi k Ci1

Ci max 0,k yi Ci1

La carta de control del promedio mvil ponderando exponencialmente

La carta de control del promedio mvil ponderado exponencialmente (o EWMA)

tambin es una buena alternativa para la carta de control de Shewhart cuando
el inters se encuentra en detectar corrimientos pequeos. La carta EWMA se
usa tambin con observaciones individuales.

El promedio mvil ponderado exponencialmente se define como:

zi xi (1 ) zi 1

Los lmites de control y la lnea central son:

LSC 0 L

(2 )

1 (1 ) 2i

LC 0

LIC 0 L

(2 )

1 (1 ) 2i

Donde:
es una constante cuyo valor est entre 0 y 1
L = ancho de los lmites de control. Se recomienda el valor 2,7

8
Ejemplo:

Se aplica la carta de control EWMA para los datos de viscosidad de un aditivo

utilizado en la fabricacin de inyeccin para pozo petrolfero. Se utiliza = 0,1
y L=2,7. El valor objetivo es 0 = 10 la desviacin estndar = 1.

Muestra, i Viscosidad, xi
1 9,45
2 7,99
3 9,29
4 11,66
5 12,16
6 10,18
7 8,04
8 11,46
9 9,2
10 10,34
11 9,03
12 11,47
13 10,51
14 9,4
15 10,08
16 9,37
17 10,62
18 10,31
19 8,52
20 10,84

1 (1 ) 2i 10 2,7.1
0,1
LSC1 0 L 1 (1 0,1) 2.1 10 2,7 0,052(0,19) 10,27
(2 ) (2 0,1)

LIC1 0 L 1 (1 ) 2i 10 2,7.0,099 9,73
(2 )

1 (1 ) 2i 10 2,7.1
0,1
LSC2 0 L 1 (1 0,1) 2.2 10 2,7 0,052(0,34) 10,35
(2 ) (2 0,1)

1 (1 ) 2i 10 2,7.0,13 9,65
LIC 2 0 L
(2 )

z1 x1 (1 ) zi 1 0,1.9,45 (1 0,1).10 0,945 9 9,945

z 2 0,1.7,99 (1 0,1).9,945 0,799 0,9.9,945 0,799 8,95 9,75

9
 Grfica EWMA de C1
11,0
UCL=10,935

10,5

_
_ (2 )

EWMA

10,0 X=9,996

9,5

LCL=9,057
9,0
1 3 5 7 9 11 13 15 17 19
Muestra

Control de la variabilidad del proceso de medicin

Es necesario contar con alguna de carta de control que ayude a monitorear la

variabilidad de las mediciones, para contrastarla con la carta de promedios o de
mediciones individuales.

Si la variable aleatoria X tiene una distribucin de probabilidad normal con

media y desviacin estndar , , se puede expresar el la varianza
ponderada exponencialmente, como

Si2 ( xi ) 2 (1 ) Si21

La esperanza de Si2 es 2 para i grande y si las observaciones son

independientes, esta estimacin tiene una distribucin chi-cuadrada

10
 (2 )
aproximada con grados de libertad.

Lmites de control

Los lmites de control superior e inferior y la lnea central son

2, / 2
LSC 0

LC 0

2,1 / 2
LIC 0

Carta EWMA para S

CARTA DE CONTROL EWMA PARA S

0,0008
0,0007
DENSIDAD EN KG/L

0,0006
LSCM
0,0005
LCM
0,0004
LICM
0,0003
Zi
0,0002
0,0001
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
MUESTRAS

11
Anlisis de la capacidad de un proceso

Las tcnicas estadsticas son tiles en el ciclo de un producto, incluyendo las

actividades de desarrollo previas a la manufacturera, para cuantificar la
variabilidad del proceso, para analizar esta variabilidad respecto de los
requerimientos o especificaciones del producto y para ayudar al personal de
desarrollo y manufactura a eliminar o reducir en gran medida esta variabilidad.
A esta actividad en general se la denomina anlisis de capacidad del proceso.

La capacidad de un proceso se refiere a la uniformidad del mismo.

Evidentemente la variabilidad del proceso es una medida de la uniformidad de
salida. Hay dos formas de conceptualizar este concepto:

1. La variabilidad natural o inherente en un tiempo especificado, es decir, la

variabilidad instantnea.
2. La variabilidad con el tiempo.

Se presentan los mtodos para investigar y determinar ambos aspectos de la

capacidad del proceso.

Lmites naturales de tolerancia

Se acostumbra tomar la dispersin seis sigmas en la distribucin de la

caracterstica de la salida del producto como una medida de la capacidad del
proceso. En la figura se muestra un proceso para el que la caracterstica de la
calidad tiene una distribucin normal con media y desviacin estndar . Los
lmites de tolerancia natural superior e inferior del proceso son,

LTNS = + 3
LTNI = - 3

12
1) Para una distribucin normal, los lmites de tolerancia natural incluyen el
99,73 % de la variable o dicho en otros trminos, solo el 0,27 % de la salida del
proceso quedar fuera de los lmites de tolerancia natural

2) Si la distribucin de salida no es normal, este 0,27 % puede diferir

sustancialmente.

El anlisis de la capacidad de un proceso se define como el estudio de

ingeniera para estimar la capacidad del proceso. La estimacin de la
capacidad de un proceso puede estar en la condicin de una distribucin de
probabilidad que tenga una forma, centro (media) y desviacin estndar,
especificados. Por ejemplo, puede determinarse que la salida del proceso sigue
una distribucin normal con media =1 y desviacin estndar, = 0,001. En
este caso no haran falta las especificaciones para realizar el estudio.

De manera alternativa, la capacidad del proceso puede expresarse como un

porcentaje fuera de las especificaciones. Sin embargo, las especificaciones no
son imprescindibles para realizar el anlisis de capacidad del proceso.

En un estudio de capacidad del proceso, en general se miden los parmetros

funcionales del producto, no el proceso en si. Cuando el analista puede
observar directamente el proceso y puede controlar o monitorear la actividad de
coleccin de datos, el estudio es un verdadero anlisis de la capacidad del
proceso, ya que al controlar la coleccin de datos y conocer la secuencia en el
tiempo de los datos, es posible hacer inferencias sobre la estabilidad del
proceso con el tiempo. Sin embargo, cuando se cuenta tan solo con unidades
muestrales del producto, suministradas posiblemente por el proveedor u
obtenidas en la inspeccin de recepcin y no se cuenta con ninguna
observacin directa del proceso ni la historia cronolgica de la produccin,
entonces el estudio se le denomina ms propiamente caracterizacin del
producto. En un estudio de este tipo solo puede estimarse la distribucin de la
caracterstica de la calidad del producto o el rendimiento del proceso (la
fraccin que cumple con las especificaciones), no puede decirse nada acerca
del comportamiento dinmico del proceso ni de su estado de control
estadstico.

El anlisis de la capacidad del proceso es una parte vital de un programa

integral de mejoramiento de la calidad. Entre los usos principales de los datos
de un anlisis de capacidad del proceso se encuentran los siguientes:

1. Predecir la medida en que el proceso se apegar a las tolerancias.

2. Brindar asistencia a los responsables del desarrollo y diseo del
producto para seleccionar o modificar un proceso.
3. Seleccionar entre proveedores competitivos.
4. Reducir la variabilidad de un proceso de manufactura.

Por tanto, el anlisis de capacidad del proceso es una tcnica que tiene
aplicacin en muchos segmentos del ciclo del producto, incluyendo el diseo
de productos y procesos, la seleccin de proveedores, la planeacin de la
produccin o la manufactura y la propia manufactura.

13
Para el anlisis de la capacidad del proceso pueden utilizarse tres tcnicas
principales: el histograma, las cartas de control y los experimentos diseados.

a) Histograma
Pasos para su construccin:
a) Calculo el rango
b) Calculo el un nmero de clases o intervalos, con
donde n el numero de mediciones.

Se analiza la resistencia a la presin interna de botellas de vidrio. Se hacen

100 mediciones con los siguientes resultados:

S = 32,02 psi

Por consiguiente la capacidad del proceso se estimara como

3S = 264,06 3(32,02) = 264 96 psi

Adems la forma del histograma, indica que la distribucin de la resistencia a la

presin interna de las botellas es aproximadamente normal. Por lo que puede
estimarse que cerca del 99,73 % de las botellas resisten entre 169 y 360 psi.
En este caso la capacidad del proceso se ha estimado independientemente de
las especificaciones de resistencia.

ndices de capacidad del proceso

14
Uno de los ndices ms difundidos para estimar la capacidad del
proceso es el CP (ndice de capacidad del proceso) que se define como:

LSE LIE
Cp
6
Donde LSE es el lmite superior especificado
LIE es el lmite inferior especificado

Esta es una idea muy fuerte, porque combina los lmites especificados que
provienen de una fuente exterior a nuestro proceso (un cliente o la oficina de
diseo), con la desviacin estndar de nuestro proceso.

Si se desconoce la desviacin estndar del proceso, puede estimarse a travs

R
de S o de .
d2
Si el CP acusa un valor de 1 y la distribucin de probabilidad es normal,
tenemos, 2700 ppm de unidades defectuosas. Un valor de CP que se
acostumbra tomar como referencia es el de 1,33, que indica que se tienen 20
ppm de unidades defectuosas. Un CP menor a 1, indica que el proceso no es
satisfactorio.

Si solo se tiene un lmite especificado, ya sea superior o inferior, se calcula

LSE
C PU
3

LIE
C PL
3
Si se desea conocer si el proceso est centrado en su valor nominal, se
calcula el Cpk
LIE LSE
C pk min ,
3 3

Si el proceso est centrado en su dimensin nominal, el CP = CPk

El C p tambin se denomina capacidad potencial y el C pk capacidad real.

En otro caso, el proceso estar corriendo fuera de su valor nominal, es decir

estar descentrado.

15
Por lo tanto, un valor grande de no necesariamente indica que el proceso
est centrado.

Para mejorar la medida sobre si un proceso est entrado en su valor nominal,

se han desarrollado ndices ms exactos, como:

Donde T= 0,5(LSE + LIE)

Tambin se han dado ndices de tercera generacin, llamados as porque se

construyen a partir de ndices de segunda generacin como:

Intervalos de confianza para Cp puntual( C p )

Gran parte de la aplicacin industrial de los ndices de capacidad del proceso

se enfoca en calcular e interpretar la estimacin puntual de la cantidad
deseada. Los usuarios en la prctica olvidan con frecuencia que C p o C pk
son simplemente estimaciones puntuales y como tales, estn sujetos a la
fluctuacin estadstica. Una prctica que debera convertirse en prctica comn
es reportar los intervalos de confianza para los ndices de capacidad del
proceso.

Si se sustituye por S en la ecuacin del Cp, se produce el estimador puntual

usual C p . Si la caracterstica de calidad tiene una distribucin normal,
entonces un intervalo de confianza para Cp se obtiene

LSE LIE 12 / 2, n 1 LSE LIE 2 / 2, n 1

Cp
6S n 1 6S n 1

Aplicacin:
1.
Un proceso est bajo control con x 101,50 , S 1,05 y n=5. Las
especificaciones del proceso son 95 10. La caracterstica de calidad tiene
una distribucin normal

16
 a) Estimar la capacidad potencial
b) Estimar la capacidad real
c) Cunto podra reducirse la fraccin defectuosa del proceso si ste se
corrigiera para operar en la especificacin nominal?

a) Estimamos como S / c4 1,05 / 0,94 1,12

LSE LIE 105 85

Cp 2,98
6 6.1,12

LIE LSE 101,5 85 105 101,5

b) C pk min , min , min 4,92;1,042
3 3
3.1,12 3.1,12

C pk 1,04

T= 0,5(LSE + LIE) = 0,5(105 + 85)=95

Cpm= (105 -85)/6.1,12^2+(101,5-10)^2=20/(6.1,2544+(101,5 10)^2)

20/(6(1,2544+91,5^2)=

Cpm=0,51

Cpkm= 0,17

c)
85 101,5 105 101,5
p P( x LIE) P( x LSE) P( x 85) P( x 105) P( z ) P( z )
1,12 1,12
p P( z 14,7) P( z 3,125) 0,00089

De cada 10000 elementos, 89 estarn fuera de especificacin.

17
 85 95 105 95
p P( x LIE) P( x LSE) P( x 85) P( x 105) P( z ) P( z )
1,12 1,12
p P( z 8,92) P( z 8,92) 0

Si el proceso estuviera centrado en su valor nominal, no producira elementos

defectuosos.

2.
El peso molecular de un polmero particular deber estar entre 2100 y 2350.
Se analiza una muestra de 50 elementos de este material con los resultados
x 2275 y S 60
Suponer que el peso molecular tiene una distribucin normal.

a) Estimar la capacidad potencial

b) Estimar la capacidad real
c) Calcule la fraccin defectuosa del total producido.
d) obtenga un intervalo de confianza para Cp

Estimamos como S / c4 60 / 0,995 60,3

4(n 1)
Para n 25 se aplica c4 0,995
4n 3

LSE LIE 2350 2100

Cp 0,69
6 6.60,3

LIE LSE 2275 2100 2350 2275

C pk min , min , min 0,96;0,42
3 3
3.60,3 3.60,3

C pk 0,42

2100 2275 2350 2275

p P( x LIE ) P( x LSE ) P( x 2100 ) P( x 2350 ) P( z ) P( z )
60,3 60,3
p P( z 2,9) P( z 1,24 ) 0,00158 0,11 0,11158

LSE LIE 12 / 2, n 1 LSE LIE 2 / 2, n 1

Cp
6S n 1 6S n 1

18
2350 2100 02,025;49 2350 2100 02,975;49
Cp
6.60 49 6.60 49

2,005 28,4
0,7 C p 0,7
49 49

0,7.0,2 Cp 0,7.0,76

0,14 C p 0,53

Anlisis de la capacidad del proceso con cartas de control

Los mtodos para el anlisis de la capacidad del proceso no estn completos si

no se toma en cuenta el control estadstico.

Las cartas de control deben considerarse como el recurso ms importante para

estimar la capacidad de un proceso.

En este anlisis pueden usarse tanto las cartas para variables como las de
atributos. No obstante, las cartas x media y rango deben usarse siempre que
se pueda debido a la gran potencia y la mejor informacin que proporcionan.

Las cartas de control x media y R permiten tanto el anlisis de la variabilidad

instantnea (la capacidad del proceso en el corto plazo) como la variabilidad
con el tiempo ( la capacidad del proceso en el largo tiempo).

Ejemplo
Se controla un proceso donde se fabrican botellas y se analiza su resistencia a
la presin interna.
Se tiene un lmite inferior especificado de 200 psi

19
 Grfica Xbarra-R de C1. .... C3
U C L=312,1
300
M edia de la muestr a

275
_
_
X=259,4
250

225

LC L=206,8
200
1 3 5 7 9 11 13 15 17 19
M uestr a

150
U C L=132,4
Rango de la muestr a

100

_
50 R=51,4

0 LC L=0
1 3 5 7 9 11 13 15 17 19
M uestr a

Estimacin de parmetros

x 259 ,4 psi

R 51,4
30,37 psi
d 2 1,693

LIE 259 ,4 200

C pl 0,65
3. 3.30,37

20
Conclusiones

El proceso est dentro de control estadstico pero el ndice de capacidad del

proceso es demasiado bajo.

Por lo tanto se requiere una intervencin de la administracin para mejorar el

proceso y elevar el ndice a un valor ms apropiado.

No es lgico estimar la capacidad de un proceso cuando ste se halla fuera de

control. En estos casos las primeras acciones deben conducir a encontrar las
causas atribuibles a fin de poner el proceso dentro de control.

21