Indicadores de Desempeño de Proceso

6S CONSULTORIA
SISTEMAS DE MEJORA CONTINUA
Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Distribuciones de Probabilidad
Distribucin
Distribucin F Normal
Distribucin Distribucin
Chi -Cuadrada Exponencial

Distribuciones de Probabilidad
1 2
3 4

La Distribucin Normal
Para realizar los estudios de capacidad, usaremos las
propiedades de la distribucin normal.
Media = 10
Desv Std = 1.5 Media = 20
Desv Est 1.5
Valor de la variable aleatoria

Misma media = 15
Desv Est = 1.0

Desv Est = 1.5
Desv Est = 2.5
Valor de la variable aleatoria
La forma de esta distribucin est determinada por dos

parmetros: La Media y la Desviacin Estndar.
Propiedades de la Distribucin
Normal
+/- 3 s = 99.73%
Frecuencia
+/- 1 s = 68%
+/- 2 s = 95%
Como en todas las distribuciones de probabilidad, el rea bajo la curva es = 1 = 100%

El rea bajo la curva para un rango de valores, depende de la distancia de esos valores a
la media.
Las medidas de tendencia central: Media, Mediana y Moda tienen el mismo valor.
Distribucin Normal Estandarizada
Si tuviramos una serie de datos distribuidos de acuerdo a
la distribucin normal con media de 100 y desv. Estndar
de 10 y quisiramos saber la probabilidad de observar un
valor que fuera menor a 90, tendramos que saber a
cuantas desviaciones estndar se encuentra el nmero 90
respecto a su media.
Si tuviramos una serie de valores distribuidos de acuerdo

a la distribucin normal con media de 0.0025 y desviacin
estndar de 0.0005 y quisiramos saber la probabilidad de
observar un valor de 0.0012 o menor, tendramos que
saber a cuantas desviaciones estndar se encuentra el
nmero 0.0012 respecto a su media.

El estandarizar una serie de datos, esto es:
re-expresar cada dato en trminos de a
cuantas desviaciones estndar se
encuentra alejado de la media, nos
permite usar una tabla para calcular la
probabilidad del valor que queramos.
Esta estandarizacin genera una

distribucin normal con media = 0 y
desviacin estndar = 1

Estadstica Descriptiva
Si tiene un grupo de datos obtenidos de las lecturas
de una dimensin X: 2.5, 2.7, 3.1, 3.2, 3.2, re-exprese
esos datos en nmero de desviaciones estndar
alejados de su media.
Clculo de la media y desviacin estndar:
Media = (2.5+2.7+3.1+3.2+3.2) / 5 = 14.7 / 5 = 2.94
Desv. Est. = [ {(2.5-2.94)2+(2.7-2.94)2+(3.1-2.94)2+3.2-2.94)2+(3.2-

2.94)2}/(5-1)]= 0.3209

Estandarizacin de los Datos
Dato Original Distancia a la Media Nm.. de Desv Dato
Estandarizado
Estndar
2.5 (2.5 2.94) = - 0.44 - 0.44/0.3209 - 1.37 Cul es la

media y
2.7 (2.7 2.94) = - 0.24 - 0.24/0.3209 - 0.75
desv.
estndar
de estos
3.1 (3.1 2.94) = 0.16 0.16/0.3209 0.50 datos?.
3.2 (3.2 2.94) = 0.26 0.26/0.3209 0.81
3.2 (3.2 2.94) = 0.26 0.26/0.3209 0.81
El valor original expresado en nm.. de

desv. estndar que hay entre el valor
original y su media.
Cul es la importancia de convertir el valor original a su
equivalente en un nmero de desviaciones estndares
alejado de la media?
Si el valor original de inters fuera el valor de la

especificacin, al saber a cuantas desviaciones estndar
se encuentra de la media, podemos saber la cantidad
de defectos.
P(d) = Probabilidad de
Defectos

Estandarizacin de los datos, valor Z
A el nmero de desviaciones que hay entre un
valor y su media se le denomina z (z minscula).
En nuestro ejemplo cuando decimos:
El valor original de 2.5 est a 1.37 desviaciones
estndar de la media, podemos tambin decir
ms brevemente que El 2.5 equivale a un z de -
1.37.
_
Xi - X 2.5 - 2.94 - 0.44
z= = = = - 1.37
s 0.3209 0.3209

Valor Z y Proporcin de Defectos
Ejemplos:
1.- Cual es la proporcin de defectos de un proceso
que est produciendo con una media de 29, una
desviacin estndar de 3.75 y tiene una
especificacin de lmite superior 40.1, lmite inferior
20.5?.
2.- Cual es la proporcin de defectos del caso
anterior si ahora la desviacin se ha disminuido de 3.75
a 3?.
3.- Cual es la proporcin de defectos del primer caso
si ahora la media es de 30.3.
4.- Por ltimo cual es la proporcin de defectos si la
desviacin estndard es de 3, la media de 30.3 y los
lmites de especificacin son los mismos?

X = 29 X = 30.3
S = 3.75 S = 3.75
LIE = 20.5
LIE = 20.5
LSE = 40.1 LSE = 40.1
Caso 1
Caso 3
X = 29 X = 30.3
S = 3.0 S = 3.0
LIE = 20.5 LSE = 40.1 LIE = 20.5 LSE = 40.1
Caso 2 Caso 4

_ _
Xi - X LSE - X 40.1 - 29
}
zLSE = = = = 2.96 Caso 1
s s 3.75
_ _
Xi - X LIE - X 20.5 - 29
zLIE = = = = - 2.27
s s 3.75
_ _
}
Xi - X LSE - X 40.1 - 29
zLSE = = = = 3.7 Caso 2
s s 3.0
_ _
Xi - X LIE - X 20.5 - 29
zLIE = = = = - 2.83
s s 3.0
_ _
Xi - X LSE - X 40.1 30.3
}
zLSE = = = = 2.61 Caso 3
s s 3.75
_ _
Xi - X LIE - X 20.5 30.3
zLIE = = = = - 2.61
s s 3.75
_ _
}
Xi - X LSE - X 40.1 30.3
zLSE = = = = 3.27 Caso 4
s s 3.0
_ _
Xi - X LIE - X 20.5 30.3
zLIE = = = = - 3.27
s s 3.0
Calc>Probability Distribution>Normal;
Cumulative Probability. Input Constant
zLSE = 2.96 P(d) = ?
Normal with mean = 0 and

standard deviation = 1.00000
0.9985 0.0015 x P( X <= x )

2.9600 0.9985
Z= -3 0 3
P( X <= x )
Caso 1:
zLSE = 2.96 P(d) = 0.0015 zLIE = -2.27 P(d)

= 0.0116
Para convertir la probabilidad de defectuosas en PPMs

(Partes por Milln defectuosas ) multiplicamos P(d) *
1,000,000.
PPM totales = PPMs LSE + PPMs LIE = 1,500 + 11,600 =

13,100 PPMs
Obtenga las respuestas para los casos 2 a 4.
Caso 2: 2,430 PPMs Caso 3: 9,050 PPMs Caso 4: 1,070 PPMs

Ejercicio
Ha calculado el nmero de PPMs a partir de
diferentes valores de z, ahora haga lo inverso,
obtenga cual sera el valor z a partir de un nmero
de PPMs.
1.- 3.4 PPMs _________________
2.- 100 PPMs _________________
3.- 1,000 PPMs _________________
4.- 10,000 PPMs _________________
5.- 100,000 PPMs - 1.2816 o + 1.2816

Proporcin de Defectos y valor z
Normal with mean = 0 and

standard deviation =
1.00000
Calc>Probability Distribution>Normal; P( X <= x ) x

Inverse cumulative Probability 0.1000 -1.2816

ndices de Capacidad de Proceso:
Pp, Ppk , Cp, Cpk
LIE Rango de Especificacin LSE
El espacio disponible.
Espacio Disponible
Capacidad =
Espacio Requerido
- 3s + 3s
Rango de
Rango de Variacin Especificacin
Capacidad =
Natural del Proceso
Rango de Variacin
El espacio requerido. Natural del Proceso
Lmite Lmite
Natural del Natural del
Proceso Proceso
(Inferior) (Superior)
Definiciones
Relativas a que tanta variacin est contenida en las
muestras:
Corto plazo CP ST (Short Term): Las muestras recolectadas fueron

expuestas a solo una parte del total de las fuentes de variacin
existentes en el proceso, por lo cual solo contienen una porcin del
total de la variacin posible en el proceso.
Largo Plazo LP LT (Long Term): Las muestras recolectadas fueron

expuestas a casi el total de las fuentes de variacin existentes en el
proceso, por lo cual contienen gran parte de la variacin posible
en el proceso.

Definiciones
Relativas a como se agrupan los datos para estimar la variacin:
Variacin dentro del subgrupo (Within): Las muestras de cada subgrupo se

recolectan consecutivamente, de tal manera que pueda asumirse que las
fuentes de variacin permanecieron constantes durante su recoleccin, el
promedio de la variacin de los subgrupos sera la estimacion de la mnima
variacin posible del proceso actual.
Las muestras en cada subgrupo siempre sern clasificadas como de corto
plazo, el total de los subgrupos podr ser clasificado como de corto o
largo plazo.
Variacin Total (Overall): El total de las muestras de los subgrupos recogen

la variacin total creada por las fuentes de variacin a que han sido
expuestas, ests fuentes de variacin pueden ser de corto o de largo
plazo.
El diferencial entre la variacin del subgrupo - la mnima posible en el
proceso actual y la variacin total, es un indicativo del estado de control
del proceso.

Definiciones
tiempo
Largo Plazo Corto Plazo
WITHIN
WITHIN WITHIN WITHIN WITHIN WITHIN WITHIN
OVERALL
El tiempo es la ventana para observar la actuacin de

las fuentes de variacin
ndices de Capacidad
CO NSI D E RA N DO :
SOLO LA VARIACION LA VARIACION Y LA LOCALIZACION DE LA

DEL PROCESO MEDIA DEL PROCESO.
(VARIACION MINIMA)
(LSE X) (X LIE)
LSE LIE Cpk = Min : o
Cp
POTENCIAL
3* s 3*s
6*s within within
within
(VARIACION ACTUAL)
DESEMPEO
LSE LIE P Min : (LSE X) o (X LIE)

Pp
ACTUAL
pk
6*s 3* s 3* s
overall overall overall
X1 t1
Variacin de Subgrupos
X7
PROCESO DE
MAQUINADO
X12
DIAMETRO DE FLECHA
Xn t1

Variacin en Subgrupos
X1 t1 t2 t3 t4
X7
PROCESO DE
MAQUINADO
X12
DIAMETRO DE FLECHA
Xn t1 t2

X1 t1 t2 t3 t4
X7
PROCESO DE
MAQUINADO
X12
DIAMETRO DE FLECHA
Xn t1t2t3

X1 t1 t2 t3 t4
X7
PROCESO DE
MAQUINADO
X12
DIAMETRO DE FLECHA
Xn tt14t2t3

Definiciones
Overall (Total)
Within (Subgrupo)
Dimension A
Overall (Total)
Within (Subgrupo)
Dimension B
Nmero de Subgrupos Requeridos Para
una Buena Estimacin de la Swithin
Variacin de la Desv Std Within con el num de Subgrupos
0.000932
0.000931
Desv Std Within
0.000930
0.000929
0.000928
0.000927
0.000926
0.000925
10 20 30 40 50 60 70
Tiempo o num de subgrupos

ndices de Capacidad
Mapa de Mejora.
Ppk meta = 2
Cp = 1.33
Mejora de tecnologa.
Cpk = 0.55
2
1
Pp = 0.7
Ppk = 0.25

ndices de Capacidad Mapa de
Mejora.
Si un estudio de capacidad muestra los resultados:
Ppk = 0.3 Pp = 0.8 Cpk 0.7 Cp = 1.4.
1.-Qu puede hacer para incrementar su Ppk (desempeo actual) de 0.3 a 0.8 ?
R: Centrarlo.
2.- Qu puede hacer para incrementar su Ppk de 0.3 a 0.7?
R: Reducir su variacin al mnimo posible.
3.- Qu puede hacer para incrementar su Ppk a 1.4?
R: Reducir su variacin al mnimo posible y centrarlo.
4.- Qu tendra que hacer para incrementar su Ppk de 0.3 hasta 2.0?.
R: Centrarlo, reducir su variacin al minimo posible y despus modificar

su proceso para lograr una variacin de proceso menor que el mnimo posible
de su proceso actual.

ndices de Capacidad usando
Minitab
Para realizar un estudio de capacidad sobre la variable de
salida a mejorar en su proyecto de seis sigma, usted ha
tomado los ltimos 500 datos disponibles en la grfica de
control (SPC), los cuales estn agrupados en 50 subgrupos.
De la grfica de SPC usted concluy que su proceso es estable

porque se encuentra estadsticamente en control.
La especificacin: LSE = 17 LIE = 3
Realice el estudio de capacidad en Minitab.

ndices de Capacidad en Minitab
Primero grafique los datos y confirme que siguen una
distribucin normal.
Summary for Lectura
A nderson-Darling N ormality Test
A -S quared 0.43 Se asume que los
P -V alue 0.310
M ean 10.670
datos siguen una
S tDev
V ariance
1.848
3.414
distribucin
S kew ness
Kurtosis
0.0775393
-0.0772617
normal si el valor
N 500 de p-Value es igual
M inimum 5.200
1st Q uartile 9.400 o mayor a 0.05.
M edian 10.600
3rd Q uartile 11.800
6 8 10 12 14 16 M aximum 16.000
95% C onfidence Interv al for M ean
10.508 10.832
95% C onfidence Interv al for M edian
10.400 10.800
95% C onfidence Interv al for S tDev
95% Confidence Intervals
1.740 1.970
Mean
Median
10.4 10.5 10.6 10.7 10.8

Indices de Capacidad en Minitab
Stat>Quality Tools>Capability Analysis Normal

Process Capability of Lectura
LSL USL
P rocess Data Within
LS L 3.00000 Ov erall
Target *
USL 17.00000 P otential (Within) C apability
S ample M ean 10.67000 Cp 1.28
S ample N 500 C PL 1.40
S tDev (Within) 1.82550 C PU 1.16
S tDev (O v erall) 1.84850 C pk 1.16
C C pk 1.28
O v erall C apability
Pp 1.26
PPL 1.38
La desviacin estndar PPU 1.14
dentro de los subgrupos es P pk
C pm
1.14
*
la utilizada en estos clculos
4 6 8 10 12 14 16
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0.00 P P M < LS L 13.25 P P M < LS L 16.67
P P M > U S L 0.00 P P M > U S L 262.62 P P M > U S L 308.08
P P M Total 0.00 P P M Total 275.87 P P M Total 324.75
La st dev. en el proceso actual puede disminuirse de 1.8485 a

1.8255, mediante un mejor control de las fuentes de Variacin
Use el ndice
de capacidad
LSL USL
P rocess Data
Cpm si el Within
LS L 3.00000 objetivo no es Ov erall
Target *
USL 17.00000 el centro de la P otential (Within) C apability
S ample M ean 10.67000 Cp 1.28
S ample N 500
especificacin. C PL 1.40
S tDev (Within) 1.82550 C PU 1.16
C C pk 1.28
Pp 1.26
PPL 1.38
La desviacin estndard PPU 1.14
P pk 1.14
del total de los datos C pm *
(Overall) es la utilizada
en estos clculos 4 6 8 10 12 14 16

Conversin entre ndices de
Capacidad
Podemos relacionar los ndices de capacidad
(Cp, Pp, Cpk, Ppk) con el Nivel Sigma (Zbench) y
con los PPMs?
La respuesta es S para Cpk y Ppk, NO para Cp y Pp
(LSE X) (X LIE) (LSE X) (X LIE)

Cpk , Ppk o Z o
3* s 3*s s s
Para especificaciones unilaterales: Cpk,Ppk = Z/3
Para especificaciones bilaterales puede usarse la aproximacin Cpk, Ppk

= Z/3, su exactitud disminuir a medida que la otra especificacin no
usada en el clculo del Cpk, Ppk se aproxime a la media.

Capacidad
(LSE LIE) (LSE X) (X LIE)

C p , Pp Z o
6*s s s
El Nivel Sigma (Zbench) depende de la localizacin de la media con respecto a los lmites de
especificacin, en las frmulas para Cp y Pp, no aparece la media.
El Nivel Sigma (Zbench) con los PPMs?
S!
Mediante el uso de las tablas de la distribucin Normal Estndar podemos determinar el
rea bajo la curva para diferentes valores de z, al multiplicar por 1,000,000 obtenemos los
PPMs.

Tabla de Equivalencias
Para una
especificacin
Bilateral para Para una
un proceso especificacin
Para una centrado Bilateral para
especificacin Para una (Peor de los un proceso
Unilateral especificacin casos) centrado (Peor
Equivale a un Unilateral Equivale a un de los casos)
Nivel Sigma Equivale a Nivel Sigma Equivale a
Un Cpk, Ppk de : (Z) de: estos PPM's : (Z) de: estos PPM's :
2 6 0 6 0
1.66 5 0 4.92 0
1.33 4 32 3.83 64
1 3 1,350 2.78 2700
0.66 2 22,750 1.69 45500
0.33 1 158,700 0.48 317400

Capacidad
Capacidad de proceso LSL expresada en USL

P rocess Data Within
nmero
LS L de3.00000
desviaciones estndares que la Ov erall
Target *
media
USL del17.00000
proceso est alejada de los P otential (Within) C apability
Z.Bench 3.45
S ample M ean 10.67000
lmites
S ample N de especificacin
500 Z.LS L
Z.U S L
4.20
3.47
S tDev (Within) 1.82550
C C pk 1.28
Z.Bench 3.41
Z.LS L 4.15
Z.U S L 3.42
P pk 1.14
C pm *
4 6 8 10 12 14 16
Zbench = Nivel Sigma del Proceso (Z mayscula) = el valor z (z minscula) que le

corresponde al total de los PPMs (LSE y LIE)
Capacidad
Process Capability of Lectura Process Capability of Lectura
LSL USL LSL

P rocess Data Within P rocess Data Within
LSL 5.12450 Overall LS L 5.12450 Overall
Target * Target *
U SL 16.21550 P otential (Within) C apability USL * P otential (Within) C apability
Sample M ean 10.67000 Z.Bench 2.82 S ample M ean 10.67000 Z.Bench 3.04
Sample N 500 Z.LSL 3.04 S ample N 500 Z.LS L 3.04
StDev (Within) 1.82550 Z.U SL 3.04 S tDev (Within) 1.82550 Z.U SL *
StDev (O v erall) 1.84850 C pk 1.01 S tDev (O v erall) 1.84850 C pk 1.01
C C pk 1.01 C C pk 1.01
O v erall C apability O v erall C apability
Z.Bench 2.78 Z.Bench 3.00
Z.LSL 3.00 Z.LS L 3.00
Z.U SL 3.00 Z.U SL *
P pk 1.00 P pk 1.00
C pm * C pm *
6.0 7.5 9.0 10.5 12.0 13.5 15.0 6.0 7.5 9.0 10.5 12.0 13.5 15.0
O bserv ed P erformance Exp. Within P erformance Exp. O v erall P erformance O bserv ed P erformance Exp. Within P erformance Exp. O v erall P erformance
P P M < LSL 0.00 P P M < LSL 1191.56 P P M < LSL 1349.89 P P M < LS L 0.00 P P M < LS L 1191.56 P P M < LS L 1349.89
P P M > U SL 0.00 P P M > U SL 1191.56 P P M > U SL 1349.89 PPM > USL * PPM > USL * PPM > USL *
P P M Total 0.00 P P M Total 2383.11 P P M Total 2699.78 P P M Total 0.00 P P M Total 1191.56 P P M Total 1349.89
Los lmites de especificacin han sido modificados para lograr un Ppk = 1.0 y
ejemplificar el valor del Nivel Sigma (Zbench) si el proceso tiene especificacin
bilateral o unilateral).

Clculo de Capacidad utilizando
Minitab
Considere los siguientes puntos antes de correr un anlisis de
Capacidad de proceso asumiendo una distribucin normal.
Asegrese que el proceso est bajo control estadstico, esto asegura
que tiene un proceso estable y por lo tanto predecible (usted est
tratando predecir el nivel de PPMs de su proceso en base a una
muestra).
Si su proceso no est en control estadstico la estimacin de la
variacin mnima posible no ser vlida y su prediccin de los PPMs
solo ser vlida para el momento en que realiz el estudio.
Verifique que los datos estn distribuidos normalmente, use el anlisis
grfico de Minitab ( Start>Basic Statistics>Desciptives Statistics)
Si no tiene distribucin Normal, sus clculos estadsticos sern casi
siempre invlidos. Busque usar otro modelo diferente a la distribucin
normal.

Efecto de Dar a MTB un tamao de subgrupo
diferente al usado para tomar los datos
Process Capability of Lectura Process Capability of Lectura
LSL USL LSL USL

P rocess Data Tamao del Within P rocess Data Within
LS L 3.00000 Ov erall LS L 3.00000 Ov erall
Target
USL
*
17.00000
subgrupo = 5 P otential (Within) C apability
Target
USL
*
17.00000
Tamao del P otential (Within) C apability
S ample M ean 10.67000 Cp 1.28 S ample M ean 10.67000 Cp 1.26
S ample N
S tDev (Within)
500
1.82550
C PL
C PU
1.40
1.16
S ample N
S tDev (Within)
500
1.85911
subgrupo = 20 C PL
C PU
1.38
1.13
S tDev (O v erall) 1.84850 C pk 1.16 S tDev (O v erall) 1.84850 C pk 1.13
C C pk 1.28 C C pk 1.26
O v erall C apability O v erall C apability
Pp 1.26 Pp 1.26
PPL 1.38 PPL 1.38
PPU 1.14 PPU 1.14
P pk 1.14 P pk 1.14
C pm * C pm *
4 6 8 10 12 14 16 4 6 8 10 12 14 16
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 0.00 P P M < LS L 13.25 P P M < LS L 16.67 P P M < LS L 0.00 P P M < LS L 18.49 P P M < LS L 16.67
P P M > U S L 0.00 P P M > U S L 262.62 P P M > U S L 308.08 P P M > U S L 0.00 P P M > U S L 331.00 P P M > U S L 308.08
P P M Total 0.00 P P M Total 275.87 P P M Total 324.75 P P M Total 0.00 P P M Total 349.49 P P M Total 324.75

Vea cmo cambia la desviacin std. de los Tamao del
LSL USL
subgrupos (within) al cambiar el tamao del Process Data subgrupo = 500 Within
Ov erall
LSL 3.00000
subgrupo. Target
USL
*
17.00000
P otential (Within) C apability
Cp
C PL
1.26
1.38
Sample Mean 10.67000 C PU 1.14
Sample N 500 C pk 1.14
C C pk 1.26
StDev(Within) 1.85269
El tamao de subgrupo que use en Minitab, StDev(Overall) 1.84850
Pp 1.26
PPL 1.38
debe ser el que se haya usado para recolectar el PPU
P pk
1.14
1.14
C pm *
subgrupo.
4 6 8 10 12 14 16
Mismos Datos! La
desviacin estndar del total de la muestra (overall) permanece sin
cambio, mientras que la de los subgrupos (within) cambia grandemente
segn sea el orden de los datos!
Tamao del
Process Capability Analysis for C6
Process Capability Analysis for Lectura
LSL subgrupo = 5 C6 USL
Process Data
LSL Tamao del USL USL
Process Data
17.00
Within
Target *
USL
Target
LSL
17.00
*
3.00
subgrupo = 5 C3 Within LSL
Mean
3.00
10.67
Overall
Overall
Mean 10.67 Sample N 500
Sample N 500 StDev (Within) 0.09845
StDev (Within) 1.82550 StDev (Overall) 1.84850
StDev (Overall) 1.84850
Potential (Within) Capability
Potential (Within) Capability Z.Bench *
Z.Bench 3.45 Z.USL 64.30
Z.USL 3.47 Z.LSL 77.91
Z.LSL 4.20 Cpk 21.43
Cpk 1.16 2 4 6 8 10 12 14 16 18
Cpm *
2 4 6 8 10 12 14 16 18
Cpm *
Overall Capability Observed Performance Exp. "Within" Performance Exp. "Overall" Performance
Overall Capability Observed Performance Exp. "Within" Performance Exp. "Overall" Performance Z.Bench 3.41 PPM < LSL 0.00 PPM < LSL 0.00 PPM < LSL 16.67
Z.Bench 3.41 PPM < LSL 0.00 PPM < LSL 13.25 PPM < LSL 16.67 Z.USL 3.42 PPM > USL 0.00 PPM > USL 0.00 PPM > USL 308.08
Z.USL 3.42 PPM > USL 0.00 PPM > USL 262.62 PPM > USL 308.08 Z.LSL 4.15 PPM Total 0.00 PPM Total 0.00 PPM Total 324.75
Z.LSL 4.15 PPM Total 0.00 PPM Total 275.87 PPM Total 324.75 Ppk 1.14
Ppk 1.14

Tamao del Tamao del
Process Data
LSL
subgrupo =1 C6 USL
Process Data
LSL subgrupo =5 C9 USL
USL 17.00
Within
Target * USL 17.00
Within
LSL 3.00 Overall Target *
Mean 10.67 LSL 3.00 Overall
Sample N 500 Mean 10.67
StDev (Within) 0.01919 Sample N 500
StDev (Overall) 1.84850 StDev (Within) 1.98962
StDev (Overall) 1.84850
Potential (Within) Capability
Z.Bench * Potential (Within) Capability
Z.USL 329.91 Z.Bench 3.16
Z.LSL 399.74 Z.USL 3.18
Cpk 109.97 Z.LSL 3.86
Cpk 1.06
2 4 6 8 10 12 14 16 18
Cpm *
2 4 6 8 10 12 14 16 18
Cpm *
Overall Capability Observed Performance Exp. "Within" Performance Exp. "Overall" Performance
Z.Bench 3.41 PPM < LSL 0.00 PPM < LSL 0.00 PPM < LSL 16.67 Overall Capability Observed Performance Exp. "Within" Performance Exp. "Overall" Performance
Z.USL 3.42 PPM > USL 0.00 PPM > USL 0.00 PPM > USL 308.08 Z.Bench 3.41 PPM < LSL 0.00 PPM < LSL 57.86 PPM < LSL 16.67
Z.LSL 4.15 PPM Total 0.00 PPM Total 0.00 PPM Total 324.75 Z.USL 3.42 PPM > USL 0.00 PPM > USL 732.54 PPM > USL 308.08
Ppk 1.14 Z.LSL 4.15 PPM Total 0.00 PPM Total 790.40 PPM Total 324.75
Consultora Lamont
Ppk Sistemas
1.14 de Mejora Continua ducaminimo@hotmail.com 81 8311-9259
Variacin del ndice de Capacidad Ppk en
cada estudio usando 10 subgrupos cada vez
Subgrupos Promedio Desv. Ppk Posible Comentario de su Jefe:
Usados Std. ___________________________________________________________________
1 10 10.668 1.8476 1.14 No es lo que queremos, necesita mejorar.
11 - 20 10.508 1.6592 1.30 Esto est mejor, estamos cerca del 1.33.
21 - 30 10.724 1.9667 1.06 Qu ha pasado?
31 - 40 10.852 1.8275 1.12 La mejora no es suficiente.
41 - 50 10.696 2.1587 0.97 Veo que hay que apretar para lograrlo.
51 - 60 10.976 1.8667 1.08 Definitivamente no es aceptable!.
61 - 70 10.928 1.9849 1.02 Alguien va a cambiar de trabajo!
71 - 80 10.656 1.7164 1.23 Gran mejora, la presin funciona!.
81 - 90 10.468 1.8292 1.19 Otra vez? Pues que est sucediendo?
91 - 100 10.224 1.7002 1.33 Saba que lo lograramos, Buen trabajo!
1- 100 10.67 1.8485 1.14 Datos Originales, arrojan el promedio de los

Resultados de los diez estudios.
Grfico de SPC-Rango de Variacin Natural
I-MR Chart of Ppk s

U C L=1.4897
La variacin
1.4
natural producir
Individual V alue
1.2 _
X=1.144
valores de Ppks
1.0
tan bajos como
0.79 o tan altos
0.8 LC L=0.7983
como 1.49.
1 2 3 4 5 6 7 8 9 10
O bser vation
U C L=0.4247
0.4
M oving Range
0.3
0.2
__
M R=0.13
0.1
0.0 LC L=0
1 2 3 4 5 6 7 8 9 10
O bser vation

Conversin de Corto Plazo a Largo Plazo.
Proceso Centrado y Estable
0 ppm
0 ppm
6s 6s
LIE LSE
Con el tiempo los procesos pueden moverse 1.5s a hacia LIE o LSE.
1.5s 1.5s
3.4 0 0 3.4
ppm ppm ppm ppm
LIE 4.5 s 7.5 s LSE LIE 7.5 s 4.5 s

LSE

Conversin del Desempeo-Corto-Largo
Plazo
ZCP 1.5 = ZLP
z PPM's
0.00 500000
0.25 401294
Desempeo Observado Desempeo de Largo
0.50 308538 con Datos de Corto Plazo Plazo (Estimacin)
0.75 226627 158,655
1.00 158655
6,210 PPMs
1.25 105650
PPMs
1.50 66807
-1.5
1.75 40059
2.00 22750
2.25 12224 2.5s LSE
2.50 6210 1.0s
LSE
2.75 2980
3.00 1350
3.25 577
ZLP + 1.5 = ZCP
3.50 233
Desempeo Observado Desempeo de Corto
+1.5
3.75 88
4.00 32
con Datos de Largo Plazo Plazo (Estimacin)
4.25 11
4.50 3.4 1,350 3.4
4.75 1.0 PPMs PPMs
5.00 0.3
5.25 0.1
5.50 0.0
5.75 0.0 3s LSE
6.00 0.0 4.5s
LSE
Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259
Consultora Lamont
ndices de Capacidad para atributos.
Proporcin de
Rechaz adas Lote Defectuosas
4 400 0.0100
4 120 0.0333
El desempeo de su proceso en los
5 200 0.0250
8 280 0.0286 ltimos tres meses est representado
2 200 0.0100 por lo reportado por su cliente en los
3 200 0.0150
22 lotes que se muestran.
2 200 0.0100
2 160 0.0125
5 200 0.0250 Determine los ndices de
9 200 0.0450 capacidad:
7 320 0.0219
7 320 0.0219 Cp, Cpk, Pp, Ppk, PPMs y ZLP
6 200 0.0300
2 160 0.0125
2 200 0.0100
5 280 0.0179
5 360 0.0139
5 200 0.0250
4 200 0.0200
4 160 0.0250
8 200 0.0400
7 200 0.0350
(LSE LIE) (LSE X) (X LIE)

C p , Pp Z o
6 * s overall s s
(LSE X) (X LIE)
Cpk , Ppk Min : o
3 * s within 3 * s within
Estas frmulas no se pueden usar directamente para datos con naturaleza de

atributo.

A partir del promedio de la proporcin de producto

defectuoso, calcular el nivel Z y con l calcular su Ppk.
Proporcin de defectuosos = 0.022 = 22,000 PPMs.
Obtenga el nivel Z para una proporcin de defectos de
0.022. Z = 2.01
Usar la estimacin de Z/3 = Ppk
Ppk = 2.01 / 3 = 0.67
Pp = ? No disponible.
Cpk = ? No disponible
Cp = ? No disponible

Ejercicios
Utilizando los datos del archivo:
Capacidad de Proceso.MPW y la Grupo de Datos 1:
teora de esta seccin, conteste lo Target = ________
siguiente: LSE = ________
LIE = ________
El grupo de Datos 1: Cul debera
ser el LSE y el LIE para tener una Cpk Grupo de Datos 2:
of 2? Cpk CP = ________
Nivel Sigma CP = ______
El Grupo de datos 2: Cul es la Ppk CP = ________
capacidad de proceso si la media est
centrada en el objetivo y su LSE = 58 Grupo de Datos 3:
y su LIE = 44. PPMs LSE = ___________
PPMs LIE = ___________
El Grupo de Datos 3: Cules son los Total PPMs = __________
PPM si el LSE = 42 y LIE = 35?

Ejercicios
Grupo de Datos 4: Cul es la Grupo de Datos 4:
capacidad del proceso si LSE= 58 y Ppk LP = ________
LIE = 0? Cpk LP= ________
Nivel Sigma LP = ________
Grupo de Datos 5: Cul es la
capacidad de Proceso? Grupo de Datos 5:
Cpk LP= ________
Nivel Sigma CP = ______
Grupo de Datos 6: PpkLP = ________
Data Set 6: Cul es la capacidad de
Proceso? Grupo de Datos :
CpkCP = ________
Nivel Sigma LP = ______
PpkCP = ________

Indicadores de Desempeño de Proceso

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Indicadores de Desempeño de Proceso

Transféré par

Droits d'auteur :

Formats disponibles

6S CONSULTORIA

SISTEMAS DE MEJORA CONTINUA

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Valor de la variable aleatoria

Desv Est = 1.0

Valor de la variable aleatoria

La forma de esta distribucin est determinada por dos

Como en todas las distribuciones de probabilidad, el rea bajo la curva es = 1 = 100%

Si tuviramos una serie de valores distribuidos de acuerdo

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Esta estandarizacin genera una

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Clculo de la media y desviacin estndar:

Media = (2.5+2.7+3.1+3.2+3.2) / 5 = 14.7 / 5 = 2.94

Desv. Est. = [ {(2.5-2.94)2+(2.7-2.94)2+(3.1-2.94)2+3.2-2.94)2+(3.2-

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

2.5 (2.5 2.94) = - 0.44 - 0.44/0.3209 - 1.37 Cul es la

3.2 (3.2 2.94) = 0.26 0.26/0.3209 0.81

3.2 (3.2 2.94) = 0.26 0.26/0.3209 0.81

El valor original expresado en nm.. de

Si el valor original de inters fuera el valor de la

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Normal with mean = 0 and

0.9985 0.0015 x P( X <= x )

zLSE = 2.96 P(d) = 0.0015 zLIE = -2.27 P(d)

Para convertir la probabilidad de defectuosas en PPMs

PPM totales = PPMs LSE + PPMs LIE = 1,500 + 11,600 =

Caso 2: 2,430 PPMs Caso 3: 9,050 PPMs Caso 4: 1,070 PPMs

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Normal with mean = 0 and

Calc>Probability Distribution>Normal; P( X <= x ) x

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Corto plazo CP ST (Short Term): Las muestras recolectadas fueron

Largo Plazo LP LT (Long Term): Las muestras recolectadas fueron

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Variacin dentro del subgrupo (Within): Las muestras de cada subgrupo se

Variacin Total (Overall): El total de las muestras de los subgrupos recogen

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

WITHIN WITHIN WITHIN WITHIN WITHIN WITHIN

El tiempo es la ventana para observar la actuacin de

SOLO LA VARIACION LA VARIACION Y LA LOCALIZACION DE LA

LSE LIE P Min : (LSE X) o (X LIE)

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Variacin de la Desv Std Within con el num de Subgrupos

Tiempo o num de subgrupos

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

Ppk = 0.3 Pp = 0.8 Cpk 0.7 Cp = 1.4.

2.- Qu puede hacer para incrementar su Ppk de 0.3 a 0.7?

R: Reducir su variacin al mnimo posible.

3.- Qu puede hacer para incrementar su Ppk a 1.4?

R: Reducir su variacin al mnimo posible y centrarlo.

R: Centrarlo, reducir su variacin al minimo posible y despus modificar

Consultora Lamont Sistemas de Mejora Continua ducaminimo@hotmail.com 81 8311-9259

De la grfica de SPC usted concluy que su proceso es estable

La especificacin: LSE = 17 LIE = 3