Académique Documents
Professionnel Documents
Culture Documents
El control gráfico de procesos (CGP o SPC, del inglés statistic process control) alude al uso de gráficos de
control, basándose en técnicas estadísticas, lo que permite usar criterios objetivos para distinguir variaciones
de fondo de eventos de importancia. Casi toda su potencia está en la capacidad de monitorear el centro del
proceso y su variación alrededor del centro. Recopilando datos de mediciones en diferentes sitios en el
proceso, se pueden detectar y corregir variaciones en el proceso que puedan afectar a la calidad del producto
o servicio final, reduciendo desechos y evitando que los problemas lleguen al cliente final. Con su énfasis en
la detección precoz y prevención de problemas, SPC tiene una clara ventaja frente a los métodos de calidad
como inspección, que aplican recursos para detectar y corregir problemas al final del producto o servicio,
cuando ya es demasiado tarde.
Además de reducir desechos, SPC puede tener como consecuencia una reducción del tiempo necesario para
producir el producto o servicio. Esto es debido parcialmente a que la probabilidad de que el producto final se
tenga que retrabajar es menor, pero también puede ocurrir que al usar SPC, identifiquemos los cuellos de
botella, paradas y otros tipos de esperas dentro del proceso. Reducciones del tiempo de ciclo del proceso
relacionado con mejoras de rentabilidad han hecho del SPC una herramienta valiosa desde el punto de vista
de la reducción de costes y de la satisfacción del cliente final.
Donde:
xi: valores de la variable.
n: número total de datos
Desviación estándar
La desviación estándar mide el grado de dispersión de los datos con respecto a la media, se denota como s para
una muestra o como σ para la población. Se define como la raíz cuadrada de la varianza según la expresión:
Error al crear miniatura: Falta archivo
Obsérvese que el denominador es n - 1, a diferencia de la desviación media donde se divide entre n; también
existe la fórmula de desviación típica donde el denominador es n, pero se prefiere n-1.
Mientras menor sea la desviación estándar, los datos son más homogéneos, es decir existe menor dispersión,
el incremento de los valores de la desviación estándar indica una mayor variabilidad de los datos.
Varianza
Es otro parámetro utilizado para medir la dispersión de los valores de una variable respecto a la media.
Corresponde a la media aritmética de los cuadrados de las desviaciones respecto a la media. Su expresión
matemática es:
Error al crear miniatura: Falta archivo
Coeficiente de Variación
Permite determinar la razón existente entre la desviación estándar (s) y la media. Se denota como CV. El
coeficiente de variación permite decidir con mayor claridad sobre la dispersión de los datos.
Error al crear miniatura: Falta archivo
También puede ser expresado en por ciento.
Donde los parámetros a utilizar se encuentran previamente tabulados según se muestra a continuación:
Se concluye que el proceso se encuentra bajo control estadístico debido a que los valores de las muestras se
encuentran dentro de los límites de control. Adicionalmente las muestras se distribuyen aproximadamente a
ambos lados de la línea central (LC), no identificándose una tendencia en los valores muestrales. Llama la
atención del rango de la muestra número 14 (R=17,5) que si bien está bajo el LCS es un valor relativamente
alto en comparación a los otros rangos muestrales. Es importante que se busque identificar las causas que
afectaron la uniformidad en dicho caso.
CONTROL ESTADÍSTICO DE PROCESOS: GRÁFICA DE PROMEDIOS (X)
El Control Estadístico de Procesos (CEP) es una metodología que da la confianza estadística de que un
componente está dentro de una tolerancia sin la necesidad de medir cada componente. Se dice que un proceso
está bajo Control Estadístico si no existen causas asignables que expliquen las variaciones, es decir, el proceso
es predecible. De otra forma, un proceso está bajo Control Estadístico si sólo tiene variaciones asociadas
a causas aleatorias.
Un elemento clave en el Control Estadístico de Procesos es la utilización de Gráficas de Control. Una gráfica de
Control es una comparación gráfica de los datos de desempeño del proceso contra los límites de control
estadístico calculados (generalmente a +- 3 desviaciones estándar de la media), representados como rectas
delimitantes sobre la gráfica.
Es importante decidir la característica a graficar, dando prioridad a aquellas que han presentado
históricamente la mayor tasa de defectos. Una vez seleccionada la característica a graficar se debe escoger un
método de medición para diagnosticar los problemas y dar alertas tempranas ante la detección de variaciones
que puedan tener una causa asignable.
En el Control Estadístico de Procesos existen 3 gráficas de control comúnmente utilizadas: Gráfica de
Promedios (X), Gráfica de Rangos (R) y Gráfica de Proporciones (p). En esta sección se analizará la primera de
ellas.
Los límites de control para la Gráfica de Promedios se obtienen a través de las siguientes fórmulas:
Donde los parámetros a utilizar se encuentran previamente tabulados según se muestra a continuación:
Se concluye que el proceso se encuentra bajo control estadístico debido a que los valores de las muestras se
encuentran dentro de los límites de control. Adicionalmente las muestras se distribuyen aproximadamente a
ambos lados de la línea central (LC), no identificándose una tendencia en los valores muestrales. Es importante
notar que aun cuando los valores de las muestran estén dentro de los límites de control, en caso de existir una
tendencia, ésta puede advertir la existencia de una causa asignable que explique la variación y por tanto pronto
el proceso podría salir de Control Estadístico.
Se recomienda revisar la Gráfica de Rangos (R) que es una herramienta complementaria a la expuesta en esta
sección.
¿Qué son los límites de superior e inferior de control?
Los límites de control de su gráfica de control representan la variación de su proceso y le ayudan a indicar
cuando su proceso está fuera de control.
Los límites de control son las líneas horizontales ubicadas arriba y debajo de la línea central, que se utilizan
para determinar si un proceso está fuera de control. Los límites de control superior e inferior se basan en la
variación aleatoria esperada en el proceso. Por opción predeterminada, los límites de control de Minitab se
muestran 3 desviaciones estándar arriba y abajo de la línea central.
Por ejemplo, esta gráfica Xbarra muestra la longitud en el tiempo de los árboles de leva fabricados. Dos puntos
se encuentran por encima del límite de control superior. Estos puntos fuera de control indican que los árboles
de leva en estos subgrupos son más largos de lo esperado.
No confunda límites de control con límites de especificación. Los límites de control se basan en la variación del
proceso. Los límites de especificación están basados en los requisitos del cliente. Un proceso puede estar en
control y aun así no es capaz de cumplir con las especificaciones.
El muestreo por el MIL-STD-105E y las normas afines se utiliza para series continuas de lotes lo que permite la
aplicación de reglas de cambio de tipo de plan, que veremos más adelante. Estas reglas proveen una
protección al cliente ante un deterioro de la calidad y un incentivo al proveedor para reducir costos de
inspección al alcanzar una buena calidad de manera consistente. Puede utilizarse para lotes aislados.
En la norma se incluyen las CO para los distintos niveles de inspección.
Se establecen niveles y tipos de inspección.
Nivel de inspección
Define la relación del tamaño del lote y el tamaño de la muestra. Con mayores tamaños de lote se establecen
mayores tamaños de muestra, aunque no en proporción directa. El tamaño de la muestra se codifica por letras.
Existen tres niveles generales: I, II, III.
Se utiliza el Nivel II a menos que se indique otro nivel. El Nivel I se usa cuando se busca reducir desechos en la
producción y el nivel III cuando se puede desechar una mayor cantidad de producto. Hay además cuatro niveles
especiales S1, S2, S3 y S4. El objetivo de estos niveles es poder reducir el tamaño de muestra cuando esto es
necesario.
Tipos de inspección
Normal: Se usa para asegurar una alta probabilidad de aceptación cuando la calidad del proceso es superior
al NCA y no hay porque sospechar que el proceso no tiene un nivel aceptable.
Rigurosa: Se usa cuando el criterio de aceptación es más estricto que en la inspección normal. Se determina
este, cuando la inspección de lotes anteriores consecutivos indica que la calidad del proceso es inferior al NCA.
Reducida: Cuando existe evidencia de que la calidad de la producción es mejor que el NCA en forma
consistente se pueden utilizar un plan de muestreo cuyo tamaño de muestra es de 2/5 partes del
correspondiente a inspección normal. En el momento de encontrar un lote rechazado se vuelve a la inspección
normal.
Se anexan las tablas más importantes de la MIL-STD-105E. Realmente están borrosas, pero se pueden utilizar.
Este material fue lo más completo que pude hallar en Internet.
Por ejemplo, se recibe un producto en lotes de 2000 unidades. Se desea establecer un plan de muestreo para
una inspección normal con un NCA de 0.65 %. De la tabla de los tamaños de lotes y los niveles de inspección,
vemos que para lotes de 2000 y un nivel de inspección II la letra es K. Utilizando la tabla para nivel de inspección
normal y con un NCA de 0.65 vemos que el plan es n = 125, c = 2.
BIBLIOGRAFIA
http://navarrof.orgfree.com/Docencia/Calidad/UT3/milstd105e_y_iso2859.htm
https://support.minitab.com/es-mx/minitab/18/.../control.../what-are-control-limits/
http://www.gestiondecalidadtotal.com/grafica_de_promedios.html
www.gestiondecalidadtotal.com/grafica_de_rangos.htm