Vous êtes sur la page 1sur 13

4.

CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES


Scribd Upload a Document Search Documents
Explore
DocumentsBooks - FictionBooks - Non-fictionHealth &
MedicineBrochures/CatalogsGovernment DocsHow-To
Guides/ManualsMagazines/NewspapersRecipes/MenusSchool Work+ all
categoriesFeaturedRecentPeopleAuthorsStudentsResearchersPublishersGovernment &
NonprofitsBusinessesMusiciansArtists & DesignersTeachers+ all categoriesMost
FollowedPopularSign Up|Log In1First Page
Previous Page
Next Page
/ 74Sections
SectionsSection 1 of 44 1. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOSp.
42. ¿POR QUÉ VARÍAN LOS PROCESOS?p. 53. FUNDAMENTOS ESTADÍSTICOSp. 74. CAUSAS
COMUNES Y CAUSAS ASIGNABLES O ESPECIALESp. 96. CAPACIDAD DE PROCESOp. 136.1.
CONCEPTO DE CAPACIDAD DE PROCESOp. 136.2. ÍNDICES CP Y CPKp. 136.3.
VARIABILIDAD A CORTO Y LARGO PLAZOp. 166.4. POTENCIALIDAD DEL PROCESO. ÍNDICES
PP Y PPKp. 176.5. CONCEPTO DE GRUPO HOMOGÉNEO RACIONALp. 187. GRÁFICOS DE
CONTROL POR VARIABLES: GRÁFICOS DE SHEWHARTp. 188. CURVAS DE OPERACIÓN DEL
GRÁFICO DE CONTROLp. 328.1. CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIASp. 328.2.
CURVA DE OPERACIÓN DEL GRÁFICO DE DISPERSIÓNp. 349. INTERPRETACIÓN DE LAS
INDICACIONES DEL GRÁFICO DE CONTROLp. 3610. ESTUDIO DE CAPACIDAD DE PROCESOSp.
3910.1. ¿QUÉ ES UN ESTUDIO DE CAPACIDAD DE PROCESO?p. 3910.2. ¿CÓMO SE REALIZA
UN ESTUDIO DE CAPACIDAD DE PROCESO?p. 3910.2.2. Definición de la
estratificación de las medidas a tomarp. 4010.2.3. Estabilizar del procesop.
4110.2.4. Toma de los datosp. 4110.2.5. Identificación del patrón de
variabilidadp. 4110.2.6. Comprobación de la normalidad de los datosp.
4210.2.7. Análisis e interpretación de los datosp. 4310.2.8. Construcción de
un intervalo de confianza de los índicesp. 4611. CASO DE PROCESOS NO
NORMALESp. 4711.1. ¿ES LA NORMALIDAD LO “NORMAL?”p. 4711.2. CONSECUENCIAS QUE
TIENE EN EL ANÁLISISp. 4811.3. TÉCNICAS DE NORMALIZACIÓN DE LOS DATOSp. 4912.
GRÁFICOS DE CONTROL PARA APLICACIONES ESPECIALESp. 5412.1. GRÁFICOS PARA
MUESTRAS UNITARIAS (I- MR)p. 5413. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES
CORTASp. 5714. OTROS GRÁFICOS DE CONTROL POR VARIABLESp. 6014.1. GRÁFICO
CUSUMp. 6014.2. GRÁFICO EWMAp. 6315. GRÁFICOS DE CONTROL POR ATRIBUTOSp.
6515.1. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIALp. 6515.2.
GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN DE POISSONp. 6916. IMPLANTACIÓN
DEL SPC EN UNA EMPRESAp. 7116.1. FASE 1: PREPARACIÓN Y SELECCIÓN DEL PROCESO
PILOTOp. 7116.2. FASE 2: IMPLANTACIÓN DEL GRÁFICO DE CONTROL PILOTOp. 7216.3.
FASE 3: ANÁLISIS DE LOS PRIMEROS RESULTADOSp. 7316.4. FASE 4: EXTENSIÓN A
OTROS PROCESOSp. 73Zoom Out
Zoom In
Fullscreen
Exit Fullscreen
Select View Mode
View ModeSlideshowScroll Readcast
Add a Comment
Embed & Share
Reading should be social! Post a message on your social networks to let others
know what you're reading. Select the sites below and start sharing.Readcast this
Document
Login to Add a Comment
Share & EmbedAdd to Collections
Download this Document for FreeAuto-hide: on
CONTROL ESTADÍSTICO DE PROCESOS 1.
APUNTES DE CLASE Profesor: Arturo Ruiz-Falcó Rojas Madrid, Marzo 2006
--------------------------------------------------------------------------------
---------------------------------------------------------
Control Estadístico de Procesos Pág. 2 Control Estadístico de Procesos
(Apuntes) INDICE DE CONTENIDOS 1. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE
PROCESOS.........................4 2. ¿POR QUÉ VARÍAN LOS
PROCESOS?................................................................5 3.
FUNDAMENTOS
ESTADÍSTICOS......................................................................
....7
4. CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES.......................9 5.
¿QUÉ CONDICIONES HACEN FALTA PARA QUE SE PUEDA APLICAR ELGRÁFICO DE
CONTROL?........................................................................
.....................10
6. CAPACIDAD DE
PROCESO.........................................................................
........13
6.1. CONCEPTO DE CAPACIDAD DE
PROCESO..............................................13 6.2. ÍNDICES CP Y
CPK.............................................................................
.............13
6.3. VARIABILIDAD A CORTO Y LARGO
PLAZO...............................................16 6.4. POTENCIALIDAD DEL
PROCESO. ÍNDICES PP Y PPK.................................17 6.5. CONCEPTO DE
GRUPO HOMOGÉNEO RACIONAL..................................18 7. GRÁFICOS DE
CONTROL POR VARIABLES: GRÁFICOS DE SHEWHART ....18 8. CURVAS DE OPERACIÓN DEL
GRÁFICO DE CONTROL.................................32 8.1. CURVA DE OPERACIÓN
DEL GRÁFICO DE MEDIAS...................................................32 8.2.
CURVA DE OPERACIÓN DEL GRÁFICO DE
DISPERSIÓN............................................34 9. INTERPRETACIÓN DE
LAS INDICACIONES DEL GRÁFICO DE CONTROL....36 10. ESTUDIO DE CAPACIDAD DE
PROCESOS .......................................................39 10.1. ¿QUÉ ES
UN ESTUDIO DE CAPACIDAD DE PROCESO?.........................39 10.2. ¿CÓMO SE
REALIZA UN ESTUDIO DE CAPACIDAD DE PROCESO?......39 10.2.1. Comprender los
fenómenos físicos y tecnológicos importantespara el proceso
................................................................................
..........40
10.2.2. Definición de la estratificación de las medidas a tomar ...........40
10.2.3. Estabilizar del
proceso..............................................................41 10.2.4.
Toma de los
datos....................................................................41
10.2.5. Identificación del patrón de variabilidad
...................................41 10.2.6. Comprobación de la normalidad de
los datos..........................42 10.2.7. Análisis e interpretación de los
datos.......................................43 10.2.8. Construcción de un
intervalo de confianza de los índices .......46 11. CASO DE PROCESOS NO
NORMALES..............................................................47 11.1.
¿ES LA NORMALIDAD LO
“NORMAL?”.......................................................47 11.2.
CONSECUENCIAS QUE TIENE EN EL ANÁLISIS.......................................48
11.3. TÉCNICAS DE NORMALIZACIÓN DE LOS DATOS.
...................................49 12. GRÁFICOS DE CONTROL PARA APLICACIONES
ESPECIALES.....................54 12.1. GRÁFICOS PARA MUESTRAS UNITARIAS(I-MR)
....................................................54 12.2. GRÁFICOSQUE
PERMITEN CONTROLAR DOS TIPOS DE VARIABILIDADSIMULTÁNEAMENTE
(I-MR-R/S)......................................................................
........56
13. GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTAS. ..................57
Control Estadístico de Procesos Control Estadístico de Procesos
(Apuntes)Pág.3 14. OTROS GRÁFICOS DE CONTROL POR
VARIABLES....................................... 60 14.1.
GRÁFICOCUSUM......................................................................
.....................
60 14.2.
GRÁFICOEWMA.......................................................................
......................
63 15. GRÁFICOS DE CONTROL POR
ATRIBUTOS.................................................... 65 15.1. GRÁFICOS
DECONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIAL......................... 65 15.2.
GRÁFICOS DECONTROL BASADOS EN LA DISTRIBUCIÓN DEPOISSON..................... 69
16. IMPLANTACIÓN DEL SPC EN UNA
EMPRESA................................................. 71 16.1. FASE1:
PREPARACIÓN Y SELECCIÓN DEL PROCESO PILOTO................................. 71
16.2. FASE2: IMPLANTACIÓN DELGRÁFICO DECONTROL
PILOTO................................. 72 16.3. FASE3: ANÁLISIS DE LOS PRIMEROS
RESULTADOS.............................................. 73 16.4. FASE4:
EXTENSIÓN A OTROS
PROCESOS........................................................... 73

Control Estadístico de Procesos Control Estadístico de Procesos


(Apuntes)Pág.7 3. FUNDAMENTOS ESTADÍSTICOS.Para el entendimiento delControl
Estadístico de Procesos no es necesario serun experto en estadística, pero es
preciso recordar al menos los puntos que sedescriben a continuación. a)
Distribución Normal o Campana de Gauss.La distribución normal es desde luego la
función dedensidad de probabilidad “estrella” en estadística.Depende de dos
parámetrosµyσ, que on la media y lade viación típica re pectivamente. Tiene una
formaacampanada (de ahí u nombre) y e imétrica re pecto aµ. Llevando
múltiplo deσa ambo lado deµ, no encontramo con que el 68% de la población
e tácontenido en un entorno±1σalrededor deµ, el 95% de lapoblación e tá
contenido en un entorno±2σalrededor deµ y que el 99,73% e tá comprendido
en±3σalrededor deµ. 4321-1-2-3 0.40.30.20.10.0FUNCIÓN DE DENSIDAD DE
PROBABILIDAD NORMAL68 %95%99,73% Figura 4 Función de den idad de probabilidad
normal
Control E tadí tico de Proce o Pág. 8 Control E tadí tico de Proce o
(Apunte ) b)Teorema del Límite Central. El teorema del límite central (TLC)
e tablece que i una variable aleatoria (v.a.) e obtiene como una uma de mucha
cau a independiente , iendocada una de ella de poca importancia re pecto al
conjunto, entonce udi tribución e a intóticamente normal. E decir:
→+++= ∑ ∑= =niniiiinN X Entonce xxxxX 1 122i i21 , : ay varianzmedia
dev.a on la donde Siσ µ σ µ L c)Di tribución de la media mue trale SiX e
una v.a.N( µ ,σ )de la que e extraen mue tra de tamañon , entonce la media
mue trale e di tribuyen egún otra ley normal: ∝nN xmσ µ , Ob érve e
que como con ecuencia del TLC, la di tribución de la media mue trale tiende a
er normal aún en el ca o que la población ba e no lo ea, iempre que el tamaño
de la mue tra ea uficientemente grande n≥25, i biene te número depende de la
a imetría de la di tribución.
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.9 43210-1-2-3-4 210DISTRIBUCIÓN DE LAS MEDIASVALORES
INDIVIDUALESDISTRIBUCIÓN DE LOS Figura 5: Función de den idad de la media
mae trale 4. CAUSAS COMUNES Y CAUSAS ASIGNABLESO ESPECIALES De acuerdo con lo
dicho en la introducción, el proce o e tá afectado por ungran número de factore
ometido a una variabilidad (por ejemplo o cilacione de la caracterí tica del
material utilizado, variacione de temperatura yhumedad ambiental, variabilidad
introducida por el operario, repetibilidad propiade la maquinaria utilizada,
etc.), que inciden en él y que inducen unavariabilidad de la caracterí tica
del producto fabricado. Si el proce o e táoperando de manera que exi ten
pequeña o cilacione de todo e to factore , pero de modo que ninguno de ello
tienen un efecto preponderantefrente a lo demá , entonce en virtud del TLC e
e perable que lacaracterí tica de calidad del producto fabricado e di tribuya
de acuerdo conuna ley normal. Al conjunto de e ta multitud de factore e
denominancau a comune . Por el contrario, i circun tancialmente incide un
factor con un efectopreponderante, entonce la di tribución de la caracterí tica
de calidad no tienepor qué eguir una ley normal y e dice que e tá pre ente
unacau a e pecialo a ignable.Por ejemplo, i en un proce o indu trial e e tá
utilizandomateria prima procedente de un lote homogéneo y e continúa la
fabricacióncon materia prima procedente de otro lote, cuya caracterí tica
on muydiferente de la anteriore , e muy po ible que la caracterí tica de
lo producto fabricado ean ignificativamente di tinta a partir de la
utilizacióndel nuevo lote.
Control E tadí tico de Proce o Pág. 10 Control E tadí tico de Proce o
(Apunte ) Por definición, e dice que un proce o e tá bajo control e tadí tico
cuandono hay cau a a ignable pre ente . El Control E tadí tico de Proce o
eba a en analizar la información aportada por el proce o para detectar
lapre encia de cau a a ignable y habitualmente e realiza mediante
unacon trucción gráfica denominada Gráfico de Control.Si el proce o e encuentra
bajo control e tadí tico e po ible realizar unapredicción del intervalo en el
que e encontrarán la caracterí tica de la piezafabricada. 5. ¿QUÉ
CONDICIONES HACEN FALTA PARAQUE SE PUEDA APLICAR EL GRÁFICO DECONTROL? Para que
tenga entido la aplicación de lo gráfico de control, el proce o ha detener
una e tabilidad uficiente que, aún iendo aleatorio, permita un ciertogrado de
predicción. En general, un proce o caótico no e previ ible y nopuede er
controlado. A e to proce o no e le puede aplicar el gráfico decontrol ni
tiene entido hablar de capacidad. Un proce o de e te tipo debe ere tudiado
mediante herramienta e tadí tica avanzada ha ta que el grado deconocimiento
empírico obtenido obre el mi mo permita conocer la cau a dela e tabilidad y
e eliminen. En lo uce ivo, e upondrá que lo proce o tienen un cierto grado
dee tabilidad. Podemo di tinguir do ca o : •El proce o e tá regido por una
función de probabilidad cuyo parámetro permanecen con tante a lo largo del
tiempo. E te eríael ca o de un proce o normal de media con tante y de viación
típicacon tante. E te e el ca o ideal y al que e pueden aplicar lo gráfico de
control para detectar la pre encia de cau a a ignable .•El proce o e tá regido
por una función de probabilidad alguno decuyo parámetro varía ligeramente a lo
largo del tiempo. E te eríael ca o de un proce o normal cuya media varía a lo
largo del tiempo(por ejemplo, una herramienta de corte que va de ga tando
lacuchilla de corte). E trictamente hablando, e te de ga te de laherramienta
ería una cau a e pecial; in embargo i puedeconocer e la velocidad de
de ga te, podría compen ar e re ultandoun proce o análogo al ca o anterior.
Puede ocurrir que la caracterí tica propia del proce o hagan que alguno delo
factore de variabilidad intrín eco al mi mo, tenga un efectopreponderante, de
modo que en e te ca o la di tribución no ea normal. Un
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.11 ejemplo puede er la di tribución de lo diámetro de un proce o
de taladrado,cuyo valor inferior e tá limitado por el propio diámetro de la
broca, mientra quela di tribución pre enta una cola hacia diámetro mayore
debido a po ible incidencia oblicua de la broca. En e te ca o, e dice que el
proce o e tábajo control e tadí tico cuando no hay otra cau a
a ignable pre ente . E to e equivalente a decir que el proce o permanezca
e table, e decir que lo parámetro de la di tribución permanezcan invariable
y por lotanto puede realizar e una predicción del intervalo en el que e
encontrarán lo valore de la caracterí tica de re pue ta. Por lo tanto, debe
tratar de conocer e todo lo que ea po ible de lo fundamento tecnológico del
proce o, ya que puede dar pi ta obre el tipo dedi tribución que eguirán lo
dato . En ningún ca o debe “dar e la normalidad por upue ta ”. Debe comprobar e
y en ca o de que lo dato no eannormale , deben aplicar e método e peciale .
EEJJEEMMPPLLOO-- 11:: IILLUUSSTTRRAACCIIÓÓNN DDEE CCAAUUSSAASS
CCOOMMUUNNEESS EENN UUNN PPRROOCCEESSOO Un proce o de fabricación con i te
en “lanzar 10 moneda al aire ”. Se uponeque la moneda on perfecta de
manera que en el lanzamiento de cada una e tiene un 50% de probabilidade de
obtener cara, y un 50% de obtener cruz.La calidad de cada lanzamiento de 10
moneda e mide egún el número decara obtenida . Podríamo a imilar lo
anterior a un proce o indu trial ometidoa 10 cau a de variabilidad no normale
(binomiale en e te ca o). Al eriguale , toda ella tienen el mi mo efecto
obre la variabilidad de laproducción, por lo que la podremo con iderar como
cau a comune . Si tiramo 10 moneda ...50% 50% 50% 50% 50% 50% 50% 50% ....50%
50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% 50% .... Figura 6:
Simulación de un proce o ometido a cau a comune nonormale
Control E tadí tico de Proce o Pág. 12 Control E tadí tico de Proce o
(Apunte ) La teoría e tadí tica no en eña que la probabilidad de obtener
exactamente xcara (0≤x≤10) e calcula por la di tribución binomial: ( )(
))1)(xnxppxnxP−− = donde n e el número de moneda lanzada (10 en
e te ca o) y p laprobabilidad de acar cara con una moneda (0.5 en e te ca o).
Si erepre enta gráficamente, e obtiene un función acampanada que recuerda auna
gau iana (ver Figura 7). E te hecho e una con ecuencia del TLC. Siaumentara el
número de moneda , la convergencia hacia la di tribución normal ería aún mayor.
0 5 100.000.050.100.150.200.25xProbabilidadFUNCIÓN DE PROBABILIDAD BINOMIAL (N,
P)Número de intento N= 10 Probabilidad de éxito P= 0.5 Figura 7: Función de
probabilidad de la obtención de x cara lanzando 10 moneda
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.13 6. CAPACIDAD DE PROCESO6.1.CONCEPTO DE CAPACIDAD DE PROCESOComo
con ecuencia de todo lo anterior, i un proce o normal e tá en
controle tadí tico, la caracterí tica de calidad del 99,73% de lo elemento
fabricado e tará comprendida entreµ- 3σyµ+ 3σ. El parámetroµdepende del puntoen
el que centremo el proce o. Sin embargoσdepende del número yvariabilidad de la
cau a comune del proce o y por lo tanto e intrín eca a él.Por lo tanto 6σ e
la Variabilidad Natural del Proce o o Capacidad delProce o. Por definición:
CAPACIDAD DEL PROCESO = 6σσσσ E e encial re altar que la variabilidad natural
del proce o, 6σ, e intrín eca aél e independiente de la tolerancia que e
a ignen. Por lo tanto i 6σe menor que el intervalo de la tolerancia a
cumplir, nece ariamente alguno producto fabricado e tarán fuera de tolerancia
y erán no conforme . Si no etiene en cuenta e te hecho y e pretende corregir
a ba e de reaju tar elproce o, e decir modificar el centrado, lo único que e
con igue e aumentarla variabilidad del mi mo. 6.2.ÍNDICES CPY CPK Con objeto
de comparar la capacidad del proce o y la amplitud de la tolerancia a
ati facer, e define elíndice de capacidad de proce o: σ 6i pT T C −= Si e
pretende que la producción e té dentro de tolerancia, e nece ario queC p > 1.
Si el proce o no e tuvie e centrado, el valor de e te índice fal earía el grado
decobertura con re pecto a fabricar pieza fuera de tolerancia . En e to ca o
e má ignificativo el índiceC pk que e define: −−=σ µ σ µ 3,3mini pk T T
C
Control E tadí tico de Proce o Pág. 14 Control E tadí tico de Proce o
(Apunte ) De e te modo e define unproce o capazcomo aquel queC pk > 1.Aplicando
e to mi mo concepto a la variabilidad atribuible de una máquinade la que
integran el proce o de fabricación, podemo definir lacapacidad demáquina,
elíndice de capacidad de máquinaC M yC Mk . Índice de capacidad cp:CpT T i=
=−Intervalo de tolerancia Capacidad del proce o 6σ 43210 1 2 3 4
0.40.30.20.10.0ProbabilidadTinfT upINTERVALO DE TOLERANCIAVARIABILIDAD PROCESO
Figura 8: Índice Cp Índice de capacidad cpk :Cpk =Di t. de la media al limite de
tol. ma aju tado emicapacidad del proce o 4 3 2 1 0 1 2
340.00.10.20.30.4ProbabilidadTinfT up INTERVALO DE TOLERANCIAVARIABILIDAD
PROCESO Figura 9: Índice Cpk
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.15 EEJJEEMMPPLLOO  22:: LLAA MMÉÉTTRRIICCAA ““66
SSIIGGMMAA”” En 1.988 Motorolaalcanzó el pre tigio oMalcom Baldrige National
QualityAward. Una de la ba e fundamentale de u e trategia de calidad era
el“Programa 6 σ σσ σ ” . El objetivo de e te programa fue reducir la variación
de lo proce o de manera que el intervalo de tolerancia fuera igual a 12σ σσ σ
(6 a cadalado). De acuerdo con la definición del índice de capacidad de
proce o:2612==σ σ pc Suponiendo que e de plaza e el proce o 1.5σ σσ σ ,
verFigura 10, lo coeficiente pa arían a er: 5,135,4 2612==== σ σ σ σ pk pcc
Aún e ta circun tancia , la cantidad de producto fuera de tolerancia ería
tan olo de 3.4 ppm. ¿Por qué calidad Six Sigma = 3,400 ppm?C ALID AD S IX S IG
M A 7 6 5 4 3 2 1 0 1 2 3 4 5 6 76 S IG M A C p= 2, ppm = 0.002D E S P
LA ZA D A 1,5 S IG M A C pk =4,5/3= 1,5; ppm = 3.401 Figura 10
Control E tadí tico de Proce o Pág. 16 Control E tadí tico de Proce o
(Apunte ) 6.3.VARIABILIDAD A CORTO Y LARGO PLAZO Un proce o productivo tiene
habitualmente do tipo de variabilidad: •Variabilidad inherente del proce o.
Aquella componente de lavariabilidad debida a cau a comune olamente y
repre enta lavariabilidad que puede e tar pre ente entre elemento fabricado
enintervalo próximo (variabilidad en el corto plazo, ver Figura 11).Alguno
autore denominan a e te componente de la variabilidadcomo “ruido
blanco”.•Variabilidad total del proce o. E la variación re ultante de toda
la cau a de variabilidad (cau a comune y e peciale ), en la que etienen en
cuenta factore como el de ga te, cambio de lote demateria prima, etc.
Repre enta la variabilidad que puede afectar alconjunto de lo elemento
fabricado recibido por el cliente(variabilidad en el largo plazo, ver Figura
11). Alguno autore denominan a e te componente de la variabilidad como “ruido
negro”.
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.17 1 2 3 4 5 6 7 8 9 10Número de mue tra Variabilidad total del
proce o(largo plazo)Variabilidad inherente del proce o(corto plazo) Figura 11
De compo ición de la variabilidad de un proce o 6.4.POTENCIALIDAD DEL PROCESO.
ÍNDICES PPYPPK Durante mucho tiempo, ha exi tido la confu ión obre qué
e timación de lavariabilidad e debe utilizar para el cálculo de Cp, Cpk.
Preci amente para ponerun poco de orden en todo e to, e introdujeron lo
índice Pp, Ppk, de acuerdocon lo iguiente criterio : •Cpy Cpk e calculan con
la variabilidad inherente del proce o(variabilidad en el corto plazo). En e te
ca o e con idera lavariabilidad entre lo elemento de la mi ma mue tra o
mue tra próxima .•Ppy Ppk e calculan con la variabilidad total del
proce o(variabilidad en el largo plazo). En e te ca o e tiene en cuenta
lavariabilidad introducida por la deriva del centrado del proce o y
laine tabilidad del mi mo.De manera general, e verifica que Cp> Ppy Cpk> Ppk
Control E tadí tico de Proce o Pág. 18 Control E tadí tico de Proce o
(Apunte ) La ecuacione de lo índice quedan: CPi pT T C σ ˆ6−=
−−=CPiCP pk T T minC σ µ σ µ ˆ3,ˆ3 LPi pT T Pσ ˆ6−= −−=LPiLP pk T T
minPσ µ σ µ ˆ3,ˆ3 Lo ímbolo circunflejo “^” repre entan una e timación de
la de viación típicacon iderada. E preci o re altar que la utilización de lo
coeficiente Ppy Ppkno tiene todavíauna aceptación unánime. Tiene una aceptación
muy amplia en entorno deautomoción (QS 9000 / TS 16949, etc.) pero no a í en
otra área . 6.5.CONCEPTO DE GRUPO HOMOGÉNEORACIONALA la hora de planificar la
toma de mue tra para realizar un e tudio decapacidad de proce o o la
implantación de un gráfico de control, re ulta muyimportante tener en cuenta el
concepto degrupo homogéneo racional(GHR).Veamo un ejemplo. Supongamo una
máquina de inyección de pieza deplá tico de 16 cabezale . En la definición del
gráfico de control e e tableceuna toma de mue tra horaria de 16 unidade (un
racimo de inyección).Obviamente el diferente tamaño de lo cabezale e una
fuente de variabilidadque muy probablemente puede hacer e pre ente. Por e ta
razón en la toma demue tra debe e tudiar e no olo la variabilidad entre la
inyeccione , inotambién la variabilidad entre cabezale . En el párrafo 10.2.2
e dan alguna indicacione para la definición del GHR. 7. GRÁFICOS DE CONTROL
POR VARIABLES:GRÁFICOS DE SHEWHART Supongamo que un proce o e encuentra bajo
control e tadí tico y por lotanto u di tribución e N( µ ,σ ). Si e extrae
una mue tra de tamañon y umedia mue tral e encuentra comprendida fuera del
intervalo comprendidoentren/ 3σ µ −yn/ 3σ µ +(llamado límite de control
inferior y
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.19 uperior re pectivamente), podemo ju tificar e te hecho de do
modo di tinto : a) De acuerdo con el modelo teórico upue to abemo queel 0,27%
de la mue tra (e decir 27 mue tra de cada10.000) tendrán una media fuera de
e te intervalo y lamue tra que hemo extraído e una de ella .b) E muy
improbable obtener una mue tra de e ta caracterí tica i realmente el modelo e
el upue to, demodo que parece má vero ímil pen ar que el proce o noe tá bajo
control e tadí tico y por lo tanto la hipóte i deque e di tribuye en e e
momento egún una N(µµµµ,σσσσ) e fal a. Por el contrario, i la media mue tral
e tá comprendida dentro del intervaloanterior, no tendremo ninguna razón de
pe o para pen ar que el proce o no e encuentra bajo control e tadí tico (el
re ultado e coherente con el modelo upue to). Lo anterior no quiere decir que
podamo e tar ab olutamente eguro de que el proce o e encuentre bajo control
e tadí tico, ino que notenemo la evidencia de que no lo e tá. ElControl
E tadí tico de Proce o e ba a en repetir e ta toma de mue tra demanera
periódica, calcular la media mue tral y repre entar un gráfico de unamanera
imilar a la Figura 12, de modo que i la media cae fuera de lo límite de
control exi te la evidencia de que hay una cau a a ignable pre ente(proce o
fuera de control). A e te gráfico e le denominaGráfico de Media
o implementeGráfico X .
Control E tadí tico de Proce o Pág. 20 Control E tadí tico de Proce o
(Apunte ) ¿En qué e ba a el gráfico de media ?MEDIA DEL PROCESOLCS median= +3σ
LCI median= −3σ Media de la mue tra Figura 12: Fundamento del gráfico de
media Proce o fuera de controlMEDIA DEL PROCESOLCS median= +3σ LCI median= −3σ
ALTO¡Identificar y eliminar la cau a e pecial! Figura 13: ¡¡Lo gráfico de
control no irven para nada i no einve tigan la cau a a ignable !!
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.21 El análi i de la mue tra no e debe detener implemente
con truyendo unGráfico de Media ya que aún pueden proporcionar má información
delcomportamiento del proce o. En efecto, la di per ión de lo valore
mue trale no puede proporcionar una e timación de la di per ión del proce o y
realizarun eguimiento de u evolución. E abido que la di per ión de lo
valore deuna población e mide por u de viación típicaσy lo e timadore
mue trale utilizado má frecuentemente on el recorrido R (que en nue tro ca o
darálugar alGráfico de Rango o Recorrido o implemente Gráfico R ) y
lade viación típica mue tral S (que dará lugar alGráfico de de viacione típica
o implemente Gráfico S ). Ante de eguir adelante e conveniente
recordaralguna propiedade de e to e tadí tico con objeto de alcanzar un
mejorentendimiento de la con trucción de e to gráfico . a) Rango o recorrido
mue tral.Se define como la diferencia entre el mayor valor pre ente en lamue tra
y el menor valor. Por u propia con trucción, e tee tadí tico da una e timación
de la di per ión de la poblaciónde la que procede. Pre enta la ventaja de que e
calcula muyfácilmente y para valore mue trale pequeño n≤8 ecomporta bien.
Para valore mayore da una e timación obrevalorada de la di per ión de la
población. Exi ten tabla aplicable a proce o normale que, en función del
tamaño dela mue tra, proporcionan la función de di tribución dele tadí ticow =
R/ σ , denominado“recorrido relativo” y tambiénlaE(w) = d 2 yσ w = d 3 . b)
De viación típica mue tral.E conveniente recordar que en lo texto e utilizan
do e tadí tico di tinto . El primero de ello e define:( )nxx nii∑−−=12 Para
proce o normale , la e peranza matemática de lavarianza mue tral e :( )221σ
nn E −=
Control E tadí tico de Proce o Pág. 22 Control E tadí tico de Proce o
(Apunte ) Por lo que e un e timador e gado de la varianza poblacionalσ 2 . Por
e ta razón alguna vece e toma como varianzamue tral al e timador in e gado
definido:( )112*−−=∑−nxx nii E te e timador de la varianzaσ 2e in e gado y
ademá n – 1 on lo grado de libertad de la mue tra.Por e ta razone ,
eningeniería de calidad e má frecuente emplear *. La varianza de ambo
e tadí tico on, para proce o normale : ( )( )42212σ nn Var −= ( )42*12σ
−=n Var Puede comprobar e que el error cuadrático medio de 2 e inferior al
de * 2 . EnControl E tadí tico de Proce o e habitual operar con de viacione
típica enlugar de con varianza , por lo que e nece ario conocerE( ), E( *),σ
,σ * . ( )[ ]( )[ ] 2/ )1( 2/ 12)(E2/ )1( 2/ 2)(4*2σ σ σ σ cnnn cnnn E =−Γ Γ
−==−Γ Γ = En este caso ambos estadísticos son estimadores segados deσ .
nc 1122−−=σ σ 24'1c −=σ σ
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.23 CONSTRUCCIÓN DEL GRÁFICOX Ri) Ca oµ ,σ conocido .Siµ yσ on
conocido entonce la con trucción del gráfico demedia e inmediata a partir de
u definición: σ µ σ µ µ σ µ σ µ AnLCI LC AnLCS−=−= =+=+= 33 El cálculo de los
límites del gráfico de recorridos se hace de lamanera siguiente:( )( )σ σ σ σ σ
132223233Dd d LCS d LC Dd d LCS =−===+= ii) Ca oµ ,σ de conocido .Si alguno de
lo do fuera conocido ería un híbrido de lo do ca o i) y ii). Pue to que en
e te ca o no e tiene ningúnconocimiento previo, e preci o e timarµ a partir de
la mediade las medias( )xyσ a partir del recorrido medio( )Rdek (por ejemplok=
25 ) mue tra iniciale .A partir dexyR e trazarían lo límite provi ionale de
lamanera iguiente. En el gráfico de media :
Control E tadí tico de Proce o Pág. 24 Control E tadí tico de Proce o
(Apunte ) RAX nd RX LCI X LC RAX nd RX LCS22221313−=−= =+=+= y lo límite del
gráfico de recorrido erían:RDRd d LCI RLC RDRd d LSC 3234233131=
−=== += Una vez e tablecido lo límite de control provi ionale para
ambo gráfico , e comprobaría i alguna de la mue tra e tá fuera de lo
límite . En ca oafirmativo e procedería a bu car la cau a a ignable que pudiera
explicar e aanormalidad y e recalcularían lo límite . E to límite deben
recalcular eperiódicamente, por ejemplo cada 25 mue tra . CONSTRUCCIÓN DEL
GRÁFICOX S i) Ca oµ ,σ conocido .Siµ yσ on conocido la con trucción del
gráfico de media e análoga al ca o anterior.σ µ σ µ µ σ µ σ µ AnLCI LC
AnLCS−=−= =+=+= 33 Cuando se utilizas , el gráficoS se construye:
Control Estadístico de Procesos Control Estadístico de Procesos
(Apuntes)Pág.25 σ σ σ σ σ 122222222113113BnccLIC cLC BnccLSC = −−−=
== −−+= Cuando e utiliza * , el gráficoS e con truye:σ σ σ σ σ
5244462441313BccLIC cLC BccLSC = −−=== −+= ii) Ca oµ ,σ
de conocido .(Si alguno de lo do fuera conocido ería un híbrido de lo
do ca o i) y ii)). Se e timaríaµ a partir de la media de las medias( )xyσ a
partir de la de viación típica mue tral media ( o* )dek mue tra iniciale .A
partir dexy o* e trazarían lo límite provi ionale dela manera iguiente. En
el gráfico de media i e utiliza : SAX S ncX LCI X LC SAX S ncX
LCS12121313−=−= =+=+= Si e utiliza * :
Control E tadí tico de Proce o Pág. 26 Control E tadí tico de Proce o
(Apunte ) *3*4*3*41313SAX S ncX LCI X LC SAX S ncX LCS−=−= =+=+= En el gráfico
de de viacione típica , i e utiliza :SBcSnccLSI SLC SBcSnccLSC
3222242222113113= −−−= == −−+= Si e
utiliza *:*3*244**4*244131131SBSc cLCI SLC SBSc cLCS= −−===
−+= Una vez trazado lo límite provi ionale , e e tudiarían lo punto fuera
decontrol y e recalcularían lo límite de manera análoga al ca o anterior.En
la tabla iguiente e re ume lo anterior:
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.27 GRÁFICOS DE MEDIAS DATOSCONOCIDOSLCSLCLCI µyσ µ +Aσ µ µ Aσ
σ X +Aσ X X Aσ  µ +A1S µ µ A1S µ µ +A2R µ µ A2R µ +A3S* µ µ A3S* X
+A1S X X A1S NIN UNOX +A2R X X A2R X +A3S* X X A3S* Tabla 1 RÁFICOS DE
DISPERSIÓN DATOSCONOCIDOS LCSLCLCI SB2σ c2σ B1σ σ RD2σ d2σ D1σ S* B6σ c4σ
B5σ SB4S S B3S NINGUNO RD4R R D3R S* B4S* S* B3S* Tabla 2
Control E tadí tico de Proce o Pág. 28 Control E tadí tico de Proce o
(Apunte ) TABLA DE COEFICIENTES n AA1A2A3c2c4B1B2B3B4B5B6d2d3D1D2D3D4
23452.1211.7321.5001.3423.7602.3941.8801.5961.8801.0230.7290.5772.6591.9541.6281
.4270.56420.72360.79790.84070.79790.88620.92130.940000001.9431.8581.8081.7560000
3.2672.5682.2662.08900002.6062.2762.0881.9641.1281.6932.0592.3260.8530.8880.8800
.86400003.6864.3584.6984.91800003.2672.5752.2822.1156789101.2251.1341.0611.0000.
9491.4101.2771.1751.0941.0280.4830.4190.3730.3370.3081.2871.1821.0991.0320.9750.
86860.88820.90270.91390.92270.95150.95940.96500.96930.97270.0260.1050.1670.2190.
2621.7111.6721.6381.6091.5840.0300.1180.1850.2390.2841.9701.8821.8151.7611.7160.
0290.1130.179.2320.2761.8741.8061.7511.7071.6692.5342.7042.8472.9703.0780.8480.8
330.8200.8080.79700.2050.3870.5460.6875.0785.2035.3075.3945.46900.0760.1360.1840
.2232.0041.9251.8641.8161.77711121314150.9050.8660.8320.8020.7750.9730.9250.8840
.8480.8160.2850.2660.2490.2350.2230.9270.8860.8500.8170.7890.93000.93590.94100.9
4530.94900.97540.97760.97940.98100.98230.2990.3320.3590.3840.4061.5611.5411.5231
.5071.4920.3210.3540.3820.4060.4281.6791.6461.6181.5941.5720.3130.3460.3740.3990
.4211.6371.6101.5851.5631.5443.1733.2583.3363.4073.4720.7870.7780.7700.7620.7550
.8120.9241.0261.1211.2075.5345.5925.6465.6935.7370.2560.2840.3080.3290.3481.7441
.7161.6921.6711.65216171819200.7500.7280.7070.6880.6710.7880.7620.7380.7170.6970
.2120.2030.1940.1870.1800.7630.7390.7180.6980.6800.95230.95510.95760.95990.96190
.98350.98450.98540.98620.98690.4270.4450.4610.4770.4911.4781.4651.4541.4431.4330
.4480.4660.4820.4970.5101.5521.5341.5181.5031.4900.4400.4580.4750.4900.5041.5261
.5111.4961.4831.4703.5323.5883.6403.6893.7350.7490.7430.7380.7330.7291.2851.3591
.4261.4901.5485.7795.8175.8545.8885.9220.3640.3790.3920.4040.4141.6361.6211.6081
.5961.58621222324250.6550.6400.6260.6120.6000.6790.6620.6470.6320.6190.1730.1670
.1620.1570.1530.6630.6470.6330.6190.6060.96300.96550.96700.96840.96960.98760.988
20.98870.98920.98960.5040.5160.5270.5380.5481.4241.4151.4071.3991.3920.5230.5340
.5450.5550.5651.4771.4661.4551.4451.4350.5160.5280.5390.5490.5591.4591.4481.4381
.4291.4203.7783.8193.8583.8953.9310.7240.7200.7160.7120.7091.6061.6591.7101.7591
.8045.9505.9796.0066.0316.0580.4250.4340.4430.4520.4591.5751.5661.5571.5481.541>
253/
√n 3/ √n.... .... .... ....1 3/ √2n 1+3/ √2n 1 3/ √2n 1+3/ √2n .... .... ....
.... .... .... .... ....Tabla 3ncAnd AncAnA4322213333==== 1242−==nncc cσ wd Rd
σ σ ==32 ( )( )( )(
)24462445244424434223211313131131ccBccBccBccBBcBBcB−+=−−=−+=−−===
234233322321313133d d Dd d Dd d Dd d D+=−=+=−=
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.29 EEJJEEMMPPLLOO  33:: CCOONNSSTTRRUUCCCCIIÓÓNN DDEE UUNN
GGRRÁÁFFIICCOO DDEE SSHHEEWWHHAARRTT La galga de lo platino e una
caracterí tica clave para u buenfuncionamiento. La tabla iguiente recoge
medida de 20 mue tra de tamaño5. Con truir lo gráfico de controlRX −,SX
−y*SX − 0,0061 0,0084 0,0076 0,0076 0,00440,0088 0,0083 0,0076 0,0074
0,00590,0080 0,0080 0,0094 0,0075 0,00700,0067 0,0076 0,0064 0,0071 0,00880,0087
0,0084 0,0088 0,0094 0,00860,0071 0,0052 0,0072 0,0088 0,00520,0078 0,0089
0,0087 0,0065 0,00680,0087 0,0094 0,0086 0,0073 0,00710,0074 0,0081 0,0086
0,0083 0,00870,0081 0,0065 0,0075 0,0089 0,00970,0078 0,0098 0,0081 0,0062
0,00840,0089 0,0090 0,0079 0,0087 0,00900,0087 0,0075 0,0089 0,0076 0,00810,0084
0,0083 0,0072 0,0100 0,00690,0074 0,0091 0,0083 0,0078 0,00770,0069 0,0093
0,0064 0,0060 0,00640,0077 0,0089 0,0091 0,0068 0,00940,0089 0,0081 0,0073
0,0091 0,00790,0081 0,0090 0,0086 0,0087 0,00800,0074 0,0084 0,0092 0,0074
0,0103Tabla 4 SOLUCIÓN:Di pongamo lo cálculo en la tabla iguiente:MUESTRA1 2
3 4 5 Media R * 1 0,006 0,008 0,008 0,008 0,004 0,007 0,004 0,0016 0,00142
0,009 0,008 0,008 0,007 0,006 0,008 0,003 0,0011 0,00103 0,008 0,008 0,009 0,008
0,007 0,008 0,002 0,0009 0,00084 0,007 0,008 0,006 0,007 0,009 0,007 0,002
0,0009 0,00085 0,009 0,008 0,009 0,009 0,009 0,009 0,001 0,0004 0,0003
Control E tadí tico de Proce o Pág. 30 Control E tadí tico de Proce o
(Apunte ) MUESTRA1 2 3 4 5 Media R * 6 0,007 0,005 0,007 0,009 0,005 0,007
0,004 0,0015 0,00147 0,008 0,009 0,009 0,007 0,007 0,008 0,002 0,0011 0,00108
0,009 0,009 0,009 0,007 0,007 0,008 0,002 0,0010 0,00099 0,007 0,008 0,009 0,008
0,009 0,008 0,001 0,0005 0,000510 0,008 0,007 0,008 0,009 0,010 0,008 0,003
0,0012 0,001111 0,008 0,010 0,008 0,006 0,008 0,008 0,004 0,0013 0,001212 0,009
0,009 0,008 0,009 0,009 0,009 0,001 0,0005 0,000413 0,009 0,008 0,009 0,008
0,008 0,008 0,001 0,0006 0,000614 0,008 0,008 0,007 0,010 0,007 0,008 0,003
0,0012 0,001115 0,007 0,009 0,008 0,008 0,008 0,008 0,002 0,0007 0,000616 0,007
0,009 0,006 0,006 0,006 0,007 0,003 0,0013 0,001217 0,008 0,009 0,009 0,007
0,009 0,008 0,003 0,0011 0,001018 0,009 0,008 0,007 0,009 0,008 0,008 0,002
0,0007 0,000719 0,008 0,009 0,009 0,009 0,008 0,008 0,001 0,0004 0,000420 0,007
0,008 0,009 0,007 0,010 0,009 0,003 0,0012 0,0011Media 0,008 0,002 0,0010
0,0009Tabla 5 Método recorrido : A2= 0,577 D3= 0 D4= 2,115Gráfico de media :LCS=
0,008 + 0,577x0,002 = 0,0094LC= 0,008LCI= 0,008  0,577 x0,002 = 0,0066Gráfico
de recorrido :LCS= 2,115x0,002 = 0,005LC= 0,002LCI= 0,000x0,008 = 0,000En la
figura iguiente e repre entan el gráfico de media y el de recorrido .
Control E tadí tico de Proce o Control E tadí tico de Proce o
(Apunte )Pág.31 2010Subgroup 00.00950.00850.00750.0065Media
Mue tralX=0.0079703.0SL=0.0093 3.0SL=0.0060.0050.0040.0030.0020.0010.000Recorrid
o
Mue tralR=0.0024003.0SL=0.0050 3.0SL=0.00EGRÁFICO X R Figura 14: Gráfico X R
Método * A3= 1,427 B3= 0 B4= 2,089Gráfico de media :LCS= 0,008 + 1,427x0,0024 =
0,0114LC= 0,008LCI= 0,008  1,427x0,0024 = 0,0045 Gráfico *LCS= 2,089x0,0010 =
0,0020LC= 0,0010LCI= 0,000x0,0010 = 0,0000 Método A1= 1,596 B3= 0 B4=
2,089Gráfico de media :LCS= 0,008 + 1,596x0,0009 = 0,0093LC= 0,008LCI= 0,008 
1,596x0,0009= 0,0066 Gráfico LCS= 2,089x0,0009 = 0,0018LC= 0,0009LCI=
0,000x0,0009 = 0,0000
Control E tadí tico de Proce o Pág. 32 Control E tadí tico de Proce o
(Apunte ) 8. CURVAS DE OPERACIÓN DEL GRÁFICO DECONTROL La curva de operación
on útile para evaluar a priori la en ibilidad delgráfico de control frente a
de plazamiento del proce o o al cambio de uvariabilidad. De e ta curva e
deduce que el hecho de que “lo punto e tén dentro de lo límite ” proporciona
muy poca eguridad de que el proce o eencuentre realmente bajo control
e tadí tico y pone de manifie to la limitacione de e ta técnica. La aplicación
de gráfico de control debecontinuar e con técnica e tadí tica avanzada
encaminada al conocimientode lo parámetro que influyen en el proce o (CTP en
terminología 6 Sigma) ya la reducción de la variabilidad (o lo que e lo mi mo,
al aumento de lo índice de capacidad). 8.1.CURVA DE OPERACIÓN DEL GRÁFICO
DEMEDIAS.Si e mide el de plazamiento del proce o en unidade de la de viación
típica yla deformación mediante la relación exi tente entre la de viación
típica final yla inicial, e decir: 001σ µ µ −=d 01σ σ λ = La probabi idad de
que a media muestra  caiga dentro de os ímites de contro en función de( )λ ,d
es: −≤−−≤+−= −≤−≤−=λ λσ σ µ λ σ µ σ µ σ µ λ nd nd xnd
PnLCSnxnLCI Pd P)3(/ )3(/ / / ),(000111111 Si ana izamos ahora os dos efectos
por separado y dibujamos as curvas paradistintos tamaños de muestras, vemos que
e  gráfico de medias es sensib e a desp azamiento y muy poco sensib e a  cambio
de a variabi idad (verFigura15yFigura 16).
Contro  Estadístico de Procesos Contro  Estadístico de Procesos
(Apuntes)Pág.33 2.52.01.51.00.50.0
1.00.90.80.70.60.50.40.30.20.10.0desp azamiento en mú tip os de sigmaProb. media
muestra  dentro de LCn = 2 n = 3 n = 4 n = 5 n = 6 n = 8 n = 1 2 n = 1 6 n = 2 0
SENSIBILIDAD DEL GRÁFICO DE MEDIASDESPLAZAMIENTO DEL PROCESO Y DESVIACIÓN TÍPICA
INALTERADA Figura 15: Curva de operación de  Gráfico R a  desp azamiento de a
media1 2 3 4 5 60.40.50.60.70.80.91.0Aumento de variabi idadProbabi idadCURVA
CARACTERÍSTICA DEL GRÁFICO DE MEDIAS(AUMENTOS DE VARIABILIDAD) Figura 16: Curva
de operación de  Gráfico X a  aumento de avariabi idad
Contro  Estadístico de Procesos Pág. 34 Contro  Estadístico de Procesos
(Apuntes) 8.2.CURVA DE OPERACIÓN DEL GRÁFICO DEDISPERSIÓN.La construcción de
a curva de operación de  gráfico de recorridos se haceaprovechando e 
estadísticow = R/ σ . La ecuación de la curva erá: ( ) ( )02001
σ λσ σ λ
DwDPP
≤≤= Para e  caso de  gráfico S, a probabi idad de que una muestra caiga dentro
de os ímites de contro  puede hacerse uti izando e  estadístico: 2122−=nnsχ σ
Enton e la e ua ión de la urva de opera ión e : ≤≤=
≤≤=nBn nBPnBn nBPP2222022221212022212212021)(λ σ λ λ σ σ σ σ σ λ Se puede
comprobar que e  comportamiento es simi ar para muestraspequeñas. Sin embargo
para muestras n>6 es más eficaz e  gráfico S.
Contro  Estadístico de Procesos Contro  Estadístico de Procesos (Apuntes)Pág.35
654321 1.00.50.0Aumento de a variabi idad en mú tip os de sigmaProbabi idad R
dentro LCSENSIBILIDAD DEL GRÁFICO "R" AL AUMENTO DE LA VARIABILIDADCENTRADO
INALTERADOn=2n=3n=4n=5n=6n=7n=8n=12n=10 Figura 17: Curva de operación de 
Gráfico R a  aumento de a variabi idad1 2 3 4 5 60.00.51.0Aumento de a
variabi idad en mú tip os de sigmaProbabi idad S dentro LCSENSIBILIDAD DEL
GRÁFICO "S" AL AUMENTO DE LA VARIABILIDADCENTRADO
INALTERADOn=2n=3n=4n=5n=6n=7n=8n=10n=12n=18n=20 Figura 18: Curva de operación
de  Gráfico S a  aumentode a variabi idad
Contro  Estadístico de Procesos Pág. 36 Contro  Estadístico de Procesos
(Apuntes) 9. INTERPRETACIÓN DE LAS INDICACIONES DELGRÁFICO DE CONTROL La
indicación más c ara de que e  proceso está fuera de contro  es que a gunode os
puntos esté fuera de os ímites. Además e  aspecto de os gráficospueden
indicar anoma ías en e  proceso. En efecto, si dividimos e  gráfico enzonas A, B
y C, ver Figura 19, e  porcentaje de puntos contenidos en cada unade e as
deberá acercarse sensib emente a  área re ativa de a campana deGauss cubierta
por cada una de e as. ¿Cómo deben distribuirse os puntos?A (2,5%)A (2,5%)B
(13,5%)B (13,5%)C (34%)C (34%) Figura 19: Distribución de os puntos procedentes
de unadistribución norma  En a Tab a 6 se inc uyen a gunas reg as uti izadas
frecuentemente paraana izar e  gráfico de medias y estab ecer si e  proceso se
encuentra fuera decontro . En a co umna de a derecha se indica a probabi idad
de que se dieraesta circunstancia en e  caso de un proceso norma , centrado ( o
que daría ugar a una decisión errónea). En genera , un procedimiento de SPC
debeexp icitar qué indicaciones deben considerarse como síntoma de proceso
fuerade contro .
Contro  Estadístico de Procesos Contro  Estadístico de Procesos (Apuntes)Pág.37
Reg a Descripción Probabi idad1 Un punto está fuera de os ímites de contro 
0,27%2 De tres puntos consecutivos, dos o más están en una de aszonas A ( a
misma).0,15%2´ Dos puntos consecutivos están en una de as zonas A
( amisma).0,05%3 Racha de cinco puntos en a que cuatro están en a mismazona A
o B. 0,27%3´ Racha de cuatro puntos consecutivos que están en a mismazona A o
B. 0,06%4 Racha de siete puntos consecutivos por encima de a
íneacentra .0,78%4´ Racha de seis puntos consecutivos por encima de a
íneacentra .1,56%4´´ Racha de ocho puntos consecutivos por encima de a
íneacentra .0,39%5 Racha de seis puntos consecutivos se presentan de
maneramonótona creciente.0,14%6 De diez puntos consecutivos, existe una racha de
8 que sepresentan de manera monótona creciente.0,07%6´ De nueve puntos
consecutivos, existe una racha de 8 que sepresentan de manera monótona
creciente.0,02%6´´ De nueve puntos consecutivos, existe una racha de 7 que
sepresentan de manera monótona creciente.0,42%7 Dados dos puntos consecutivos,
e  segundo está a  menoscuatro desviaciones típicas por encima de  primero
(porejemp o, e  primero está en a zona A inferior y e  segundo en a B ó A
superior).0,23%8 Racha de quince puntos en a zona C 0,30%9 Racha de catorce
puntos a ternativos ascendente descendente ?Tab a 6 A continuación veamos cómo
se pueden interpretar estas indicaciones: a)Reg as 1, 2, 3, 3´, 4, 4´, 4´´ y
7.Si e  gráfico de mediaspresenta a guna de estas indicaciones y e  gráfico S o
R nopresenta anoma ías, o más probab e es que e  proceso seencuentre
desp azado. Si e  gráfico S o R presenta tambiénindicaciones, entonces es
proceso ha aumentado a variabi idady posib emente también se ha desp azado.
Contro  Estadístico de Procesos Pág. 38 Contro  Estadístico de Procesos
(Apuntes) b)Reg as 5, 6, 6´, 6´´.Lo más probab e es que e  proceso
estédesp azándose.c)Reg a 7.Si e  gráfico S o R no presenta anoma ías, o
másprobab e es que e  proceso sea muy inestab e en cuanto a sucentrado. Si e 
gráfico S o R presenta también indicaciones,entonces es probab e que e  proceso
haya aumentado avariabi idad.d)Reg a 8. que Puede ser síntoma de que se ha
reducido avariabi idad de  proceso si e  gráfico S o R también muestra
unareducción de a variabi idad muestra . Si e  gráfico S o R nomuestra una
reducción de a variabi idad muestra , puedeocurrir que se estén mezc ando dos
pob aciones distintas,siendo a distribución resu tante bimoda  (dos
jorobas).e)Reg a 9. Es síntoma de inestabi idad de  proceso. ¿Cómo o
interpreta?Racha en una mitadRacha creciente odecreciente Figura 20: Tendencias
que indican causas especia es Para e  caso de  gráfico S o R se puede
estab ecer un conjunto de reg asparecidas, pero es necesario tener en cuenta o
siguiente: a) La interpretación de a indicación ha de hacerse en función a
anatura eza de  gráfico S o R, es decir, no indican derivas en a Contro 
Estadístico de Procesos Contro  Estadístico de Procesos (Apuntes)Pág.39 media
de  proceso sino aumento o disminución en avariabi idad de  mismo.b) La
distribución de S o R no es norma  (aunque o sea e proceso) ni tampoco es
simétrica, por o que as probabi idadesindicadas en a co umna de a derecha no
son de ap icación aeste caso. 10. ESTUDIO DE CAPACIDAD DE PROCESOS10.1.¿QUÉ ES
UN ESTUDIO DE CAPACIDAD DEPROCESO?Un estudio de capacidad de proceso tiene por
objeto de conocer: •Distribución estadística que o describe (norma  o
nonorma )•E  patrón de variabi idad de  proceso y principa es
factoresre acionados con a variabi idad.•Comprender os fenómenos físicos y
tecno ógicosimportantes para e  proceso Se rea iza tomando muestras de a
producción. A partir de aquí existen muchasdiferencias en cuanto a  modo de
tomar as muestras. En particu ar es frecuenteque se requiera que e  proceso
esté en contro  estadístico. Este requisito es ógico cuando se pretende ca cu ar
os índices cpy cpkde variabi idad a cortop azo. En genera , cuando se desee
estimar a variabi idad tota  de  proceso(conocida también como variabi idad a
argo p azo), as muestras deben serrepresentativas de a producción, por
ejemp o debe inc uir producciones con otes distintos de materia prima, rea izada
por operarios diferentes, en variosturnos, etc.Obviamente, según sea e  modo en
e  que se tomen as muestras osresu tados serán muy diferentes. En os párrafos
siguientes se dan a gunasdirectrices que pueden ayudar a diseñar un estudio de
capacidad de proceso ya interpretar sus resu tados. 10.2.¿CÓMO SE REALIZA UN
ESTUDIO DECAPACIDAD DE PROCESO?En a rea ización de un estudio de capacidad de
proceso es importante rea izar os siguientes pasos.
Contro ProcesosDown oad this Document for FreePrintMobi eCo ectionsReport
DocumentReport this document?P ease te  us reason(s) for reporting this
document Spam or junk Porn adu t content Hatefu  or offensiveIf you are the
copyright owner of this document and want to report it, p ease fo ow these
directions to submit a copyright infringement notice.Report Cance  This is a
private document. Info and
RatingReads:1,516Up oaded:02/28/2011Category:Uncategorized.Rated:Copyright:Attri
bution
Non commercia Fo owEnrique Va entinesSectionsshow a co apse« prev | next
»1. INTRODUCCIÓN AL CONTROL ESTADÍSTICO DE PROCESOS2. ¿POR QUÉ VARÍAN LOS
PROCESOS?3. FUNDAMENTOS ESTADÍSTICOS4. CAUSAS COMUNES Y CAUSAS ASIGNABLES O
ESPECIALES6. CAPACIDAD DE PROCESO6.1. CONCEPTO DE CAPACIDAD DE PROCESO6.2.
ÍNDICES CP Y CPK6.3. VARIABILIDAD A CORTO Y LARGO PLAZO6.4. POTENCIALIDAD DEL
PROCESO. ÍNDICES PP Y PPK6.5. CONCEPTO DE GRUPO HOMOGÉNEO RACIONAL7. GRÁFICOS
DE CONTROL POR VARIABLES: GRÁFICOS DE SHEWHART8. CURVAS DE OPERACIÓN DEL
GRÁFICO DE CONTROL8.1. CURVA DE OPERACIÓN DEL GRÁFICO DE MEDIAS8.2. CURVA DE
OPERACIÓN DEL GRÁFICO DE DISPERSIÓN9. INTERPRETACIÓN DE LAS INDICACIONES DEL
GRÁFICO DE CONTROL10. ESTUDIO DE CAPACIDAD DE PROCESOS10.1. ¿QUÉ ES UN ESTUDIO
DE CAPACIDAD DE PROCESO?10.2. ¿CÓMO SE REALIZA UN ESTUDIO DE CAPACIDAD DE
PROCESO?10.2.2. Definición de la estratificación de las medidas a tomar10.2.3.
Estabilizar del proceso10.2.4. Toma de los datos10.2.5. Identificación del
patrón de variabilidad10.2.6. Comprobación de la normalidad de los
datos10.2.7. Análisis e interpretación de los datos10.2.8. Construcción de un
intervalo de confianza de los índices11. CASO DE PROCESOS NO NORMALES11.1. ¿ES
LA NORMALIDAD LO “NORMAL?”11.2. CONSECUENCIAS QUE TIENE EN EL ANÁLISIS11.3.
TÉCNICAS DE NORMALIZACIÓN DE LOS DATOS12. GRÁFICOS DE CONTROL PARA
APLICACIONES ESPECIALES12.1. GRÁFICOS PARA MUESTRAS UNITARIAS (I- MR)13.
GRÁFICOS DE CONTROL PARA EL CASO DE SERIES CORTAS14. OTROS GRÁFICOS DE CONTROL
POR VARIABLES14.1. GRÁFICO CUSUM14.2. GRÁFICO EWMA15. GRÁFICOS DE CONTROL POR
ATRIBUTOS15.1. GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN BINOMIAL15.2.
GRÁFICOS DE CONTROL BASADOS EN LA DISTRIBUCIÓN DE POISSON16. IMPLANTACIÓN DEL
SPC EN UNA EMPRESA16.1. FASE 1: PREPARACIÓN Y SELECCIÓN DEL PROCESO
PILOTO16.2. FASE 2: IMPLANTACIÓN DEL GRÁFICO DE CONTROL PILOTO16.3. FASE 3:
ANÁLISIS DE LOS PRIMEROS RESULTADOS16.4. FASE 4: EXTENSIÓN A OTROS PROCESOSShare
& EmbedRelated DocumentsPreviousNext p. p. p. p. p. p. p. p. p. p. p. p. p. p.
p. p. p. p. p. p. p. p.More from this userPreviousNext74 p.Recent ReadcastersA
dd
a CommentSubmitCharacters: 400Print this documentHigh QualityOpen the downloaded
document, and select print from the file menu (PDF reader required).Download and
Print
Sign upUse your Facebook login and see what your friends are reading and
sharing.Other login optionsLogin with FacebookSignupI don't have a Facebook
account email address (required) create username (required) password
(required) Send me the Scribd Newsletter, and occasional account related
communications.
Sign Up Privacy policy You will receive email notifications regarding your
account activity. You can manage these notifications in your account settings.
We promise to respect your privacy. Why Sign up?Discover and connect with
people of similar interests.
Publish your documents quickly and easily.
Share your reading interests on Scribd and social sites.
Already have a Scribd account?email address or username password Log In
Trouble logging in?
Login SuccessfulNow bringing you back...
« Back to LoginReset your passwordPlease enter your email address below to reset
your password. We will send you an email with instructions on how to
continue.Email address:
You need to provide a login for this account as well.
Login:
Submit
Upload a Document
Search Documents Follow
Us!scribd.com/scribdtwitter.com/scribdfacebook.com/scribdAboutPressBlogPartner
sScribd
101Web StuffScribd StoreSupportFAQDevelopers /
APIJobsTermsCopyrightPrivacyCopyright © 2011 Scribd Inc.Language:EnglishChoose
the language in which you want to experience Scribd:EnglishEspañolPortuguês
(Brasil)