Vous êtes sur la page 1sur 23

Verificando la Estabilidad del Proceso

Estabilidad del
proceso

2
2
Qu involucra un estudio de capacidad de
proceso?
Seleccionar la
variable de estudio
Estudio exploratorio de
la variable de estudio
Caracterizacin del
proceso que genera
los datos
Seleccin del modelo
distribucional de mejor
ajuste
Seleccin del mtodo
y sistema de medicin
Seleccin del tamao
de muestra
Toma de datos
Depuracin de los
datos
Estudio de estabilidad
del proceso
Medicin de la
capacidad del
proceso
AIAG SPC
Manual
El concepto de calidad que subyace en el Control
Estadstico de Procesos puede resumirse en la siguiente
frase:

Valor Nominal de
Especificacin
Lmites de
Especificacin
Cualquier desviacin de este comportamiento
constituye una prdida para el cliente.
3
Estudio de Capacidad de Procesos
Un estudio de capacidad de procesos es un proceso de dos
etapas que involucra:
Por consiguiente, un estudio de la capacidad del proceso
involucra dos fases: la evaluacin de la estabilidad del proceso y,
una vez alcanzada la estabilidad, la evaluacin de la capacidad
del proceso.
Llevar el proceso a un estado
de control estadstico
(estado de operacin
estable) por un perodo
razonable de tiempo
Realizar una comparacin
entre el desempeo a largo
plazo del proceso y los
requerimientos de la
Gerencia o de Ingeniera
(especificaciones).
4
El objetivo de la evaluacin de la estabilidad de un
proceso es determinar las condiciones bajo las cuales un
proceso dado puede decirse que est en un estado
estable o bajo control estadstico.
En dicha evaluacin se utilizan grficas de control. Entre
ellas, las ms comnmente utilizadas son las grficas de
control de Shewhart: la de promedios y rangos y la de
promedios y desviaciones estndares .
Adems, bajo ciertas condiciones especiales, se utilizan las
grficas de valores individuales y rangos mviles.
Evaluacin de la estabilidad del Proceso
5
El objetivo bsico de las grficas de control es
distinguir entre dos categoras de variacin:
Dos tipos de variacin

variacin no
controlada
(variacin de rutina)

variacin
controlada
(variacin extraordinaria)
Un proceso es estable si la
variacin presente en el proceso se
halla controlada dentro de ciertos
lmites.
6
7
Shewhart: Dos tipos de variacin
En nuestros anlisis de datos
debemos tener una manera de
distinguir aquellos cambios que
representan cambios reales en
nuestro proceso de aquellos que
son en esencia ruido.
Existe una distincin radical entre
dos tipos de variacin:
Aquella variacin de rutina
que se espera que est
presente an cuando nada
haya cambiado en el proceso,
Aquella variacin excepcional,
fuera de los lmites de rutina y
que, por tanto, es interpretada
como una seal de que algo
cambi en el proceso.
Con el fin de separar ambos tipos
de variacin Shewhart cre las
Grficas de Control o Grficas
de Comportamiento de Proceso.
Los datos de un proceso deben ser
analizados en su contexto: es por esta
razn que estas grficas comienzan
con los datos graficados como una
serie de tiempo.
8
Por consiguiente, antes de que
pueda detectar una seal
dentro de un conjunto dado de
datos, usted debe primero filtrar
todo el ruido.
Mientras que todo conjunto de
datos contiene ruido, algunos
conjuntos de datos pueden
contener seales.
As, hasta que usted no haya
identificado todo el ruido en
una serie de tiempo no podr
comprender lo que puede estar
indicado por una seal.
Esta distincin entre
seales y ruido es el
fundamento de todo
anlisis significativo de
datos.
Si los datos por graficar no estn ordenados como series de
tiempo, su anlisis es intil.
Cuando un proceso despliega
variacin controlada, la salida del
proceso forma una distribucin que
es estable durante el tiempo y es
predecible.
Se le denomina, tambin, variacin
inherente.
Shewhart: Dos tipos de variacin
Cuando un proceso despliega
variacin no controlada, la salida
del proceso es inestable durante el
tiempo y no es predecible.
9
10
Los procesos reales nunca estn libres de
perturbaciones (fluctuaciones).
Todo lo que requerimos es una gua de
cundo estas perturbaciones son lo
suficientemente problemticas como
para prestarles atencin.
Las grficas de control no tienen que ver
con modelos probabilsticos, sino con la
utilizacin de datos obtenidos del
proceso con el fin de tomar decisiones
en el mundo real.
Dado un conjunto homogneo de datos:
1. Aproximadamente entre el 60 y 75%
de los valores caern dentro de 1
desviacin estndar del promedio.
2. Generalmente entre el 90 y 98% de
los valores caern dentro de 2
desviaciones estndares del
promedio.
3. Aproximadamente entre el 99 y el
100% de los valores caern dentro de
de 3 desviaciones estndares del
promedio.
No hay ningn requerimiento de normalidad en esta regla emprica.
11
3
3
x
1
2t
|

\
|
|
.
exp 0.5 x
2
( )

(
(
(
]
d 0.997 =
0
3
x exp x ( )
(
(
]
d 0.95 =
12
La experiencia muestra que cuando
las causas asignables de variacin
han sido identificadas y eliminadas
la distribucin observada es
generalmente alisada y unimodal.
No estamos intentando hallar algn
modelo exacto de probabilidad
para describir el proceso, sino que
estamos tratando de determinar si el
proceso se ajusta (al menos
aproximadamente) a un modelo
amplio de comportamiento
aleatorio.
Al comparar el proceso a este modelo,
podemos hacer la escogencia apropiada para
la mejora del proceso.
Este modelo amplio de
comportamiento aleatorio
es la grfica de control.
13
El propsito de una grfica de control es
detectar una Falta de Control cuando
sta existe y debe ser capaz de hacerlo,
al menos la mayor parte del tiempo, an
cuando los datos fuera de control sean
utilizados para calcular los lmites de
control.
La capacidad de detectar un falta de
control est asociada estrechamente
con la manera en que los lmites de
control se calculan.
Tanto como un proceso se mantenga estable y sin
cambio, los promedios de los subgrupos y los
rangos de los subgrupos se movern dentro de los
lmites de control en una forma errtica y aleatoria.
Los lmites 3 sigma son Lmites de Accin,
no limites de probabilidad.
Ellos definen el punto al cual uno est
justificado para tomar accin sobre el
proceso.
14
Variacin
Variacin Total
(Overall)
Variacin al interior de
cada subgrupo
(Within)
Variacin entre
subgrupos
(Between)
Utiliza todos los datos
de la serie para calcular
el estadstico de
dispersin.
Utiliza los datos de cada
subgrupo para calcular
el estadstico de
dispersin y luego los
promedia.
Promedia los datos de
cada subgrupo y luego
calcula el rango o la
desviacin estndar de
estos promedios.
(Por ejemplo, calcula el rango o
la desviacin estndar de todos
los datos.)
(Por ejemplo, calcula el rango o
la desviacin estndar de cada
subgrupo y luego calcula el
estadstico para todos los
subgrupos.)
Las grficas de comportamiento de proceso
deben basarse en estadsticos de dispersin
calculados a partir de la variacin dentro
de cada subgrupo.
Los otros mtodos son vlidos
slo cuando los datos son
completamente homogneos.
Estos estadsticos son menos
sensibles a la presencia de
valores extremos.
15
Como los lmites 3 sigma son
conservadores por naturaleza, el
Teorema del Lmite Central es irrelevante.
EL TLC no aplica a los rangos de los
subgrupos.
Cuando se tiene que entre el 99 y 100%
de los valores caen dentro de 3 lmites
sigma del promedio, no se requiere
apelar a ningn argumento terico.
Para calcular los lmites 3 sigma se
requiere utilizar estadsticos promediados
de dispersin.
{ } { } | |
( )
( ) ( ) n 1, j k; 1, i s s ; R R
1 n
X x
s ; x Mn x Max R
i
k , 1 i
i
k , 1 i
2
i ij
n , 1 j
i ij ij i
PROM PROM
SUM
= = = =

= =
= =
=
Rangos (R), desviaciones estndares (s),
RMSD (Root Mean Square Deviations): si
se utiliza el enfoque apropiado se
obtendr los mismos resultados.
16
Hacen la siguiente pregunta:
Varan los promedios de los subgrupos
ms de lo que deberan, basndonos en
la variacin al interior de los subgrupos?
Hacen la siguiente pregunta:
Es la variacin al interior de los
subgrupos consistente de subgrupo a
subgrupo?
Grficas de control para
Promedios
Grficas de control para
Rangos
R A X CL
2 X
=
La variacin al interior de
los subgrupos es la que
determina cun sensitiva
es la grfica de control.
17
Los dos principios de las grficas Shewhart
Muestreo Racional
Subagrupamiento
Racional
Est asociado con la manera en que
el proceso es medido, qu se mide,
dnde se mide, cmo es medido y
cundo es medido.
Una vez que los datos se obtienen
mediante una manera racional
deben ser analizados en una manera
similar.
Esto implica que ellos deben ser
agrupados racionalmente.
El contexto para cada valor siempre determina
cmo ese valor debe analizarse y cmo debe ser
interpretado.
Es la rapidez a la que el proceso puede cambiar lo
que determina la racionalidad de la frecuencia de
muestreo.
Un muestreo menos frecuente sera irracional.
Por consiguiente, debe considerarse las
fuentes de variacin para una medicin
en particular y organizar los subgrupos en
esa manera.
Por consiguiente, la manera en que los
datos se organizan en subgrupos debe
calzar con la estructura presente en los
datos.
As, esperamos que los datos que conforman los
subgrupos representen cierta regin del espacio o
intervalo de tiempo, con el fin de asegurar su
homogeneidad.
18
Los seis principios de la formacin de subgrupos
1. Nunca agrupe cosas desemejantes.
2. Minimice la variacin dentro de cada subgrupo.
3. Maximice la oportunidad de variacin entre subgrupos.
Esta es la razn por la que utilizamos promedios de los
subgrupos con el fin de concentrar la seal, hacindola fcil
de identificar.
4. Promedie a travs del ruido no a travs de las seales.
5. Trate la grfica de acuerdo con el uso de los datos.
6. Establezca procedimientos estndares de muestreo.
Cuando un proceso presenta un grado
razonable de control estadstico,
entonces las variables:
Siguen una distribucin que se
mantiene a lo largo del tiempo,
La variacin en el flujo del proceso
es consistente en el transcurso del
tiempo.
Son predecibles dentro de ciertos
lmites.
Estabilidad del Proceso
Sin embargo, la estabilidad del proceso
no implica que ste sea capaz de
producir piezas que satisfagan las
especificaciones:
La estabilidad del proceso no
implica directamente que la
variacin controlada sea grande o
pequea, centrada alrededor del
valor nominal de especificacin,
dentro o fuera de especificaciones.
sta solo implica que la variacin es
predecible mediante el uso de
tcnicas estadsticas.
Por esta razn se hace necesario
investigar si bajo las condiciones
actuales de estabilidad del proceso,
ste tambin es capaz.
19
Tngase en cuenta que antes de proceder a la
evaluacin de la capacidad del proceso, es preciso haber
realizado primero el estudio exploratorio de cada variable
considerada.
Aunque las grficas de control son robustas al comporta-
miento distribucional de la variable, los ndices de capaci-
dad no lo son.
El hecho de que una variable de proceso, una caracters-
tica o propiedad de un producto no sigan una distribucin
normal no implica la existencia de problemas con el
proceso o producto, solo implica que esa variable se
comporta de esa manera.
Observacin
20
21
REFERENCIAS
Wheeler, D. & Chambers, D. Understanding Statistical Process Control. SPC Press.
1992.
Griffith, G. Statistical Process Control Methods. ASQC Press. 1996.
Wheeler, D. Advanced Topics in Statistical Process Control. SPC Press. 2004.
Shewhart, W. Economic Control of Quality of Manufactured Product.
Commemorative Issue. ASQ Press. 1931.
Montgomery, D. Introduction to Statistical Quality Control. 6
th
edition. John Wiley &
Sons. 2009.
AIAG. Statistical Process Control. 2nd edition. 2005.
Stapenhurst, T. Mastering Statistical Process Control. Elsevier Butterworth-
Heinemann. 2005.
Al mejorar nuestro conocimiento de
CMO y POR QU un proceso se
comporta en la manera en que lo
hace, estaremos en capacidad de
descubrir opciones econmicamente
viables de reducir la variacin.
22
Muchas gracias
23