Resumen Parcial Cep

FACULTAD DE INGENIERIA
CARRERA DE INGENIERÍA INDUSTRIAL
CURSO:
CONTROL ESTADÍSTICO
DE PROCESOS
Profesor del curso:
Msc. Ing° Percy Marín Lira

Msc. Ing° Fernando Sánchez Cateriano
Ing. Percy Marín Lira UPC CEP Sesión 1

Línea de Tiempo
CONTROL ESTADÍSTICO DE PROCESOS

UNIDAD 1 UNIDAD 2 UNIDAD 3
SEMANA SEMANA SEMANA SEMANA SEMANA 5 SEMANA SEMANA SEMANA 8
1 2 3 4 6 7
• Presentaci - Cartas de - Cartas de Subir Capacidad de
ón del • Variabilida control control AVANCE-1-TF Capacidad de Procesos Evaluación
curso. Variables. Variables. Procesos
d de
Métricas seis
parcial
• Historia procesos. SUSTENTACION
CEP • Causas - Grafica X-R - Grafica X-S Indices de Cp sigma
• Que es especiales - Grafica Cpk
CEP • Causas Individuale PC1= 7.5% Pp y Ppk 15 %
comunes s 5%
UNIDAD 4 UNIDAD 5
SEMANA SEMANA SEMANA SEMANA SEMANA SEMANA SEMANA SEMANA
9 10 11 12 13 14 15 16
- Cartas de
control Cartas de Cartas de Subir Calidad de las SUBIR TF Evaluación
Atributos. control control AVANCE-2-TF
mediciones
Estudio 2
Final (todo
Atributos. Atributos. GAGE R&R
SUSTENTACIÓN
SUSTENTACIÓ el curso)
- Grafica P Estudio 1 N
- Grafica NP - Grafica C y U GAGE R&R
PC1=7.5% TF= 30% 20 %
FÓRMULA = 20% (EB1) + 20% (TA1) + 15% (EA1) + 30% (TF1) + 15% (PC1)
Ing. Percy
TA1 Marín
20%Lira
= TALLERES EN AULA (promedio simple) / UPC CEP
PC1 15% = RESUMEN Y SUSTENTACION DE AVANCES DELSesión
TF1
Temario
• Que es el Control estadístico de Procesos

• Que es Calidad
• Evolución de la Calidad y métodos estadísticos
• Enfoque de Procesos
• Pensamiento Estadístico

UNIDAD-I:
INTRODUCCIÓN AL CONTROL
ESTADÍSTICO DE PROCESOS

¿ Qué es el Control
Estadístico de Procesos
CEP?

¿ Qué es el CEP?
◼ CONTROL: mantener algún tipo de situación

dentro de unas fronteras.
◼ ESTADISTICO: con la ayuda de números o

datos.
◼ PROCESO: combinación de gente, equipo,

materiales (documentos) método y medio
ambiente.
¿ Qué es el CEP?

¿ Qué es el CEP?
 El Control Estadístico de la Calidad es la disciplina

científico-técnica que utiliza técnicas estadísticas
dentro del contesto más general del Control de la
Calidad.
 Son tres las etapas donde se engloban dichas
técnicas: la Inspección, el Control Estadístico de
Procesos y el Diseño Estadístico de Experimentos.
 Inspección y Diseño de Experimentos son técnicas
de control fuera de línea (Control off-line), y Control
Estadístico de Procesos es una técnica de control
durante la fabricación (Control on-line)
Unidad-I
1. ¿QUÉ ES CALIDAD?

¿Qué es Calidad?

¿Qué es Calidad?
¿Cuál de los dos coches

es de mejor calidad?

¿Qué es Calidad?
Precio
Tiempo de
Función servicio
Información

¿Qué es Calidad?
"El primer supuesto erróneo es que calidad

significa bueno, lujoso, brillo o peso. La
palabra "calidad" es usada para darle el
significado relativo a frases como "buena
calidad", "mala calidad" y ahora a "calidad de
vida". Calidad de vida es un cliché porque
cada receptor asume que el orador dice
exactamente lo que el(ella) "el receptor",
quiere decir. Esa es precisamente la razón
por la que definimos calidad como
"Conformidad con requerimientos", si así es
como lo vamos a manejar....”
PHILIP B. CROSBY
De: Crosby Philip, "Quality is Free"
Ing. Percy Marín Lira
Mc Graw Hill, New York, 1979UPC CEP Sesión 1
¿Qué es Calidad?
“La dificultad en definir calidad es traducir las

necesidades futuras de los usuarios en
características medibles, solo así un producto
puede ser diseñado y fabricado para dar
satisfacción a un precio que el cliente pagará.
Esto no es fácil, y tan pronto como uno se
siente exitoso, encuentra rápidamente que
las necesidades del cliente han cambiado y
que la competencia ha mejorado, hay nuevos
materiales para trabajar, algunos mejores
que los anteriores, otros peores, otros más
baratos, otros más caros...”
W. EDWARDS DEMING
Deming: Fuera de la Crisis
MIT, 1988
UPC CEP Sesión 1
¿Qué es Calidad?
"La calidad ...

Está basada en la experiencia actual del
cliente con los productos o servicios,
comparado con sus requerimientos,
establecidos o no establecidos, concientes o
inconscientes, técnicamente operacionales o
enteramente subjetivos. Y siempre
representando un blanco móvil en un
mercado competitivo.
ARMAND V. FEIGENBAUM
Feigenbaum, “Control Total de la
Calidad”, 3º ed.

¿Qué es Calidad?
Hacemos énfasis en la orientación hacia el

cliente. Aquí, ha sido aceptado por los
productores el pensar que le están haciendo
al cliente un favor vendiéndoles sus
productos. Esto lo llamamos un tipo de
operación “por producto”.
...
Cuando desarrollen un nuevo producto, el
fabricante deberá anticipar los requerimientos
y necesidades del cliente.
KAORU ISHIKAWA
¿Qué es Control Total de la Calidad? El modelo
japonés;
Prentice Hall, 1985
¿Qué es Calidad?
Los negocios Clientes y Grupos

provee PT y de interés definen
Servicios con NIVEL
ciertas
Características OFRECE EXIJEN REQUISITOS
“La calidad es el grado en que un conjunto de

características inherentes cumple con los requisitos”.
ISO 9000

Unidad-I
2. Evolución de la Calidad y
Métodos estadísticos

Evolución de la calidad
EVOLUCIÓN DE LA CALIDAD
ERA ENFOQUE
Inspección (1900) Producto
Control de calidad (20`s) Procesos
Aseguramiento de la calidad Sistemas
(50`s)
Gestión de la Calidad Total Personas

(TQM) (80`s)
Evolución
https://www.youtube.com/watch?v=kcYlqIw1V8A
Evolución de la calidad
1980 Gestión calidad total Personas
1960 Aseguramiento Sistemas

de la calidad ISO-9001
Control
1940 de la calidad Procesos
1920 Inspección Productos

Evolución de la Calidad y los
Métodos Estadísticos
Carmelo Perera - Historia de la calidad HD - YouTube

video evolución calidad y menciona el cep
https://www.youtube.com/watch?v=v5SrbyUdBmo
variabilidad en la vida y en los procesos 1
La Estadística en la Vida Cotidiana 2 - YouTube

variabilidad en la vida y en los procesos 2 – variabilidad y promedio min5
La Estadística en la Vida Cotidiana 3 - YouTube

variabilidad en la vida y en los procesos 3 – ejemplo selección al azar min2

Evolución de la Calidad y los Métodos
Estadísticos

INSPECCION 100 %
PRODUCTIVIDAD •Trabajos especiali-zados
•Producción en gran •Estandarización
escala. •Simplificación
•No estandarización •Separación de funciones
•Alta variabilidad entre producción e
inspección
Edad
1450 a.c. media
1700’s 1903
Revolución
Egipto
Calidad Industrial
mural que
1’000,000 años
muestra
evidencia de
Costos
inspección
10,000 años
y control.

INSPECCION Y
CONTROL PROCESO
•Muestreo y gráficos de 1924. 1935 1940´s 1946
control
Control moderno
BS 600 Crea Crea la JUSE
de la calidad
Pearson. ASQC
•Estimación
estadística.
•Del proceso en
vez de inspección
Baltimore City inspector

of capacity standards
DIFUSION DEL CONTROL
for milk; 1920-1930. SHEWHART ESTADISTICO DE LA CALIDAD
Ing. Percy Marín Lira 1891 - 1967 UPC CEP Sesión 1
1950. 1951 1954 1956
Feigenbaum
Deming •Premio Deming
•Plantea por TQC
Plantea en el Japón: •I&S Toyota. Juran •Abordaje sistemico
•Utilizar el PDCA. Plantea en Japón: para integrar planea-
•Entendimiento de la •Planeamiento
miento, mantenimien-
variabilidad •Flujo organizacio-
to y mejora de calidad
•Gráficos de Shewhart nal
para el gerenciamiento •Responsabilidad con marketing, inge-
Gerencial niería, producción y
de procesos.
servicios

DEMING UPC CEP Sesión 1
ENFASIS EN DESARROLLO
DE NUEVOS PRODUCTOS
1962. •Incorporar los requerimientos de clientes
•Herramientas de Planeamiento
•Herramientas de Proyecto
CCC
•Bajo el patrocinio de 1968 1973 1980
JUSE Kaoru Ishikawa
crea los CCC. CWQC c e USA: Si Japón puede
•En 1963 se forma el Juran plantea el r n por qué no nosotros
primer CCC en CWQC •Deming desconocido
•Involucramiento de los i d e en USA lanza este
Komatsu.
•Filosofía
trabajadores: todos los se r mensaje en la NBC
niveles y áreas. •Filosofía Deming
•Metas de mejora i g
•Atención a la definición s í
de clientes.
•Filosofía Juran a

Estadística
Descriptiva e Inferencial

Estadística

Estadística

Estadística
Población: Es la colección de todos los elementos (piezas, personas,

etc.). En nuestro caso sería un número infinito de mediciones de las
características bajo estudio.
Muestra: Es una parte o subconjunto representativo de la población, o

sea un grupo de mediciones de las características.
Variable aleatoria: es una función o regla que asigna uno y sólo un valor
de una variable " y" a cada evento en el espacio muestral. En este caso
representa una medición particular.
Distribución: Es la forma del patrón de variación observado. .

Estadística
Estadístico: Es una medición tomada en una muestra que sirve para
hacer inferencias en relación con una población (media de la muestra,
desviación estándar de la muestra).
Normalmente es una variable aleatoria y tiene asociada una
distribución.
Parámetro: Es el valor verdadero en una población (media, desviación

estándar, se indican con letras griegas)
Datos continuos Los datos que tienen un valor real (temperatura,

presión, tiempo, diámetro, altura )
Datos discretos: Datos que toman valores enteros (1, 2, 3, etc.)
Datos por atributos: Bueno - malo, pasa - no pasa, etc.

Unidad-I
3. Enfoque de Procesos

El Enfoque de Procesos


REGLAS DE
NEGOCIO
PROVEEDORES CLIENTES
ACTIVIDADES
INPUT OUTPUT
RECURSOS

CAUSA EFECTO
UPC CEP Sesión 1
Elementos de comparación Enfoque Funcional Enfoque por procesos

Orientación de resultados Orientado a la tarea Orientado al cliente
¿Qué se debe comprender? El trabajo El proceso
Orientación colaborativa Hacer mi trabajo Trabajar en equipo
Pregunta frente a un problema ¿Quién cometió el error? ¿Qué permitió el error?
¿Qué se evalúa? El individuo El proceso
¿Donde se ve el problema? Los empleados son el problema El proceso tiene problemas problema
Solución al problema Cambiar el empleado Mejorar el proceso
¿Qué son las personas? Empleados Talento humano

Enfoque de Procesos - Principios
El análisis Causa-Efecto
Todo Producto es generado por

procesos
La mejora de productos se da a través de la

Mejora de los procesos que la generan

Unidad-I
4. PENSAMIENTO ESTADÍSTICO

Pensamiento Estadístico






Variación Variación
Mano Obra Mediciones
Variación
Maquinaria Variación
Medio Ambiente
Materiales Métodos
Variación del Proceso



VIDEO: La variabilidad en los procesos

naturales vs la distribución normal – ver a partir
del min 5
La estadistica en la vida cotidiana 2

Ing. Percy Marín Lira https://www.youtube.com/watch?v=3Vxiewgo51A
UPC CEP Sesión 1
X

CURSO:
DE PROCESOS
Profesor del curso:


Línea de Tiempo

SEMANA SEMANA SEMANA SEMANA SEMANA 5 SEMANA SEMANA SEMANA 8
1 2 3 4 6 7
• Presentaci - Cartas de - Cartas de Subir Capacidad de
ón del • Variabilida control control AVANCE-1-TF Capacidad de Procesos Evaluación
curso. Variables. Variables. Procesos
d de
Métricas seis
parcial
• Historia procesos. SUSTENTACION
CEP • Causas - Grafica X-R - Grafica X-S Indices de Cp sigma
• Que es especiales - Grafica Cpk
CEP • Causas Individuale PC1= 7.5% Pp y Ppk 15 %
comunes s 5%
UNIDAD 4 UNIDAD 5
SEMANA SEMANA SEMANA SEMANA SEMANA SEMANA SEMANA SEMANA
9 10 11 12 13 14 15 16
- Cartas de
control Cartas de Cartas de Subir Calidad de las SUBIR TF Evaluación
Atributos. control control AVANCE-2-TF
mediciones
Estudio 2
Final (todo
Atributos. Atributos. GAGE R&R
SUSTENTACIÓN
SUSTENTACIÓ el curso)
- Grafica P Estudio 1 N
- Grafica NP - Grafica C y U GAGE R&R
PC1=7.5% TF= 30% 20 %
Ing. Percy
TA1 Marín
20%Lira
= TALLERES EN AULA (promedio simple) / UPC CEP
TF1
Temario
• Las 07 Herramientas Básicas

• La Variabilidad de los Procesos
• Variabilidad – Causa Especial
• Variabilidad - Causa Común

UNIDAD-I:
INTRODUCCIÓN AL CONTROL
ESTADÍSTICO DE PROCESOS

Las 07 Herramientas
Básicas

Las 7 Herramientas Básicas

◼ También se les conoce como herramientas de

calidad, de estadística, de administración, de
la mejora contínua, etc.
◼ La lista de chequeo (verificación) - Checklist
◼ Pareto
◼ Histograma
◼ Gráfica de corrida - Run Chart
◼ Diagrama de Correlación - Scattergram
◼ Diagrama de Control
◼ Diagrama de Ishikawa

Análisis Identificación
Hoja de
verificación Histograma
Diagrama
Estratificación causa-efecto
Gráfica de
control
Diagrama de
dispersión Pareto
Clasificación de las herramientas básicas en función de su

empleo, en la identificación y análisis de problemas

Las Siete Herramientas Básicas, a pesar de su

antigüedad, siguen siendo el conjunto de técnicas
estadísticas de mayor uso en las estrategias de TQC.
Las 7HB tienen como propósitos los siguientes:

• Organizar datos numéricos.
• Facilitar la planeación a través de herramientas
efectivas.
• Mejorar el proceso de toma de decisiones.

¿En dónde utilizar las herramientas?

Objetivo Herramienta
Descubrir qué Diagrama de flujo
Lluvia de ideas
problema será tratado Hoja de inspección
Diagrama causa-efecto
primero Gráfica de Pareto
(priorizar)
Llegar a un punto que Hoja de inspección Histograma
describa el problema en Gráfica de pareto Gráfica de pastel
términos de qué, cómo, Gráficos de desarrollo Estratificación
cuándo, dónde, quiénes,
etc. y su alcance
Hoja de inspección
Elaborar un cuadro
D. causa-efecto
completo de todas las
posibles causas Lluvia de ideas

Puntos a considerar en el procesamiento de datos

1.- No obtener cantidad sino calidad en la información.
2.- La recolección y uso adecuado de los datos reduce un gran

medida conflictos interpersonales que tienen lugar en los grupos.
3.- Tener datos equivocados puede ser peor que no tenerlos.
4.- Los datos deben obtenerse consistentemente.
5.- Cada documento de recolección y síntesis de datos deberán ser

identificado.
6.- No hacerlo más complicado de lo necesario. Utilizar la

herramienta apropiada más simple.

7.- No complicar los gráficos. Mantenerlos simples y claros de

tal forma que el mensaje sea sencillo al observador.
8.- No interpretar a ciega los gráficos de la misma manera en

situaciones diferentes.Usemos el sentido común.
9.- No sesgarlos resultados por el método de muestreo. Tratar

de obtener muestras tan aleatorias como sea posible.
10.- No recolectar, ni demasiado ni muy pocos datos. No

recolectar datos cada semana cuando se necesitan es de un sólo día
y viceversa.

CHECK LIST

• ¿Qué es?
Checklist
– La hoja de verificación es una forma que se usa para

registrar la información en el momento en que se está
recabando.
– Esta forma puede consistir de una tabla o gráfica, donde

se registre, analice y presente resultados de una manera
sencilla y directa.

Checklist
• ¿Para qué sirven?
– Proporciona un medio para registrar de manera
eficiente los datos que servirán de base para
subsecuentes análisis.
– Proporciona registros históricos, que ayudan a percibir
los cambios en el tiempo.
– Facilita el inicio del pensamiento estadístico.
– Ayuda a traducir las opiniones en hechos y datos.
– Se puede usar para confirmar las normas establecidas.

Ejemplos de
Checklist
Estad os de cue nta JCP
Período: Ene-Abr, 1991
Lugar: Zona Noreste

H OJA DE Comedor Firenze
LOCALIZACION
TIPO DE Total
ERROR ENE FE B MAR ABR
X
cargo /// //// / /// 11

diferido
cargo // /// //// // 12 X

erróneo
dirección 10
equivocada
// /// ////
nombre/
dirección mal / //// 5
tecleados
Fecha: Responsable:
Total 6 9 13 10 09/IV/91 Gloria de la Garza
Comentarios: Madera rayada

Vidrio despostillado

➢ Hoja de Inspección. Ejemplo: Manufactura Tipos de Defecto.
Mayo.
Defecto. Total
6 7 8 9
Tamaño
///// / ///// ///// /// ///// // 26
incorrecto
Forma
/ /// /// // 9
incorrecta
Depto.
///// / / / 8
Incorrecto
Paso incorrecto ///// ///// ///// ///// ///// ///// /////
52
///// ///// // /////
Mala
// /// / / 7
uniformidad
Total: 29 22 25 26 102

DIAGRAMA CAUSA-EFECTO

Diagrama de Ishikawa
Diagrama que muestra la relación sistemática
entre un resultado fijo y sus causas.
¿Para qué sirve?
Esta herramienta es útil en la identificación de las posibles causas de un

problema, y representa las relaciones entre algunos efectos y sus causas.
En un ambiente no-manufacturero, las categorías de causas potenciales incluyen

políticas, personal, procedimientos y planta (las 4 P's).

DIAGRAMA DE ISHIKAWA
Análisis de variabilidad
causa
causa
causa
causa
causa
Efecto
causa
causa causa
Diagrama para el
proceso
Análisis de procesos por etapas
Etapa 1 Etapa 2 Etapa 3 PRODUCTO/

SERVICIO

Medio Ambiente
Es adecuada la temperatura?
La ventilación es correcta?
La visibilidad es correcta?
El lugar es ordenado?
Hay suficiente señalizaciones?
Maquinaria
Categorias (Las Es la adecuada para la producción?
6 “M”) Tiene adecuado mantenimiento?
Hay suficientes maquinas?
Mano de Obra Es adecuada su lubricación?
Está calificado? Hace ruidos extraños?
Tiene experiencia?
Se le asignó el trabajo adecuado?
Está dispuesto a mejorar?
Está sano?
Materiales Medición
Es adecuado el inventario? La presión del aceite es correcta?
Hay desperdicio de material? El nivel de aceite es el correcto?
La mezcla es la adecuada ? El peso del producto es correcto?
El manejo es el adecuado? El tamaño del producto es el adecuado?
Método de Trabajo
Está mezclado con impurezas?
Es un método seguro?
La secuencia de trabajo es adecuada? Asegura el buen producto?
Es claro el método de trabajo?Son adecuados los estándares?
DEMORA EN ENTREGA PRODUCTO VENDIDO

Fech as
especia le s Golpeado
Inexistente Faltante
(Navidad, 10
Falta de
Programación Mayo)
Exceso de procedimientos
de entregas estándar de
Rutas trabajo
manejo
inadecuadas INCONFORMIDAD
No
DEL CLIENT E
Descono cidos Ausentismo
Poca ap licados Falta de
capacidad en capacitación
Mantenimiento Poco
camiones Incompletos
deficiente de
amable
camiones Insuficiente
EQUIPO DE PROCEDIMIENTO MANO DE OBRA
REPARTO DE ENT REGA DE
MERCANCIA

Elaborarlo es una labor educativa en sí misma, favorece el intercambio de
técnicas y experiencia.
Ayuda a determinar el tipo de datos a obtener con el fin de confirmar si los

factores seleccionados fueron realmente las causas del problema.
Para prevenir problemas, cuando se detectan causas potenciales de un

problema, éstas pueden prevenirse si se adoptan controles apropiados.
Muestra la habilidad profesional que posee el personal encargado del

proceso; entre más alto sea el nivel, mejor será el diagrama resultante.

DIAGRAMA DE PARETO

Diagrama de Pareto
El Diagrama de Pareto es una gráfica de barras que
ilustran las causas de los problemas por orden de
importancia y frecuencia (porcentaje) de aparición,
costo o actuación.
El Diagrama de Pareto permite además comparar la

frecuencia, costo y actuación de varias categorías de un
problema.

Diagrama de Pareto
Producción de Perlita expandida por
producto(en millones de litros)
14 100
12 A: Termocreto
% de producción
80 B: Filtralite
10 C: Productos
8 60 secundarios
D: Hortipel
6 40 E: Bituperl
4 F: Termoplast
G: Termosil
20
2
0 0
A B C D E F G
Productos

¿Cuándo implantar el Diagrama de Pareto?

• Las causas/categorías de un problema puedan
cuantificarse.
• Un equipo de trabajo necesite identificar las

causas/categorías más significativas de un problema.
• Un equipo de trabajo necesite decidir sobre cuáles

causas trabajará primero.

Ventajas del Diagrama de Pareto

• Canaliza los esfuerzos hacia los 'pocos vitales'.
• Ayuda a priorizar y a señalar la importancia de cada una

de las áreas de oportunidad.
• Es el primer paso para la realización de mejoras.
• Se aplica en todas las situaciones en donde se pretende efectuar

una mejora, en cualquiera de los componentes de la Calidad Total:
la calidad del producto/servicio, costos,entrega, seguridad, y
moral.
Diagrama de Pareto
Permite la comparación antes/después, ayudando a cuantificar el
impacto de las acciones tomadas para lograr mejoras.
Promueve el trabajo en equipo ya que se requiere la

participación de todos los individuos relacionados con el área para
analizar el problema, obtener información y llevar a cabo acciones
para su solución.
El Diagrama de Pareto se utiliza también para expresar los costos que

significan cada tipo de defecto y los ahorros logrados mediante el
efecto correctivo llevado a cabo a través de determinadas acciones.

HISTOGRAMA

Histograma
Un histograma es una descripción gráfica de los valores medidos individuales
de un paquete de información y que está organizado de acuerdo a la
frecuencia o relativa frecuencia de ocurrencia.
Los histogramas ilustran la forma de la distribución de valores individuales en
un paquete de datos en conjunción con la información referente al promedio y
variación.
¿Cuándo implantarlo?
• Desplegar la distribución de datos en barras, graficando el
número de unidades de cada categoría.
• Adentrarse en la naturaleza de la variación del proceso
(por ejemplo, determinar si sólo una variación está presente).
Histograma
La forma de un histograma depende de la distribución de las
frecuencias absolutas de los datos. Algunas de las formas más
comunes que puede adoptar un histograma son las siguientes:

Histograma Normal Histograma de doble pico Histograma con isla aislada
Histograma Cliff Histograma rueda dentada

DISPERSIÓN
Pequeña Normal Grande
DESVIACIÓN CON RESPECTO AL VALOR MEDIO
LIE LSE LIE LSE LIE LSE

Centrada

Pequeña

Gran

DIAGRAMA DE CORRELACIÓN

Diagrama de Correlación Y
• Proporciona la posibilidad de reconocer relaciones

Causa/Efecto.
X
• Hace fácil el reconocimiento de correlaciones.
• Ayuda a determinar relaciones dinámicas o estáticas (de

mediciones).
• Indica si dos variables (factores o características de calidad) están

relacionados.

¿Para qué sirve el diagrama de correlación?

Un diagrama de correlación muestra la relación entre dos factores
cambiantes. Mientras un factor aumenta su valor, el otro factor disminuye,
aumenta o simplemente muestra un cambio. Una relación sólo puede ser
descubierta mediante la comprensión del proceso y la experimentación
Y
diseñada.
¿Cuándo implantarlo? X
Esta técnica explora la relación entre una variable y una

respuesta para probar la teoría de que una variable
puede influir en la forma en que una respuesta cambia.



GRÁFICOS DE CONTROL

LSC
Lectura
Gráfico de Control
LC
LIC
Tiempo
Diagrama que sirve para examinar si un proceso se

encuentra en una condición estable, o para indicar que el
proceso se mantiene en una condición inestable.
¿Para qué sirve?
Proporciona un método estadístico adecuado para distinguir entre causas
de variación comunes o especiales mostradas por los procesos.
Promueve la participación directa de los empleados en el logro de la
calidad.
Sirve como una herramienta de detección de problemas.

TIPOS DE GRAFICAS DE CONTROL

Para las variables:
X-R Promedios y rangos
X-S Promedios y desviación estándar
~
X-R Medianas y rangos
X-R Lecturas individuales
Para los atributos:
p Porcentaje de unidades, trabajos defectuosos
np Número de unidades, trabajos defectuosos
c Número de defectos por unidad,
u Proporción de defectos por unidad

GRAFICAS DE CONTROL
Subgrupos
Se relaciona estrechamente con la
determinación de los límites de control
Se dice que un proceso está bajo

control, cuando no muestra ninguna
tendencia, comportamiento anormal y,
además, ningún punto sale fuera de los
límites, si se trata de menos de 35
muestras.

Límite de Control
Superior X-bar Chart for KPOV
615
UCL=613.6
Media
Sample Mean
605
X=599.1
595
585 LCL=584.6
0 10 20
Sa mple Numbe r
Límite de Control
Inferior
Corrida
Adhesión de los puntos a los límites de control

Criterios de fuera de control

Si el patrón se vuelve predecible el patrón no
es natural y debe tener una causa asignable.
1. Agrupamiento. 9. Mezcla.
2. Cambio gradual de nivel. 10. Mezcla estable.
3. Cambio repentino de nivel. 11. Mezcla inestable.
4. Cambio sistemático. 12. Saltos o abortos.
5. Ciclos. 13. Tendencias continuas.
6. Estratificación. 14. Tendencias variables.
7. Inestabilidad.
8. Interacción.

Gráfica X (R debe estar bajo control):
Error en las mediciones.

Error al graficar.
Cambio de escala.
Puntos fuera de control. Proceso incompleto, u omitido.
Gráfica R:
Proceso incompleto, u omitido.

Error al graficar.
Error de operación (restar).
Error de medida.
Gráfica p:
Variación en el tamaño muestral.

Toma de muestras de una distribución
totalmente distinta.
Gráfica R:
Tendencia creciente:
Tendencias Material desgastándose gradualmente.
Desgaste en el equipo.
continuas
Tendencia decreciente:
Curva de aprendizaje
Mantenimiento del equipo
Control de procesos en otras áreas
Gráfica X:
Deterioro en los instrumentos de medición

Envejecimiento del equipo.
Cambios estacionales (humedad, lluvia)
Variables humanas.
Fatiga del empleado.
Cambio gradual de estándares.
Cambio gradual de los lotes.
Unidad-III
1. VARIABILIDAD DE PROCESOS

Variabilidad de Procesos












CURSO:
DE PROCESOS
Profesor del curso:

Ing. Percy Marín Lira - 2015 Gráfico de Control

UPC CEP- Variables
Sesión 1
Línea de Tiempo

SEMANA 1 SEMANA 2 SEMANA 3 SEMANA 4 SEMANA 5 SEMANA 6 SEMANA 7 SEMANA 8
• Presentació - Cartas de - Cartas de Capacidad de
n del curso. • Variabilidad control control Capacidad de Procesos
Subir AVANCE-1-
• Historia CEP de Variables. Variables. Procesos
TF
Métricas seis
Evaluación
• Que es CEP procesos.
- Grafica X-R - Grafica X-S Indices de Cp sigma parcial
• Causas SUSTENTACION
especiales - Grafica Cpk
• Causas Individuales Pp y Ppk
comunes PC1= 7.5% 15 %
5%
UNIDAD 4 UNIDAD 5
SEMANA 9 SEMANA 10 SEMANA SEMANA 12 SEMANA 13 SEMANA 14 SEMANA SEMANA 16
- Cartas de 11 15
control Cartas de Subir Evaluación
Atributos. control Cartas de AVANCE-2-TF
Calidad de las SUBIR TF Final (todo el
Atributos. control Estudio 2 curso)
SUSTENTACIÓN mediciones
- Grafica P Atributos. GAGE R&R
SUSTENTACIÓN
- Grafica NP Estudio 1
- Grafica C y U
PC1=7.5% GAGE R&R
TF= 30% 20 %
Ing. Percy
TA1 Marín
20%Lira
= -TALLERES
2015 EN AULA (promedio simple) / Gráfico
PC1 15% = RESUMEN Y SUSTENTACION DE de Control
AVANCES UPC CEP - Variables
DEL Sesión
TF1
Temario
• Variabilidad de los procesos

• ESTABILIDAD DE LOS PROCESOS
• GRAFICOS DE CONTROL Xbarra-R

UPC CEP- Variables
Sesión 1
UNIDAD-II:
CARTAS DE CONTROL PARA

VARIABLES

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
Estabilidad
de los Procesos

UPC CEP- Variables
Sesión 1
Estabilidad de Procesos
Mano Obra Mediciones
Variación
Maquinaria Variación
Medio Ambiente
Materiales Métodos
Fuentes de variación
Ing. Percy Marín Lira - 2015
del Proceso Gráfico de Control
UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
Estabilidad
y los Graficos de
Control de procesos
UPC CEP- Variables
Sesión 1
Graficos de Control de Procesos
¿Qué es una Gráfica de Control?

◼ Es la representación gráfica de una característica de un proceso.
◼ Éstas muestran si en el proceso sólo están presentes causas comunes

de variación o si también están presentes causas especiales.
◼ Le dice si algo está cambiando en su proceso y en que momento está

sucediendo tal cambio.
◼ No le dice que está causando el cambio y si éste es “bueno” o

“malo”.

UPC CEP- Variables
Sesión 1
◼ Dr. Walter Shewhart

Laboratorios Bell ~1920
◼ Fue el primero en hacer la distinción entre variación
controlada y no-controlada debida a causas comunes y
especiales.
◼ Desarrolló las gráficas de control para separar las dos
causas.
◼ Es la única herramienta que distingue entre causas
especiales y causas comunes de la variación.

UPC CEP- Variables
Sesión 1
Característica de calidad
◼ El CEP por variables implica realizar mediciones en la
característica de calidad de interés, tal como:
◼ Dimensiones
◼ Pesos
◼ Fuerzas, etc.
◼ El CEP por atributos califica a los productos como buenos o

como defectivos o en su caso cuantos defectos tiene, tales
como:
◼ Color, funcionalidad, apariencia, etc.
UPC CEP- Variables
Sesión 1
Característica cuantitativa; puede

expresarse mediante un número real o
VARIABLE ser medida o recogida en una escala
continua.
Dureza, peso,
friabilidad
Característica cualitativa; se observa si un
artículo posee o no dicha característica.
La característica no responde
ATRIBUTO a una escala de medida y debe ser
clasificada dentro de un conjunto
de categorías.
Color,
Ing. Percy Marín Lira - 2015 rajaduras
Gráfico de Control
UPC CEP- Variables
Sesión 1
¿Qué es una Carta de Control?

◼ Una Carta de Control es como un historial del proceso...
... En donde ha estado.
... En donde se encuentra.
... Hacia donde se puede dirigir
◼ Las cartas de control pueden reconocer cambios buenos y

malos.
¿Qué tanto se ha mejorado?
¿Se ha hecho algo mal?
◼ Las cartas de control detectan la variación anormal en un

proceso, denominadas “causas especiales o asignables de
variación.”

22 Gráfico de Control
UPC CEP- Variables
Sesión 1
Variación observada en una Carta de Control

◼ Una Carta de control es simplemente un registro de datos en el
tiempo con límites de control superior e inferior.
◼ Una carta de control identifica los datos secuenciales en patrones

normales y anormales.
◼ El patrón normal de un proceso se llama causas de variación

comunes.
◼ El patrón anormal debido a eventos especiales se llama causa

especial de variación.
Tener presente que los límites de control NO son límites de

especificación.
UPC CEP- Variables
Sesión 1
Causas Especiales
CAUSAS ESPECIALES
− Ocurren esporádicamente
− Son ocasionadas por variaciones anormales (6Ms)
− Medición, Medio ambiente, Mano de obra, Método,
Maquinaria, Materiales
− Sólo se reduce con acciones en el piso o línea
− Su reducción es responsabilidad del operador por medio del
Control Estadístico del Proceso
SEGÚN DEMING
− El 6% de las causas de la variación son causas especiales y es
responsabilidad del operador
UPC CEP- Variables
Sesión 1
Variación – Causas especiales

UPC CEP- Variables
Sesión 1
Causas comunes o normales

CAUSAS COMUNES
−Siempre están presentes
−Sólo se reduce con acciones de mejora mayores
−Su reducción es responsabilidad de la dirección
Fuentes de variación: Márgenes inadecuados de diseño,

materiales de baja calidad, capacidad del proceso
insuficiente
SEGÚN DEMING
− El 94% de las causas de la variación son causas
comunes, responsabilidad de la dirección
UPC CEP- Variables
Sesión 1
Variación – Causas comunes

UPC CEP- Variables
Sesión 1
GRÁFICA DE CONTROL

UPC CEP- Variables
Sesión 1
GRÁFICA DE CONTROL

UPC CEP- Variables
Sesión 1
Patrones de anormalidad en la carta de control

Región de control,
M
“Escuche la Voz del Proceso” captura la variación
E
natural del proceso
D
I original
D LSC
A
S
C
A LIC
L Tendencia del proceso
I
D El proceso ha cambiado
A
Causa Especial
identifcada
D
TIEMPO
UPC CEP- Variables
Sesión 1
Componentes de una Gráfica de Control

Límite Superior de
Control X-ba r C ha rt Para las Variables Clave de Salida
615 LSC 613.6

Media
Media Muestral
605
X’ = 599.1
595
585 LIC = 584.6

0 10 20
Límite Inferior de Número de Muestra
Control
UPC CEP- Variables
Sesión 1
Componentes de una Gráfica de Control

X-bar Chart para las Variables de Salida Clave
LSC
( + 3 Sigma) Zona A
( + 2 Sigma) Zona B
Media del ( + 1 Sigma) Zona C

proceso ( -1 Sigma) Zona C
( - 2 Sigma) Zona B
( - 3 Sigma) Zona A
LIC
0 10 20
Para las gráficas de Shewhart, como la X-barra. Los límites de control
se colocan a +/- 3 desviaciones estándar de la media del proceso
Gráfico de Control
UPC CEP- Variables
Sesión 1
TIPOS DE GRAFICO DE
CONTROL

UPC CEP- Variables
Sesión 1

continua.
Dureza, peso,
friabilidad
de categorías.
Color,
Gráfico de Control
UPC CEP- Variables
Sesión 1
Tipos de Graficos de Control
Por Variables

UPC CEP- Variables
Sesión 1
GRAFICOS DE CONTROL
PARA VARIABLES
Xbarra-R
Medias muestrales - Rangos
UPC CEP- Variables
Sesión 1
Graficos de Control - VARIABLES

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
Xba r a nd R Cha rt for : va ria ble
9.5 UCL=9.353
Means
8.5
MU=7.967
7.5
6.5 LCL=6.581
Subgroup 0 10 20
5 UCL=5.082
Ranges
4
3
R=2.403
2
1
0 LCL=0.000

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
CURSO:
DE PROCESOS
Profesor del curso:


UPC CEP- Variables
Sesión 1
Línea de Tiempo

n del curso. • Variabilidad control control Capacidad de Procesos
Subir AVANCE-1-
• Historia CEP de Variables. Variables. Procesos
TF
Métricas seis
Evaluación
• Que es CEP procesos.
- Grafica X-R - Grafica X-S Indices de Cp sigma parcial
especiales - Grafica Cpk
• Causas Individuales Pp y Ppk
comunes PC1= 7.5% 15 %
5%
UNIDAD 4 UNIDAD 5
- Cartas de 11 15
Calidad de las SUBIR TF Final (todo el
SUSTENTACIÓN mediciones
SUSTENTACIÓN
- Grafica NP Estudio 1
- Grafica C y U
PC1=7.5% GAGE R&R
TF= 30% 20 %
Ing. Percy
TA1 Marín
20%Lira
= -TALLERES
2015 EN AULA (promedio simple) / Gráfico
PC1 15% = RESUMEN Y SUSTENTACION DE de Control
AVANCES UPC CEP - Variables
DEL Sesión
TF1
UNIDAD-II:
CARTAS DE CONTROL PARA

VARIABLES

UPC CEP- Variables
Sesión 1
Temario
• PRUEBAS DE PROCESOS INESTABLES

• GRAFICOS DE CONTROL Xbarra-S
• GRAFICOS DE CONTROL I-Rm

UPC CEP- Variables
Sesión 1
Graficas de Control - VARIABLES
Xba r a nd R Cha rt for : va ria ble
9.5 UCL=9.353
Means
8.5
MU=7.967
7.5
6.5 LCL=6.581
Subgroup 0 10 20
5 UCL=5.082
Ranges
4
3
R=2.403
2
1
0 LCL=0.000

UPC CEP- Variables
Sesión 1
GRAFICOS DE CONTROL Y
LAS 8 PRUEBAS DE
PROCESOS INESTABLES

UPC CEP- Variables
Sesión 1
08 PRUEBAS DE PROCESOS
INESTABLES: X barra,I
01..04 PRUEBAS DE PROCESOS

INESTABLES: R-S-Rm-NP-P-C-U

UPC CEP- Variables
Sesión 1
GC - PRUEBAS DE PROCESOS INESTABLES
P1- 1 punto más allá de 3 sigma de la línea central

Valores de la Variable
Observaciones
UPC CEP- Variables
Sesión 1
P1- 1 punto más allá de 3 sigma de la línea central

Observaciones
UPC CEP- Variables
Sesión 1
P2- 9 Puntos consecutivos en el mismo lado de la línea central

Observaciones
UPC CEP- Variables
Sesión 1
P2- 9 Puntos consecutivos en el mismo lado de la línea central

Observaciones
UPC CEP- Variables
Sesión 1
P3- 6 Puntos consecutivos todos crecientes ó decrecientes

Observaciones
UPC CEP- Variables
Sesión 1
P3- 6 Puntos consecutivos todos crecientes ó decrecientes

Observaciones
UPC CEP- Variables
Sesión 1
P4- 14 Puntos consecutivos alternando hacia arriba y hacia abajo

Observaciones
UPC CEP- Variables
Sesión 1
P4- 14 Puntos consecutivos alternando hacia arriba y hacia abajo

Observaciones
UPC CEP- Variables
Sesión 1
P5- 2 de 3 puntos más allá de 2 desviaciones de la línea central
(mismo lado)
Observaciones
UPC CEP- Variables
Sesión 1
P5- 2 de 3 puntos más allá de 2 desviaciones de la línea central
(mismo lado)
Observaciones
UPC CEP- Variables
Sesión 1
P6- 4 de 5 puntos más allá de 1 desviación de la línea central

(mismo lado)
Observaciones
UPC CEP- Variables
Sesión 1
P6- 4 de 5 puntos más allá de 1 desviación de la línea central

(mismo lado)
Observaciones
UPC CEP- Variables
Sesión 1
P7- 15 puntos consecutivos dentro de 1 desviación de la línea

central (ambos lados)
Observaciones
UPC CEP- Variables
Sesión 1
P7- 15 puntos consecutivos dentro de 1 desviación de la línea

Observaciones
UPC CEP- Variables
Sesión 1
P8- 8 Puntos consecutivos más allá de 1 desviación de la línea

Observaciones
UPC CEP- Variables
Sesión 1
P8- 8 Puntos consecutivos más allá de 1 desviación de la línea

Observaciones
UPC CEP- Variables
Sesión 1
TIPOS DE GRAFICO DE
CONTROL

UPC CEP- Variables
Sesión 1

continua.
Dureza, peso,
friabilidad
de categorías.
Color,
Gráfico de Control
UPC CEP- Variables
Sesión 1
Tipos de Graficos de Control
Por Variables

UPC CEP- Variables
Sesión 1
GRAFICOS DE CONTROL
PARA VARIABLES
Xbarra-S
Medias muestrales – Desviación estándar muestral
UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
+ A3
- A3
B4
B3

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
GRAFICOS DE CONTROL
PARA VARIABLES
I-Rm
Individuales – Rango medio
UPC CEP- Variables
Sesión 1

UPC CEP- Variables
Sesión 1
Gráficos de Control - VARIABLES
Gráficos de I-Rm

UPC CEP- Variables
Sesión 1
GRAFICOS DE CONTROL E
INTERPRETACIÓN

UPC CEP- Variables
Sesión 1
INTERPRETACIÓN DE GRÁFICA DE RANGOS
• Esta gráfica se debe analizar primero, ya que el

comportamiento de los promedios y de los rangos de los
subgrupos depende de la variabilidad estimada de las
piezas.
• Se deben verificar las ocho pruebas
• Verificar que no haya tendencias

UPC CEP- Variables
Sesión 1
INTERPRETACIÓN DE GRÁFICA DE MEDIAS
• Si la gráfica de rangos está bajo control, la dispersión del

proceso está estable y por lo tanto se puede analizar la gráfica
de los promedios; los límites de control de esta gráfica se basan
en la cantidad de variación de los rangos. Con la gráfica de
medias se determina si el centro del proceso está cambiando
con el tiempo y si ese es el caso, entonces existen causas
especiales de variación que están ocasionando esos problemas.

UPC CEP- Variables
Sesión 1
INTERPRETACIÓN DE GRÁFICA S
• Primero se debe analizar esta gráfica, ya que si no

está bajo control estadístico los límites de la gráfica
de medias no tendrán sentido.
• En caso de que no este bajo control estadístico, se
deberán encontrar las causas especiales de variación
y eliminar los puntos fuera de control y recalcular los
límites.

UPC CEP- Variables
Sesión 1
INTERPRETACIÓN DE GRÁFICA DE MEDIAS

• Después de haber revisado la gráfica S, es cuando se interpreta
la de medias.
• Nunca se deben relacionar los puntos en una gráfica de medias

con los límites de especificación, ya que los puntos en la gráfica
son promedios y las especificaciones corresponden a valores
individuales, presentando una variabilidad mayor que los
subgrupos.

UPC CEP- Variables
Sesión 1
PARA AMBAS GRÁFICAS
• Se deben verificar las ocho pruebas

• Verificar que no se presente ningún patrón.
• Datos normales.

UPC CEP- Variables
Sesión 1
ACCIONES LOCALES Y ACCIONES SOBRE EL SISTEMA
Acciones Locales
• Generalmente se requieren para eliminar causas especiales de
variación
• Generalmente pueden tomarse por gente cercana al proceso
• Típicamente pueden corregir alrededor del 15% de los problemas del
proceso
Acciones Sobre el Sistema
• Generalmente se requieren para reducir variaciones debidas a causas
comunes
• Casi siempre requieren de acciones de la dirección/ administración
para correcciones
• Son necesarias para corregir típicamente alrededor del 85% de los
problemas del proceso

UPC CEP- Variables
Sesión 1
HagaFACULTAD
clic para DE modificar
INGENIERIA el estilo de
título del patrón
CURSO:
DE PROCESOS
Profesor del curso:


Haga clic paraLínea
modificar
de Tiempo el estilo de
CONTROL título
ESTADÍSTICO
del patrón DE PROCESOS
n del • Variabilida control control Capacidad de Procesos
Subir AVANCE-1-
curso. d de Variables. Variables. Procesos
TF
Métricas seis
Evaluación
• Historia procesos.
CEP - Grafica X-R - Grafica X-S Indices de Cp sigma parcial
• Que es CEP especiales - Grafica Cpk
• Causas Individuale Pp y Ppk
comunes s PC1= 7.5% 15 %
5%
UNIDAD 4 UNIDAD 5
- Cartas de 11 15
Calidad de SUBIR TF Final (todo el
SUSTENTACIÓN las
mediciones SUSTENTACIÓN
- Grafica NP
- Grafica C y U
PC1=7.5% Estudio 1
GAGE R&R TF= 30% 20 %
Ing. TA1
Percy20%
Marín=Lira
TALLERES EN AULA (promedio simple) / UPC CEP
TF 1
Haga clic para modificar el estilo de
título del patrón
UNIDAD-III:
ÍNDICES DE CAPACIDAD DE
PROCESOS

Temario
título del patrón
• CAPACIDAD DE PROCESOS
• INDICES DE CAPACIDAD
• ESTADOS DEL PROCESO: Capacidad-Estabilidad
• CAPACIDAD VS GRAFICOS DE CONTROL
• CAPACIDAD DE LARGO PLAZO

Control Estadístico de Procesos
título del patrón
Técnicas y actividades de carácter operativo, utilizadas para
satisfacer los requisitos para la calidad.
Conjunto de técnicas estadísticas usadas para medir y controlar

el desempeño de los procesos.
Sirve para identificar áreas de mejora en el proceso y medir la

variación de las características de calidad.

Objetivos
título del patrón
• Mejorar la Calidad.
• Definir la capacidad o alcance del proceso.
• Decidir sobre las especificaciones.
• Decidir sobre el proceso.
• Decidir sobre los productos.
• Calcular el promedio de la calidad y controlar su
cumplimiento.
• Hacer el proceso estable.
• Mejorar el proceso.

título del patrón
Capacidad de Procesos

Haga clic parademodificar
CAPACIDAD Procesos el estilo de
título del patrón

título del patrón
Consiste en conocer la amplitud de la variación natural del
proceso para una característica de calidad dada, ya que esto
permite saber en que medida tal característica de calidad es
satisfactoria (cumple especificaciones).

título del patrón

título del patrón
Índices de

Haga clic
Ïndices para modificar
de Capacidad el estilo de
de Procesos
título del patrón
Índices para procesos con Cp, Cr, Cpk, K y
doble especificación Cpm
Índices para procesos con

una especificación Cpi y Cps
Índices de largo plazo Pp y Ppk
Métricas Seis Sigma Z, Zl, Zc PPM y

DPMO
título del patrón
Cp
Capacidad Potencial

Haga clic para
Capacidad modificar el estilo de
Potencial
título del patrón

Haga clic para
Potencial
título del patrón

Haga clic para
Potencial
título del patrón

Haga clic para
Potencial
título del patrón

Haga clic para
Potencial
título del patrón

Ejemplo-Cp
título del patrón
Una característica de calidad importante en la

fabricación de una llanta es la longitud de capa, que
para cierto tipo de llanta debe de ser de 780 mm con
una tolerancia de ± 10 mm. Siendo la EI = 770 y la ES =
790, con un valor nominal de N = 780.
Resultado de la medición de muestras se tiene µ = 783
yδ=3

Ejemplo-Cp
título del patrón
ES − EI
Cp =
6
Cp = (790 – 770)/ 6(3) = 1.11
El proceso tiene una capacidad potencialmente parcialmente

adecuada y requiere de un control estadístico.

título del patrón

título del patrón
Cr
Razón de la Capacidad Potencial

Índice Cr
título del patrón
Razón de la Capacidad Potencial: La capacidad potencial del
procesos que divide la amplitud de la variación natural
entre la variación tolerada. Representa la proporción de
banda de especificaciones que esta cubierta por el proceso.
6
Cr =
ES − EI
También conocido como la razón de capacidad potencial

Ejemplo-Cr
título del patrón
6
Cr =
ES − EI
Cr = 6(3) / (790 – 770) = 0.90
Es un valor parcialmente adecuado, pues indica que la variación

del proceso potencialmente cubre el 90% de la banda de
especificaciones.
Pero este indicador no toma en cuenta el hecho de lo centrado

del proceso.

título del patrón
Cpk-Cpi-Cps
Capacidad Real

Cpi-Cps
título del patrón

Haga clic para
Capacidad Realmodificar
Cpk el estilo de
título del patrón

Haga clic para
Cpk el estilo de
título del patrón

Haga clic para
Cpk el estilo de
título del patrón

Haga clic para
Cpk el estilo de
título del patrón

Ejemplo-Cpi
título del patrón
 − EI
C pi =
3
Cpi = (783 – 770) / 3(3) = 1.44
Para considerar al proceso adecuado, el valor de Cpi o Cps debe

de ser mayor que 1.25 (teoría)
Para este caso el proceso cumple de manera adecuada la

especificación.

Ejemplo-Cps
título del patrón
ES − 
C ps =
3
Cpi = (790 – 783) / 3(3) = 0.78
Para considerar al proceso adecuado, el valor de Cpi o Cps debe

de ser mayor que 1.25 (teoría)
Para este caso el proceso no cumple de manera adecuada la

especificación.

Ejemplo-Cpk
título del patrón
  − EI ES −  
Cpk = Minimo ,
 3 3 
Cpk =mínimo (783 - 770) / 3(3) ; (790 – 783) / 3(3)

1.444 ; 0.777
El índice Cpk es igual al valor mas pequeño de entre Cpi y Cps, es

decir, es igual al índice unilateral mas pequeño.
Si Cpk es mayor a 1.25 (teoría), el proceso es capaz.
Capacidad no satisfactoria.
Índice Cpk
título del patrón
El índice Cpk nos indica que tan centrado se encuentra el proceso
en relación al nivel objetivo.
• Cp no cambia cuando cambia el centro del proceso
• Cp=Cpk cuando el proceso esta centrado.
• Cpk siempre es menor o igual a Cp
• Cpk=1 es un estándar que indica cumplimientos de
especificaciones
• Cpk<1 indica no cumplimiento de especificaciones
• Cp<1 indica que nos encontramos ante un proceso no capaz

Índice Cpk
título del patrón
• Cpk=0 indica que el promedio es igual a uno de los límites de
especificación
• Cpk<0 indica que el promedio está fuera de las
especificaciones
• El índice Cpk siempre será menor o igual que el Cp.
• Cuando el índice Cpk es mayor a 1.25 es un proceso ya
existente, se considera que se tiene un proceso con capacidad
satisfactoria.
• Para procesos nuevos se pide Cpk mayores a 1.45.

Haga clic para
Cp-Cpk
título del patrón

Haga clic para
Cp-Cpk
título del patrón

Haga clic para
Cp-Cpk
título del patrón

título del patrón
Estados de Proceso
Capacidad vs Estabilidad

Haga clic para
vs Estabilidad
título del patrón
Si un proceso no es capaz ni esta bajo control, primero
se debe de crear un estado de control eliminando las
causas especiales de la variación y luego actuar sobre
las causas comunes para mejorar su capacidad.
Los cálculos de capacidad de procesos tienen poco

sentido si éste no se encuentra bajo control
estadístico, por que los datos se confunden con las
causas especiales que no representan la capacidad del
proceso. UPC CEP Sesión 1
Haga clic para
vs Estabilidad
título del patrón
ESTABILIDAD DEL
PROCESO
BAJO CONTROL FUERA DE CONTROL
ESTADO ESTADO
AL BORDE DEL CAOS
CAPAZ
IDEAL
CAPACIDAD DEL
PROCESO
ESTADO ESTADO
NO CAPAZ
AL LÍMITE EN CAOS

Haga clic para
vs Estabilidad
título del patrón
ESTABLE
CAPAZ

título del patrón
K
Índice de Centrado
del Proceso

Índice de Centrado K
título del patrón
Índice de Centrado del Proceso: Que tan centrada esta la
distribución de un proceso con respecto a las especificaciones de
una característica de calidad dada.
−N
K= *100
1
( ES − EI )
2

Índice de Centrado K
título del patrón
• Si K tiene signo positivo, significa que la media del proceso es
mayor al valor nominal y será negativo cuando µ < N.
• Valores de K menores a 20% en términos absolutos se

considera aceptables, pero a medida que el valor absoluto es
mas grande, indica procesos descentrados.
• El valor nominal, N, es la calidad objetivo y optima; cualquier

desviación con respecto a este valor lleva un detrimento en la
calidad.

Ejemplo-K
título del patrón
Calculo del índice K
−N
K= *100
1
( ES − EI )
2
K = ((783 – 780) / 0.5 (790 – 770)) * 100
K = 30%
La media del proceso esta desviada en 30% a la derecha del valor

nominal, por lo que lo centrado del proceso es inadecuado, lo
que contribuye a la baja capacidad.

título del patrón
Cpm
Índice de Taguchi

Índice Cpm
título del patrón
(Índice de Taguchi) similar al Cpk, que en forma simultanea, toma en
cuenta el centrado y la varianza del proceso.
El objetivo es reducir la variabilidad alrededor del valor nominal

(calidad optima).
El valor N por lo general es igual al punto medio de las especificaciones.
Si el proceso esta centrado, es decir, µ = N, entonces Cp, Cpk y Cpm son
iguales
ES − EI
C pm = t =  2 + ( − N )2
6t UPC CEP Sesión 1
Ejemplo-Cpm
título del patrón
ES − EI
C pm = t =  2 + ( − N )2
6t
Cpm = (790 – 770) / 25.46 = 0.79
Entonces Cpm = 0.79, Cp = 1.11 y Cpk = 0.78

Índice Cpm
título del patrón
• Cuando el Cpm es menor a uno significa que el proceso no
cumple con especificaciones, ya sea por problemas de
centrado o por exceso de variabilidad.
• Por el contrario, cuando Cpm es mayor que uno, eso quiere
decir que el proceso cumple con especificaciones, y en
particular que la media del proceso esta dentro de la tercera
parte central de la banda de especificaciones.
• Si Cpm es mayor que 1.33, entonces el proceso cumple
especificaciones, pero además la media del proceso esta
dentro de la quinta parte central del rango de
especificaciones.

título del patrón
Gráficos de Control vs.


Haga
GC vsclic para modificar el estilo de
Capacidad
título del patrón
DISTRIBUCIÓN
DE MEDIAS
MUESTRALES
LCS
LCI

Haga
Capacidad
título del patrón
DESVIACIÓN ESTÁNDAR
DEL PROCESO
Haga
Capacidad
título del patrón
+ A3
- A3
B4
B3
DESVIACIÓN ESTÁNDAR
DEL PROCESO
Haga
Capacidad
título del patrón

título del patrón
Pp-Ppk
Largo plazo

Haga clic para
Pp-Ppk
título del patrón

Haga clic para
Pp-Ppk
título del patrón
• Las capacidades de corto plazo se calculan a partir de muchos
datos tomados durante un periodo suficientemente corto
para que no haya influencias externas sobre el proceso. Por
ejemplo, que no haya importantes cambios de temperatura,
turnos, operadores, lotes de materia prima etc.
• Las capacidades de largo plazo se calculan con muchos datos
tomados de un periodo de tiempo suficientemente largo
como para que los factores externos influyan en el
desempeño del proceso.

Haga clic para
Pp-Ppk
título del patrón
Desempeño potencial del procesos, que calcula en forma similar
al Cp pero usando la desviación estándar de largo plazo.
Las capacidades de largo plazo se calculan tomando muchos

datos de un periodo de tiempo suficientemente largo como
para que los factores externos influyan en el proceso.
ES − EI
Pp =
6 L
Haga clic para
Pp-Ppk
título del patrón
Desempeño potencial del procesos, que calcula en forma similar
al Cpk pero usando la desviación estándar de largo plazo.
  − EI ES −  
Ppk = min  , 
 3 L 3 L 

Haga clicEjemplo
para modificar
Pp-Ppk el estilo de
título del patrón
• δL = 4.16 , EI = 10 , ES = 40, N = 25 y µ = 20.16
Pp = 1.2
Ppk = 0.81
K = - 0.32 = 32 %

HagaFACULTAD
clic para DE modificar
INGENIERIA el estilo de
título del patrón
CURSO:
DE PROCESOS
Profesor del curso:


Haga clic paraLínea
modificar
de Tiempo el estilo de
CONTROL título
ESTADÍSTICO
del patrón DE PROCESOS
n del • Variabilida control control Capacidad de Procesos
Subir AVANCE-1-
curso. d de Variables. Variables. Procesos
TF
Métricas seis
Evaluación
• Historia procesos.
CEP - Grafica X-R - Grafica X-S Indices de Cp sigma parcial
• Que es CEP especiales - Grafica Cpk
• Causas Individuale Pp y Ppk
comunes s PC1= 7.5% 15 %
5%
UNIDAD 4 UNIDAD 5
- Cartas de 11 15
Calidad de SUBIR TF Final (todo el
SUSTENTACIÓN las
mediciones SUSTENTACIÓN
- Grafica NP
- Grafica C y U
PC1=7.5% Estudio 1
GAGE R&R TF= 30% 20 %
Ing. TA1
Percy20%
Marín=Lira
TALLERES EN AULA (promedio simple) / UPC CEP
TF 1
título del patrón
UNIDAD-III:
ÍNDICES DE CAPACIDAD DE
PROCESOS

Temario
título del patrón
• ÍNDICES DE CAPACIDAD DE PROCESOS

• MÉTRICAS SEIS SIGMA
• ÍNDICE Z-Zi-Zs
• ÍNDICES PPM-DPMO

título del patrón

título del patrón

título del patrón

título del patrón
Índices de

Haga clic
Ïndices para modificar
de Capacidad el estilo de
de Procesos
título del patrón
Índices para procesos con Cp, Cr, Cpk, K y
doble especificación Cpm
Índices para procesos con

una especificación Cpi y Cps
Índices de largo plazo Pp y Ppk
Métricas Seis Sigma Z, Zl, Zc PPM y

DPMO
título del patrón
Métricas Seis Sigma

título del patrón
Métrica Seis Sigma

Z
Índice Z o Nivel Sigma

Haga clic
Índice Z para modificar el estilo de
título del patrón
Es la métrica de capacidad de procesos de mayor uso en Seis
Sigma. Se obtiene calculando la distancia entre la media y las
especificaciones, y esta distancia se divide entre la desviación
estándar.
ES −   − EI
Zs = Zi =
 
Z = mínimoZs , Zi 
Haga clic
título del patrón
μ
3σ
Zi Zs

Haga clic
título del patrón

Haga clic
título del patrón

Haga clic
Índice Z - para modificar
Calidad el estilo de
3 Sigma
título del patrón
Proceso cuya capacidad para cumplir especificaciones a corto
plazo es igual a Zc = 3 y el índice es Cpk = 1.

Haga
Índiceclic paraCp
Z vs. modificar
y Cpk el estilo de
título del patrón

Haga clic
Índice Z - para modificar
Calidad el estilo de
3 y 6 Sigma
título del patrón

título del patrón

Haga clic3para
Calidad Sigmamodificar el estilo de
título del patrón
• Significa que el 99.73% cumple especificaciones, y que solo el
0.27% esta fuera. Ósea 2,700 PPM.
• Una empresa de teléfonos que produce 10 millones al año,

significaría que 27,000 clientes con problemas.
• Un millón de vuelos por semana, significa 2,700 errores.

Haga clic para modificar
Calidad 6 Sigma el estilo de
título del patrón
Proceso cuya capacidad para cumplir

especificaciones a corto plazo es igual
a Zc = 6 o cuando es largo plazo ZL =
4.5, lo cual , a corto plazo significa Cpk
=2 y a largo plazo un Ppk = 1.5

Hagadeclic
Calidad para
Corto plazomodificar
y Largo Plazoel
en estilo
términosde
de
Cp, Zc,del
título ZL ypatrón
PPM

Hagadeclic
Calidad para
Corto plazomodificar
y Largo Plazoel
en estilo
términosde
de
Cp, Zc,del
título ZL ypatrón
PPM
Calidad del Procesos en Corto Plazo Calidad del Proceso en Largo Plazo
Cp Zc % dentro de PPM ZL % dentro de PPM
especificaciones especificaciones (DPMO)
0.33 1 68.27 317,300 - 0.5 30.23 697,700
0.67 2 95.45 45,500 0.5 69.13 308,700

1.00 3 99.73 2,700 1.5 93.32 66807
1.33 4 99.9937 63 2.5 99.379 6210
1.67 5 99.999943 0.57 3.5 99.9767 233
2.00 6 99.9999998 0.002 4.5 99.99966 3.4

Seis Sigma para atributos - DPMO
título del patrón
Cuando las características de calidad son de tipo
continuo/atributos se emplea la métrica Defectos por millón
de oportunidades de error (DPMO).
Donde:
• Unidad: parte o producto que se elabora mediante un

proceso.
• Oportunidad de error: cualquier parte de la unidad que
puede medirse o probarse si es adecuada.

Seis Sigma para atributos - DPMO
título del patrón
• Índice DPU (Defectos por unidad): métrica de calidad que es
igual al numero de defectos encontrados entre el numero de
unidades inspeccionadas. No toma en cuenta las
oportunidades de error.
• Índice DPO (Defectos por oportunidad): métrica de calidad
que es igual al numero de defectos encontrados entre el total
de oportunidades de error al producir una cantidad especifica
de unidades.
• DPMO (defectos por millón de oportunidades): métrica seis
sigma para procesos de atributos que cuantifica los defectos
esperados en un millón de oportunidades de error.

Ejemplo
título del patrón
En una fabrica de muebles, durante la etapa de ensamble el
producto se desea evaluar el desempeño del proceso.
Específicamente la calidad del ensamble.
El producto tiene 24 punto de ensamble; por lo tanto, en la
inspección se evalúa cada uno de los puntos de ensamble.
Se inspeccionaron 2000 sillas, se encontraron 120 puntos de
ensamble insatisfactorio.

Ejemplo
título del patrón
DPU = d/U = 120/2000 = 0.06
Lo que significa que, por cada silla tiene 0.06 ensambles

defectuosos o por cada 100 sillas, seis tendrán ensambles
defectuoso.
Un desventaja del DPU es que no toma en cuenta el numero de

oportunidades de error en la unidad.

Ejemplo
título del patrón
DPO = d/ (U * O) = 120 / ( 2000 * 24) = 120/48000
= 0.0025
Lo que significa que 480000 ensambles (oportunidades de error)

se fabricaron 120 con algún defecto.
DPMO = DPO * 1 000 000

DPMO = 0.0025 * 1 000 000 = 2500
Entonces, de un millón de ensambles realizados (24 sillas) se

espera tener 2500 con algún defecto. Lo que indica que no es
un proceso SS, ya que la meta es tener 3.4 DPMO como
máximo.

Resumen Parcial Cep

Uploaded by

Document Information

Original Description:

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

Resumen Parcial Cep

Uploaded by

Copyright:

Available Formats

FACULTAD DE INGENIERIA

CARRERA DE INGENIERÍA INDUSTRIAL

Msc. Ing° Percy Marín Lira

Ing. Percy Marín Lira UPC CEP Sesión 1

CONTROL ESTADÍSTICO DE PROCESOS

• Que es el Control estadístico de Procesos

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

◼ CONTROL: mantener algún tipo de situación

◼ ESTADISTICO: con la ayuda de números o

◼ PROCESO: combinación de gente, equipo,

Ing. Percy Marín Lira UPC CEP Sesión 1

 El Control Estadístico de la Calidad es la disciplina

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

¿Cuál de los dos coches

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

"El primer supuesto erróneo es que calidad

“La dificultad en definir calidad es traducir las

"La calidad ...

Ing. Percy Marín Lira UPC CEP Sesión 1

Hacemos énfasis en la orientación hacia el

Los negocios Clientes y Grupos

Características OFRECE EXIJEN REQUISITOS

“La calidad es el grado en que un conjunto de

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Gestión de la Calidad Total Personas

1980 Gestión calidad total Personas

1960 Aseguramiento Sistemas

1920 Inspección Productos

Carmelo Perera - Historia de la calidad HD - YouTube

La Estadística en la Vida Cotidiana 2 - YouTube

La Estadística en la Vida Cotidiana 3 - YouTube

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Baltimore City inspector

Ing. Percy Marín Lira

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Población: Es la colección de todos los elementos (piezas, personas,

Muestra: Es una parte o subconjunto representativo de la población, o

Distribución: Es la forma del patrón de variación observado. .

Ing. Percy Marín Lira UPC CEP Sesión 1

Parámetro: Es el valor verdadero en una población (media, desviación

Datos continuos Los datos que tienen un valor real (temperatura,

Datos discretos: Datos que toman valores enteros (1, 2, 3, etc.)

Datos por atributos: Bueno - malo, pasa - no pasa, etc.

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira UPC CEP Sesión 1

Ing. Percy Marín Lira

Elementos de comparación Enfoque Funcional Enfoque por procesos

Ing. Percy Marín Lira UPC CEP Sesión 1

Enfoque de Procesos - Principios

Todo Producto es generado por

La mejora de productos se da a través de la

Ing. Percy Marín Lira UPC CEP Sesión 1