You are on page 1of 6

www.monografias.

com

Grficos de Control de Shewhart


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. eg!n este nuevo enfoque, e"isten dos tipos de varia#ilidad. $l primer tipo es una varia#ilidad aleatoria de#ido a %causas al azar% o tam#i&n conocida como %causas comunes%. $l segundo tipo de varia#ilidad, en cam#io, representa un cam#io real en el proceso atri#ui#le a %causas especiales%, las cuales, por lo menos tericamente, pueden ser identificadas y eliminadas. Los grficos de control ayudan en la deteccin de modelos no naturales de variacin en los datos que resultan de procesos repetitivos y dan criterios para detectar una falta de control estadstico. 'n proceso se encuentra #a(o control estadstico cuando la varia#ilidad se de#e slo a %causas comunes%. Los grficos de control de )ewart son #sicamente de dos tipos* grficos de control por varia#les y grficos de control por atri#utos. +ara cada uno de los grficos de control, e"isten dos situaciones diferentes* a, cuando no e"isten valores especificados y #, cuando e"isten valores especificados. e denominan %por varia#les% cuando las medidas pueden adoptar un intervalo continuo de valores* por e(emplo, la longitud, el peso, la concentracin, etc. e denomina %por atri#utos% cuando las medidas adoptadas no son continuas* e(emplo, tres tornillos defectuosos cada cien, - paradas en un mes en la f#rica, seis personas cada -.., etc. Antes de utilizar las Grficas de Control por varia#les, de#e tenerse en consideracin lo siguiente/ a.0 $l proceso de#e ser esta#le #.0 Los datos del proceso de#en o#edecer a una distri#ucin normal c.0 $l n!mero de datos a considerar de#e ser de apro"imadamente 1. a 12 su#grupos con un tama3o de muestras de 4 a 2, para que las muestras consideradas sean representativas de la po#lacin. d.0 Los datos de#en ser clasificados teniendo en cuenta que, la dispersin de#e ser mnima dentro de cada su#grupo y m"ima entre su#grupos e.0 e de#en disponer de ta#las estadsticas Las etapas que de#en tomarse en cuenta para me(orar el proceso estn esquematizadas en la siguiente figura/

El siguiente ejemplo ensea cmo utilizar estas grficas Grficas de Control 5 y 6, por varia#les 7sin valores especificados, $n la siguiente ta#la se muestran los pesos de los so#res de un determinado alimento. Cada media )ora se realizan 4 mediciones por muestra, sumando un total de 1. muestras. Los lmites de tolerancia son .,2-8. 7L 9, y .,42:. 7L;9, Con esto se pretende evaluar el comportamiento del proceso y )acer un control del mismo respecto a su localizacin y dispersin, con el o#(eto que el proceso cumpla con las especificaciones preesta#lecidas.

+rimero de#emos calcular las medias tanto de la media de cada muestra 75 do#le raya, como la de su amplitud o recorrido 76,

+ara ello utilizamos las siguientes frmulas/ donde 5 7do#le raya, < .,4=>. y 6 7raya, < .,.114 +ara construir los Grficos de Control por varia#les, se tiene que tener en cuenta que al determinar si un proceso est #a(o ?control estadstico@, siempre se de#e analizar primero la grfica 6. Como los lmites de control en la grfica 5 7raya,dependen de la amplitud promedio, podran )a#er causas especiales en la grfica 6 que produzcan comportamientos anmalos en la grfica 5 7raya,, a!n cuando el centrado del proceso est& #a(o control. Para el grfico R, se tiene ue! Lmite Central 7LC, < 6 7raya,< .,.114 Lmite uperior de Control 7L C,

donde L C < .,.2AA, el valor de B se consigue en una ta#la estadstica 7para este caso es 1,1:1 con un tama3o de grupo n < 4,. Lmite ;nferior de Control 7L;C,

donde L;C < ., porque para todo proceso en que se considera un n C >, el L;C no se indica en la grfica. $l grfico 6 es el siguiente/

Como se puede apreciar, el grfico 6 no presenta variaciones fuera del lmite superior,por lo tanto la dispersin de los datos es acepta#le para calcular el grfico 5 7raya,. +ara el grfico 5 7raya,, se tiene que/ Lmite Central 7LC, < 5 7do#le raya,< .,4=>.

Lmite uperior de Control 7L C, donde L C < .,2A--, el valor de A1 se consigue en una ta#la estadstica 7para este casoel valor es .,>1= con un tama3o n <4,. Lmite ;nferior de Control 7L;C, donde L;C < .,4:.> $l grfico 5 7raya,es el siguiente/

Como se puede apreciar un punto queda fuera del rango calculado, por lo tanto el proceso se encuentra fuera de control estadstico. $n este caso, )a#ra que investigar y eliminar la causa asigna#le, que podra )a#erse de#ido al uso de alg!n material defectuoso o una mala lectura del instrumento. $ste dato de#e eliminarse de la grfica y recalcular todo de nuevo pero sin considerar el su#grupo :. Dota.0 $sto no siempre es as, si los puntos fuera de control son de tal magnitud, entonces no queda ms remedio que una vez encontrada y eliminadas las causas en la prctica, )a#ra que repetir el proceso, recogiendo nuevos datos. Bespu&s de la correccin, los resultados son/ Grfico 6 corregido 6 7raya, < LC < .,.1-A L C < .,.21> y L;C < . Grfico 5 7raya, corregido 5 7do#le raya, < LC < .,4=>= L C < .,2A4> y L;C < .,4:AA

Los grficos son los siguientes/

Como se puede apreciar en am#os grficos, a)ora el proceso se encuentra en %control estadstico%. Clculo de la Capacidad del +roceso La capacidad del proceso slo puede ser evaluada en el caso de que el proceso se encuentre #a(o control estadstico. y se puede definir como aquellos lmites dentro de los cuales la !nica fuente de variacin son las causas comunes o aleatorias del sistema. +or lo tanto, es un estado ideal para el #uen funcionamiento de todo el sistema lograr que todos sus procesos sean esta#les. ;C+ < Cp < ;ndice de Capacidad del +roceso

donde L 9 es el lmite superior de tolerancia y L;9 el lmite inferior de tolerancia. es la desviacin estndar estimada, y es igual a/

igma som#rero

$l valor de la constante d1 se o#tiene a partir de ta#las estadsticas. $n este caso d1 < 1,.2= para n < 4. igma som#rero < .,.AA1 y Cp < A,A2= eg!n el convenio, un proceso/ $s capaz si Cp E < A Do es capaz si Cp C A +or lo tanto, el +6FC$ F $ CA+AG Lo que se de#e conseguir para lograr una me(ora sustancial es que el Cp sea mayor que A,--. Algunos autores se3alan incluso que un Cp E A,2 es ms fia#le para dar ?seguridad@ acerca de la esta#ilidad del proceso. in em#argo, antes de cualquier me(ora de#emos primero calcular el centramiento del proceso. Centramiento del +roceso $s evidente que el valor de Cp no depende del promedio del proceso, ya que este promedio puede ser el resultado de un error sistemtico en el sistema, es decir, que los datos o#tenidos estn ms #a(o o ms alto de la media po#lacional real o del valor que )emos fi(ado como centro. +ara determinar si el proceso est o no centrado e"isten diversas frmulas para resolverlo, una de ellas, a(usta el valor de Cp con un factor 7A H I,, como sigue/ CpJ < Cp 7A H J,,en la cual/

I < K.,2-8. L .,42:. H 71 " .,4=>=,K M 7.,2-8. H .42:., I < .,A.. CpJ < Cp 7A H J, CpJ < A,A2= " 7A H .,A.., CpJ < A,1: La frmula para o#tener I se entiende me(or si la rescri#imos de otra manera/

I < 1 K promedio H o#(etivo K M tolerancia Aqu podemos apreciar que si el promedio es igual al o#(etivo, que es lo ideal, el proceso queda totalmente centrado, ya que J < ., y por tanto CpJ < Cp.

Autor/ "#n Escalona $oreno ivanNescalonaO)otmail.com resnicJN)allidayOya)oo.com.m"


$studios de +reparatoria/ Centro $scolar Atoyac 7;ncorporado a la '.D.A.P., $studios 'niversitarios/ 'nidad +rofesional ;nterdisciplinaria de ;ngeniera y Ciencias sociales y Administrativas 7'+;;C A, del ;nstituto +olit&cnico Dacional 7;.+.D., Ciudad de Frigen/ P&"ico, Bistrito Qederal Qec)a de ela#oracin e investigacin/ Doviem#re del 1..1 +rofesor que revis tra#a(o/ Rzquez Frtega Artemio 7+rofesor de la Academia de +roduccin de la '+;;C A,