TEMA 5: CONTROL

ESTADÍSTICO
DEL PROCESO

1. IMPORTANCIA DE
LA MEJORA CONTINUA

1. Importancia de la mejora continua

DIMENSIONES DE LA CALIDAD
› Desempeño
› Confiabilidad
› Durabilidad
› Serviciabilidad
› Estética
› Características
› Imagen del producto
› Conformancia
› Tiempo de entrega
› Precio
› Servicio al cliente

voltaje . apariencia. temp. defectivos Variables: Medibles.1. Importancia de la mejora continua CALIDAD Y MEJORAMIENTO  La calidad es adecuación al uso e inversamente proporcional a la variabilidad..  La mejora de la calidad se logra a través de la reducción de la variabilidad por medio del CEP TIPOS DE DATOS Atributos: No medibles.

duración. disponibilidad .1. servicio. Importancia de la mejora continua  PRODUCTO DEFECTUOSO: No cumple una o varias especificaciones  DEFECTO: Carácterística específica de un producto que no cumple especificaciones  CARACTERISTICAS DEL PRODUCTO › Físicas: Longitud. peso › Sensoriales: apariencia › Relacionadas con el uso: confiabilidad.

desviaciones.Hacia donde se va:… a utilizar Métodos de calidad para Manufactura Delgada  Control estadístico del proceso: Previene que ocurran problemas potenciales  Métodos de inspección sucesiva: Detectan los resultados de la operación previa  Métodos de auto inspección: Detecta los resultados de la operación actual  A prueba de error (Poka Yokes): Hacer que sea difícil. realizar la tarea incorrectamente Evitar: AQLs. concesiones. inspecciones al final y en recibo .

SER PARTE DE UN PROGRAMA MAYOR ENFOQUE DE GRUPO DE TRABAJO  EDUCACIÓN Y ENTRENAMIENTO EN TODOS LOS NIVELES  ENFASIS EN LA MEJORA CONTINUA  SISTEMA DE RECONOCIMIENTO  APOYO TÉCNICO DE INGENIERÍA O CALIDAD .Factores de éxito para la implantación del CEP   LIDERAZGO GERENCIAL.

Inspecciones de calidad Inspección 100% Separa “buenos” de “malos” Ni asegura Ni mejora Auditoría Proc.1... Investigación de Causas Convive con los defectos Control Estadístico del Proceso CEP Ayuda a estabilizar el proceso Mejora pero no evita los def. En la Fuente EVITA EL ERROR IMPIDE DEFECTOS .

. Métodos estadísticos para la mejora  LAS CARTAS/GRAFICAS DE CONTROL › Técnica útil para el monitoreo de procesos › Permiten identificar situaciones anormales (causas especiales originadas por cambios en las 5M’s) › Sirven para prevenir la producción de defectivos Carta X LSC MEDIA LIC ..1.

.. Métodos estadísticos para la mejora  DISEÑO DE EXPERIMENTOS › Técnica util para identificar las variables clave que afectan a la variabilidad de productos p procesos › Permite variar en forma sistemática los factores y analizar su efecto Variables de característica Entrada/Factores calidad Proceso Producto s de calidad .1.

1. por medio de una muestra representativa sin inspeccionar al 100% MUESTRA ¿OK? LOTE .. Métodos estadísticos para la mejora  MUESTREO DE ACEPTACIÓN › Técnica que permite calificar lotes de productos como conformes o no conformes..

2. MÉTODOS Y FILOSOFÍA DEL CEP El CEP debe ser parte de un programa mayor de calidad total. requiere el liderazgo de la dirección. no hay otra forma de implantarlo y mantenerlo .

ni siquiera los gemelos. por tanto la variación es inevitable y es analizada por la Estadística.  En un mercado altamente competitivo la habilidad para reducir eficaz y eficientemente la variación es crucial. causa insatisfacción del cliente y puede fijar en él la idea de una pobre calidad.  La variación.2. MÉTODOS Y FILOSOFÍA DEL CEP No existen en la naturaleza dos cosas exactamente iguales. presente en una o más características del producto. .

Variación Mano de obra Equipos Materiales PROCESO ENTRADAS Maquinarias Métodos SALIDAS .

) producido por los diferentes factores que intervienen en el proceso.Es el cambio en la magnitud de un ítem de control (peso.2 1 500 490 2 495 500 3 505 500 2- 4 515 495 0- 5 500 500 6 510 500 7 495 500 8 490 510 9 500 495 - 10 510 500 8- 11 505 500 12 495 505 13 500 500 4- 14 505 500 2- 15 485 500 16 490 505 6- LI E 4- 485 LS E 490 495 500 515 505 510 10 6- 0- LI E 485 LS E 490 495 500 515 505 510 . etc. Variació n Ejm: Dosificado de líquidos Maquinaria Mano de Obra Método Medio Ambiente Materiales 500 ml n Med. volumen.1 Med.

La variación es el ENEMIGO De los Procesos De los Productos De los Clientes PRIORIDAD : Eliminar al Enemigo (Variación) DEFINITIVAMENTE ATACAR LA VARIACION DEMANDA TIEMPO Y DINERO PERO ¿CUANTO CUESTA NO ATACARLA? CUANDO PODREMOS AFIMAR QUE SOMOS CONSISTENTEMENTE APTOS PARA CUMPLIR CON LOS REQUERIMIENTOS DEL CLIENTE ? .

Método Variación especial o asignable LSC Ítem de Control: Volumen Maquina LIC Medio Amb. No afectan a todos y sólo surgen en circunstancias especiales. Afectan a todo lo relacionado con el proceso y tienden actuar a lo largo de él. Material Variación común o inherente Fluctuaciones aleatorias propias del proceso.Tipos de Variación Mano Obra Fluctuaciones no aleatorias generadas por causas identificables. de una manera . generadas por una combinación de causas comunes.

. eliminadas por personal involucrado en la operación. reducidas sólo por la dirección › Causas especiales (causadas por 6M’s).Modelo general y europeo › Proceso de mejora – eliminando causas especiales ... Bases estadísticas de las cartas de control › Situación “en control” y “fuera de control” › Prueba de hipótesis – Error alfa y error beta › Curva característica de operación del error beta › Límites de control . Causas de variación y bases estadísticas del CEP   Causas de variación › Causas comunes o aleatorias.

usándola para obtener diversas conclusiones” Por ejemplo. y calcular la media. anotar y organizar los datos. . Pesar solo una porción o subconjunto de la población (muestra). tomándola para pronosticar o Inferir la media de toda la población. sí deseamos saber el promedio de peso de las personas en una población tenemos dos opciones: Pesar a todas y cada una de las personas.La Estadística “La estadística nos proporciona métodos para organizar y resumir información.2.. Registrar y organizar los datos y calcular la media de la muestra..

personas. En nuestro caso sería un número infinito de mediciones de las características bajo estudio. o sea un grupo de mediciones de las características. En este caso representa una medición particular. 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. . etc. Distribución: Es la forma del patrón de variación observado.Población: Es la colección de todos los elementos (piezas. Muestra: Es una parte o subconjunto representativo de la población.). .

pasa . Normalmente es una variable aleatoria y tiene asociada una distribución. altura ) Datos discretos: Datos que toman valores enteros (1. Parámetro: Es el valor verdadero en una población (media.malo. desviación estándar de la muestra).) Datos por atributos: Bueno . diámetro.Estadístico: Es una medición tomada en una muestra que sirve para hacer inferencias en relación con una población (media de la muestra. etc. desviación estándar. 2. etc. tiempo. se indican con letras griegas) Datos continuos Los datos que tienen un valor real (temperatura.no pasa. 3. presión. .

2. Herramientas de la calidad: Histograma El Histograma es una gráfica de las frecuencias que presenta los diferentes valores de medición y su frecuencia. Una tabla de frecuencias lista los valores y su frecuencia: VALOR FREC. 35 1 41 36 2 42 37 3 43 38 6 44 39 8 45 40 10 VALOR 7 6 4 2 1 FREC. .

.2.. a la derecha y a la izquierda de la media adoptando la forma de una campana.Histograma de Frecuencia Media TAMAÑO TAMAÑO TAMAÑO M E D I C I O N E S En un proceso estable las mediciones se distribuyen normalmente. M E D I C I O N E S TAMAÑO TAMAÑO .

73%. • La variabilidad del proceso se representa por el ancho del histograma.2. LIE  LSE DEFINICION Un Histograma es la organización de un número de datos muestra que nos permite visualizar al proceso de manera objetiva. .. se mide en desviaciones estándar o . ± 3 cubre el 99.Histograma de Frecuencia • Permite ver la distribución de la frecuencia con la que ocurren las cosas en los procesos de manufactura y administrativos..

Las distribuciones pueden variar en: POSICIÓN AMPLITUD FORMA … O TENER CUALQUIER COMBINACION .2..

Fi = Frecuencia de cada medición xi = Valor de cada medición individual ..Usa todos los datos .2.Le afectan los extremos Mediana .Es el valor que se encuentra en medio de los datos o mediciones Moda .Promedio numérico o centro de gravedad del histograma de mediciones n Fi*Xi X  Fi  i 1 i Donde.Es el valor que más se repite ..Medidas de Tendencia central Media .

. . muestra la mediana. • Mediana = dato intermedio entre un grupo de datos ordenados en forma ascendente Mediana inferior Mediana superior Mediana Valor mínimo  Valor máximo DEFINICION: Es una ayuda gráfica para ver la variabilidad de los datos.. bases y extremos..Gráficas de caja • Permite identificar la distribución de los datos.

Como es el caso de una muestra de mediciones.[(Fi*Xi)]2/n  (xi .2.x)2 = i=1 n-1 i=1 n ..Medidas de variabilidad o Dispersión – Desviación Estándar S es usada cuando los datos corresponden a una muestra de la población.  típicamente es usada si se está considerando a toda la población s = n n  (Fi*Xi2 )..

.204 0.Rango. Se usa para comparar datos en diferentes niveles de media o tipo.. Estándar / Media )*100%.Medidas de Dispersión. se representa como la desviación estándar de la población entre la raíz de n = número de mediciones por muestra.2.250 El Material A tiene una menor variabilidad relativa relativa que el material B Error estándar de la Media: Es la desviación estándar de las medias de las muestras de mediciones. CV Rango: Valor Mayor – Valor menor Coeficiente de variación: (Desv. Por ejemplo: Material No. de Observaciones n   A 160 B 150 Media Desviación Aritmética Estándar s 1100 225 800 200 Coeficiente de Variación Srel 0.

con n = SFi .2.Método Manual  Formar la tabla siguiente donde Xi son los valores y Fi su frecuencia (las sumas se calculan con la función S ): Xi Fi X2i Fi*Xi Fi*X2i 35 1 35 35 35 36 3 1225 108 3675 37 6 1369 222 8214 38 3 1444 114 4332 39 2 1521 78 3042 40 1 1600 40 1600 SXiSFi SX2i SFiXi SFiX2i   Para calcular el promedio dividir SFiXi / SFi Para calcular la desviación estándar sustituir en la fórmula para S...

ANÁLISIS DE DATOS.2... y DesvEst para la media y desviación estándar respectivamente . ESTADÍSTICA DESCRIPTIVA o Utilizar las funciones de Promedio.Cálculos en Excel    Accesar el menu de análisis de datos con TOOLS o HERRAMIENTAS.

42 6.41 6.38 6.45 6.40 6.40 6.39 6.40 6.40 6.43 6.39 6.35 6.40 6.Ejercicio de Histogramas Datos: 6..41 6.39 6.42 6.42 6.41 6.43 6.43 6..38 6.42 6.36 .42 6.40 6.43 6.40 6.36 6.40 6.39 6.44 6.42 6.38 6.38 6.41 6.39 6.38 6.37 6.37 6.39 6.40 6.39 6.2.44 6.39 6.40 6.41 6.38 6.41 6.37 6.41 6.

Histogramas con Datos agrupados El Histograma es una gráfica de las frecuencias que presenta los diferentes datos o valores de mediciones agrupados en celdas y su frecuencia.2. Una tabla de frecuencias lista las categorías o clases de valores con sus frecuencias correspondientes. por ejemplo: CLASE 1-5 6-10 11-15 16-20 21-25 26-30 FRECUENCIA 7 12 19 16 8 4 ...

10. 18.5 y 30.2. 15.5.5..Definiciones . 26 y 30) Marcas de clase Son los puntos medios de las clases (del ejemplo 3. 25. 1 y 5. 5. 6 y 10..5.5.datos agrupados Límite inferior y superior de clase Son los numeros más pequeños y más grandes respectivamente que pertenecen a las clases (del ejemplo. 8. . 13. 16 y 20. 21 y 25. 23 y 28) Fronteras de clase Se obtienen al incrementar los límites superiores de clase y al decrementar los inferiores en una cantidad igual a la media de la diferencia entre un límite superior de clase y el siguiente límite inferior de clase (en el ejemplo. las fronteras de clase son 0. es 5).5.5) Ancho de clase Es la diferencia entre dos límites de clase inferiores consecutivas(en el ejemplo. 11 y 15. 20.

Identificar el límite inferior de clase más conveniente y sumarle el ancho de clase para formar todas las celdas necesarias Paso 6. K = 6 . K = 5 a 7. Contar los datos (N) Paso 2. Calcular el rango de los datos R = (Valor mayor. Tabular los datos dentro de las celdas de clase Paso 7.Construcción del histograma . También se utiliza el criterio K = Raíz (N) Paso 4.valor menor) Paso 3. Seleccionar el número de columnas o celdas del histograma (K). Graficar el histograma y observar si tiene una forma normal .datos agrupados Paso 1. Como referencia si N = 1 a 50.100. Dividir el rango por K para obtener el ancho de clase Paso 5. si N = 51 .10.

Ejemplo: Datos agrupados Datos: 16 21 25 33 30 27 31 25 35 37 44 43 42 39 43 40 38 37 36 42 41 44 32 45 46 47 45 54 52 50 48 49 47 48 49 47 52 51 50 49 58 59 61 62 63 59 61 66 76 70 .

5 69. 25. 35. Paso 4. Graficar el histograma y observar si tiene una forma normal . Rango R = 76 .44.5 Paso 7. 75-94 Paso 6.34. 55 . Lím. Ancho de clase = 60 / 6 = 10 Paso 5.16 = 60 Paso 3.5 29.5 59.. 65-74.5 49.54.64. 45.Construcción del histograma Paso 1. Número de datos N = 50 Paso 2.2. de clase: 15-24.5 39. Número de celdas K = 6.5 79. Número de datos: 2 7 14 17 7 2 1 Marcas de clase 19..

.2.Construcción del histograma ..

Es el valor que más se repite ..Usa todos los datos .Es el valor que se encuentra en medio de los datos Moda .2.. Fi = Frecuencia de cada observación xi = Valor de cada marca de clase .Promedio numérico o centro de gravedad del histograma n Fi*Xi x  Fi  i 1 i Donde.Le afectan los extremos Mediana .datos agrupados Media .Cálculo de la media .

Datos agrupados S es usada cuando los datos corresponden a una muestra de la población Nota: Cada Xi representa la marca de clase  típicamente es usada si se está considerando a toda la población n s =  (Fi*Xi ).Desviación Estándar .x)2 n i=1 NOTA: Para lo cálculos con Excel. se puede utilizar el mismo método que para datos no agrupados de la página 13.. ..[(Fi*Xi)] /n = n-1 i=1 2 2 n  (xi . tomando como Xi los valores de las marcas de clase.2.

35. 55. Bin 15 25 35 45 55 65 75 More Frequency 0 4 6 15 15 7 2 1 .. 25. 75).. 65.2.Histograma en Excel  Después de correr la utileria de Histogramas con Excel se obtuvieron los siguientes resultados (BIN RANGE: 15. 45.

. marcar el área de resultados con OUTPUT RANGE o RANGO DE SALIDA y obtener resultados y gráfica NOTA: Los datos deben estar en forma no agrupada. DATA ANALYSIS o ANALISIS DE DATOS. .2. HISTOGRAMS o HISTOGRAMAS Marcar los datos de entrada en INPUT RANGE o RANGO DE ENTRADA..Histograma en Excel   Accesar el menu de análisis de datos con TOOLS o HERRAMIENTAS. Excel forma los grupos en forma automática o se le pueden proporcionar los límites de las celdas.

Histograma en Excel Frequency Histogram 20 10 0 Frequency Bin ...2.

6 21.5 19.4 21.9 21.8 21.3 19.3 21.2 21..8 21.Ejercicio Datos: 19.3 21.4 19.4 21.4 21.4 21.5 19.1 21.4 21.4 21.5 21.5 21.3 19.4 21.3 19.4 21.4 21.3 19.5 21.5 .1 19.9 21.2 21.7 19.4 19.5 19.3 20.4 21.3 21.8 21.6 21.2 21.8 19.5 21.3 19.3 21.4 19.4 19.5 20.1 21.7 20.4 21.5 21.3 21.4 21.2 21.4 21.4 21.2 21.3 21.9 19.8 21.2 21.8 21.3 21.4 21.3 21.4 19.6 21.4 19.7 21.4 21.4 20.3 21.5 21.4 21.5 19.6 21.3 21.0 20.3 19.3 20.4 19.3 21.3 21.3 21.4 21.6 21.4 19.4 21.8 21.2 19.3 19.3 21.7 21.6 20.6 21.8 21.6 21.2 21.3 21.4 21.

..2.La Distribución Normal .

Para cada valor Z se asigna una probablidad o área . El área bajo la curva o la probabilidad desde menos infinito a más infinito vale 1... La distribución normal es simétrica.La distribución Normal La distribución normal es una distribución de probabilidad que tiene media 0 y desviación estándar de 1.2.5. La escala horizontal de la curva se mide en desviaciones estándar. es decir cada mitad de curva tiene un área de 0. su número se describe con Z.

2.se incluyen TODOS los datos Para la muestra        x-3s x-2s x-s x x+s x+2s x+3s X ...La distribución Normal Para la población .

2.La distribución Normal Estándar La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal X x-3 x-2 x- x x+ x+2 x+3 z -3 -2 -1 0 1 2 3 ...

73% +3s ...Características de la distribución normal 68% 34% 34% +1s 95% +2s 99.2.

2...El valor de z
Determina el número de desviaciones estándar
entre algún valor
Donde  es
población.

x y la media de la población, .

la

desviación

estándar

de

la

En Excel usar Fx, STATISTICAL, STANDARDIZE,
para calcular el valor de Z

z= x-


2...Proceso con media =100
y desviación estándar = 10

70

80

90

100

110

120 130

68%
34% 34%

90

13.5%

80

110

68%
13.5%

34% 34%

95%

68%
13.5%

2.356%
13.5%

120

34% 34%

99.73%

70

2.356%

130

LSE
Especificación
superior

LIE
Especificación
inferior

Z

s
xi

_
X

p = porcentaje de partes fuera de Especificaciones

. *... etc.)  Histogramas – para frecuencia de los datos  Las cartas de control de Shewart – para monitorear el proceso. X. Las 7 herramientas estadísticas  Hoja de verificación – para anotar frecuencia de ocurrencias de los eventos (con signos |. prevenir defectivos y facilitar la mejora › Cartas de control por atributos y por variables  Diagrama de Pareto – para identificar prioridades ver la distribución de .

. Las 7 herramientas estadísticas  Diagrama de Causa efecto – para identificar las posibles causas a través de una lluvia de ideas. . la cual se debe hacer sin juicio previos y respetando las opiniones... se puede encontrar: › Correlación positiva o negativa › Correlación fuerte o débil › Sin correlación.  Diagrama de Dispersión – para analizar la correlación entre dos variables.

proveedores. productos. . turnos. etc.. departamentos. las características críticas en cada uno.. se tienen: › Diagramas de flujo de proceso detallados › Diagramas físicos de proceso › Diagramas de flujo de valor  Estratificación – para separar el problema general en los estratos que lo componen. la forma de evaluación. Las 7 herramientas estadísticas  Diagrama de flujo – para identificar los procesos. por áreas.. los registros y plan de reacción. los equipos a usar. por ejemplo..

... Beneficios de las cartas de control  Herramienta para mejorar la productividad  Herramientas de prevención de defectos  Evitan ajustes innecesarios  Proporcionan información de diagnóstico  Proporcionan información de la capacidad del proceso .

3. subgrupo racional para detectar variación entre subgrupos más que dentro del mismo › Frecuencia de muestreo para detectar cambios › Sensibilidad para detectar causas especiales .. Diseño de la carta de control  Límites de control › De acuerdo a Shewhart a + .09 sigma)  Operación de las cartas de control › Tamaño de muestra.3-sigma › En Europa se usan limites de prevención a + -2 sigma › En Europa se usan Límites Probabilísticos a + 0..1% (+ .

para monitoreo de procesos muy lentos o químicos) . Cartas de Control por Variables  MEDIAS RANGOS (subgrupos de 5 ..9 partes cada x horas.. para estabilizar procesos)  MEDIANAS RANGOS (para monitorear procesos estables)  MEDIAS DESVIACIONES ESTANDAR (subgrupos de 9 o más partes cada hora o cada lote de proveedor para monitoreo de procesos o proveedores)  VALORES INDIVIDUALES (partes individuales cada x horas..

IDENTIFICAR LA CARACTERÍSTICA A CONTROLAR. CENTRAR EL PROCESO. DE PRODUCCIÓN DEL MISMO TURNO O DÍA . DISEÑAR LOS PARÁMETROS DE LA CARTA (límites de control. VALIDAR LA HABILIDAD DEL INSTRUMENTO CON UN ESTUDIO DE REPETIBILIDAD Y REPRODUCIBILIDAD (R&R) 4.Estabilización del proceso con cartas de control 1. tamaño de subgrupo. EN BASE A UN AMEF (análisis del modo y efecto de falla) 2. CORRERLO Y MEDIR 25 SUBGRUPOS DE 5 PARTES CADA UNO. frecuencia de muestreo) 3.

ESTABLECER LIMITES PRELIMINARES PARA SIGUIENTES CORRIDAS 8... RECALCULAR LOS LÍMITES DE CONTROL Y EN CASO NECESARIO REPETIR EL PASO 6. CALCULAR LÍMITES PRELIMINARES DE CONTROL A 3 SIGMA 6. CONTINUAR EL MONITOREO.. IDENTIFICAR CAUSAS ASIGNABLES O ESPECIALES Y TOMAR ACCIONES PARA PREVENIR SU RECURRENCIA 7. REDUCIR CAUSAS COMUNES DE VARIACIÓN .Cartas de Control por Variables Metodología de implantación 5. TOMAR ACCIONES EN CAUSAS ESPECIALES Y RECALCULAR LÍMITES DE CONTROL CADA 25 SUBGRUPOS 9.

Cartas de Control por Atributos p – Fracción defectiva n Constante Se toman muestras de tamaño n constante con 30 o más partes en forma periódica y se determina la fracción defectiva – se utiliza para productos simples (botellas)... p – Fracción defectiva con n variable Igual a la anterior pero el tamaño n de las muestras es variable en cada una – se utiliza para productos simples (botellas) Np – Número de productos defectivos con n constante ..

computadoras u – Defectos por unidad Se cuentan los defectos que tienen diferentes unidades de inspección de tamaño n variable en productos complejos y se determinan los defectos por unidad – TV... Cartas de Control por Atributos c – Número de defectos Se cuentan los defectos que tienen cada unidad de inspección de tamaño n constante en productos complejos – TV.. computadoras .

Cartas de Control tipo p  p ... frecuencia de muestreo  CARTA DE CONTROL np ..FRACCIÓN DEFECTIVA CON n CONSTANTE  INICIO DE CONTROL Y LIMITES PRELIMINARES  IDENTIFICAR CAUSAS DE ANORMALIDAD Y ACCIONES  LIMITES DE CONTROL REVISADOS  DISEÑO DE LA CARTA DE CONTROL › Determinación del tamaño de muestra.

ESTANDARIZADA  CURVA CARACTERÍSTICA DE OPERACIÓN OC Y ARL .CON LÍMITES DE CONTROL VARIABLES  p .2.CON n PROMEDIO  p .. Cartas de Control tipo p  p ..

CARTA DE CONTROL PARA DEFECTOS . B (funcionales).Cambio de tamaño de la unidad de inspección  u .... C (menores)  Curva característica de operación (OC) .CARTA DE CONTROL PARA DEFECTOS POR UNIDAD Carta de control u con n promedio Carta de control u estandarizada  U para Deméritos › En base a la clasificación de defectos A (críticos). u  c . Cartas de Control tipo c.