Manipular el proceso productivo mediante grficos de control estadstico

Objetivo

Al termino del submodulo el alumno ser capaz de manipular el proceso del producto de empresas manufactureras, aplicando grficos de control.

Submdulo II. Manipular el Proceso Productivo Mediante Graficas de Control Estadstico

Controlar las variables de un proceso mediante herramientas estadsticas bsicas.
Detectar anormalidades que puedan estar ocurriendo en el proceso. Verificar el comportamiento del proceso. Calcular parmetros estadsticos. Elaborar diagramas de causa y efecto. Elaborar diagramas de Pareto. Elaborar histogramas. Elaborar diagramas de dispersin. Realizar ajustes en los procesos productivos. Registrar evidencias y desviaciones en el proceso. Proponer alternativas para ajuste del proceso.

 Controlar el proceso productivo aplicando grficos de control estadstico.

Registrar datos y variables del proceso productivo. Calcular medidas de tendencia central. Calcular medidas de dispersin. Elaborar grficos por atributos. Elaborar grficos por variables. Diagnosticar el comportamiento del proceso productivo. Proponer alternativas para ajustar los puntos fuera de control.

Para qu se miden las caractersticas de calidad?

El anlisis de los datos medidos permite obtener informacin sobre la calidad del producto, estudiar y corregir el funcionamiento del proceso y aceptar o rechazar lotes de producto. En todos estos casos es necesario tomar decisiones y estas decisiones dependen del anlisis de los datos, para analizarlos es necesario recurrir a tcnicas estadsticas que permitan visualizar y tener en cuenta la variabilidad a la hora de tomar las decisiones.

Controlar las variables de un proceso mediante herramientas estadsticas bsicas.

Todo proceso productivo es un sistema formado por personas, equipos y procedimientos de trabajo. El proceso genera una salida, que es el producto que se quiere fabricar. La calidad del producto fabricado est determinada por sus caractersticas de calidad, es decir, por sus propiedades fsicas, qumicas, mecnicas, estticas, durabilidad, funcionamiento, etc. que en conjunto determinan el aspecto y el comportamiento del mismo es decir su calidad. El cliente quedar satisfecho con el producto si esas caractersticas se ajustan a lo que esperaba, es decir, a sus expectativas previas.

Qu es estadstica?
La estadstica se puede definir como la ciencia que recopila, organiza, analiza e interpreta la informacin numrica o cualitativa, mejor conocida como datos, de manera que pueda llevar a conclusiones vlidas.

 La estadstica descriptiva es la ciencia que recopila, organiza e interpreta la informacin numrica cualitativa. Los peridicos, revistas, radio y televisin usan la estadstica descriptiva para informar y persuadirnos acerca de ciertas acciones a tomar y en la formacin de opiniones. La estadstica inferencial es la ciencia que interpreta informacin de manera que pueda llevar a conclusiones vlidas. Los gobiernos y las organizaciones utilizan la estadstica para tomar decisiones que afectan directamente nuestras vidas.

 Las medidas descriptivas son valores numricos calculados a partir de la muestra y que nos resumen la informacin contenida en ella.
Centralizacin: Indican valores con respecto a los datos que aparecen en el centro. Dispersin: Indican la mayor o menor concentracin de los datos con respecto a las medidas de centralizacin

Medidas de Tendencia Central

La media muestral o promedio simple (X) es un estadstico que muestra el valor central de una serie de datos constituyendo ser la medida de ubicacin que ms se utiliza. En general, es calculada sumando los valores de inters y dividiendo entre el nmero de valores sumados (Walpole et al, 1999).

 MEDIANA (Me):es el valor que separa por la mitad las observaciones ordenadas de menor a mayor, de tal forma que el 50% de estas son menores que la mediana y el otro 50% son mayores. Si el nmero de datos es impar la mediana ser el valor central, si es par tomaremos como mediana la media aritmtica de los dos valores centrales.

 MODA (M0): es el valor de la variable que ms veces se repite, es decir, aquella cuya frecuencia absoluta es mayor. No tiene porque ser nica.

Medidas de Dispersin
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un valor representativo, las medidas de dispersin nos dice hasta que punto estas medidas de tendencia central son representativas como sntesis de la informacin. Las medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad de los valores de la distribucin respecto al valor central. Distinguimos entre medidas de dispersin absolutas, que no son comparables entre diferentes muestras y las relativas que nos permitirn comparar varias muestras.

 Supongamos que un mdico dietista desea estudiar el peso de personas adultas de sexo masculino y recopila una gran cantidad de datos midiendo el peso en kilogramos de sus pacientes varones:

Medidas de dispersin absolutas

Varianza muestral(s2): es el promedio de las desviaciones de la media y se obtiene mediante la formula: Varianza poblacional (2): se obtiene dividiendo la suma de desviaciones entre n (vale recordar que la media poblacional se simboliza con )

Desviacin estndar
La desviacin estndar muestral es la raz cuadrada positiva de la varianza, se simboliza con s y se obtiene mediante la siguiente formula:

La desviacin estndar de la poblacin () se obtiene como la raz cuadrada positiva de la varianza poblacional:

Rango
Es una medida de variabilidad muy sencilla, es la diferencia entre el mayor valor y el menor. De ello puede inferirse que cuanto mayor sea la extensin de los datos mayor ser el rango. {20, 40, 50,30, 60,70} Rango 70-20 =50

 Determinar media, mediana, rango, desviacin estndar, varianza de la siguiente tabla:

Tiempo de espera 25 10 14 18 15 10 22 12 14 18 20 15 18 20 12

Resultados
Media Mediana Moda Rango desviacin estndar varianza 16.2 15 18 15

4.427188724 19.6
25 20 15 10 5 0

Tiempo de espera

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

TAREA
La media aritmtica, la mediana, y la moda, la desviacin estndar, varianza rango de los hombres y mujeres.
Edad 15- 24 25-34 35-44 45-54 55-64 65-74 75-84 Hombres 85 384 385 450 295 174 56 Mujeres 219 618 656 656 409 200 69

 Siguiendo el pensamiento del Dr. Kaoru Ishikawa, en la competencia siguiente vamos a explicar algunas de estas tcnicas, que se conocen como Las 7 Herramientas de la Calidad. Estas son:
1. Histogramas 2. Diagrama de Pareto 3. Diagramas de Causa-Efecto (diagrama de Ishikawa) 4. Estratificacin 5. Hoja de Inspeccin (hoja de verificacin, check list) 6. Diagramas de Dispersin 7. Grficos de Control

Que son los histogramas?

Un histograma es un grfico o diagrama que muestra el nmero de veces que se repiten cada uno de los resultados cuando se realizan mediciones sucesivas. Esto permite ver alrededor de que valor se agrupan las mediciones (Tendencia central) y cual es la dispersin alrededor de ese valor central.

 Ventajas.
Su construccin ayudar a comprender la tendencia central, dispersin y frecuencias relativas de los distintos valores. Muestra grandes cantidades de datos dando una visin clara y sencilla de su distribucin.

Utilidad: El Histograma es especialmente til cuando se tiene un amplio nmero de datos que es preciso organizar, para analizar ms detalladamente o tomar decisiones sobre la base de ellos.

 Es un medio eficaz para transmitir a otras personas informacin sobre un proceso de forma precisa e inteligible. Permite la comparacin de los resultados de un proceso con las especificaciones previamente establecidas para el mismo. En este caso, mediante el Histograma puede determinarse en qu grado el proceso est produciendo buenos resultados y hasta qu punto existen desviaciones respecto a los lmites fijados en las especificaciones. Proporciona, mediante el estudio de la distribucin de los datos, un excelente punto de partida para generar hiptesis acerca de un funcionamiento insatisfactorio.

Dr 1 74.6 74.5 77 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 83.5 74.9 73.2 70.7 79.4 88.6 70.7 79.4 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1

Dr 2 74.6 85.9 113.7 77.9 76.4 95.7 78.4 84.6 97.4 74.5 77 70.7 79.4 74.6 85.2 81.6 67.9 63.7 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 83.5

Dr 3 75.4 63.5 69.9 63.7 72.1 71.6 69.4 69.8 83.5 69.7 68.4 70.7 79.4 74.6 85.2 81.6 67.9 63.7 67.5 85.3 88.6 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4

Pesos de pacientes hombres de tres nutrilogos de una clnica

Dr. 1
90 80 70 60 50 40 30 20 10 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 120 100 80 60 40 20

Dr. 2

Dr. 3
90

0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

80
70 60 50 40 30 20 10 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

 Como as es complicado el anlisis de datos cuando se quiere un anlisis de todos los datos recopilados por todos los doctores entonces se procede a agrupar los datos en intervalos o frecuencias. Se ordenan los datos de menor a mayor y se establecen rangos
60<x<70 70<x<80 80<x<90 90<x<100 110<x<120 25 43 22 2 1

Con esto podemos concluir que la mayora de los pacientes estn en el rango de 70 a 80 kg con solo ver el histograma

45 40 35 30 25 20

15
10 5 0 60<x<70 70<x<80 80<x<90 90<x<100 110<x<120

Diagrama de pareto
El Diagrama de Pareto constituye un sencillo y grfico mtodo de anlisis que permite discriminar entre las causas ms importantes de un problema (los pocos y vitales) y las que lo son menos (los muchos y triviales).

Ventajas:
Ayuda a concentrarse en las causas que tendrn mayor impacto en caso de ser resueltas. Proporciona una visin simple y rpida de la importancia relativa de los problemas. Ayuda a evitar que se empeoren algunas causas al tratar de solucionar otras. Su formato altamente visible proporciona un incentivo para seguir luchando por ms mejoras.

Utilidades:
Determinar cul es la causa clave de un problema, separndola de otras presentes pero menos importantes. Contrastar la efectividad de las mejoras obtenidas, comparando sucesivos diagramas obtenidos en momentos diferentes. Pueden ser asimismo utilizados tanto para investigar efectos como causas. Comunicar fcilmente a otros miembros de la organizacin las conclusiones sobre causas, efectos y costos de los errores.

 En una tienda de discos estn teniendo grandes prdidas por devoluciones del producto
Devolucion frecuencia costo unitario costo total % % acumulado no le gusto 10 120 1200 20.8695652 20.8695652 Producto daado 20 80 1600 27.826087 48.6956522 no lo quiere 10 150 1500 26.0869565 74.7826087 disco equivocado 20 50 1000 17.3913043 92.173913 varios 10 45 450 7.82608696 100 5750

Ordenar el porcentaje de mayor a menor y calcular el porcentaje acumulado.

a) Elaborar el diagrama de Pareto. b) Graficar la contribucin porcentual acumulada mediante la intercepcin de la curva de causas. c) Indica las causas vitales en el 80%, sea claro en su conclusin.

costo Devolucin frecuencia unitario costo total % % acumulado Producto daado 20 80 1600 27.826087 27.826087 no lo quiere 10 150 1500 26.0869565 53.9130435

no le gusto disco equivocad o

varios

10

120

1200 20.8695652 74.7826087

20 10

50 45

1000 17.3913043 450 7.82608696 5750

92.173913 100

CONCLUSION: Se puede observar en la grafica, que las causas vitales son producto daado, no lo quiere, no le gusto, son las principales que debemos resolver; las triviales serian disco equivocado y varios, las cuales se resolvern en segundo grado de importancia.

ejercicio
Datos recopilados para recuperar el nivel productivo de laminacin
No 1 3 2 7 4 6 5 causas de fallas De fallas frec. demoras totales Total % materia prima 380 280 106400 molino 190 75 14250 p. terminado 120 90 10800 otros 210 25 5250 enrolladores 75 35 2625 hornos de rec. 15 30 450 mantto. Pvo. 8 30 240 140015 75.99 10.18 7.71 3.75 1.87 0.32 0.17 %acumulado 75.99 86.17 93.88 97.63 99.51 99.83 100.00

a) Elaborar el diagrama de Pareto. b) Graficar la contribucin porcentual acumulada mediante la intercepcin de la curva de causas. c) Indica las causas vitales en el 80%, sea claro en su conclusin.

DIAGRAMA CAUSA EFECTO

El diagrama de Ishikawa, o Diagrama Causa Efecto, es una herramienta que ayuda a identificar, clasificar y poner de manifiesto posibles causas, tanto de problemas especficos como de caractersticas de calidad. Ilustra grficamente las relaciones existentes entre un resultado dado (efectos) y los factores (causas) que influyen en ese resultado.

Ventajas:
Permite que el grupo se concentre en el contenido del problema, no en la historia del problema ni en los distintos intereses personales de los integrantes del equipo. Ayuda a determinar las causas principales de un problema, o las causas de las caractersticas de calidad, utilizando para ello un enfoque estructurado. Estimula la participacin de los miembros del grupo de trabajo, permitiendo as aprovechar mejor el conocimiento que cada uno de ellos tiene sobre el proceso. Incrementa el grado de conocimiento sobre un proceso.

Utilidades:
Identificar las causas - raz, o causas principales, de un problema o efecto. Clasificar y relacionar las interacciones entre factores que estn afectando al resultado de un proceso

 La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo. Para ello nos sirven los Diagramas de Causa - Efecto, conocidos tambin como Diagramas de Espina de Pescado por la forma que tienen. Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa.

Para hacer un Diagrama de CausaEfecto seguimos estos pasos:

Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por ejemplo, en el caso de la mayonesa podra ser el peso del frasco lleno. Trazamos un flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de calidad Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos, Operarios, Mtodo de Medicin, etc.

 Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin. Para hacer esto, podemos formularnos estas preguntas:

a. Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la fluctuacin de las Materias Primas. Se anota Materias Primas como una de las ramas principales. b. Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de la rama principal Materias Primas. c. Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad. d. Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de la balanza. Se registra la rama Balanza. e. Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos la rama Mantenimiento.

 As seguimos ampliando el Diagrama de CausaEfecto hasta que contenga todas las causas posibles de dispersin.
Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados al diagrama. Las relaciones CausaEfecto deben quedar claramente establecidas y en ese caso, el diagrama est terminado.

ejemplo

ESTRATIFICACION
Es un mtodo consistente en clasificar los datos disponibles por grupos con similares caractersticas. A cada grupo se le denomina estrato. Los estratos a definir lo sern en funcin de la situacin particular de que se trate, pudiendo establecerse estratificaciones atendiendo a: Tiempo. Personal. Entorno. Materiales. Localizacin geogrfica. Maquinaria y equipo. Otros. reas de gestin.

Sntesis

DIAGRAMA DE DISPERSION
Un diagrama de dispersin es una representacin grfica de la relacin entre dos variables, muy utilizada en las fases de Comprobacin de teoras e identificacin de causas raz y en el Diseo de soluciones y mantenimiento de los resultados obtenidos.

 Tres conceptos especialmente destacables son: El descubrimiento de las verdaderas relaciones de causa-efecto es la clave de la resolucin eficaz de un problema Las relaciones de causa-efecto casi siempre muestran variaciones Es ms fcil ver la relacin en un diagrama de dispersin que en una simple tabla de nmeros.

Cmo interpretar un diagrama de dispersin:

El anlisis de un diagrama de dispersin consta de un proceso de cuatro pasos:
Se elabora una teora razonable se obtienen los pares de valores y se dibuja el diagrama se identifica la pauta de correlacin se estudian las posibles explicaciones.

Cmo elaborar un diagrama de dispersin:

1. Obtener tabla de pares de valores con valores mximos y mnimos de cada variable. 2. Situar la causa sospechada en el eje horizontal. 3. Dibujar y rotular los ejes horizontales y verticales. 4. Trazar el rea emparejada usando crculos concntricos en pares de datos idnticos. 5. Poner ttulo al grfico y rotular. 6. Identificar y clasificar el modelo de correlacin. 7. Comprobar los posibles fallos en el anlisis.

Ejemplo
Supongamos que tenemos un grupo de personas adultas de sexo masculino. Para cada persona se mide la altura en metros (Variable X) y el peso en kilogramos (Variable Y). Es decir, para cada persona tendremos un par de valores X, Y que son la altura y el peso de dicha persona:

Altura(m) 1.94

peso (kg) 95.8 80.5 78.2 77.4 82.6 87.8 67.6 82.5 82.5 65.8 67.3 88.8 93.7 82.9 88.4 69 83.4 89.1 95.2 79.1 61.6 70.6 79.4 78.1 90.6

Altura(m)2 1.66 1.96 1.56 1.55 1.71 1.9 1.65 1.78 1.83 1.98 1.67 1.53 1.96 1.66 1.62 1.89 1.53 1.59 1.55 1.97 1.51 1.59 1.6 1.57 1.61

peso (kg)3 74.9 88.1 65.3 64.5 75.5 91.3 66.6 76.8 80.2 97.6 76 58 95.2 74.5 71.8 91 62.1 69.8 64.6 90 63.8 62.6 67.8 63.3 65

Entonces, para cada persona representamos su altura y su peso con un punto en un grfico: Una vez que representamos a las 50 personas quedar un grfico como el siguiente:

1.82 1.79 1.69 1.8 1.88 1.57 1.81 1.76 1.63 1.59 1.84 1.92 1.84 1.88 1.62 1.86 1.91 1.99 1.76 1.55 1.71 1.75 1.76 2

 Qu nos muestra este grfico? En primer lugar podemos observar que las personas de mayor altura tienen mayor peso, es decir parece haber una correlacin positiva entre altura y peso. Pero un hombre bajito y gordo puede pesar ms que otro alto y flaco. Esto es as porque no hay una correlacin total y absoluta entre las variables altura y peso.

ejercicio
Graficar la relacin entre el contenido de Humedad de hilos de algodn y su estiramiento.
% humedad % estiramiento 58
59 60 61 62

20
35 50 65 70

Practica
Formar equipos de 5 alumnos, investigar las calificaciones de matemticas de tu grupo, semestre pasado; calcular todos los parmetros estadsticos (media, mediana, moda, varianza, desviacin estndar, rango), aplicar las herramientas bsicas (histograma, Pareto, Causa Efecto, Estratificacin (promedios de cada alumno),Dispersin.

 Nombre de la competencia a desarrollar: 1.- Controlar las variables de un proceso mediante herramientas estadsticas bsicas. Nombre de las habilidades o destrezas que se deben adquirir:
1. Detectar anormalidades que puedan estar ocurriendo en el proceso. 2. Verificar el comportamiento del proceso. 3. Calcular parmetros estadsticos. 4. Elaborar diagramas de causa y efecto. 5. Elaborar diagramas de Pareto. 6. Elaborar histogramas. 7. Elaborar diagramas de dispersin. 8. Realizar ajustes en los procesos productivos. 9. Registrar evidencias y desviaciones en el proceso. 10. Proponer alternativas para ajuste del proceso.

Ejercicio

Los siguientes datos se midieron de la empresa Equinox, la cual fabrica fertilizantes, calcular, media, mediana, moda, rango, varianza, desviacin estndar, histograma, diagrama de pareto, para cada uno de los procesos.
Muestra Llenadoras colocador de tapas, sellador tapas colocado en cajas, Tiempo (s) tiempo (s) tiempo (s) tiempo (s)

1 2 3 4 5 6 7 8 9

16 16 15 15 15 14 14 14 14

3 3 2 2 2 2 2 1.5 1.5

2 2 1.5 1.5 1.5 1.5 1.5 1 1

15 15 14 15 12 12 12 13 12

ejemplo
Elaborar un helicptero, dejarlo volar 10 veces y de los tiempos tomados, sacar sus medidas de tendencia central (media, mediana, moda, rango, varianza, desviacin estndar), histograma, diagrama de pareto, diagrama de causa efecto

 Ahora entraremos al rea de procesos productivos, donde elaboraras grficos de control estadstico, y aprenders a controlar los diferentes procesos que existen en las empresas. La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una estrategia ms econmica de prevencin antes y durante del proceso industrial con el fin de lograr que precisamente estos productos lleguen al consumidor sin defectos.

 As las variaciones de calidad producidas antes y durante el proceso pueden ser detectadas y corregidas gracias al empleo masivo de Grficas de Control. Segn este nuevo enfoque, existen dos tipos de variabilidad.
El primer tipo es una variabilidad aleatoria debido a "causas al azar" o tambin conocida como "causas comunes". El segundo tipo de variabilidad, en cambio, representa un cambio real en el proceso atribuible a "causas especiales", las cuales, por lo menos tericamente, pueden ser identificadas y eliminadas.

 Los grficos de control de Shewart son bsicamente de dos tipos; grficos de control por variables y grficos de control por atributos. Para cada uno de los grficos de control, existen dos situaciones diferentes:
a) Cuando no existen valores especificados y b) cuando existen valores especificados.

"Por variables" cuando las medidas pueden adoptar un intervalo contino de valores; ejemplo: la longitud, el peso, la concentracin, etc. "Por atributos" cuando las medidas adoptadas no son continuas; ejemplo: tres tornillos defectuosos cada cien, 3 paradas en un mes en la fbrica, seis personas cada 300, etc.

GRFICAS X y R
Los grficos de control X y R se usan ampliamente para monitorear la media y la variabilidad. El control del promedio del proceso, o nivel de calidad medio, suele hacerse con la grfica de control para medias, o grfica X.

 La variabilidad de proceso puede monitorizar con una grfica de control para el rango, llamada grfica R. Generalmente, se llevan grficas X y R separadas para cada caracterstica de la calidad de inters. Las grficas X y R se encuentran entre las tcnicas estadsticas de monitoreo y control de procesos en lnea ms importantes y tiles.

 Los pasos para crear las grficas se irn detallando paso a paso con un ejemplo de contenido de plomo en agua. PASO 1 Toma de muestras
Peridicamente se toma una pequea muestra (por ejemplo, de cinco unidades) del proceso, y se calcular el promedio (X) y el rango (R) de cada una. Debe recolectarse un total de al menos 50 medias individuales (esto es, diez muestras de cinco cada una) antes de calcular los lmites de control. stos se establecen a +/- 3 para los promedios y rangos mustrales. Los valores de X y R se grafican por separado contra sus lmites a +/3 .

 Se ha obtenido una grfica del contenido de plomo en partes por billn de 5 muestras de agua registradas diariamente por un periodo de 5 das, que se muestra a continuacin:
Da 1 2 3 4 5 1 13 8 2 5 8 2 0 6 1 9 15 3 4 2 4 3 4 4 3 15 8 3 5 5 5 10 5 4 0 6 9 5 13 7 7 7 0 4 4 3 9 8 9 3 0 6 0 9 14 0 0 5 3 10 3 9 5 0 2 11 5 8 0 7 8 12 3 2 2 7 4 13 5 11 14 8 3 14 13 5 5 12 7 15 7 0 1 0 6

Estos datos servirn para el desarrollo de las grficas X y R. stos debern ser introducidos en una hoja de Excel como se muestra en el cuadro.
Da 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 13 0 4 3 5 9 0 9 14 3 5 3 5 13 7 2 8 6 2 15 10 5 4 3 0 9 8 2 11 5 0 3 2 1 4 8 5 13 4 0 0 5 0 2 14 5 1 4 5 9 3 3 4 7 3 6 5 0 7 7 8 12 0 5 8 15 4 5 0 7 9 0 3 2 8 4 3 7 6 Xi 7.2 6.2 3.4 6.8 4.8 8.2 4 3.6 4.4 3.8 5.6 3.6 8.2 8.4 2.8 5.4 P.M 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 5.4 R. 11 15 2 12 10 8 9 9 14 9 8 5 11 8 7 9.2 P.R 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2 9.2

PASO 4 Calcule los limites de Control Son calculados para mostrar la extensin de la variacin de cada subgrupo, los lmites superior e inferior nos ayudan a deducir si nuestro grfico se encuentra dentro o fuera de control.

Utilizando las formulas siguientes para X y R. Los coeficientes A2, D4, D3, etc. Son mostrados ya por la tabla

Ejercicio 1
Elabora las grficas de control estadsticos de las medias y los rangos (X y R). Datos obtenidos del tiempo de transporte en 1 2 3 4 5 minutos. semanas 55 75 65 80 80 1
2 3 4 5 6 7 8 9 10 90 100 70 55 75 120 65 70 100 95 75 110 65 85 110 65 85 80 60 75 65 95 65 65 90 60 65 60 65 60 70 65 85 90 65 60 55 65 60 70 65 70 60 75 80

Interpretacin de las Grficas

Se colocan las grficas X y R una encima de la otra de manera que el promedio y el rango para cualquier subgrupo se encuentren en la misma lnea vertical. Observe si alguna de ellas o ambas indican una falta de control para ese subgrupo.

 Las X fuera de los lmites de control son sea de un cambio general que afecta a todas las piezas posteriores al primer subgrupo fuera de los lmites.
El registro que se guarda durante la recoleccin de datos, la operacin del proceso y la experiencia del trabajador deben estudiarse para descubrir la variable que pudo haber causado que saliera de los lmites de control.

 Las R fuera de los lmites de control indican que la uniformidad de proceso ha cambiado. Las causas comunes son un cambio en el personal, un aumento en la variabilidad del material o desgaste excesivo en la maquinaria del proceso. Una sola R fuera de control puede ser causada por un cambio en el proceso ocurrido mientras se tomaba la muestra del subgrupo.

Capacidad del proceso Cp

Es la forma en que se compara la variabilidad inherente de un proceso con las especificaciones o requerimientos del producto. Evidentemente, la variabilidad del proceso es una medida de la uniformidad de la salida. Hay 2 formas de conceptualizar esta variabilidad:
1. La variabilidad natural o inherente en un tiempo especificado; es decir, la variabilidad instantnea. 2. La variabilidad con el tiempo

 El anlisis de capacidad del proceso se define como el estudio de ingeniera para estimar la capacidad del proceso. De manera alternativa, la capacidad del proceso puede expresarse como un porcentaje fuera de las especificaciones. Sin embargo, las especificaciones son necesarias para realizar el anlisis de capacidad del proceso.

 Una razn importante para cuantificar la capacidad del proceso es poder calcular la capacidad del proceso de mantener las tolerancias del producto. Para procesos que se encuentran un estado de control estadstico, una comparacin de la variacin entre 6 y los lmites de tolerancia permite un clculo rpido de porcentaje de unidades defectuosas, mediante la teora estadstica. Quienes planean intentan seleccionar procesos que tengan 6 de la habilidad del proceso dentro de la amplitud de tolerancia.

 Una medida de esta relacin es la tasa de capacidad:

Donde
LES= Lmite de especificacin superior LEI = Lmite de especificacin inferior

 Un proceso que cumple bien con los lmites de especificacin (rango de especificacin = +3 ) tiene un Cp de 1.0. Lo crtico de muchas aplicaciones y la realidad de que el promedio del proceso no permanecer en el punto medio del rango de especificacin sugiere que Cp debe ser al menos 1.33.

 Tabla de los ndices del estudio de la capacidad del proceso:

ndice de capacidad Cpk

La capacidad del proceso, segn se mide con Cp, se refiere a la variacin en un proceso alrededor del valor promedio. As, el ndice Cp mide la capacidad potencial, suponiendo que el promedio del proceso es igual al punto medio de los lmites de especificacin y que el proceso est operando bajo control estadstico; como con frecuencia el promedio no se encuentra en el punto medio, es til tener un ndice de habilidad que refleje ambas variaciones y la localizacin del promedio del proceso. Tal ndice es Cpk.

 El ndice Cpk refleja la proximidad de la media actual del proceso al lmite de especificacin superior (LES) o bien, al lmite de especificacin inferior (LEI). Cpk se estima mediante:

Si el promedio actual es igual al punto medio del rango de especificacin, entonces Cpk = Cp. Entre ms alto sea el valor de Cpk, ms baja ser la cantidad de producto que est fuera de los lmites de especificacin.

 Si el promedio actual es igual al punto medio del rango de especificacin, entonces

Cpk = Cp

Entre ms alto sea el valor de Cpk, ms baja ser la cantidad de producto que est fuera de los lmites de especificacin.

Tipos de estudios de capacidad del proceso:

1. Estudio del potencial del proceso (Cp). En este estudio se obtiene una estimacin de lo que puede hacer un proceso bajo ciertas condiciones, es decir, la variabilidad en condiciones definidas a corto plazo para un proceso en estado de control estadstico. El ndice Cp estima la capacidad del proceso.

2. Estudio del desempeo del proceso (Cpk). En este estudio, una estimacin de la habilidad del proceso proporciona un panorama de lo que el proceso est haciendo durante un periodo largo. Tambin se supone un estado de control estadstico. El ndice Cpk estima la capacidad real del proceso.

Capacidad de Proceso
Un proceso de fabricacin es un conjunto de equipos, materiales, personas y mtodos de trabajo que genera un producto fabricado.

 Para cuantificar la Capacidad de Proceso se utilizan coeficientes que permiten comparar el rango de especificaciones con la fluctuacin natural del proceso. Uno de ellos es Cp: donde:
LSE es el Lmite Superior de Especificacin y LIE es el Lmite Inferior de Especificacin

Si el proceso tiene capacidad para fabricar el producto, entonces Cp > 1. En general se exige Cp > 1.30 para mayor seguridad.

 Este coeficiente tiene el inconveniente de que para poder aplicarlo el centro de gravedad del rango de especificaciones debe coincidir con la tendencia central de las mediciones del proceso. Cuando esto no ocurre se emplea el Cpk:

Donde

 Calcular la capacidad potencial (Cp) y la capacidad real (Cpk) de un proceso. Cuyos datos obtenidos fueron los siguientes:

Ejercicio
Determinar la capacidad potencial del proceso y la capacidad real del proceso de acuerdo a lo siguiente: