Control Esta Dis Tico Proceso S

Control Estadstico de
Procesos
2 de 116
Temas a tratar
Introduccin a los Grficos de
Control.
Conceptos Generales.
Variacin controlada vs no
controlada.
Objetivos y usos del Control
Estadstico de Procesos
Componentes de los Grficos de
Control.
Tipos de Grficos de Control.
Anlisis de Grficos de Control.
Grficos de Variables
I;Mr, Xbar;R
Grficos de Atributo
Grficos P, nP, C, U
Pre-Control.
Ejercicios en clase.
Ejemplos.
Resumen.
Bibliografa.
3 de 116
Introduccin a los Grficos de Control
Su objetivo es hacer hablar al proceso y ayudar a identificar
oportunidades para reducciones de variabilidad.
Ayuda a identificar causas especiales de variacin y a tomar
acciones para evitar re-ocurrencia del problema y reducir, as,
desperdicios, reprocesos y rechequeos.
Se usa para monitorear la variabilidad natural del proceso y para
verificar el xito de un cambio de proceso.
Ayuda a identificar cules son las causas principales de la
variabilidad.
4 de 116
Conceptos Generales del CEP
El principal objetivo es el de detectar rpidamente la presencia de
causas especiales a fin de poder investigar y tomar las acciones
correctivas.
Los Grficos de Control es una tcnica de control de procesos en
lnea, que se utiliza ampliamente con este propsito.
Se pueden utilizar tambin con el fin de estimar los parmetros
del proceso de produccin y a partir de esa informacin
determinar la capacidad del proceso.
El Grfico de Control es tambin una herramienta efectiva para
lograr el objetivo de la reduccin de la variabilidad del proceso.
5 de 116
25 20 15 10 5 0
75
70
65
Sample Number
S
a
m
p
l
e

M
e
a
n
X-Bar Chart for Process A
X =70.91
UCL=77.20
LCL=64.62
25 20 15 10 5 0
80
70
60
50
Sample Number
S
a
m
p
l
e

M
e
a
n
X-Bar Chart for Process B
X =70.98
UCL=77.27
LCL=64.70
La Variacin No Controlada es afectada
por Causas Especiales y es la que
cambia a travs del tiempo. El proceso
muestra Variacin No Controlada.
La Variacin Controlada es afectada
por Causas Comunes y se caracteriza
por un patrn consistente y estable
de variacin a travs del tiempo.
Variacin Controlada y No Controlada
Todo proceso muestra Variacin; algunos procesos muestran
variacin controlada, y otros muestran variacin no controlada
(Walter Shewhart)
Causas Especiales
6 de 116
Variacin de Causa Comn
(1)
Definicin
La variacin de causa Comn son entradas de proceso y
condiciones que contribuyen a la variacin regular de todos los
das en un proceso.
Causas Comunes son parte del proceso.
Contribuyen a la variacin de las salidas por que ellas
mismas varan.
Cada causa Comn contribuye una pequea parte de la
variacin total.
Mirando el proceso a travs del tiempo, podemos saber
cuanta variacin esperar de causas Comunes.
El proceso es estable, o predecible, cuando toda la variacin
se debe a causas Comunes.
7 de 116
Variacin de Causa Comn (2)
Ejemplos de variacin de causa Comn al conducir el auto para ir
al trabajo.
La variacin de causa Comn es una parte normal del proceso.
Puede generar la variacin que esperamos encontrar. El tiempo
que toma manejar al trabajo, por ejemplo, depende de:
Que los semforos estn en verde o rojo.
Cantidad de trfico.
Peatones cruzando la calle.
8 de 116
Variacin de Causa Asignable
(1)
Definicin
Causas Asignables o Especiales son factores que no estn
siempre presentes en el proceso, pero aparecen por alguna
circunstancia especfica.
Causas Asignables no estn siempre presentes.
Pueden llegar e irse espordicamente; pueden ser
temporales o termino ms largo.
Una causa Asignable, es algo especial o especfico que tiene
un efecto pronunciado en el proceso.
No podemos predecir cuando una causa Especial ocurrir o
como afectar al proceso.
El proceso es inestable, o impredecible, cuando las causas
asignables contribuyen a la variacin.
9 de 116
(2)
Comnmente son resultado de un cambio en el proceso.
Frecuentemente ocasionan cambios en la variacin superiores a
lo que normalmente se espera.
Ejemplos de variacin de causa Asignable al conducir el auto
para ir al trabajo.
Algunas Causas Asignables que pueden resultar en cambios
o nuevas tendencias en el tiempo de conduccin son:
Verse obligado a tomar un desvo por varios das.
Llevar a los nios a clases de natacin camino al trabajo.
10 de 116
(3)
Algunas causas Asignables que pueden resultar en puntos
espordicos superiores o inferiores en el tiempo de
conduccin son:
Un accidente.
Un desvo de un da.
Una cubierta pinchada.
Trafico liviano por que hay un gran numero de gente con
el da libre.
11 de 116
Pruebas para identificar Causas Especiales
(1)
Uno o ms puntos fuera de los
lmites de Control indica que algo
es diferente en esos puntos.

6 puntos continuamente
creciendo o decreciendo, o ms,
indican una tendencia.
(Empiece contando en el punto
en que cambia la direccin)

M
E
A
S
U
R
E
M
E
N
T

12 de 116
(2)
8 puntos seguidos, o ms, a un
mismo lado de la lnea central
indican cambios en el proceso.

14 puntos continuos alternando
arriba y abajo indica sesgo o
problemas de muestreo.
13 de 116
Minitab
hace
todo esto!!
Test 1 One point beyond zone A
A
B
C
C
B
A
1
Test 2 Nine points in a row on
same side of center line
A
B
C
C
B
A
2
A
B
C
C
B
A
3
Test 3 Six points in a row, all
increasing or decreasing
Test 5 Two out of three points in a
row in zone A (one side of center
line)
A
B
C
C
B
A
5
5
Test 6 Four out of five points in
zone B or beyond (one side of
center line)
A
B
C
C
B
A
6
6
A
B
C
C
B
A
4
Test 4 Fourteen points in a
row, alternating up and down
Test 7 Fifteen points in a row in
zone C (both sides of center line)
A
B
C
C
B
A
7
Test 8 Eight points in a row
beyond zone C (both sides of
center line)
A
B
C
C
B
A
8
(3)
14 de 116
Componentes de un grfico
Un Grfico de Control es la representacin grfica de una
caracterstica de calidad medida o calculada a partir de una
muestra, como funcin del nmero de muestra o tiempo.
Limites de control
superior (LES) e
inferior (LEI)
Se eligen estos lmites de manera que si el proceso est bajo
control, casi la totalidad de los puntos se encontrar entre ellos.
Lnea central
(Promedio)
Puntos que
representan la
caracterstica de
calidad medida
15 de 116
Inestable
(Fuera
de control)
Estable
(En control)
Entre lmites
de Especificacin
Fuera de lmites
de especificacin
Upper Spec
Lower Spec
Upper Spec
Lower Spec
UCL
LCL
UCL
LCL
Upper Spec
Lower Spec
Upper Spec
Lower Spec
UCL
LCL
UCL
LCL
Lmites de Control y de Especificacin
16 de 116
Tipos de Grficos de Control
Grficos de Control de variables.
Si la caracterstica de calidad es posible de ser medida y
expresada numricamente, se le llama variable.
En este caso conviene describir la caracterstica de calidad
mediante una medida de tendencia central y una de
variabilidad.
Grficos de Control de atributos.
Muchas caractersticas de calidad no se miden en una escala
cuantitativa.
En estos casos cada unidad del producto puede ser
clasificada como conforme o disconforme segn posea o no
ciertos atributos.
Tambin se puede contar el nmero de disconformidades
que aparecen en una unidad de producto.
17 de 116
Variable
o
Atributo?
Atributo
# Defectos
o %
defectuosos
?
% Defectuoso
# Defectos
Tamao
de lote
constante?
Tamao
de lote
constante?
C U
Si No
NP NP
Si No
i &
mr
xbar & r
Existen
subgrupos?
Variable
Si No
Tipos de Grficos de Control - Seleccin
DMAIC - Fase I -
Grficos para Variables:
I & mR, Xbar & R
19 de 116
Grficos de Control para Variables
(1)
Muchas caractersticas de calidad se pueden expresar en
trminos de una medida numrica. Una caracterstica de este tipo
se llama variable.
Los Grficos de control para Variables o datos Continuos, son
ampliamente usados.
Suelen permitir el uso de procedimientos de control ms
eficientes y proporcionan ms informacin respecto al
rendimiento del proceso que los diagramas de control de
atributos.
Cuando se trata de una variable, es una prctica estndar
controlar el valor medio y su variabilidad.
20 de 116
(2)
Comprenden dos tipos de grficos, que se complementan entre
si.
Grfico del dato puntual.
Grfico de la variacin.
No se debe controlar ninguno en forma individual.
Por facilidad, no se toma el dato puntual del desvo estndar, sino
aproximaciones a este dato.
21 de 116
(3)
Existen 4 Tipos de Grficos de Control de Variables:
Datos sin Subgrupos Definidos
I & mR
Z & mR
Datos con subgrupos
Xbar & R
Xbar & S
Un subgrupo es una coleccin pequea de mediciones que usted
cree son similares.
22 de 116
Grficos I;mR - Individuales (1)
Ayudan a comprender los datos variables cuando el tamao del
subgrupo es uno.
Una herramienta extremadamente simple para que utilicen los
operadores.
Situacin Apropiada de Uso:
Cuando slo existe la oportunidad de tomar una muestra.
Cuando la variacin dentro de un subgrupo natural es de
poca preocupacin (la variacin Dentro es mucho menor
que la variacin Entre)
Cuando los datos siguen una distribucin normal
23 de 116
9
Promedio
Proceso
Limite
Superior
Control
Limite
Inferior
Control
Nmero de la muestra
Regin de variacin no aleatoria
Regin de variacin no aleatoria
Regin de variacin aleatoria
y
y
24 de 116
X: una medicin individual
X: el promedio de una medicin individual
mR: diferencia absoluta entre mediciones
mR: el promedio de los rangos mviles
d2: constante predefinida usada en tcnicas de Grficos de
Control (ver tabla en apndice N 1)
* 3 - x LCL
x CL
* 3 x UCL
x
x
x
: I Grficos
=
=
+ =

2 = n para 1.128 d
Donde
d
mR * 3
- x LCL
x CL
d
mR * 3
x UCL
2
2
x
x
2
x
: I Grficos
=
|
|
.
|
\
|
=
=
|
|
.
|
\
|
+ =

25 de 116
Grficos I;mR - Rango mvil
mR: diferencia absoluta entre mediciones.
mR: el promedio de los rangos mviles.
* 3 mR UCL
mR CL
* 3 mR UCL : mR
R
R
R
: mR Grficos
=
=
+ =

mR CL
mR * 3.268 UCL : mR
R
R
: mR Grficos
=
=

26 de 116

Grficos I;mR - Individuales - Ejercicio
Use los datos de tiempos Promedio para elaborar y analizar un grfico I
mR.
Columna 28 Ejercicios Medir
46 41 36 31 26 21 16 11 6 1
42
41
40
39
38
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=40,000
UCL=42,259
LCL=37,741
46 41 36 31 26 21 16 11 6 1
3
2
1
0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=0,849
UCL=2,775
LCL=0
I-MR Chart of Promedio
27 de 116
Grficos I;mR - Ejemplo (1)
Una compaa que vende equipo mdico necesita decidir como
asignar recursos para el prximo ao.
El ao anterior, las ventas en el departamento de repuestos
crecieron de $43 millones a $52 millones, mostrando as casi un
25% de crecimiento en un solo ao. Parece que despus de
unos aos de austeridad, las ventas finalmente han despegado.
La gerencia de la compaa quiere saber si debera asignarle
ms recursos al rea de repuestos para el ao entrante.
En qu sentido ayudara un grfico de Individuales en este
caso?
Qu datos recolectara y con que frecuencia?
Qu espera aprender de la recoleccin de los datos y el
grfico de Individuales?
28 de 116
En que sentido ayudara un grfico de Individuales en este
caso?
Un grfico de Individuales podra mostrar si el incremento en
las ventas es el resultado de una tendencia al alza, o
simplemente una causas asignable especfica.
Los lmites de control mostraran el rango de ventas que se
espera en el corto plazo si no se hacen ms cambios en el
proceso de ventas.
29 de 116
Grficos I;mR - Ejemplo
(3)
Qu datos recolectara?
Podra recolectar datos sobre las ventas mensuales en
dlares durante los ltimos dos aos. Esto dara 24 datos y
podra indicar si las ventas fueron afectadas por causas
especiales o si toda la variacin se ha dado por causas
comunes.
R
0
2
4
6
8
10
12
J
a
n
u
a
r
y

F
e
b
r
u
a
r
y

M
a
r
c
h

A
p
r
i
l

M
a
y

J
u
n
e

J
u
l
y

A
u
g
u
s
t

S
e
p
t
e
m
b
e
r

O
c
t
o
b
e
r

N
o
v
e
m
b
e
r

D
e
c
e
m
b
e
r

J
a
n
u
a
r
y

F
e
b
r
u
a
r
y

M
a
r
c
h

A
p
r
i
l

M
a
y

J
u
n
e

J
u
l
y

A
u
g
u
s
t

S
e
p
t
e
m
b
e
r

O
c
t
o
b
e
r

N
o
v
e
m
b
e
r

D
e
c
e
m
b
e
r

Mes
Individuals Chart of Ventas de Repuestos
ltimos 2 aos
V
e
n
t
a
s

(
m
i
l
l
o
n
e
s
)

UCL = 7.10
LCL = 0.85
X = 3.98
30 de 116
Que se aprendi?
El grfico de la diapositiva anterior muestra las ventas por
cada mes.
El lmite de control superior es $7,1 millones.
El lmite de control inferior es $0,85 millones.
Cualquier punto fuera de los lmites de control
probablemente se deba a una causa Asignable.
31 de 116
El grfico completo de Individuales muestra que no se debera
asignar ms recursos al departamento de repuestos.
Las ventas en septiembre y octubre de este ao seguramente
fueron afectadas por causas Asignables.
Excepto para septiembre de este ao, las ventas se han
mantenido estables.
Encontrar por que septiembre y octubre fueron diferentes.
Si es poco probable que las ventas de septiembre y octubre
se este ao se repitan, los pronsticos para el prximo ao
no deberan incluir los datos de esos meses.
El nuevo rango para las ventas debe estar entre $1,7 y
$5,4 millones.
El promedio de ventas estar al rededor de $3,5
millones.
32 de 116
0
2
4
6
8
10
12
J
a
n
u
a
r
y

F
e
b
r
u
a
r
y

M
a
r
c
h

A
p
r
i
l

M
a
y

J
u
n
e

J
u
l
y

A
u
g
u
s
t

S
e
p
t
e
m
b
e
r

O
c
t
o
b
e
r

N
o
v
e
m
b
e
r

D
e
c
e
m
b
e
r

J
a
n
u
a
r
y

F
e
b
r
u
a
r
y

M
a
r
c
h

A
p
r
i
l

M
a
y

J
u
n
e

J
u
l
y

A
u
g
u
s
t

S
e
p
t
e
m
b
e
r

O
c
t
o
b
e
r

N
o
v
e
m
b
e
r

D
e
c
e
m
b
e
r

Mes
Individuals Chart of VEntas de Respuestos
Ultimos 2 aos

(Special causes omitted from calculations)
V
e
n
t
a
s

(
m
i
l
l
o
n
e
s
)

New LCL = 1.73
New UCL = 5.42
New X = 3.52
(Orig UCL = 7.10)
(Orig LCL = 0.85)
33 de 116
Grficos I;mR - omitiendo Causas Asignables (1)
Los lmites de control deben ser calculados con base en la
variacin de causa Comn para maximizar la probabilidad de
detectar causas Asignables.
Omite las causas Asignables de los clculos de los lmites de
control y el promedio cuando:
Se pueda identificar la causa.
No es probable que ocurran otra vez. Esto quiere decir que
muchos lmites de control son calculados dos veces.
Una vez con un conjunto completo de los datos originales,
para detectar la(s) causa(s) Asignable(s).
Una vez las causas Asignables han sido omitidas (de tal
forma que los lmites representen solo la variacin de causa
Comn).
34 de 116
Grficos I;mR - omitiendo Causas Asignables
(2)
De igual forma se recomienda graficar los puntos de causa
asignables en el grfico, pero marcando o especificando aquellos
que se omiten de los clculos.
Nota: Si tiene pocos datos (menos de 40), omitir las causas
Asignables de los clculos de los lmites de control puede cambiar
drsticamente la ubicacin de los lmites; cuantos ms puntos
tenga, menos cambio se ver al omitir las causas Asignables.
35 de 116
Grficos I;mR - Ejercicio 1
(1)
El director de Recursos Humanos estaba revisando sus gastos en entrenamiento
para los pasados dos aos. Basndose en los ltimos 12 meses, su presupuesto
supona un costo promedio de $98.000 por mes, pero los gastos del mes anterior
fueron $105.000. Quera saber que fue diferente el mes pasado y le pregunt, y
pide a su equipo, encontrar la razn para as evitar que esto se repitiera en el
futuro.

a. Son los datos del mes anterior un resultado de causas comunes o asignables?
Por qu?
b. Tom el director de Recursos Humanos el tipo de accin correcto?
c. Cul debera esperar que fueran sus costos mensuales en entrenamiento?
85000
90000
95000
100000
105000
110000
G
a
s
t
o

(
$
$
)

J
a
n

F
e
b

M
a
r

A
p
r

M
a
y

J
u
n

J
u
l

A
u
g

S
e
p

O
c
t

N
o
v

D
e
c

J
a
n

F
e
b

M
a
r

A
p
r

M
a
y

J
u
n

J
u
l

A
u
g

S
e
p

N
o
v

D
e
c

Mes
Individuals Chart of Gastos de Entrenamiento
Ultimos 2 aos
Ave = 97700
UCL = 107400
LCL = 88000
36 de 116
Grficos I;mR - Ejercicio 1 (2)
a. La variacin se debe a causas comunes. Todos los puntos de
control estn dentro de los lmites y no hay ninguna de las otras
causas que indiquen causa especial.
b. La directora no tom ninguna accin apropiada. Pedir a su equipo
que investigara la razn de la variacin de causa asignable fue una
accin que desperdici el tiempo de la gente. Las causas de
variacin para el ltimo punto no es diferente a las causas en los
toros puntos.
c. El promedio de gasto en cada mes en entrenamiento es al rededor
de $98.000. De todas formas, es normal que algunos meses
individuales varen en cualquier punto entre $88.000 y $107.000.
Si es importante para esta compaa disminuir los costos promedio,
o reducir la variacin, el director necesita tomar acciones para
reducir la variacin de causa comn y as mejorar el proceso.
37 de 116
Una lnea de empaque viene promediando 4 horas de tiempos perdidos por
semana desde marzo 8 hasta agosto 23. Como muchos de los problemas
estaban relacionado a cadas en los circuitos de energa, los tcnicos
suponen que el protector de la fuente de energa no est funcionando
correctamente. Lo remplazaron el 23 de agosto y continuaron la
recoleccin de datos por 8 semanas ms*

a. Ayud el nuevo equipo de proteccin?
b. Si es as, en que semana encontraron su primera seas? Hay ms
seales de cambios en el proceso?
0
1
2
3
4
5
6
7
T
i
e
m
p
o
s

P
e
r
d
i
d
o
s

(
H
o
r
a
s
)

8
-
M
a
r

2
2
-
M
a
r

5
-
A
p
r

1
9
-
A
p
r

3
-
M
a
y

1
7
-
M
a
y

3
1
-
M
a
y

1
4
-
J
u
n

2
8
-
J
u
n

1
2
-
J
u
l

2
6
-
J
u
l

9
-
A
u
g

2
3
-
A
u
g

6
-
S
e
p

2
0
-
S
e
p

4
-
O
c
t

1
8
-
O
c
t

Date
Individuals Chart of Tiempos Caidos
(Marzo Octubre)
UCL = 6.1
Ave = 4.2
LCL = 2.2
Reemplazo de equipo p.s.
38 de 116
a. Si, el equipo nuevo ha sido de gran ayuda. El Grfico de control
muestra una disminucin en el nmero de horas de tiempos
cados.
b. La primera seal es la semana del 6 de septiembre cuando el
valor de los datos cae por debajo del lmite inferior de control. El
dato para el 30 de agosto es menor que es resto de los valores,
pero sigue dentro de los lmites de control. Tambin se
encuentran 8 puntos por debajo de la lnea central para el 18 de
octubre. Esto tambin seala un cambio en el proceso, pero el
punto inicial por fuera es una seal ms efectiva en este caso.
39 de 116
Un proveedor de bienes de consumo lleva un control de las ordenes que
entran va Correo Electrnico. Quiere usar estos datos para ayudar el
presupuesto del prximo ao. Si el proceso es estable, los gerentes podrn
estimar en promedio cuantas ordenes se recibirn cada da. Primero deben
averiguar si existen indicios de causas especiales en el proceso.

a. Indican los datos presencia de causas asignables, o es la variacin el
resultado de causas comunes? Por qu?
b. Cul es el promedio de ordenes que deberan esperar cada da?
c. Cul es el mximo nmero de ordenes que deberan esperar recibir cada
da?
0
100
200
300
400
#

o
r
d
e
r
s

3
0
-
J
a
n

3
1
-
J
a
n

1
-
F
e
b

2
-
F
e
b

3
-
F
e
b

4
-
F
e
b

5
-
F
e
b

6
-
F
e
b

7
-
F
e
b

8
-
F
e
b

9
-
F
e
b

1
0
-
F
e
b

1
1
-
F
e
b

1
2
-
F
e
b

1
3
-
F
e
b

1
4
-
F
e
b

1
5
-
F
e
b

1
6
-
F
e
b

1
7
-
F
e
b

1
8
-
F
e
b

1
9
-
F
e
b

2
0
-
F
e
b

2
1
-
F
e
b

2
2
-
F
e
b

Individuals Chart of
Orders Received via EDI
Jan 30-Feb 22
UCL = 369.1
X = 208.7
LCL = 48.3
40 de 116
a. La variacin se debe a causas comunes. Todos los puntos estn
entre los lmites de control y ninguno de las otras pruebas
indican causa asignable.
b. El promedio de ordenes recibidas por da es 209. Mientras el
proceso se mantenga estable, la compaa puede usar este
nmero en todos sus presupuestos.
c. Es normal que las rdenes varen aproximadamente entre 48 y
370 cada da. Deberan esperar recibir un mximo de 370 y un
mnimo de 48 rdenes va correo electrnico cada da.
41 de 116
Un equipo para produccin de tarjetas plsticas (tarjetas de crdito, tarjetas de
seguros mdicos, marcas para equipaje, etc.) usa agua de un arroyo cercano
para enfriar el equipo usado en el proceso de calentamiento. Les es permitido
reciclar el agua de nuevo al arroyo mientras esta no supere 50 mg en impurezas.
Un tcnico monitorea la cantidad de impurezas en una muestra tomada cada da.

a. Acaso los datos indican la presencia de causas asignables o es la variacin
resultado de causas comunes?
b. SI hay causas especiales, qu muestra los evidencia primero?
c. Qu acciones recomendara?
Individuals Chart of Impurezas
5/1 6/23
0
10
20
30
40
50
I
m
p
u
r
e
z
a
s

(
m
i
l
i
g
r
a
m
o
s
)

1 3 5 7 9 11 13 15 17 19 21 23 25
Muestra #
UCL = 39.8
X = 19.8
L CL = none
42 de 116
a. Los ltimos 8 puntos indican una causa asignable. La muestra
26 tambin es encuentra por fuera de los lmites de control.
b. La regla de 6 puntos o ms creciendo o decreciendo seala un
problema de causa asignable en la muestra 24. Tom 2
muestras adicionales para ver un punto fuera de los lmites de
control.
c. Una accin apropiada sera suspender inmediatamente la
descarga de agua mientras la impurezas se mantengan altas.
Despus atacar al causa asignable: Ver que ha cambiado en el
proceso que es diferente y encontrar una solucin de largo
plazo.
Esta es una situacin en la que el punto por fuera del lmite de
control no fue la sea rpida de una causa asignable.
No hay un lmite de control inferior en esta carta por que estara
por debajo de 0 mg y no es posible tener datos por debajo de 0
mg.
43 de 116
Grficos I;mR - Cundo recalcular los lmites
(1)
Se deben calcular nuevos lmites de control cuando
Se sabe que hubo un cambio en el proceso, basndose en
Evidencia estadstica, tal como 8 puntos por encima o por
debajo de la lnea de centro
Se ha determinado por que ocurri el cambio (basndose en
el conocimiento del proceso)
Confa en que el proceso se mantendr modificado
El cambio no fue temporal
El cambio se a convertido en una parte estndar del proceso.
Calcule nuevos lmites de control cuando tiene suficientes datos
para ver un cambio. Defina los nuevos lmites como temporales
hasta que obtenga al menos 24 datos nuevos.
44 de 116
(2)
Debi la aerolnea recalcular los lmites de control cuando
detectaron un incremento en el equipaje perdido en el momento
en que contrataron un nuevo empleado para organizar el
equipaje?
0
2
5
8
10
12
#

f
a
l
t
a
n
t
e
s

7
-
F
e
b

9
-
F
e
b

1
1
-
F
e
b

1
3
-
F
e
b

1
5
-
F
e
b

1
7
-
F
e
b

1
9
-
F
e
b

2
1
-
F
e
b

2
3
-
F
e
b

2
5
-
F
e
b

2
7
-
F
e
b

1
-
M
a
r

3
-
M
a
r

5
-
M
a
r

7
-
M
a
r

9
-
M
a
r

1
1
-
M
a
r

1
3
-
M
a
r

Fecha
Individuals Chart of Equipaje Perdido
En vuelos a Springfield
7 Feb13 Mar
Tormenta Nieve
UCL = 9.5
Average = 3.2
LCL= none
Contratacin
en 2/11
45 de 116
(3)
Respuesta
Se sabe que hubo un cambio en el proceso alrededor de Feb 11,
gracias a evidencia estadstica (8 puntos por encima de la lnea
de centro) y a conocimiento del proceso (un nuevo empleado
encargado de manejar el equipaje).
Se esperaba que el cambio fuera temporal y no que se convirtiera
en parte estndar del proceso.
En lugar de recalcular lo lmites de control, tomaron acciones
para evitar que la causa especial ocurriera.
46 de 116
(4)
Con los lmites de control existentes, una clnica cambi a un
nuevo laboratorio para probar las muestras de sangre.
20
30
40
50
60
T
i
e
m
p
o

d
e

C
i
c
l
o

(
h
r
s
)

2
5
4

2
5
5

2
5
6

2
5
7

2
5
8

2
5
9

2
6
0

2
6
1

2
6
2

2
6
3

2
6
4

2
6
5

2
6
6

2
6
7

2
6
8

2
6
9

2
7
0

2
7
1

2
7
2

2
7
3

2
7
4

2
7
5

2
7
6

2
7
7

2
7
8

2
7
9

2
8
0

2
8
1

2
8
2

2
8
3

2
8
4

Individuals Chart for Tiempo de Ciclo de la Muestras de Sangre
May 16 May 27
Muestra #
UCL = 56.3
Average = 42.3
LCL = 28.3 Cambio
labs
47 de 116
(5)
Hay evidencia de cambio en el proceso.
10 puntos continuos debajo del promedio.
El conocimiento del proceso explica que origin este cambio.
Hay buenos indicios que nos llevan a pensar que el cambio se ha
vuelto regular y se mantendr.
48 de 116
(6)
Los nuevos lmites de control temporales se basan slo en los
datos despus de cambiar los laboratorios (muestras 275-284).
(Mientras 24 muestras sean recolectadas, los lmites deben ser
considerados temporales)
20
30
40
50
60
C
y
c
l
e

T
i
m
e

(
h
r
s
)

2
5
4

2
5
5

2
5
6

2
5
7

2
5
8

2
5
9

2
6
0

2
6
1

2
6
2

2
6
3

2
6
4

2
6
5

2
6
6

2
6
7

2
6
8

2
6
9

2
7
0

2
7
1

2
7
2

2
7
3

2
7
4

2
7
5

2
7
6

2
7
7

2
7
8

2
7
9

2
8
0

2
8
1

2
8
2

2
8
3

2
8
4

Individuals Chart for Tiempo de Ciclo de la Muestras de Sangre
May 16 May 27
Sample #
Temp UCL = 45.8
Temp Avg = 35.8
Temp LCL = 25.8
UCL = 61.2
LCL = 29.6
X = 45.4
Switched
labs
49 de 116
Decida si se deben o no cambiar lo lmites de control.
T
i
e
m
p
o
s

C
a
i
d
o
s

0
1
2
3
4
5
6
7
(
h
o
r
a
s
)

8
-
M
a
r

2
2
-
M
a
r

5
-
A
p
r

1
9
-
A
p
r

3
-
M
a
y

1
7
-
M
a
y

3
1
-
M
a
y

1
4
-
J
u
n

2
8
-
J
u
n

1
2
-
J
u
l

2
6
-
J
u
l

9
-
A
u
g

2
3
-
A
u
g

6
-
S
e
p

2
0
-
S
e
p

4
-
O
c
t

1
8
-
O
c
t

Fecha
Individuals Chart of Tiempos Cados
(Marzo Octubre)
UCL = 6.1
Ave = 4.2
LCL = 2.2
Cambio en el equipo p.s.
50 de 116
S. La compaa sabe que caus el cambio y pueden estar
seguros que el cambio es relativamente permanente. Es
apropiado calcular nuevos lmites (sern considerados como
temporales mientras se tienen al menos 24 puntos con el nuevo
equipo).
0
1
2
3
4
5
6
7
T
i
e
m
p
o

C
a
d
o

(
h
o
r
a
s
)

8
-
M
a
r

2
2
-
M
a
r

5
-
A
p
r

1
9
-
A
p
r

3
-
M
a
y

1
7
-
M
a
y

3
1
-
M
a
y

1
4
-
J
u
n

2
8
-
J
u
n

1
2
-
J
u
l

2
6
-
J
u
l

9
-
A
u
g

2
3
-
A
u
g

6
-
S
e
p

2
0
-
S
e
p

4
-
O
c
t

1
8
-
O
c
t

Date
Individuals Chart of Tiempos Cados
(Marzo Octubre)
Temp Ave = 2.0
Temp LCL = 0
Reemplazo del Equipo
Temp UCL = 4.5
51 de 116
Grficos de Control en Minitab
Stat > Control Charts > Variable Charts.
Columnas 110 a 112 Ejercicios Medir
52 de 116
Grficos de Control en Minitab - I;mR (1)
Stat > Control Charts > I;mR
Son realmente estos los limites del proceso?
31 28 25 22 19 16 13 10 7 4 1
6
5
4
3
2
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=3,741
UCL=5,791
LC L=1,690
31 28 25 22 19 16 13 10 7 4 1
2,4
1,8
1,2
0,6
0,0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=0,771
UCL=2,519
LC L=0
5
1
6
5
6
6
6
I-MR Chart of Tiempo de parada
53 de 116
54 de 116
31 28 25 22 19 16 13 10 7 4 1
6
5
4
3
2
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=4,172
UCL=6,145
LC L=2,199
31 28 25 22 19 16 13 10 7 4 1
2,4
1,8
1,2
0,6
0,0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=0,742
UCL=2,423
LC L=0
5
1
5
1
5
1
I-MR Chart of Tiempo de parada
55 de 116
Grficos de Control en Minitab - I;mR (3
)
Mostrando ambos casos: antes y despus.
56 de 116
Mostrando el Cambio
31 28 25 22 19 16 13 10 7 4 1
6,0
4,5
3,0
1,5
0,0
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=2,2
UCL=4,062
LC L=0,338
Antes Despus
31 28 25 22 19 16 13 10 7 4 1
2,4
1,8
1,2
0,6
0,0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=0,7
UCL=2,287
LC L=0
Antes Despus
I-MR Chart of Tiempo de parada by Mantenimiento
57 de 116
Agregando datos:
58 de 116
Agregando fechas:
Oct-4 Sep-13 Ago-23 Ago-2 Jul-12 Jun-21 May -31 May -10 Abr-19 Mar-29 Mar-8
6,0
4,5
3,0
1,5
0,0
Fecha_2
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=2,2
UCL=4,062
LC L=0,338
Antes Despus
Oct-4 Sep-13 Ago-23 Ago-2 Jul-12 Jun-21 May -31 May -10 Abr-19 Mar-29 Mar-8
2,4
1,8
1,2
0,6
0,0
Fecha_2
M
o
v
i
n
g

R
a
n
g
e
__
MR=0,7
UCL=2,287
LC L=0
Antes Despus
I-MR Chart of Tiempo de parada by Mantenimiento
59 de 116
Deberan calcularse nuevos lmites de control?
Individuals Chart of Impurezas
5/1 6/23
0
10
20
30
40
50
I
m
p
u
r
e
z
a
s

(
m
i
l
i
g
r
a
m
o
s
)

1 3 5 7 9 11 13 15 17 19 21 23 25
Muestra #
UCL = 39.8
X = 19.8
L CL = none
60 de 116
No. La compaa debera encontrar la causa del incremento en
las impurezas en el agua y corregir el problema. Deberan
continuar monitoreando los datos con los lmites originales para
verificar que realmente se ha solucionado el problema.
61 de 116
Grficos Xbar;R
til para medir la variacin en el promedio de las muestras y el
rango de variacin dentro de ellas.
Introduce el concepto de Subgrupos.
Situacin Apropiada de Uso:
Cuando existe la oportunidad de tomar ms de una muestra
(subgrupos).
Sirve para analizar y comparar la variacin Dentro de las
muestras y la variacion Entre ellas.
Un subgrupo es una coleccin pequea de mediciones que
usted cree son similares.
62 de 116
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1.232
1.234
1.236
1.238
1.240
1.242
1.244
1.246
1.248
UCL
LCL
o
Grficos Xbar;R - concepto de subgrupo
El concepto de subgrupo es uno de los elementos ms
importantes de la metodologa de Grficos de Control.
El principio consiste en organizar (clasificar, estratificar, agrupar,
etc.) los datos del proceso en un forma tal que asegure la mayor
similitud entre los datos de cada subgrupo, y la mayor diferencia
entre los datos de los subgrupos diferentes.
La intencin de la subagrupacin racional es incluir slo causas
comunes de variacin dentro de los subgrupos, y que todas las
causas especiales de variacin ocurran entre subgrupos distintos.
63 de 116
Grficos Xbar;R - muestreo de subgrupos
Crculos slidos
representan el
promedio del
subgrupo

10
XXXXXX XXXXXX XXXXXX XXX
. . .
9:00
Subgrupos
9:00a.m. 10:00 11:00 12:00 1:00
Proceso
Datos
9:30 10:00 :30
64 de 116
Grficos Xbar;R - corto plazo vs. largo plazo.

Datos a corto plazo tienen mayor probabilidad de reflejar slo
variacin de causas comunes en un proceso; datos a largo plazo
son ms influenciados por causas especiales.
Idealmente, de debe de incluir variacin corto plazo (causas
comunes) en los subgrupos, ya que los lmites de control son
clculos con esa variacin.
Datos Corto Plazo
Datos Largo
plazo
-
Tiempo
Y
Distribuciones
Datos Largo
Plazo
Datos
Corto Plazo
65 de 116
Grficos Xbar;R - seleccin optima del subgrupo
Para minimizar la probabilidad de causas especiales dentro de
los subgrupos:
Mantenga el tamao del subgrupo pequeo (normalmente 5 o
menos datos)
Use datos adyacentes en los subgrupos; hacerlo secuencial.
Datos o elementos hechos o procesados secuenciales en
tiempo, tiene mayor probabilidad de obtener variacin por
causas comunes.
Son estas situaciones en su proceso donde el muestreo por
subgrupos tiene sentido?
66 de 116
Grficos Xbar;R - procesos administrativos de alto volumen
(1)

El muestreo por Subgrupos es poco utilizado en procesos
administrativos; slo se utiliza en casos donde el volumen es alto.
En Manufactura, es fcil de definir subgrupos racionales,
normalmente relacionados con el tiempo. (elementos procesados
cercanos en el tiempo puede estn influenciados por condiciones
similares de proceso.
En situaciones administrativas, el tiempo no es un buen factor
para seleccionar subgrupos, debido a que en un corto plazo, los
datos son originados por diferentes circunstancias (legibilidad en
la escritura, complejidad de los requerimientos, actitud del
personal, etc.)
67 de 116
Grficos Xbar;R - procesos administrativos de alto volumen
(2)

Es mejor utilizar muestreos sistemticos, como tomar muestras
cada 10 unidades (llamadas, pagos, aplicaciones) y utilizar los
datos para construir Grficos I;mR.
Los grficos Individuales (I;mR) son fciles de interpretar y
explicar a otros.
Cambios en la variabilidad del proceso (basado en
subgrupos) son mas importantes cuando las muestras en un
subgrupo estn relacionas con el tiempo.
Si usted decide usar subgrupos y construir un grfico Xbar;R,
asegrese tener una razn para la necesidad de agrupamiento
(usualmente relacionada con el tiempo)
68 de 116
Grficos Xbar;R (1)
Tener variacin dentro de un
subgrupo produce:
Promedio del Subgrupo (X)
Rango dentro del subgrupo
(R)
Tener variacin entre subgrupos
produce:
Promedio de los promedios
de los subgrupos (X)
denotado por X
1
2
3
sum
R
1
12.80
13.80
11.80
38.40
12.8
2.0
3
12.40
11.40
11.45
35.25
11.75
1.0
4
12.60
10.60
10.40
33.60
11.2
2.2
6
9.40
11.10
11.60
32.10
10.7
2.2
7
10.80
12.80
10.90
34.50
11.5
2.0
22
10.40
9.40
10.20
30.00
10.0
1.0
2
13.50
11.40
13.20
38.10
2.1
12.7
11.00
9.60
11.80
32.40
10.8
2.2
5
X
D
a
t
o
s

Datos de los Subgrupos
Promedio de los
subgrupos esta
Rango dentro
del subgrupo, R
Promedio de los promedios

De los subgrupos es denotado
Por X-doble-bar, X
11.2
69 de 116
Grficos Xbar;R (2)
8
10
12
14
UCL =13.1
LCL = 9.3
X = 11.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
X,R
Puntos de datos = Xs
Lnea central = promedio de las Xs
0
2
4
6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
UCL = 5.9
R = 2.6
Puntos de datos =
Rango de los subgrupos
Lnea central = promedio de

Los rangos de los subgrupos
Grfico de los promedios de los subgrupos (Xs);
Grfico de los rangos de los subgrupos (Abajo)
70 de 116
Grficos Xbar;R (3)
Grfico de Medias o Promedios:
El grfico de Medias muestra los cambios en el valor promedio
del proceso.
Pregunta: Es la variacin entre los promedios de los
subgrupos ms que la variacin dentro de los subgrupos?
Si el grfico de Medias est en control, la variacin entre es
menor que la variacin dentro.
Si el grfico de Medias no est en control, la variacin entre es
mayor que la variacin dentro.
71 de 116
Grficos Xbar;R (4)
X: una medicin individual.
n: el nmero de mediciones dentro de un subgrupo.
X: el promedio del subgrupo de n muestras.
X: el promedio de los promedios (promedio de x-barras).
R: el rango es la diferencia los valores ms alto y ms bajo de un
subgrupo de n muestras.
R: el promedio de los rangos (promedio de rangos).
A2, d2, D4: (ver tabla).
n de depende A :
R A - x LCL
x CL
R A x UCL
2
2 xbarra
xbarra
2 xbarra
: Xbarra Grficos
Donde
=
=
+ =

o
o
* 3 - x LCL
x CL
* 3 x UCL
xbarra
xbarra
xbarra
: Xbarra Grficos
=
=
+ =

72 de 116
Grficos Xbar;R (5)
Grficos Rangos:
El grfico R muestra el cambio en la dispersin dentro del
subgrupo del proceso.
Pregunta: Es consistente la variacin en la medicin dentro de
los subgrupos?
Las mediciones dentro de un subgrupo son consistentes cuando
el grfico R est en control.
El grfico R debe estar en control para poder dibujar el grfico de
Medias.
73 de 116
Grficos Xbar;R (6)
X: una medicin individual
n: el nmero de mediciones dentro de un subgrupo
X: el promedio del subgrupo de n muestras
X: el promedio de los promedios (promedio de x-barras)
R: el rango es la diferencia los valores ms alto y ms bajo de un
subgrupo de n muestras
R: el promedio de los rangos (promedio de rangos)
A2,d2,D4: (ver tabla)

o
o
* 3 R LCL
R CL
* 3 R CL U
R
R
R
: R Cuadros
+ =
=
+ =

n de dependen D , D :
R D LCL
R CL
R D CL U
4 3
3 R
R
4 R
: R Cuadros
Donde
=
=
=

74 de 116
Tiempo de Atencin de Clientes
Cliente 1 Cliente2 Cliente3 Cliente4 Cliente5
21.06 20.82 20.20 20.70 20.01
20.20 19.80 19.80 20.20 18.80
20.80 19.80 18.90 20.10 20.70
21.50 20.88 20.61 21.40 21.75
19.91 20.10 20.47 20.44 19.57
20.40 19.90 19.50 19.80 20.20
20.58 20.12 19.42 19.64 20.94
20.62 20.38 20.20 20.04 19.43
20.20 20.55 20.10 19.90 19.30
19.80 20.00 20.30 20.70 20.90
20.30 20.46 20.75 20.62 20.20
19.23 20.37 21.08 20.56 20.25
19.23 20.40 21.12 19.70 20.54
19.90 20.12 20.47 20.60 19.10
20.06 20.90 21.19 20.15 20.70
20.23 20.37 20.89 19.49 19.33
19.92 20.25 20.42 19.21 18.97
20.42 20.60 20.86 19.40 20.17
21.45 20.62 20.85 20.87 18.14
20.80 20.30 20.50 19.90 20.10
Columnas 151 a 155 Ejercicio Medir
Grficos Xbar;R - Ejercicio 1 (1)
Considere la siguiente tabla
sobre tiempos de atencin de
clientes en un centro de
atencin.
Se recopil informacin cada
hora de cinco clientes escogidos
al azar.
Realice los clculos, construya
los grficos de Rangos.
Analice los resultados.
75 de 116
Sample
S
a
m
p
l
e

M
e
a
n
20 18 16 14 12 10 8 6 4 2
21.0
20.5
20.0
19.5
_
_
X=20.235
UCL=21.042
LCL=19.428
Sample
S
a
m
p
l
e

R
a
n
g
e
20 18 16 14 12 10 8 6 4 2
3
2
1
0
_
R=1.400
UCL=2.960
LCL=0
1
1
Xbar-R Chart of Cliente 1, ..., Cliente 5
Grficos Xbar;R - Ejercicio 1 (2)
Cada dato en el
grfico de Medias
representa el
promedio del
subgrupo.
Cada dato del
grfico de Rangos
representa el
rango dentro del
subgrupo.
DMAIC - Fase I -
Control Estadstico de Procesos
Grficos para Atributos:
p, np, c y u
77 de 116
Grficos de Control para Atributos
(1)
Muchas caractersticas de calidad no se pueden representar en
forma conveniente por nmeros. En estos casos, cada artculo o
producto inspeccionado suele clasificarse como conforme o
disconforme. Las caractersticas de calidad de este tipo se llaman
atributos.
Existen cuatro Grficos de Control para Atributos:
Proporcin de unidades no satisfactorias: grficos p
Nmero de unidades no satisfactorias: grficos np
Nmero de disconformidades o defectos observados: grficos
c
Disconformidades por unidad: grficos u
78 de 116
X = promedio
R = Rango
p = proporcin
c = conteo
E xponentially
W eighted
M oving A verage
Tipo de Grfico Tipo de Datos
Grfico I;mR
Continuos o Discretos
Grfico p - np Discretos - atributos
Grfico c - u Discretos - conteo
Grfico X;R
Continuos
Grfico EWMA Continuos
Grficos de Control para Atributos
(2)
79 de 116
Tipo de datos
Atributos -
Defectos
Conteo - No
conformidades
Tamao de
muestra
Constante p c
Variable np u
80 de 116
Tipo de datos - Ejercicio 1 (1)
Objetivo: Verificar comprensin del tipo de datos.
Tiempo: 10
Instrucciones: Hgalo de manera individual
1. De 3 ejemplos de cada tipo de datos
Continuos
Discretos - Atributos
Discretos - Conteo
2. Qu guas le ayudan a distinguir entre datos continuos y
discretos?
3. Qu guas le ayudan a distinguir entre datos discretos -
Atributos y discretos - conteo?
81 de 116
Pregunta 1
Algunas posibles respuestas:

Pregunta 2
Datos continuos son medidos, usualmente en una escala
continua, as como el tiempo, velocidad, humedad,
temperatura.
Datos discretos son contados en una escala de enteros, ej,
tems con una caracterstica (atributo) o nmero de
ocurrencias.
Continuos Discretos-Atributos Discretos-Conteo
Tiempo Ciclo
Costo
Volumen
Entregas Tardes
Satisfaccin Cliente
Partes Defectivas
Quejas
Errores
Accidentes
82 de 116
Datos Continuos. Si la caracterstica de calidad es posible de ser
medida y expresada numricamente, se le llama Variable
Continua. En este se describe la caracterstica de calidad
mediante una medida de tendencia central y una de variabilidad.

Datos Atributos: Cada unidad del producto puede ser clasificada
como conforme o disconforme segn posea o no ciertos atributos.
Tambin se puede contar el nmero de disconformidades que
aparecen en una unidad de producto.
3,1415 2,71 1,42
1 2 3 4 5
83 de 116
Pregunta 3
Discretos-Atributos Discretos-Conteo
Cuando se esta interesado en
Contar tems con un atributo
(Ex: ordenes entregadas tarde)

Tambien se puede contar items
sin el atributo
(Ex: ordenes entregadas
no-tarde = a tiempo)

Se puede determinar la
proporcin de tems con el
atributo (Ex: % entregas tarde)
Cuando se esta interesado en contar
Ocurrencias para una oportunidad
dada (Ej: reclamos por semana)

No se puede contar una
No-ocurrencia (Ej: imposible de
contar los no-reclamos)

No hay una limitante fisica para
El numero de ocurrencias (no hay
limite para el numero de reclamos
posibles; esto es llamado tambin
como conteo al infinito)
84 de 116
1
2
3

24
Da
100
100
100

100
Unidades
Muestreadas/Da
(n)
20
30
10

20
# Unidades
Defectuosas
(np)
.20
.30
.10

.20
Proporcin de
Unidades Defectuosas
(p)
Tamao de
muestras es igual
Grfico np se grafica
con esta columna
Grfico p se grafica
con esta columna
Grficos para Defectos - muestra constante
Situacin 1: Tamao de muestra constante.
85 de 116
1
2
3

24
Da
200
100
300

100
Unidades
Muestreadas/Da
(n)
20
30
10

20
# Unidades
Defectuosas
(np)
.10
.30
.03

.20
Proporcin de
Unidades Defectuosas
(p)
Grficos para Defectos - muestra no constante
Situacin 1: Tamao de muestra no constante.
Tamao de muestras
No es igual
No es apropiado comparar
o graficar estos nmeros
p se grafica con estos
datos: lmites cambian
dependiendo de n
86 de 116
Grficos para Conteo - muestra constante
Situacin 1: Igual de oportunidades
Grfico c muestra estos datos
1
2
3

24
15
4
3

5
Semana
(c)
# Errores por 100
Unidades Muestreadas
Cada Semana
Puede haber ms de un
error en cada unidad, y
no se puede contar el
numero de no errores
(esto son datos
discetos-conteo)
87 de 116
1
2
3

24
Semana
104
21
18

25
Unidades
Procesadas/semana
15
4
3

5
#
Errores
.14
.19
.17

.20
# Errores
Por unidad
Grficos para Conteo - muestra no constante
Situacin 2: No igualdad en oportunidades. Cada unidad es
inspeccionada para buscar errores, y muchas de las unidades
son procesadas la primera semana de cada mes. El rea de
oportunidad no es la misma cada semana.
(u) (a) (c)
Grfico u
muestra
esta
columna;(u)
= (c/a) los
lmites
cambian
dependiend
o de (a)
No es apropiado comparar o graficar
estos nmeros (c) debido a que las
oportunidades no son iguales
(a) = rea de
oportunidad, no es
igual debido a que
estamos
examinando cada
una de las
unidades
procesadas, las
cuales cambian de
semana en semana
88 de 116
Ejercicio 1
(1)
Grfico
Predecir la Ocu-
pacin del hotel
Monitorear la
Seguridad de
Planta
Predecir
Rendimiento
Del proceso
A) Porcentaje de Ocupacin
B) Nmero de cuartos
ocupados
A) Nmero de
accidentes graves
A) Porcentaje
De buen producto
B) Nmero de buenos
Productos por 100
Unidades muestreadas
Diaria
Diaria
Mensual
Mensual
Semanal
Semanal
Situacin Datos Recolectados Frecuencia
1.
2.
3.
B) Nmero de accidentes
Graves cada 1000 horas
trabajadas
90 de 116
i
p
p
i
p
n
) p (1 p
3 p LCL
p CL
n
) p (1 p
3 p UCL
: P Grfico
=
=
+ =

Suma de los defectos
Total de unidades
p =

Grficos P y nP
(1)
Grficos P
Grficos simples utilizados para dar seguimiento al nmero de
unidades no satisfactorias (porcentaje de partes defectuosas)
asumiendo que el tamao de la muestra NO es necesariamente
constante.
o
o
* 3 p LCL
p CL
* 3 p UCL
p
p
p
: P Grfico
=
=
+ =

91 de 116
) p (1 p n 3 p n LCL
p n CL
) p (1 p n 3 p n UCL
p
p
p
: nP Grfico
=
=
+ =

Grficos P y nP
(2)
Grficos nP
Grficos simples utilizados para dar seguimiento al nmero de
unidades no satisfactorias asumiendo que el tamao de la
muestra es constante.
o
o
* 3 p n LCL
p n CL
* 3 p n UCL
p
p
p
: nP Grfico
=
=
+ =

Suma de los defectos
Total de unidades
p =
92 de 116
Grfica P y nP: Ejemplo
Problema: La oficina recibe diariamente tems de oficina.
ltimamente, el personal de recepcin pasa el 50% del tiempo
verificando tems con errores. Podemos utilizar SPC para
analizar el problema?

La variable de respuesta: fraccin de tems fallados
Establecer un subgrupo racional: debido a que los tems se
reciben diariamente, el subgrupo racional es de un da.
Seleccionar el cuadro de control apropiado. Un tem = una
unidad. La variable de respuesta que nos interesa es numero de
tems fallados y no el numero de problemas de un tem La
grfica a utilizarse es un P o nP . Para este ejemplo
escogeremos el cuadro P.
93 de 116
Ejemplo Grfica P Utilizando Minitab
STAT> CONTROL CHARTS > Atributtes> P
12 11 10 9 8 7 6 5 4 3 2 1
0,12
0,11
0,10
0,09
0,08
0,07
Sample
P
r
o
p
o
r
t
io
n_
P=0,09916
UCL=0,10885
LCL=0,08948
1 1
1
1
1
1
P Chart of Items fallados
Tests performed with unequal sample sizes
Columnas 5 y 6 Ejercicio Medir
94 de 116
CUIDADO! No todos los porcentajes deben ser
graficados con una grfico p
Dado que p quiere decir proporcin o porcentaje, algunas
personas asumen erradamente que cualquier proporcin o
porcentaje debe ser graficado en un grfico p.

Sin embargo, un grfico p es usado solo para datos de
atributos donde tanto el numerados como el denominador
se pueden contar.
Para proporciones que provienen de datos continuos tanto
en el numerador como en el denominador, use grficos de
individuales.
95 de 116
CUIDADO! No todos los porcentajes deben ser
graficados con una grfico p
Ejemplos de Datos Porcentuales Grfico Apropiado
% Tiempo que es computador se cae
% Producto que es desperdicio ( (donde
Tanto el producto como el desperdicio
Es pesado o medido: e.g., tons de acero,
Metros de papel)
Porcentaje de contabilidad tal como
% eficiencia, % ganancia, % productividad,
etc. (donde las proporciones son basadas
En dlares, tiempo, etc.)
Individuales
Individuales
Individuales
96 de 116
De nuestro ejemplo:
12 11 10 9 8 7 6 5 4 3 2 1
0,14
0,12
0,10
0,08
0,06
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=0,09895
UCL=0,13136
LCL=0,06654
12 11 10 9 8 7 6 5 4 3 2 1
0,04
0,03
0,02
0,01
0,00
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=0,01219
UCL=0,03982
LCL=0
I-MR Chart of proporcion
12 11 10 9 8 7 6 5 4 3 2 1
0,12
0,11
0,10
0,09
0,08
0,07
Sample
P
r
o
p
o
r
t
i
o
n_
P=0,09916
UCL=0,10885
LCL=0,08948
1 1
1
1
1
1
P Chart of Items fallados
Tests performed with unequal sample sizes
97 de 116
Grficas C : Simples grficas utilizadas para dar seguimiento al
nmero de defectos por unidad producida (no el % defectuoso)
asumiendo que el tamao de la muestra es constante.
muestras de total k
k) / ( c
muestra la en defectos de # c
:
c 3 c LCL
c CL
c 3 c UCL
c
c
c
: C Cuadro
=
=
=
=
=
+ =

Donde
Grficas C y U
muestras de total k
k) / ( c
muestra la en defectos de # c
:
* 3 c LCL
c CL
* 3 c UCL
c
c
c
: C Cuadro
=
=
=
=
=
+ =

Donde
o
o
98 de 116
Grficas U: Simples grficas utilizadas para dar seguimiento al
nmero de defectos por unidad producida (no el % defectuoso)
asumiendo que el tamao de la muestra No es necesariamente
constante.
muestras las todas de ai las de Sumatoria A
) A / ( u
muestra cada en datos de numero ai
a
u
3 u LCL
u CL
a
u
3 u UCL
i
u
u
i
u
: U Cuadro
=
=
=
=
=
+ =

Donde
Grficas C y U
muestras las todas de ai las de Sumatoria A
) A / ( u
* 3 u LCL
u CL
* 3 u UCL
u
u
u
: U Cuadro
=
=
=
=
+ =

Donde
o
o
99 de 116
Ejercicio 9
Una empresa de equipos mdicos que se enfoca en proveer a grandes
hospitales descubre que el nmero de revisiones por contrato tuvo un
impacto significativo en el costo de la produccin. Dado esto revisaron los
ltimos 80 contratos y determinaron el nmero de veces que cada
contrato fue revisado.
Contract Revisions
1 4
2 2
3 1
. .
80 3
1. Cul es el nmero promedio de revisiones por contrato?
2. Cul es el rango de variacin natural en el nmero de revisiones
por contrato?
3. Existe alguna seal de causa especial?
4. Qu acciones recomienda tomar?
5. Cmo usara este Grfico en el futuro?
100 de 116
Ejercicio 9: Respuesta
0 10 20 30 40 50 60 70 80
0
5
10
Sample Number
S
a
m
p
l
e

C
o
u
n
t

C Chart for Revision
1 1 1
2
C=3.938
3.0SL=9.890
-3.0SL=0.000
Limite inferior
0
101 de 116
a. Promedio = 3.9 revisiones por contrato.
b. Se pueden esperar entre 0 y 9 revisiones por contrato.
c. Nueve puntos continuos por encima de la lnea de centro;
tres de ellos por encima de los lmites de control.
d. Acciones: Encuentre que fue diferente de los contratos
procesados (37-45) o ese espacio de tiempo. Como las
figuras altas son indeseables, encuentre como prevenir las
causas especiales de reaparecer.
e. Futuro: Espere de 0 a 9 revisiones por contrato. Contine
graficando los datos para confirmar que el proceso se
mantenga estable o para verificar los efectos del cambio en
los procesos realizado para reducir las revisiones.
102 de 116
Ejercicio 10
Un productor de bienes muestrea las embarcos recibidos cada da y
cuenta el nmero de defectos.
Date Defectos Embarcos inspeccionados
1/10 3 10
1/11 9 10
1/12 5 5
. . .
2/3 8 12
a. Cual es promedio de defectos por embarco?
b. Que representan los lmites de control?
c. Existen Causas Especiales?
d. Que acciones recomienda?
e. Como usara este grfico en el futuro?
103 de 116
1
Subgroup
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
0
1
2
3
S
a
m
p
l
e

C
o
u
n
t

Fecha
U Chart for Defectos
U=1.063
3.0SL=1.956
-3.0SL=0.1702
Puntos
Fuera de
limites
Los lmites se
apartan
cuando n es
ms pequea,
y se acercan
cuando n es
grande.
104 de 116
a. Promedio = 1.1 defectos por embarco
b. Puede esperar entre 0.2 y 2.0 defectos por embarco, dependiendo
de cuantos embarcos sean inspeccionados.
c. Causas Asignables = Hay dos puntos debajo de LCI.
d. Acciones: Investigue por que estos puntos son diferentes. Dado
que nmeros bajos son buenos, encuentre como preserva las
acciones que llevaron a pocos defectos.
e. Futuro: Contine actualizando la grafica de tal forma que se pueda
verificar si las acciones tomadas en respuesta a las causas
especiales disminuyen el nmero de defectos general.

Ejercicios
106 de 116
Ejercicio 1
Complete la columna de la Derecha.

Que se est midiendo? Grfico Apropiado
Tiempo de Ciclo de Orden a entrega
Gastos Mensuales
Nivel de Azucar en el Paciente
Tiempo de Ensamble
Tasa de ausentismo de empleados
Razn de productividad
Numero de timbres antes de contestar el telfono
Razn de desperdicio
Numero de Devoluciones
Das de inventario
Ventas en dlares
Ventas (unidades)
Pureza del agua muestreada 4 veces al da
Numero de caidas de maquinaria (semanal)
Utilizacin por lnea (porcentaje)
107 de 116
Ejercicio 2
El rea de compras ha estado monitoreando el nivel de errores
detectados en muestras de 100 ordenes de compras emitidas en el
mes.
Columna 32 Ejercicio Medir
108 de 116
Ejercicio 3
El rea de compras ha estado monitoreando el nivel de errores
detectados en muestras de las ordenes de compras emitidas en el
mes.
Columna 31 y 32 Ejercicio Medir
109 de 116
Resumen
La eleccin del tipo de grfico debe hacerse de acuerdo al tipo de
datos, de proceso, de muestreo, etc...
Los lmites de control se calculan a partir de una serie temporal
de la medicin.
Los lmites de control no necesitan ser recalculados cada vez que
se colecta un dato.
La variacin debido a causas especiales es normalmente la mas
fcil de reducir
Los lmites de control son una medicin de qu es o ha sido el
proceso. Basado en esta foto del presente o del pasado del
proceso, los lmites de control identifican el grado de variacin
que existe, de tal forma que no reaccionemos a variaciones
naturales del proceso.

110 de 116
Resumen : Mtodo de Anlisis
Paso 1: Seleccione las variable de respuesta apropiada que va
a graficar.
Paso 2: Establezca un subgrupo racional (frecuencia) y un
tamao de muestra apropiado.
Paso 3: Seleccione el Grfico de control apropiado que va a
usar.
Paso 4: Implemente un sistema de recoleccin de datos.
Paso 5: Calcular las lneas centrales y los limites de control
Paso 6: Grafique los datos
Paso 7: Verifique para condiciones FDC (ver condiciones fuera
de control) :
Paso 8: Interprete los hallazgos, investigue para causas
especiales de variacin y haga recomendaciones.
111 de 116
El MiniTab te
hace todo esto!!
Test 1 One point beyond zone A
A
B
C
C
B
A
1
Test 2 Nine points in a row on
same side of center line
A
B
C
C
B
A
2
A
B
C
C
B
A
3
Test 3 Six points in a row, all
increasing or decreasing
Test 5 Two out of three points in a
row in zone A (one side of center
line)
A
B
C
C
B
A
5
5
Test 6 Four out of five points in
zone B or beyond (one side of
center line)
A
B
C
C
B
A
6
6
A
B
C
C
B
A
4
Test 4 Fourteen points in a
row, alternating up and down
Test 7 Fifteen points in a row in
zone C (both sides of center line)
A
B
C
C
B
A
7
Test 8 Eight points in a row
beyond zone C (both sides of
center line)
A
B
C
C
B
A
8
Los test de fuera de control

Control Esta Dis Tico Proceso S

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Control Esta Dis Tico Proceso S

Uploaded by

Copyright:

Available Formats

Control Estadstico de

You might also like