Scribd Logo
Upload

Welcome to Scribd!

  • Capitulo 06A

    Uploaded by

    Ca Mila
    12 views24 pages

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    12 views24 pages

    Capitulo 06A

    Uploaded by

    Ca Mila

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 24
    * OBJETIVOS. «= OA" ~ OF onz APRENDIZAJE © As Como parte de su sistema de control estadistico de procesos, Flowers Bakery, en Georgia, utiliza una cdmara digital para inspeccionar bollos para sandwich ‘a medida que se desplazan por la linea de produccién. Se identifican los elementos que no cumplen las especiticaciones en términos de colar. forma, distribucién de las semillas 0 tamaro, y ¢e los extrae autométicamente de la cinta ‘wansportadora, ‘Control estadistico de ‘rocesos (SPC) Provesouteado para conlr bs estes, realzando eviconesytomand las medidas canectras devas, merras 52 ‘lator un produto se presiain src, Grafico de contro! Aepreseracén gia de os as dun proceso a ago 2 eon 308 Explicar sl cbeivo de un gration de contol 310 Explicar el papel del teorema central del limite en el SPC 311 Construir graficos X y graficos R 313 Enumerar los cinco pasos requeridos para la confeccién de los grdficos de control 317 Gonstrairgrticos py grfcos © 318 Explcar el concept de capaci del proceso y calcula, y Cy 325 Explicar el muestreo de aceptacion 328 homeadios, arg tet ea Control estadistico de procesos (SPC) En este suplemento, vamos a analizar el control estadistica de procesos: las mismas t6 nicas utlizadas por BetzDearborn, el Hospital Arnold Palmer, GE y Southwest Airlines para conseguir los estsndares de calidad, El control estaistco de procesos Statistical Pro- cess Control, en inglés, de aht el uilizado acrénimo SPC es la aplicacién de técnicas esta- icas para asegurarse de que los procesos cumplen los estindares deseados. Todos los procesas estan sujetos a ciertos grados de variabilidad, Estudiando datos de procesos en Ja década de 1920, Walter Shewhart, de Bell Laboratories, establecis la distncién entre ls variaciones por causas comunes (naturales) y las vatiaciones por causas especiales mputables o también denominadas, asignables), desarrollando una herramienta simple ppeto eficaz para separatlas: el grtica de control Se dice que un proceso esta funcionando bajo control estadistico cuando las tinicas causas de variacién son causas comunes (naturales). El proceso debe, en primer lugar, controlasse estadisticamente, detectando y eliminando las causas de vatiaci6n especiales mputables)'. Entonces se podré predecir su funcionamiento y determinar su capacidad " iminar Is causasimputables requiere trabajo. Como observé W. Edwards Deming, experto en temas de calidad, un estado de control estaditico no es el estado natural de un proceso de fabrica- cid, Mis bien, Deming consideraba se estado como un logo aleanzado por la liminacién, una a ‘una y mediante esfuerzos concretos, de las causasimputables de esa excesiva vatiacién SUPLEMENTO 6 | CONTROL ESTADISTICO DE PROCESOS 309 [para satistacer las expectativas de los consumidores. Bl objerive de un sistema de control de procesos es proporcionar una serial estadistica cuando aparezcan causas de vavia- cién omputables. Una seBial de este tipo puede acelerar la toma de las medidas adecuadas para eliminar estas causas imputables. Variaciones naturales Las variaciones naturales afectan a easi todos los proce- sos y siempre hay que contar con ellas, Las varaciones naturales son las diferentes fuentes de variacidn existentes dentro de un proceso, incluso de aquellos que estén bajo control estadistico, Las variaciones naturales forman un patrén que puede describirse a través de uuna distrabucin ‘Siempre que la distribucién (mediciones de la produccién) se mantenga dentro de los mites especificados, se dice que el proceso esti «bajo control», y las variaciones natu- rales se toleran, Variaciones imputables Las variaciones imputables de un proceso pueden atribuirse a una causa especifica, Factores como cl desgaste de Ia maquinaria, los equipos mal ajustados, la fatiga o la falta de formacién de los trabajadores o la uti- lizacidn de nuevos lotes de materias primas, son fuentes potenciales de variaciones imputables. Las variaciones naturales y las imputables plantean dos tareas distntas al director de operaciones. La primera es asegurarse de que el proceso es capaz de funcionar bajo con- trol, con solo variaciones naturales. La segunda es, evidentemente, identificar y eliminar las variaciones imputables, para que los procesos puedan seguir bajo contro, Muestras Debido a las variaciones naturales y a las imputables, el control estadis- tico de procesos utiliza medias de muestras de pequefio tamao (a menudo de cuatro a ‘ocho elementos) en lugar de datos individuales. Los datos de piezas individuales ienden 1 ser demasiado erriticos como para hacer fécilmente visibles las tendencias. La Figura $6.1 nos proporciona una visiGn detallada de los principales pasos a seguir en la determinacién de las variaciones del proceso, El eje horizontal puede ser el peso (como los gramos de cereal por caja), la longitud (como los postes de una cerca) 0 cual- ‘quier otra medida fisica. El eje vertical es la frecuencia. Las muestras de cinco cajas de cereal en la Figura S6.1 (a) se pesan y (b) forman una distsibucin, que (e) puede variat Las distribuciones consttuidas en (b) y (¢) quedarsn integradas en un patrén predecible Cada uno de estos representa una muestra de once calas ‘do cereal (2) Las muestras dl producto (por sjemplo,cincacajas de Cereales),retradas dela cinta de Ta maquina de tonado, varian fentre si con respect al pes, Frecuencia Mpespetecesomaegcenee =F nea coninsa roceso estable, esas medias 3 prveerte (0 Exon mucins eo Vesta tedc Win Fema ietibucin,inluyerdo fa normal canal mea) (desvacon estan) {en orma de campana), y esas ¥ Sistibuconos dforan on cuanto a AIX JN fu tendenca contal (media), su osviacén estandar 9 Peso —» Peso > Peso —> vavianza,y su forma, Frecuencia Variaciones naturales Son vations qu afetan fenun cat grado a taco resultan esperles; también Variaciones imputables Settee vaacones en un pus abso acausas expectias, Variaciones naturales imputables 310 PARTE 2 | DISENO DE OPERACIONES igure $6.1 cance At Explicar el objetivo de un grafico de control Figura $6.2 Control de process: tes tipos de resultados de proceso (4) si solo hay presentes causas naturales do variacion, ol rosutado don proceso (la produccién, ol ‘output forma una eistrioucion que 98 estab af largo da tiempo y resulta prodecble. Frecuencia {€) si hay prosentos causa imputables 199,73 % de las veces, las medias de las muestras caerén dentro de 4a: siel proceso s6lo presenta variaciones naturales. ‘Siun punto del grafico de control se sitéa fuera de los limites de control +307, enton- ces podemos estar seguros al 99,73 % de que el proceso ha cambiado, Esta es la teoria en la que se basan los gratficos de control. Fijacion de los limites del grafico de medias (grafico x) Si conocemos a través de datos hist6ricos la desviaci6n estindar de la poblacién (pro- .ee50), g, pademos determinar los limites de control superior ¢ inferior’ utilizando las siguientes formulas: Limite del control superior (LCS) = ¥ + zo (86.3) Limite del control inferior (LCD) a) Distroucién de las meciag — de las muesiras, Distroucion de las mecias Gel proceso # (rmosia) * Los limites de contol inferores no pueden tomar valores negaivos en los grficos de contol. Por tanto, ol LCI = max (0,# — 24) SUPLEMENTO 6 | CONTROL ESTADISTICO DE PROCESOS 313 donde todia de las medias muesrales, on valor objetivo extablcid para el proceso = nmero de desviacones normals estindar (2 para un 95.5% deconfaiz, 3 para 1099.73 %) = desviacin esindar de las medias muestales = of Jesviacin estar de la poblaci6n (proceso) OAS Constnar amafo de a muesta gritcos gros R EL Bjemplo $1 indica cémo jr Limite de contol para medias muestralesutlizando desviaconesestinda. Ejemplo S11] Fvaci6n dé Limires DE CONTROL UTILIZANDO MUESTRAS Los pesos de las cajas de cereales de Oat Flakes, dentro de un gran lote de producci wean cada hora, Los directores quieren extablecer limites de control que incluyan el 99,73 % de Jas medias muesteles ENFOQUED Se seleccionan al azar y se pesan nueve eajas (n = 9) cada hora, Después se calcul la media global y se usan las Ecuaciones ($63) y (S6-4) pata calcuar los Kimites de con- trol. He agut las nueve cajas elegidas en la primera hora: conanso pana % | | ox ost) 0x) [out ost) at) (ou oat) oat Fale, Fines Fake, ley Fes Fhe, Fate Flats crequnaacn wee, i30z, Ybor, i702, Won, box, Ve, Ybor, vaya stein de retcsyasovns | SOLUGIOND cunts tals de 1741416418 +7 IG + IS +17 + I 2 de Coe Peso medio en la primera muestra =~ * WO FUSS ATT to vs 0 Pepsi ° 6,1 onzas Asimismo, sabemos que la desviaci6n estindar (6) de 1a poblacion (proceso) es 1 onza. No ‘vamos a mostrar cada una de as caja scleceionadas aleatoriamente en las horas a 12, pero he ag las medias correspondients alas doce horas: ee TY ae ae oO oe) 1 164 5 165 ° 163 2 168 é 164 ve 148 2 65 7 52 a 4 155 16, CCaleulamos Ia media £ de las 12 medias muestrales y resulta ser exactamente 16 onzas 3 ea de 9 cas) 314 PARTE 2 | DISENO DE OPERACIONES ‘Tenemos, por tanto, que ¥= 16 onzas, Lek Las 12 mucstras se repretentan 4 continuacin en el siguien +25; 6=3(S) 16 3(j)= 17 ones 5, 3 morns( goalie 3. Los limites de contol son: srstico de contol: Grético de contro! Variacion para muestras Fura dobida a causas 69 cajas 4e control impulabies | t | 123456789 10112 Fuca Numero de cuenta ‘econo OBSERVACIOND Puesto que las medias muestrales recientes cacn fuera de los limites de control superior e inferior (17 y 15, zespectivamente), podemos concluir que el proceso esta cempezando a sr extaico y no extd bajo conte EJERCICIO DE APRENDIZAJED Si la desvis Flakes fuera 2 (en lugar de 1), cual serfa su conclusién? (Respuesta: LCI proceso estain bajo contol] PROBLEMAS RELACIONADOSP $6.1, $6.2, $6.4, $68, $6.10a)b EXCEL Pues nero acd cts OM ChOSESI c= mun.pesenghredcomfer ‘Como a menudo no se encuentran disponibles las desviaciones estindar del proceso, generalmente calculamos los limites de control basindonos en los valores medios del 1ango, en ver de en las desviaciones estindar. La Tabla $6.1 nos facta los valores de conversién necesarios para hacerlo, Se define el rango (R,) como la diferencia entre cl clemento més grande y el mas pequefio de una muestra, Por ejemplo, la caja mis pesada dde Oat Flakes en la Hora 1 del Ejemplo S1 ra de 18 onzas y la mas igera de 13 onzas, por lo que el rango para esa hora fue de 5 onzas. Usamos la Tabla $6.1 y las ecuaciones: LOS; = 8+ AR Ler,=3- rango medio de las muestras; R, ‘Ay = valor que aparece en la Tabla $6.1 ‘media de las medias muestrales ! Varialén debida ’acausas naturales Varian dobida nas imputabns estindar (e) de la poblacién de Oat 4, LCS rango de una muestra SUPLEMENTO 6 | CONTROL ESTADISTICO DE PROCESOS 315, EL Bjemplo $2 muestra cémo establecer limites de control para medias muestrales, ‘usando la Tabla $6.1 y el sango medio. res para cal Pree) Ron RANGO ey mse Ee INFERIOR, 0, 2 1,880 5.268 ° 3 1.023 2.574 © 4 078 2.282 ° 5 0577 215 © 6 0.483 2,004 © 7 oai9 1.924 0.076 2 0373 1,868 0.136 3 0.337 1816 0.184 70 9.308 wT 0.223 2 0,266 iis 0.284 ‘erie. Repreaucde con ls ale/zacon def AmercanSocety for Tesing Mateiab. Copyight 1951 Tomago 3e Speci eenneal Pubeon 15, xual Cond ef Mates, 95.63 72, Copyhgm ASTM INTEAMATIONAL Rempeso con perme Ejemplo S2] FVvaci6n dE Limres DE LA MEDIA UTILIZANDO VALORES DE LA TABLA Super Cola embeteliareftescos cuya etiqueta dice epeto neto 12 onzas, De hecho, tomando varias series de muestras, cada una de ella de cinco botelas, se ha observado que el promedio. slobal de! proceso es, en efecto, de 12 onzas. El rango medio del proceso es de 0,25 onzas. EL ‘equipo de direccién de operaciones quiere determinar los limites de contzol superior e inferior para ls medias en ese proceto. ENFOQUED: Super Cola atic las Eouaciones (86.5) y (86.6) y usalacofumna A, de a Tabla $6. SOLUCIOND Examinando la column A, de factor de Ia media, en la Tabla $6.1. para un {amafio muestra de 5. encontramos el valor 0,577. Por Io tanto, Ios limites superior ¢ inferior {el grético de contsl son: FAR 12-0144 = 11,856 onzas OBSERVACIOND La venta de usar este enfoque basado en los rangos,en vez deen La desviacién estar, esque resulta fi de aplicar y puede ser menos contusa. EJERCICIO DE APRENDIZAJED Si el tamafo de la musta fuera n = 4 y el rango medio = 0,20 onzas,cudles serfanos valores LCS, y LCI, revisados? (Respuesta: 12,146 11,854) PROBLEMAS RELACIONADOSD $6.3a, $65, $66, $67, $69, $6.10b¢,4 $6.11, $5.34 [EXCEL Poe ota aie is OM CMESES2s war persone comin, 316 PARTE 2 | DISENO DE OPERACIONES Fijacion de limites del grafico de rangos (grafico R) En los Bjemplos $1 y $2 hemos determinado los limites de control superior ¢ inferior para la media del proceso, Ademés de preocuparse por la media del proceso, los direc- tores de operaciones estén interesados también en la dispersidn o rango del proceso, Aun cuando la media del proceso esté bajo control, la dispersién del mismo puede no estarlo. Por ejemplo, puede haberse aflojado una pieza del equipo que lena las cajas de cereales Oat Flakes. Como resultado, 1a media de las muestras puede continuar siendo Ia misma, pero la variacién dentro de ellas puede ser demasiado elevada. Por esta razén, los directores de operaciones utilizan los gréficos de control de los ran- gos para controlar la variabilidad del proceso, ademés de los grificos de control de las medias, que monitorizan la tendencia central del proceso. La teoria subyacente a los grificos de control de los rangos es la misma que la de los grificos de control de las medias de los procesos, Se fijan limites que contengan +3 desviaciones estindar de la distribucidn del rango medio R. Podemos utilizar las siguientes ecuaciones pata {jar los limites de contzol superior ¢ inferior del rango: LCS p= DR (86) LOL, = DR (86.8) donde LCS, = limite de control superior para el rango LCI, = limite de control inferior para el rango D, yD, = valores de la Tabla $6.1 Gritlco x barra Leset1.s24 Fe10,959 Media muestal Lcl-to04 7 os a7 Gratice de range Les-oo49 Rango muestra Wingo se.1 Denna i mas: cali ne restraries Dan Los filetes de ¢almén te controlan mediante el software SPC de los restaurantes Darden, {que incluye gréticos Xy gréficos A, Darden utiliza el peso medio como medica de tendencia cenival para los fletes de salmén, Elrango es la ciferencia entre el fete mas pesado y el mas ligero de cada muestra. El caso de estudio de video «De la granja ala rmesar, al final de este suplemento, le pedirs que interprete estas figuras. El Ejemplo $3 muestra cémo establecer limites de contzol para los rangos de las ‘muestras,utilizando la Tabla $6.1 y el rango medio. SUPLEMENTO 6 | CONTROL ESTADISTICO DE PROCESOS 317 Ejermplo S38] FUaciOn DE Los LIMITES DE RANGO UTILIZANDO LOS VALORES DE LA TABLA EI rango medio de wn producto en Clinton Manufacturing es de 5,3 libras. Con un tamatio de ‘muestra igual a5, el propietaio, Rey Clinton, quiere deteminar los limites superior e inferior del grifico de control ENFOQUED: Si observamos la Tabla $6.1 para un tamaiio de muestra de 5, comprobamos que D, = 2,115 yD, SOLUGIOND Los limites de contol del range son: LCSq = DR = (2,115)5.3 libras LCly = D4 = (0)5,3 libra OBSERVACIOND Calculer Ios rangos con la Tabla $61 resulta sencilloy es una forma Aci de evalua a cispers EJERCICIO DE APRENDIZAJED Clinton decide incremental tamafo de las mucsras, an = 7 (sin cambiar el rango medio, f). ;Cudato valvén ahora LCS, y LCl,? [Respuesta 10,197 y 0403] PROBLEMAS RELACIONADOSD $63, $65, $66, $67, $69, $6.10, $6.11, $6.12, S64 Utilizacion de los graficos de medias y los graficos de rangos La distribucién normal se define mediante dos parimetros: la media y la desviacién estindar. Los grafcos ¥ (media) y griicos R mimetizan estos dos parémetros. Bl geii- co Fs sensible alas variaciones en la media del proceso, mientras que el geifico R es sensible a las variaciones en la desviacin esténdar del proceso. Por consiguiente, utili- zvando ambos grificos podemos seguir los cambios que se produzcan en la dstribucion Eel proceso Por ejemplo, las muestras y l grafico ¥ resultante de Ia Figura $6.5(a) muestran el ‘cambio en I media del proceso, pero como la dispersién es constante.no se detectacam- bio alguno en el gréfico R.A Ia inversa, las muesteasy el grifico ¥ de la Figura S6.5(b) no detectan cambio alguno en a media (porque no se produce ninguno), pero el grélico R si sefiala el cambio en la dispersion. Ambos grificos son necesarios para seguir el pro- ‘eso con precision (O44 Enumerar los cinco pasos requeridos para la confeceén de 1, Tomar de 20 a 25 muestras de un proceso estable, a menudo den = 40 n= 5 10s grficos de control bservaciones cada una, y calcularla media y el rango de cada una de las mucstas. 2. Calcula las medias globales (¥ y &), fijar limites de contol adecuados, general- sente al nivel de confianza del 99,73 %, y calcula los limites de control superior € inferior preliminates. Consulte la Tabla $6.2 si desea otros niveles de confianza para os limites de contol. Si el proceso no es actualmente estable yno esté ajo onrol, bay que wilizar la media deseada, sen vez de ¥, para calcuar los limites 3. Representar las medias muestrales y los rangos en sus respectivos graticos de control, ydeterminar si caen fuera de los limites aceptables Pasos que se deben seguir cuando se utilizan gréficos de con- trol Hay cinco pasos que se suelen seguir al uilizar los grficos Z y R. 318 PARTE 2 | DISENO DE OPERACIONES Figura $6.5 as iis de mea y de rang se complementan ‘muuament, a mostar la mea ya dispersn dea Aistbucién normal conseso pana $e Scat Lest conn on tanec et ral it bs er cog nai cen crt rede nt pepe pratt act ceri era seceumonapedtc sexe ar ‘votes corny 900 | 165 30 | 136 355 | 200 330 | 258 39,3 | 3.00 OAS Construir agraficos p y gréficos ¢ Grafico p Un gen de cont de ‘aldad aves tila para conor at, @ Estas (La media muesiral se lsttbucones| std desplazando hacia ‘muestales aria, par ol rango ddan como permanece constants) resutado bas grafcos de abajo. Graco (E! gratco Xetecta Ta variacién do la tondoncia ‘central (El grateo Ano detocta hingan camolo on fa ta rime) oy Estas distbucones| (La media mupstal ‘muostales 8 constante, poro la dispersion o faumentando.) deabajo. Los Graco (El ratico Xo detecta in gtn carci ler fn fa tendancla central) Los. . Graco A (Elgratico R detecta SO ahineromento Lot ‘dela cspersion) 4, Investigar los puntos o patrones que indiquen que el proceso esté fuera de con twol. Tratar de descubrir las causas de la variacién, resolver esas causas y luego reiniciar el proceso, 5. Recopilar muestras adicionales y, en caso necesario, evalidar los limites de con- rol ullizando los nuevos datos. Graficos de control para atributos. Los grificos de control de # y R no son aplicables cuando estamos tomando muestras de aiributos, que suelen clasificarse como defectuosos © no defectuosos, La medicién de los defectuosos implica contarlos (por ejemplo, el mimero de bombillas que no funcionan cnn lote determinado, 0 el mimero de letras 0 de registros de entrada de datos introd- cidos con errores), mientras que las variables suelen medirse para determinar la longi- tud 0 el peso. Dos son los tipos de gréficos de control por aributos: (1) los que mien el orcentaje de defectos en una muestra (denominados griticos p) y (2) los que cuentan el miimero de defectos (lamados grificos c), Graficos p El uso de los grifioos p es la manera principal de controlar los atsibu- tos. Aunque los atributos que solo pueden ser buenos o malos siguen Ia distribucién SUPLEMENTO 6 | CONTROL ESTADISTICO DE PROCESOS 319 3 | nary are epg vena canoe B Frite-Lay uz gréficos X para controlar Ia calidad de la produccién en puntos crticos del proceso. Cacia 40 minutos, aproximadamerte, se toman tres lotes de patatas de la cinta transportadora (ala izquierda) y se analizan ‘lectrénicamente, para ver su contenido medio en sal, representandose el resultado en un grafico x (ala derecha). Los puntos dibujados dentro de la zora sombreada estan sbajo control, mientras que los que aparecen en su exterior ‘estin sfuera de control. El grtico SPC se muestra en un lugar donde todos los empleados de produccién puedan monitorzar la establlidad del proceso. binomial, se puede utilizar la distibucién normal para calcular los Iimites del grifico p ‘cuando los tamasios de las muestras son grandes. El procedimiento se asemeja al del gri- fico ¥, que también esté basado en el teorema central del Kimite. Las frmulas de los Iimites de control superior e inferior del grtico p son las sie uientes Les, (865) vines ss.2 as pata td Fay LCI, = 8 ~ 205 ($6.10) retetontce donde ‘= fraccién media (porcentje) de unidades defectuosas en las muestras 2 = atimero de desviaciones estindar (z = 2 para limites dl 95,45 %; = = 3 para Kimi- tes del 99,73 %) La tabla reproducida a continuacién nos oftece mucsiras del por 20 grabadores. Mosier efectia una minvciosa revisiéa de cien de los zegiszos realizados por cada grabador, y cuenta el nimero de errores. Acto seguido, caleula el porcentaje de detec: tos en cada una de Ins muesiras, Después uiiza las Ecuaciones (86.9), (86.10) y (86.11) para cestablecer los limites de contol CC ce Mae Ts Eee NN ear 1 6 0.06 " 6 0,06 2 5 005 2 1 01 3 ° 0,00 3 2 2.08 4 7 001 14 7 007 5 4 0.08 6 5 2.05 6 2 0.02 6 4 3,08 7 5 0.05; 7 1 on 8 3 0.03 18 3 0,03 3 3 0.08 19 @ 0,00 10 2 0.02 20 4 0,04 30 SOLUCIOND Niimero total de exzores 80 4 ?* Niimero total de registos examrinadas — (T0020) = 0.02 (redondeado a parti de 0.0196) (ieee clo men=)D 0,04 + 340,02) 10 Les, =p + 24 Ler, = 0.04 ~ 300.02) = 0 erp ples te frei aeesin)-) OBSERVACIOND Cuando dibyjamos los linites de contol y el porcentae de defecso sos de las mueszs, vemos que slo un adminisvatvo (el 17) est fuera de contel. La empresa debera examina més de cerca el trabajo individual de ese administrative, para ver i existe un problema mis serio (¥éase Ia Figua $66. EJERCICIO DE APRENDIZAJED Morice devide que prefer fijr los limites de contol en e195.45 He, {Cudles seri los anevos valores de LCS, y LCI, [Respoest: 0,08 y 0} SUPLEMENTO 6 Figura $6.6 Grafica p para ta Introducetén de datos ‘del Ejomplo $4 Fraccién de detectos CONSEJO PARA Yy EL ALUMNO Segre esturos events de sae 00 por eno de lene aia en un icon, $6.20, $625, $6.35 [ACTIVE MODEL $8.1 Esp scr al en Ace Mote 6, e wn peaonhphere.comiheat TROAS GT BO WINIZINISIT OID PROBLEMAS RELACIONADOSP $6.13, $6.14, S615, $6.16, $6.17, $6.18, $6.19, [EXCEL Puteri ls OM DOSE co mun: peeninered come. CONTROL ESTADISTICO DE PROCESOS 321 Numoro de mucsta Elrecuadro de Direccién de operaciones en accién «Intentando conseguir un asiento ‘con las millas de viajero frecuente» constituye un complemento al Kjemplo $4, ext war gnremiheredomior, Cuestiones directivas y graficos de control ‘Si el mundo fuera un lugar ideal, no habria necesidad de grificos de control. La calidad serfa uniforme, y tan grande, que los empleados no necesitarian perder tiempo ni dinero ccon el muestreo y el control de variables o atributos. Pero, como la mayoria de los proce- ‘os no ha alcanzado la perfeccién, los directores deben tomar tres decisiones importan- tes en relacign a los gréficos de control * Una dstibucién de probabilidad de Poisson es una distibucién discret, uslizada normalmente ‘euando Tos elementos de interés (en este caso, defectos) no son frecuentes ylo se praducen en él siempo o en cl expaci. SUPLEMENTO 6 | CONTROL ESTADISTICO DE PROCESOS 323 En primer lugar, deben seleccionar en qué puntos de su proceso se necesitan SCP Pueden preguntarse qué partes del trabajo son fundamentales para tener éxito, 0 qué par- tes del trabajo tienden a estar fuera de contol En segundo lugar, los directors necesitan decidir qué grificos resultan adecuads, silos graficos de variables (0 sea, Zy R) o los graficos de atsbutos (py ). Los grificos de variables contzolan los pesos o las dimensiones. Los grficos de aributos son mis de «sino» 0 «pasa o.no pasa por un calibre y suelen ser menos costosos de implemeatas. La Tabla $6.3 puede ayudatle a comprender cudndo utilizar cada uno de estos tipos de _rificos de contol En tercer lugar, 1a empresa debe definir unas politicas de SCP claras y especiticas para que los empleados las sigan. Por ejemplo, :hay que detener el proceso de graha- ‘id de datos si aparece una tendencia en el porcentae de egistos detectuosos que ein siendo grabados”; o ,deberia pararse una cadena de montaje si a longstud media de cinco AMBTOUETEI, sy ude pare decicr qué tno de gritico de control hay que utilizar Prrerrnt ita ae eae Las observaciones son vonables, que suelen ser productos medi en funcén de su tamafo| ‘peso, Como ejemplos podlamas citar la anchurao ong sun cable, o al peso da uns bla ce sopa Carmel Se ecoplan ent 20 25 ruestas (usvalmente den = 4, n= 5) 0 mas, cada una de els) de lun proceso estab, y se cakculan ls medias para un grafico xy los rangos para un grafico R. Se hace un sequmiento de muestar den Coservaciones cad uns, come en el Semple ST DATOS DE ATRIBUTOS Patra nce ated Las observaciones son atributas que se pueden clasifcar como bueno o malo (0 pasa-no pasa, ofuncons-na funciona, es dec, Uenen dos eslacos “Trabsjamos con el nimere de cefectuosos,exaresado como faccién, proporcén & poreentae Fay varias muestas, con muchas observaciones en cada una, Por ejemplo, 20 muestas de n= 100 observaciones cada una, como en el Ejemplo 54 Prien Petron eared {as observaciones son atibutos cuyos defects por unidad de producto pueden contase Trabajamos con el ndmero de efectos comados que es una peqene pare oe Is poses {or defectes aueden ser mero de manchas en una mesa; cimenes en un aflo;asientos rotas en un estas, eratas en un capilo de este Hr; mperfeciones en un rll oe tela frauejas en un da, como en el empl 55, Lacata del vino ‘contenido en estos bares de madera, para asegurarse de ‘que esta envejeciendo ‘apropiadamente, utiliza tanto SPC (para vigilar ‘el contenido aloohdlico ya acidez) como ‘medidas subjetivas {ara comprobar ol ‘gusto. ‘Sr CONSEJO PARA EL ALUMNO ta una ablarearnte UH, Cuan oe eo qu tea de otto! ular puee ach sss onsutand ea abl 324 PARTE 2 | Di Prueba (test) de rachas Una gra uta pra examina bs puntos un gyalea da conta con ef fe corabar say presorte alguna variacin no aati CONSEJO PARA EL ALUMNO de sun process cure a epeciesodn aa lagu at era, Capacidad del proceso La capaci de cmp ls espeateacones da sah Figura $7 Patrones que hay ‘ue vigilar en os arificos de contrat Fut: aac (eSerard Limite de control superior ISENO DE OPERACIONES. -muestras sucesivas se encuentra por encima de la linea central? La Figura $6.7 ilustra algunos de los patrones que hay que vigilar en un proceso a lo largo del tiempo. Disponemos de una herramienta denominada prueba (test) de rachas, que nos ayuda a identificar en un proceso el tipo de anomalfas que se observan en la Figura $6.7. En gene- tal, una serie de 5 puntos por encima o por debajo del objetivo o linea central, puede sig- nificar que nos hallamos ante una vatiaci6n imputable o no aleatoria. Cuando ocutte esto, atin cuando todos los puntos caigan dentro de los limites de control, se enciende la seal de alarma. Esto quiere decis que el proceso puede no estas estadisticamente bajo control. En libros que tratan sobre los métodos de calidad se describen diversas prucbas de rachas, + Capacidad del proceso El control estadistico de procesos significa mantener un proceso bajo control, Esto quiere decir que la variacién natural de dicho proceso debe ser estable, Pero un proceso que esti bajo control estadistco puede no producir bienes 0 servicios que salisfagan sus especifica ciones de disefo (olerancias). La aptitud de un proceso para saisfacer las especificaciones de disefio, definidas por el disefio de ingenieria o por los requisitos del cliente, se denomina ‘apacidad dl proceso, Aunque ese proceso pueda estar estadisticamente bajo control (esta- ble), el resultado del proceso puede no ser conforme a las especificaciones, Por ejemplo, supongamos que un cliente cree que el tiempo que debers esperar para la realizacién de un cambio de aceite en Quik Lube es de 12-minutos, con una tolerancia acep- table de +2 minutos. Bsta tolerancia genera una especificacién superior de 14 minutos y ‘una especificacién inferior de 10 minutos. El proceso de cambio de aceite debe ser capaz de ‘operar dentro de estas especificaciones de disefio; de lo contrario, nose satisfarén los requi- sitos de algunos clientes, Como ejemplo en el campo de la fabricaci6n, las tolerancias de los cengranajes del drbol de levas en Harley-Davidson son extremadamente reducidas, de s6lo 0,0005 pulgadas, y es preciso disefar un proceso que sea capaz. de conseguir esta tolerancia. Ra Objetwo Limite de control interior Ayaan 198%) 65. Reproticido fon atrzande Pranic Hl ope Sade Rie NL Limite de control superior CONSEJO PARA YX objetivo EL ALUMINO Los erated de emoresas coma Lay son entenaos ara sou ela Limite de contol ntorior Comporamiento normal Et proceso esta sbajo ‘cones Un punto fuera por arn (0 por abaj) investiga la causa. Elprocaso esta stuera de conte Tendencias en cualquier roecion, 5 puns. Investigar la causa

    You might also like