Académique Documents
Professionnel Documents
Culture Documents
Introduccin
El propsito de este captulo es mencionar la importancia que existe cuando una
organizacin como lo es Pemex, tiene un enfoque estadstico durante el desarrollo de
sus procesos. La aplicacin de la estadstica aporta un valor agregado a la calidad del
producto o servicio, siendo una fortaleza para la misma. No es nicamente producir un
producto con ciertas caractersticas de calidad, sino que tambin es contar con las
herramientas necesarias para monitorear, controlar y verificar el proceso y producto, a
fin de lograr los resultados esperados. De ah la existencia de la estadstica en una
organizacin, ya que proporciona resultados como son: control de la variabilidad y
consistencia del proceso, la mejora de un sistema de gestin de la calidad y tener
satisfecho al cliente y por ltimo reducir aquella variabilidad comn o especial
existente al proceso. En este captulo se describe trminos bsicos tales como la
calidad, la estadstica, la distribucin normal y el teorema del lmite central.
Para que una organizacin logre el xito, es necesario y recomendable que implanten
un sistema de gestin de la calidad en ISO-9001:2000 con un enfoque de procesos, el
cual nos lleva a cumplir con lo planeado y mejorar continuamente el desempeo de
sus procesos y del sistema. Existen algunos principios en la gestin de la calidad
utilizados por la alta direccin de un organismo, los cuales los conducen hacia el xito.
Uno de los principios (de ocho que existen) es un Enfoque basado en hechos para
la toma de decisiones1 , ya que las decisiones eficaces se basan en el anlisis de
datos y de informacin.
Las empresas de hoy deben analizar los datos o informacin generada de sus
diferentes fuentes del proceso tanto para evaluar su desempeo como para identificar
reas de mejora. Estos datos se obtienen a partir de mediciones e informacin
recopilada. Algunas acciones eficaces y eficientes para utilizar esta informacin
pueden ser tales como: Mtodos de anlisis vlidos; tcnicas estadsticas
apropiadas; y la toma de decisiones y acciones basadas en resultados de anlisis
lgicos.
La aplicacin de las tcnicas estadsticas, las cuales facilitan una mejor y apropiada
utilizacin y anlisis de datos disponibles (para la toma de decisiones), es
consecuencia de la existencia de la variabilidad que puede observarse en el
comportamiento y resultado de prcticamente todos los procesos, an bajo
condiciones de estabilidad aparente. Tal variabilidad puede notarse en las
caractersticas medibles de los productos y procesos, y pueden ser obtenidas durante
varias etapas del ciclo de vida del producto desde las entradas del proceso hasta la
entrega del servicio.
Las tcnicas estadsticas pueden ayudar a medir, describir, analizar, interpretar y
modelar dicha variabilidad, an con una cantidad limitada de datos e informacin. El
1
ISO 9000:2000 COPANT/ISO 9000-2000 NMX-CC-9000-IMNC-2000.- Sistemas de gestin de la calidad
Fundamentos y vocabulario.- COTENNSISCAL IMNC.-2001, p. vi
anlisis estadstico de tales datos pueden ayudar a obtener un mejor entendimiento de
la naturaleza, extensin y causas de la variabilidad. Esto puede ayudar a resolver y
an prevenir problemas que pueden ser resultado de esa variabilidad y a promover la
calidad y la mejora continua2 .
Las tcnicas estadsticas pueden permitir as el mejor uso de los datos disponibles
para apoyar la toma de decisiones, y ayudar a mejorar la calidad de productos y
procesos en las etapas de diseo, desarrollo, produccin instalacin y hasta el
servicio.
Una variable aleatoria continua que tiene una distribucin en forma de campana se le
llama variable aleatoria normal y su ecuacin depende de la media y desviacin
estndar de dicha distribucin, figura 1.1. La notacin para esta variable que se
distribuye normalmente es x N ( , 2 ),
2
Informe tcnico ISO/TR 10017-1999(E).- Directrices sobre Tcnicas Estadsticas para la NMX-CC-3:1995.-
COTENNSISCAL.-2000, p. 3
3
Walpole .Myers (Gerardo Maldonado V.) Probabilidad y Estadstica, 4 ed., McGraw Hill, 1997, p 143-146
Esta distribucin es simtrica, unimodal y en forma de campana. Las reas entre las
diferentes desviaciones estndar son:
1 68.26%
2 95.46%
3 99.73%
desviacin
media estndar
variable
4
Douglas C. Montgomery, Introduction to Statistical Quality Control, 3 ed., Ed. John Wiley and Sons, Inc. 1997, p
62.
n
y i
i 1
n (1.1)
i 1
i
2
Los grficos de control fueron propuestos por Walter A. Shewhart, quin fundamento
sus investigaciones en el teorema del lmite central, el cual fue postulado por Pierre
Simn Laplace.
La distribucin de las medias de las muestras tienden a distribuirse en forma normal
Por ejemplo los 300 datos (cuyo valor se encuentra entre 1 a 9) pueden estar
distribuidos como sigue:
La calidad de un producto es afectada por varios factores y depende de las empresas el vigilar
que estos factores no alteren las caractersticas del producto y una manera por la que se puede
vigilar o dar seguimiento a esas caractersticas es mediante el uso de la tcnica estadstica y
contar con el conocimiento de conceptos como: la distribucin normal y el teorema del limite
central, los cuales son base para el control del proceso.
CAPITULO 2.- CONTROL ESTADSTICO DEL PROCESO (CEP)
Introduccin
Con el propsito de encontrar algunas respuestas a los objetivos especficos
planteados en este estudio, se hace una revisin de la literatura, analizando algunas
de las herramientas ms utilizadas para el control del proceso conocido como Control
Estadstico del Proceso (CEP). El CEP es una serie de herramientas utilizadas para la
solucin de problemas enfocados a lograr la estabilidad del proceso y mejorar su
habilidad, a travs de la reduccin de la variabilidad ocasionada por distintos factores
en el proceso. Para que un producto cumpla especificaciones del cliente en forma
consistente, debe ser producido por un proceso estable y repetible, con poca variacin
alrededor del valor nominal de las caractersticas de calidad del producto. Por lo que
durante esta revisin se definirn conceptos importantes del CEP y la aplicacin de
algunas de las herramientas mas importantes como son los histogramas, las cartas de
control, los diagramas causa efecto y grficas de pareto.
El Control Estadstico del Proceso se conforma por una serie de herramientas para la
solucin de problemas mediante la reduccin de la variabilidad del proceso, enfocados
a lograr la estabilidad y mejorar la habilidad del proceso,. Las herramientas principales
son:
1. Histograma
2. Hojas de verificacin
3. Grfica de Pareto
4. Diagrama de causa-efecto
5. Diagrama de concentracin de defectos
6. Diagramas de dispersin
7. Cartas de control
De las que se definirn las siguientes:
2.2 Histogramas
Los histogramas como herramienta en el CEP, son representaciones grficas de datos
recopilados mediante una medicin en hojas de verificacin u otro medio. Esta
recopilacin es en forma ordenada, a fin de apreciar la cantidad de veces en que
ocurren las variaciones de los datos, representndose en forma de barras, como se
muestra en figura 2.1.
N
O.
D
Media E
P
I
E
Z
A
S
Los datos obtenidos del proceso en estudio, por si solos no nos indican lo que pasa,
requerimos de las herramientas estadsticas para comprender sus caractersticas; con
ellas podemos conocer que tan repetida, que tan dispersa es respecto a un punto
central y cual es su distribucin relativa en forma individual y en conjunto, como se
puede ver en la figura 2.2.
6
NMX-CC-006/4-1996-IMNC ISO 9004-4:1993.- Administracin de la calidad y elementos del sistema de calidad.
Parte 4: Directrices para el mejoramiento de la calidad. COTENNSISCAL IMNC AMC. 1996, p. 26-28
N
O.
D
E
P
I
E
Z
A
S
TAMAO TAMAO
7
Kaoru Ishikawa, Introduccin al control de calidad, Editorial Daz de Santos, 1990, p. 124-129.
8
Dr. Primitivo Reyes Aguilar Apuntes de clase Control Estadstico del Proceso: Distribucin normal , Universidad
Iberoamericana La Salle, 2000, p.11.
POSICIN AMPLITUD FORMA
Para el clculo de la media y desviacin estancar para una serie de datos distribuidos
en un histograma es el siguiente:
Media - Promedio numrico o centro de gravedad del histograma
n
Fi * Xi
x i 1
(2.1)
Fi
Donde: Fi = Frecuencia de cada observacin,
Desviacin estndar.-
Sn Fi *
i 1 Xi
2
S Fi * Xi 2
/n Sn Xi X
i 1
2
s (2.2)
n 1 n
Ejemplo 2.1
El siguiente ejemplo se realiz con datos promedio por da del tiempo de llenado del
combustible en autotanques, tomados de un equipo de medicin (UCL-417) durante un
mes.
14.8 13.9 13.7 15.8 14.6 17.2 18 17.4 17.8 17.1 17.6 16.8
15.3 14.7 16.5 16.2 16.4 17.3 17.1 16.3 17.5 16 17.2 16.5
17.7
Un total de N=25 datos
Elegir los lmites apropiados tomando como referencia el valor mayor y menor
13.6-14.5, 14.6-15.5, 15.6-16.5, 16.6-17.5, 17.6-18.5
10
9
8
7
6
5
4
3
2
1
0
13.5-14.5 14.6-15.5 15.6-16.5 16.6-17.5 17.6-18.5
9
Dr. Primitivo Reyes Aguilar Apuntes de clase Control Estadstico del Proceso.- Universidad Iberoamericana La
Salle, 2000, p. 30.
Es la variabilidad natural en cualquier proceso de produccin, no importa que tan
Prediccin
Tiempo
Figura 2.4 Si las variaciones presentes son iguales, se dice que se tiene un proceso
estable. La distribucin sera predecible en el tiempo.
bien planeado est.
10
Informe tcnico ISO/TR 10017-1999(E).- Directrices sobre Tcnicas Estadsticas para la NMX-CC-3:1995.-
COTENNSISCAL.-2000, p. 22.
?
? ?
? ?
? ?
Figura 2.5 En casos especiales como estos donde las variaciones presentes son
totalmente inesperadas tenemos un proceso inestable o impredecible.
Las cartas de control pueden ser clasificadas en dos clases: por atributos y por
variables dependiendo de cmo se evale la caracterstica de calidad.
Carta de control
R 15 1
E
e s LSC
t Lmite Superior de
s a
10 Control
p d
u s Promedio
e t
5 (o lnea central)
i
s c
t o
0 LIC
a Lmite Inferior de
0 5 10 15 20 25 Control
Nmero de Muestra
Al establecer los lmites de control como se observa en la figura 2.6, estos estarn
sujetos a cambios hasta que todas las causas de las posibles variaciones sean
encontradas y corregidas. Al tener establecidos los lmites de control, se tendr la
responsabilidad de decir si son aceptables para tomar decisiones sobre la base de la
capacidad del proceso. Estas decisiones nos llevara al rechazo de contratos, el precio
del producto, el establecimiento de grficas de control11. Si se decide que los lmites no
son satisfactorios, se tendr que decidir si el proceso puede incluir cambios de las
condiciones de trabajo, procedimientos, equipo, personal y otros factores que cuestan
dinero.
Los criterios para analizar una carta de control y tomar decisiones sobre la misma, son
los siguientes12:
Una carta de control que indique una condicin fuera de control ser cuando uno o
ms puntos caigan ms all de los lmites de control o cuando los puntos
graficados formen un patrn no aleatorio de comportamiento.
Dado que una corrida de 7 o ms puntos tiene una probabilidad de ocurrencia muy
baja, se considera que una racha o corrida con una longitud de 7 puntos indica una
condicin fuera de control.
Existen unas reglas para detectar patrones no aleatorios en las cartas de control
recomendadas en el libro de la Western Electric (1956) y son las siguientes:
LSC 3
A
2
B
1
C
X
C
B
A -2
LIC -3
11
M.C. Hctor Silva Cervantes, Tesis de Maestra Propuesta de implantacin de tcnicas de ingeniera de calidad
para el anlisis y control de datos del petrleo a nivel planta piloto.- Universidad Iberoamericana, 2000, p. 14.
12
Dr. Primitivo Reyes Aguilar Apuntes de clase Control Estadstico del Proceso. Universidad Iberoamericana - La
Salle, 2000, p. 40-41.
2. Dos de tres puntos consecutivos sobre los lmites preventivos a 2-sigma.
3
2
1
LSC 3
A 2
B
1
C
X
C
B
A -2
LIC -3
Ocho puntos seguidos en la
zona C o ms all
LSC 3
A 2
B 1
X C
C
B
-2
LIC A -3
6. Quince puntos consecutivos encontrados entre ms menos 1-sigma de la lnea
central (adhesin a la media).
LSC 3
Seis puntos seguidos con aumento
A o disminucin estable 2
B
1
X C
C
B
-2
LIC A -3
Quince puntos seguidos en la zona C
(arriba y debajo de recta central)
LSC 3
A 2
B
1
C
X
C
B
A -2
LIC -3
Catorce puntos seguido alternando
arriba y abajo
LSC 3
A 2
B
1
X C
C
B
-2
LIC A -3
Ocho puntos seguidos a ambos
lados de la recta central
X i
X i 1
(2.4)
m
Si R1, R2, ....., Rm , son los rangos de los diferentes subgrupos, el rango promedio es:
R i
R i 1
(2.6)
m
R
(2.8)
d2
3R
LIC X Lmite inferior de control (LIC) (2.9)
d2 n
3R
Si se define a A2 se tienen las ecuaciones siguientes:
d2 n
LSC = X + A2 R (2.10)
LIC = X - A2 R
Para el caso de los rangos, la lnea central es R . El estimador para R puede hallarse
de la distribucin del rango relativo W = R / , si la desviacin estndar de W es d3 en
funcin de n, se tiene:
R=W (2.11)
R = d3
Como es desconocida, se puede estimar de = R / d2, resultando:
R
R d3 (2.12)
d2
De esta forma los lmites de control para el rango son:
R d
LSC = R + 3 R = R + 3 d 3 = R [ 1+ 3 3 ] = D4 R (2.13)
d2 d2
R d
LIC = R - 3 R = R - 3 d 3 = R [ 1- 3 3 ] = D3 R
d2 d2
Ventajas:
Se utilizan para monitorear procesos con datos medibles (variables). Una para las
medias y otra para los rangos.
A parte de analizar la Carta X- (media) que analiza los promedios de las muestras
del proceso monitoreando tendencias en la media del proceso, tambien se analiza
la grfica R la cual analiza los rangos de las muestras del proceso monitoreando la
variabilidad del proceso.
Para pequeos tamaos de subgrupos desde 3 a 6 piezas.
Desventajas:
No se puede utilizar esta carta cuando el tamao del subgrupo es mayor de 8,
donde el rango pierde eficiencia por no tomar en cuenta valores intermedios.
El tamao de muestra de cada subgrupo debe ser constante.
2.3.3.2 Grficas de control de medias y desviacin estndar ( X y s)
Estas grficas de control se recomiendan cuando:
LCs = c4 LC =
LICs = c4 - 3 1 c4 = B5 LICX = - A
xi x
n
2
S i 1
(2.15)
n 1
1 m
S Si
m i 1
, donde m es el nmero de subgrupos (2.16)
__
S
(2.17)
c4
Para el caso de la carta X cuando S /c4 es una forma de estimar , los lmites de
control para esta carta son:
S
LSCx = X + 3 = X + A3 S (2.19)
c4 n
LCx = X
S
LICx = X - 3 = X - A3 S
c4 n
n X i i
X i 1
m
(2.20)
n
i 1
i
1/ 2
2
(ni 1)S i
S m (2.21)
ni m
i 1
Como mtodo alterno para n variable se puede utilizar la n si no hay mucha variacin
entre los diferentes tamaos de muestra (dentro de n 25%).
Ventajas:
Desventajas:
En tales situaciones se utiliza la carta de control por lecturas individuales. Los rangos
mviles se empiezan a calcular a partir de la segunda muestra con:
MRi = X i X i 1 (2.22)
__
Para este caso, los lmites de control para la carta X son:
MR
LSCx = X 3
d2
__
LCx = X (2.23)
MR
LICx = X 3
d2
Si n = 2
Ventajas:
Para cuando la variabilidad es muy baja y no se requiere tomar en cuenta ms
muestras
Cuando la produccin es muy baja y es inconveniente tomar muestras de ms de
una pieza
Desventajas:
Esta carta es para casos en los que el tamao de la muestra es n=1 y no mayor
Para datos variables que no pueden ser muestreos en lotes o grupos
Estos grficos se utilizan para observar los cambios en la media de una distribucin13.
Las grficas de control para la media, muestran el limite de control inferior (LIC) y el
limite de control superior (LSC), estos dos lmites de control corresponden a los
valores crticos que involucran a los lmites de control (C1 y C2). En el momento en
que una muestra caiga fuera del intervalo entre los lmites de control, se rechaza la
hiptesis y se dice que el proceso est fuera de control. Esto nos indica que existe una
desviacin en el proceso que sale de los lmites especificados. Para esto se requiere
un accin cada vez que esto suceda.
Los grficos s (desviacin estndar) se utiliza en lugar del grfico R, a fin de observar
los cambios en la dispersin o variacin de una distribucin. Para hacer una grfica de
control para la desviacin estndar se necesita un lmite de control superior o si se
desea una grfica con lmite de control superior y lmite de control inferior.
1. Obtencin de datos
13
M.C. Hctor Silva Cervantes, Tesis de Maestra Propuesta de implantacin de tcnicas de ingeniera de calidad
para el anlisis y control de datos del petrleo a nivel planta piloto.- Universidad Iberoamericana, 2000, p.15.
5. Determinacin de los limites tentativos de control para los dos casos X y ( S o R
)
6. Trace de puntos
Ejemplo 2.2
Con los siguientes datos que corresponden a mediciones en minutos del llenado en
autotanques con el equipo de medicin UCL-417.
Subgrupo
No.
Muestra
1 2 3 4 5 6 7 8 9 10 11 12
1 15 13 15 20 14 20 20 19 19 20 20 20
2 14 15 14 18 14 7 18 21 21 18 16 20
3 13 15 14 14 17 19 18 14 19 18 17 17
4 15 13 14 16 18 13 14 14 15 18 18 14
5 15 13 14 17 13 20 17 16 21 16 16 14
6 14 13 14 17 15 19 24 21 16 20 21 14
7 13 13 13 14 15 22 15 21 17 13 13 20
8 13 14 13 13 16 19 18 13 19 18 20 15
9 13 16 13 15 13 16 13 13 15
10 14 14 14 13 17 19 19
11 14 14 13 18 15 18
12 14 13 14 14 19
13 13 13 13
14 16 15
15 13
En la terminal de ventas los datos disponibles son subgrupos mayores a 8 datos y con
un nmero de muestras variable para cada subgrupo, con estos datos se aplic la
carta de control X S (media - desviacin estndar) para cuando la n es variable.
subgru 1 2 3 4 5 6 7 8 9 10 11 12
po
Suma 196 153 164 189 222 224 144 139 160 154 141 168
(n)datos 14 11 12 12 15 13 8 8 9 9 8 10
X 14.0 13.9 13.7 15.8 14.8 17.2 18.0 17.4 17.8 17.1 17.6 16.8
S 0.961 1.044 0.651 2.261 1.612 4.045 3.071 3.503 2.728 2.619 2.669 2.7
n i
n i 1
129/12 = 10.75 = 11
nt
para nt nmero total de subgrupos = 12
n nmero de muestras por da (variable para cada subgrupo)
Para poder utilizar el valor promedio de muestra n en lugar de cada dato de n por
subgrupo, con el fin de determinar las constantes y los limites de control, esta n
promedio debe estar dentro de 25%.
Los resultados estn muy ligeramente excedidos para n +25%, por lo tanto se puede
usar la n (promedio) como la n (variable).
Utilizando las formulas nmero 2.4 y 2.16, para m=12 (numero de subgrupos), se tiene
el clculo de la media de medias y la media de las desviaciones:
da 1 2 3 4 5 6 7 8 9 10 11 12
16.17 16.17 16.17 16.17 16.17 16.17 16.17 16.17 16.17 16.17 16.17 16.17
X
S 2.322 2.322 2.322 2.322 2.322 2.322 2.322 2.322 2.322 2.322 2.322 2.322
Para el clculo de los limites se utiliza las frmulas nmero 2.18 y 2.19 obtenindose
lo siguiente:
da 1 2 3 4 5 6 7 8 9 10 11 12
LSCx 18.32 18.32 18.32 18.32 18.32 18.32 18.32 18.32 18.32 18.32 18.32 18.32
LICx 14.02 14.02 14.02 14.02 14.02 14.02 14.02 14.02 14.02 14.02 14.02 14.02
LSCs 3.899 3.899 3.899 3.899 3.899 3.899 3.899 3.899 3.899 3.899 3.899 3.899
LICs 0.745 0.745 0.745 0.745 0.745 0.745 0.745 0.745 0.745 0.745 0.745 0.745
Sigmas UCL-417
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12
M e d ia s U C L - 4 1 7
20
18
16
14
12
1 2 3 4 5 6 7 8 9 10 11 12
Derivado de este anlisis se observa que las cartas de control se encuentran fuera de
control o no hay estabilidad en el proceso analizado.