You are on page 1of 108

Control estadstico de proceso

Control estadstico de proceso

Objetivo.
Al trmino del evento el participante ser capaz de realizar una grfica de control, entendiendo su importancia y la contribucin que esta tiene en el desarrollo de sus actividades cotidianas, lo que se ver reflejado en un mejor control del proceso, en calidad del producto y en el cumplimiento de los requisitos del cliente.

Temario.
Modulo 1 Conceptos Estadsticos bsicos. Control del Proceso
Planes de control

2 hrs.

Mdulo 2

Grficos de control
Importancia, tipos, usos y beneficios

3 hrs.

Ejercicios prcticos Mdulo 3 Evaluacin


6 hrs.

1 hr.

Duracin

Bases conceptuales

Certificacin grficos de control Control estadstico de proceso

1 CEP conceptos bsicos estadsticos


poblacin muestra media desviacin estndar grficos de control variabilidad distribucin normal

2
Fundamentos y aplicacin de los grficos de control
3 GRAFICOS DE CONTROL importancia de los grficos de control tipos de grficos de control usos de los grficos de control beneficio de los grficos de control 4 EJERCICIOS PRACTICOS ejercicios generales

2 CONTROL DEL PROCESO ctqs ctps plan de control

3
Evaluacin de certificacin tericopractica enlazada al plan de control del proceso
5 EVALUACION ejercicio especifico
variables criticas uso de los registros ctqs limites grfica de control x-r interpretacin de tendencias acciones

Control estadstico de proceso

Control estadstico de proceso CEP


Definicin del Control Estadstico del Proceso

C = Control Controlar un proceso usando el ciclo de


retroalimentacin a travs del cual medimos el desempeo real, lo comparamos con un estndar y actuamos sobre la diferencia o el cambio. Mientras ms pronto respondamos al cambio respecto del estndar, ms uniforme ser la calidad en el producto o servicio.

E = Estadstico La aplicacin de tcnicas estadsticas


(matemticas) para medir y analizar la variacin o cambios en los procesos a travs del uso de nmeros y datos.

P = Proceso Cualquier combinacin de mquinas, medio


ambiente, mtodos, materiales y gente para realizar tareas especficas en un producto o servicio (transformar las entradas en salidas). Algunos procesos son de manufactura y diseo, algunos son procesos de servicio, ventas, mientras que otros son operaciones de soporte comunes a ambos.

Control estadstico de proceso

El Proceso de Mejora y el Control Estadstico del Proceso


Entrada Salida

Proceso
Sistema de Medicin

Plan de Control
4. Verificar y Observar 1. Detectar la Causa Asignable

3. Implantar Accin Correctiva

2. Identificar la Causa Raz

Control estadstico de proceso

 CEP

es el estudio y control de la variacin.  CEP es un mtodo eficiente de recoleccin y anlisis de datos. Se puede aplicar a cualquier cosa expresada en nmeros. Su aplicacin va ms all de manufactura, incluyendo compras, control de produccin, personal, contabilidad, ventas, etc.

Control estadstico de proceso Autocontrol de Juran




Para que un sistema tenga autocontrol todos los que participan, conocern:
Qu es lo que van a hacer Si lo estn haciendo bien Cmo arreglarlo, si no esta bien

Cundo un sistema no cumple esto, el liderazgo carga con el 80% de la carga del control.

Control estadstico de proceso todos los procesos tienen variacin


   

Todas las actividades repetitivas de un proceso tienen una cierta cantidad de fluctuacin Las Mediciones de Entradas, Proceso y Salidas fluctuarn Esta fluctuacin se llama Variacin La Variacin es la Voz del Proceso

Medicin

Tiempo

Control estadstico de proceso 6 Ms

Mquinas Materiales Mtodos Medicin Medio Ambiente Mentes

P R O C E S O

Control estadstico de proceso Dos Tipos de Variacin

Tipo
Causa Comn

Definicin
No influida por una de las 6Ms Esperada Normal Aleatoria

Causa asignable

Influencia provocada por las 6Ms

Inesperada No Normal No Aleatoria

Control estadstico de proceso Variacin


 La

Variacin prevalece en todas las cosas que hacemos.  Genera desperdicio (prdidas financieras) en una operacin de manufactura y transaccional  Debemos de reconocer la existencia de la variacin y el desperdicio que esta genera. Entonces la tarea es: entenderla, medirla, clasificarla, controlarla, predecirla y reducirla.

Control estadstico de proceso Variacin


CAUSAS COMUNES  Existen en cada operacin/proceso  Son causadas por el mismo proceso (debido a la forma como usualmente hacemos las cosas)  Generalmente controlable por la gerencia CAUSAS ESPECIALES  Existen en la mayora de las operaciones/procesos. Se pueden presentar de vez en cuando, o continuamente en algunos procesos.  Son causados por una nica alteracin o una serie de ellas fuera del proceso.  Generalmente controlable por el dueo del proceso (o cuando menos detectable).

Cada tipo exhibe diferentes caractersticas estadsticas; por lo tanto, para controlar y reducir sus efectos, debemos tratarlas de manera diferente.

Control estadstico de proceso CEP Dos Supuestos Bsicos


 Integridad

de los Datos - Tener datos verdicos es de capital importancia para evitar malentendidos y correcciones dainas.  Las Caractersticas de Calidad que estn bajo el estudio del CEP deben estar claramente definidas, comprendidas, y haber sido acordadas por todas las personas involucradas. La aplicacin de los criterios debe ser consistente.

Control estadstico de proceso


Las Dos Clases Generales de Datos
(pero 3 familias)

DATOS ATRIBUTOS - Son el resultado de usar instrumentos de medicin de pasa/no pasa, o de la inspeccin de defectos visuales, problemas visuales, partes omitidas, o de decisiones de pasa/no pasa o s/no. DATOS VARIABLES - Los datos son continuos (mediciones). Son el resultado de una medicin real de una caracterstica tal como el tiempo de procesado de una solicitud de crdito, cantidad que pagamos mensualmente por concepto de IVA, la fuerza de tensin del acero, el dimetro de un tubo, etc.

Control estadstico de proceso

Dos Clases Generales de Datos (pero 3 familias)




DATOS ATRIBUTOS (Datos producto de Conteos)  (#1) Nmero de Artculos en una Categora

Datos Atributos Tipo-I (Binomial)




Datos Atributos Tipo-II (Poisson)

Slo pregntate, (Proporciones basadas en Conteos) Estoy  Aguilas/ Soles (es decir, conteo del # de Aguilas y # de Soles) contando  S / No (El Formulario de pedido se llen en forma precisa o no) cosas  Pasa / No pasa; Bueno / malo (Facturacin precisa /Cobrar de ms) aqu? (#2) Conteos de Eventos Discretos Ocurridos Si es as, p # de Raspones en el cofre de un auto tienes p # de Errores en un Formulario datos p # de Interrupciones del Aislante en una Bobina de Alambre atributos.
p

# de veces que un cliente cuelga antes de recibir una respuesta telefnica

DATOS VARIABLES (Escala de Medicin Continua)  (#3) Datos Continuos " Subdivisiones Decimales que son significativas p Ej: Tiempo para dar contestacin telefnica ( # exacto de segundos por llamada)

Diferentes Tipos de Datos Requieren Diferentes Herramientas de Anlisis

Control estadstico de proceso


3 Familias de Datos:
Estoy contando cosas? (Datos Discretos)
Proceso de Manufactura: Haciendo Lminas de Vidrio
Muestra#1 Muestra#2 Muestra#3 Muestra#4

DATOS ATRIBUTOS

TIPO-I

Alguna burbuja?
(acepto / rechazo todo el artculo)

Rechazo

Rechazo

Acepto

Rechazo
Distribucin Poisson Distribucin Normal u otra

TIPO-II

Nmero de burbujas? 3 2 0 4

(Datos Contnuos) (Datos de Medicin)

DATOS VARIABLES

Peso del vidrio


Peso = 12.2 Peso = 12.4 Peso = 11.9 Peso = 12.1

Distribucin Binomial

Control estadstico de proceso Descripcin de la Muestra




Una vez que se ha elegido una caracterstica de un proceso, podemos empezar el estudio seleccionando una muestra para medir tal caracterstica. Entonces podemos sacar conclusiones acerca de la salida del proceso basadas en la muestra. Para llegar a tales conclusiones, debemos conocer tres cosas de la muestra: La forma de su distribucin. La medida de tendencia central (El centro de la distribucin) - media, mediana, moda. La medida de la variabilidad - desviacin estndar, varianza o el rango.

Control estadstico de proceso

Control estadstico de proceso


Actividades Preliminares

Ambiente - La alta gerencia debe establecer una atmsfera confortable que promueva la accin y el apoyo para todos. Procesos - Definir objetivos en los procesos donde los beneficios sean reales. Caractersticas - Fijar metas en caractersticas especficas cuya mejora traer ganancias. Equipo de Mejora del Proceso - Formar un equipo para cada proceso que se va a graficar. Sistema de Medicin - Escoger sistemas de medicin y aparatos que sean fciles de usar y que tengan la suficiente exactitud. Realizar estudios de errores de medicin. Variacin Innecesaria - Esta debe identificarse y eliminarse antes de empezar a graficar.

Control estadstico de proceso

Un Sistema de Actividades Cuyo Propsito es Mantener El Desempeo del Proceso en un Nivel Que Satisfaga las Necesidades del Cliente E Impulse las Mejoras Encaminadas A Mejorar el Desempeo del Proceso.

CTQs del Cliente

Control estadstico de proceso

  

Para Prevenir que un Problema se Repita Retener las Ganancias Para Impedir que las Mejoras se Olviden Para Mantener el Desempeo del Proceso Dentro de un Rango Estadstico Aceptable Para Alentar la Mejora Continua del Proceso
Retener las Ganancias Mejora

No Retener las Ganancias

Hacer la Mejora es slo la Mitad del Combate!

Control estadstico de proceso

El plan de control es el documento donde se establece el monitoreo y los controles de los CTQs y de las variables importantes que aseguran la calidad del producto.

Este mismo documento, establece la frecuencia y el plan de accin a seguir cuando alguna de estas variables se encuentran fuera de especificacin.

Control estadstico de proceso

 Monitorea las Entradas Clave para Prevenir Defectos y La Salida Como la Ve el Cliente para mejorar el proceso  Proporciona Controles para cada Mejora Clave Implantada  Designa a un Propietario del Proceso que efectuar el Monitoreo  Incluye un Mtodo Formal de Monitoreo (por ejemplo, Grficas de Control)  Monitorea el Proceso Mensualmente ( o tan frecuentemente como se requiera)  Tiene Establecidos Niveles Aceptables de Desempeo (Especificacin)

Un Plan de Control Bien Construido Mantendr La Mejora Continua del Proceso

Control estadstico de proceso

Qu se va a medir? Con qu frecuencia? Con qu medios? Por quin? Qu mecanismo detectar la falla? Qu ocurre cuando las mediciones estn fuera de control?

Control estadstico de proceso

1.Estandarizacin 1.Estandarizacin 2.Documentacin 2.Documentacin 3.Monitoreo 3.Monitoreo 4.Plan 4.Plan de Respuesta

Control estadstico de proceso

La Estandarizacin del Proceso Ayuda a Mantener el Proceso Bajo Control: Muy poca Estandarizacin Demasiada Estandarizacin del Sistema Estandarizacin Correcta Todos Hacen sus Propias cosas Frustracin, Pelearse con el Sistema Utilizacin de los Mejores Mtodos Disponibles, Mejora de los Mtodos

Control estadstico de proceso

Mtodos de Estandarizacin: El Mtodo Principal de Estandarizacin es la Documentacin: - Procedimientos Escritos - Instrucciones de trabajo - Videos - Hojas de trabajo Ilustradas Otros Mtodos de Estandarizacin son: - Capacitacin - Hacer Todos los Sistemas a Prueba de Errores Que Mtodo Funcionar Mejor?

Control estadstico de proceso

La Documentacin es un Paso Necesario para Asegurar que las Enseanzas Ganadas Va Mejoras se Compartan e Institucionalicen.

Los Procesos Evolucionan con Frecuencia

Los Procedimientos con Frecuencia slo Residen en las Mentes del Equipo

La Documentacin es Importante como:   Una Ayuda en la Capacitacin de los Miembros Actuales y Futuros del Equipo Una Herramienta de Implantacin para Reducir la Variacin y Captura de las Best Practices

Control estadstico de proceso

Algunos Consejos en la Documentacin:


 Involucre a su Equipo y/o a los Individuos Afectados  Pruebe el ProcedimientoExactamente como est Documentado  Sea Completo, pero Conciso. No Suponga un Conocimiento Previo  Coloque el Procedimiento donde est Fcilmente Disponible  Siga el Mtodo Establecido en el SAQ para Actualizar los Procedimientos .Para la Mejora Continua  Ponga Fecha y # Revisin a los Procedimientos  Destruya los Procedimientos Obsoletos

Control estadstico de proceso

Procedimientos de Verificacin:
Directamente.
Por Observacin Hace Actualmente la Gente lo que el Procedimiento Dice? Se Siguen Todos los Pasos? Se Refiere la gente al Procedimiento? Por Preguntas a los que Utilizan el Procedimiento Est Claro cada Paso del Procedimiento? Tienen Dificultad para Seguir el Procedimiento? Podra Mejorarse el Procedimiento y Todava Obtener Resultados?

Indirectamente..
Por Observacin Cuando fue la ltima Vez que se Revis la Instruccin? Se Utiliza la Grfica de Control como Seal para Investigaciones?

Control estadstico de proceso

Cuando un Proceso se Monitorea, Se Asegura que  El Proceso Permanece Bajo Control - Estadsticamente - Relativo a los Requerimientos del Cliente  Se Adoptan Acciones para Prevenir y Eliminar Causas Especiales

LSC

LIC

Control estadstico de proceso

Qu cosas Monitorear?  Concntrese en las Poca Variables Vitales de las Entradas y Salidas, Verificadas como Importantes para el Desempeo ptimo del Proceso

 El Trabajo Realizado en Anlisis y Mejora Ayudar a Identificar Qu Variables son Crticas de Monitorear y Controlar
Proceso: Enliste las Mediciones de las Salidas Enliste las Entradas Clave de su Anlisis de Datos Evale las Relaciones entre las Salidas y Entradas

Control estadstico de proceso

Cmo Monitorear?
Verifique los Lmites de Control Verifique la Grfica de Control contra las Especificaciones del Cliente
Haga Referencia a los Estndares

Una Referencia contra la cual se pueda Evaluar y Verificar las Mediciones de las Entradas, del Proceso y de las Salidas Una Meta que si se Logra Consistentemente, Suministra el Resultado Deseado desde la Perspectiva del Cliente Los Requerimientos del Cliente pueden Cambiar. Cmo Ajustar Su Plan de Control?

Control estadstico de proceso

Estrategia de Monitoreo
Interpretar las Grficas de Control

Inestable

Es Es Estable?

Estable

Estrategia de Causa Especial

Estrategia de Causa Comn

Anlisis de la Causa Raz

Anlisis del Proceso

Anlisis de las Entradas


15 70126

Anlisis del Mapa del proceso

Control estadstico de proceso

Y=
     

X1 + X2
     

Para tener resultados, Enfocamos nuestra accin sobre la Y las X? Y Dependiente Salida del Proceso Efecto Sntoma Monitorear X 1 . . . XN Independiente Entrada del Proceso Causa Problema Controlar

Si entendemos que la X es la causa, Por qu constantemente inspeccionamos y probamos la Y?

Control estadstico de proceso

Recuerde:
La salida (Y) de un proceso es una funcin de varias entradas (Xs):
Y= Eficiencia de Combustible (lpk) _______ Esta es la Medicin de Desempeo, la Salida, el Resultado Cilindrada Nivel de Octano Edad de Chofer

Y=f(X1, X2, X3, X4, X5, ... )


Peso del Carro Modelo

Estamos en una investigacin sobre las Xs crticas. Aqu la estrategia ...

Control estadstico de proceso

Control estadstico de proceso

Control estadstico de proceso

Las UDNs cuentan con una carpeta especifica en el SAQ donde se almacenan los planes de control de cada una de las reas.

Control estadstico de proceso

Objetivos Generales
Monitorear un proceso con grficos de control Tipos de grficos de control y su uso Reglas para detectar cambios en procesos Construccin de grficos para mediciones variables X media y Rango (X barra, R) y mediciones individuales - Rangos mviles (I, MR) Interpretacin y acciones

42

Grficas de Control
Dr. Walter Shewhart Laboratorios Bell ~1920 Fue el primero en hacer la distincin entre variacin controlada y no-controlada debida a causas comunes y especiales. Desarroll las grficas de control para separar las dos causas. Es la nica herramienta que distingue entre causas especiales y causas comunes de la variacin.
43

Aplicaciones Bsicas de las Grficas de Control


Ayudan a determinar si un proceso ha estado operando dentro de control estadstico. Separan las causas comunes de variacin de las causas especiales de variacin. Ayudan a lograr y mantener control estadstico.
44

beneficios de los sistemas de grficas de control


tcnica comprobada para ayudar a mejorar la productividad efectiva para prevenir defectos evita ajustes innecesarios al proceso proporciona informacin de diagnstico proporciona informacin acerca de la capacidad del proceso
45

beneficios de los sistemas de grficas de control


monitoreo de un proceso reduccin de la variabilidad del proceso, detectando causas especiales de variacin estimacin de parmetros o caractersticas del proceso su anlisis indica en que momento la variacin estable del proceso ha sido influenciada por causas asignables al exterior

46

Qu es una Grfica de Control?


Es la representacin grfica del comportamiento de una caracterstica de un proceso. Estas muestran si en el proceso slo estn presentes causas comunes de variacin o si tambin estn presentes causas asignables. Le dice si algo est cambiando en su proceso y en que momento est sucediendo tal cambio. No le dice que est causando el cambio y si ste es bueno o malo.
47

Componentes de una Grfica de Control


Lmite Superior de Control
61 5

Para las Variables Clave de Salida


C 3.6 LS 61

Media
605 X =599.1 595

585 0 1 0 20

LIC =584.6

Lmite Inferior de Control

Nmero de Muestra

48

Anlisis de Patrones en las Grficas de Control




Cualquier punto fuera del lmite de control superior o inferior es seal de que el proceso est fuera de control De otro modo buscamos patrones usando reglas establecidas para reconocer las condiciones fuera de control Solamente use las reglas en las cuales los operadores pueden tomar accin. Reglas de Mabe:
  

Uno o ms puntos fuera/sobre los lmites de 3-sigma Siete o ms puntos consecutivos sin cruzar la lnea central No existan patrones identificables ( aplicar la regla de los siete segundos)
Used With Permission  AlliedSignal 1995 - Dr. Steve Zinkgraf

49

Reglas para detectar cambios en procesos


LSC

LSC

LIC
0 1 0 20

LIC
0 1 0 20

Observation Num ber

Observation Num ber

1 punto ms all de 3 sigmas:


Un punto a ms de tres sigmas de distancia de la lnea central. Indica un cambio inesperado en el proceso, es seal de una causa asignable y debe ser investigada y atacada la causa raz

2 de 3 puntos consecutivos a ms de 2 sigmas de distancia:


2 de 3 puntos consecutivos a ms de 2 sigmas de distancia de la lnea media. Indican un cambio inesperado en el proceso, es seal de una causa asignable y debe ser investigada y atacada la causa raz

50

Aprendiendo a Interpretar las Grficas

LSC

LSC

LIC
0 1 0 20

LIC
0 5 1 0 1 5

Observation Num ber

Observation Num ber

Cambios en el Nivel del proceso:


El promedio del proceso cambia a un nuevo nivel. Estos cambios resultan por la introduccin de algo nuevo: operadores, materiales, mtodos, mquinas, etc. Tambin puede ser un cambio en los mtodos de inspeccin o cambio de estndares por mejoras al proceso. Pocas Rachas

Tendencia:
Movimiento continuo en una direccin. Las tendencias son ocasionadas usualmente por el desgaste gradual de una herramienta o el deterioro de algn otro componente crtico del proceso. Las tendencias pueden resultar tambin por las influencias de la estacin del ao, tales como temperatura, ventas en mayo, entregas de producto al fin de ao.

51

Aprendiendo a Interpretar las Grficas


LSC LSC

LIC LIC
0 10 20 0 1 0 20

Observation Number

Observation Num ber

Patrn Cclico:
Se observan ciclos repetidos en la grfica. Esta configuracin puede ser el resultado de un cambio sistemtico como temperatura, fatiga del operador, rotacin regular de operadores y/o mquinas, fluctuaciones de voltaje o presin, ventas de fin de mes, entregas a clientes cada mes, etc...

Mezcla:
Se observa que la mayora de los puntos tienden a caer muy cerca de los lmites de control, y relativamente pocos cerca de la lnea central. Una condicin de mezcla la generan dos o ms distribuciones que se traslapan generando la salida del proceso. La severidad de este modelo depende de qu tanto se traslapen las distribuciones. Algunas veces la mezcla es el resultado de un sobre-control , donde los operadores hacen demasiados ajustes al proceso muy frecuentemente respondiendo a la variacin normal en lugar de reaccionar a las causas asignables nicamente. 52

Aprendiendo a Interpretar las Grficas


LSC

LIC
0 1 0 20

Observation Num ber

Estratificacin:
Los puntos graficados tienen la tendencia a agruparse cerca de la lnea central. Una causa potencial de la estratificacin es el clculo incorrecto de los lmites de control. Tambin puede ser que el proceso ha mejorado y su distribucin ya es ms angosta. De cualquier forma, se deben recalcular los lmites de control.

53

Pasos para Implantar Grficas de Control




 

Seleccione la caracterstica apropiada que se va a controlar Seleccione el punto de recoleccin de los datos Seleccione el(los) tipo(s) de grfica(s) de control Determine el tamao de la muestra apropiado y la frecuencia Establezca las bases para los sub-grupos racionales
54

TBM

Mapa de Calidad
Identifica todos los pasos del proceso Muestra claramente todas las especificaciones de cada paso Identifica los dispositivos de medicin empleados en cada paso. Estos sistemas se probarn analizando el sistema de medicin Se percibe el control que se tiene contra su realidad. Enfoque total en el paso de transformacin para identificar problemas conocidos
TBM

Mapa de Calidad
Proceso: C lasificacin Fecha:

Producto/Servicio: M ensajera Pasos del Proceso

3 2 1
Pequeo = Todos los Todas las Todos los < .5 de sobres com- etiquetas paquetes espesor pletamente correctas etiquetados abiertos Todas las bandejas orientadas igual

Estndares

Mtodos/ Controles de Medicin

=
Algunos no se abren por completo Algunos Algunas paquetes bandejas sin etiqueta de la repisa mal

Problemas Conocidos

Pruebas y Resultados
Revised: 10/01 2001 TBM Consulting Group, Inc. All rights reserved.

55

Pasos para Implantar Grficas de Control


  

 

Determine el mtodo y los criterios de medicin Determine la capacidad del Sistema de Medicin Desarrolle un estudio inicial de capacidad para establecer los lmites de control de prueba Disee las formas para recolectar y graficar los datos Establezca un procedimiento para recolectar, graficar, analizar y actuar; basndose en esta informacin Proporcione instrucciones por escrito y entrene al personal involucrado
56

fuentes de variacin de la medicin


Variacin Observada en el Proceso

Variacin Actual del Proceso

Variacin de la Medicin

Variacin del Proceso a Largo Plazo Wlt

Variacin del Proceso a Corto Plazo Wst

Variacin dentro de la Muestra

Variacin debida al Equipo de Medicin

Variacin debida a los Operadores

Exactitud

Precisin Repetibilidad

Estabilidad

Linealidad

Reproducibilidad

Los

mtodos del Gage RyR que estudiaremos nos proporcionarn las estimaciones de la variacin total de la medicin, la variacin atribuible a la repetibilidad del equipo de medicin y la variacin atribuible a los operadores/inspectores.

La variacin del Sistema de Medicin es determinada usando el Estudio del Gage de Repetibilidad y Reproducibilidad
57

Plan de Estudio del Gage RyR


1. Identificar el Tipo de Datos 2. Identificar las Fuentes de Variacin 3. Seleccin de Muestras 4. Recoleccin de datos 5. Anlisis de los Datos

58

Plan de Estudio del Gage RyR


4. Recoleccin de Datos Use el procedimiento tpico de medicin Asegrese que el instrumento de medicin est calibrado Asegrese que tenga la resolucin adecuada Use al menos dos operadores Los operadores que normalmente hacen la medicin son quienes debern desarrollar el Gage RyR. Generalmente mida 10 unidades Cada unidad ser medida 2 o 3 veces por cada operador. 59

Criterio de Evaluacin del % del Gage RyR y % de Estudio de Variacin


Aceptable si es menor de 20% Condicional si est entre 20% to 30% Inaceptable si es mayor de 30%
Tener cuidado con el riesgo asociado al medir el proceso con un sistema de medicin inaceptable

Mejorar el sistema de medicin inaceptable o condicional antes de generar los datos


60

Ejemplo:

Datos atributos
Patrn/Estndar # Defectos # No-defectos # Defectos 45 5 50

Inspector 1 # No-defectos 50 95 Correcto Incorrecto 400 405 450 500

Qu % concuerda entre patrn e Inspector? 61

Conceptos Clave - Anlisis de Sistemas de Medicin


Debe SIEMPRE verificar su sistema de medicin. Las muestras deben contener partes que cubran el rango completo de las medidas potenciales, incluyendo puntos fuera del rango esperado de valores. La resolucin del aparato debe ser menor del 10% del rango potencial de medicin. Evale las RyR de medicin como % del estudio de variacin cuando la medicin se use para decisiones de proceso. (Ha cambiado el proceso?) Use % de tolerancia cuando la medicin se usa para aceptar o rechazar partes. Repetibilidad - variacin del equipo Reproducibilidad - variacin del operador RyR de Medicin > 30% requiere mejora. Mtodo ANOVA - El mtodo ms exacto que proporciona Repetibilidad, Reproducibilidad, RyR Total e Interaccin Operador*Parte. El estudio RyR debe realizarse sobre sus variables Y - Xs potenciales. El Nmero de Categoras Distintivas deben ser > 4 para mediciones de procesos. Recuerde calcular el # de oportunidades para el estudio RyR de datos binarios; 3 personas no pueden estar en desacuerdo si slo hay 2 elecciones. Busque formas de validar sus datos no medibles, sea creativo. Es un punto clave. No puede continuar con una medicin mala.

62

Muestreo


Tamao de la Muestra
 

Grfica de datos variables: 5 si es posible Grfica de datos atributos : 30 o ms dependiendo de los porcentajes de defecto en el proceso No demasiadas (muy costoso) No muy poquitas (la informacin no es confiable) Como regla general: mientras ms seguido, es mejor Los sistemas de medicin en-lnea ofrecen control del proceso en el tiempo real Trate de capturarlos cuando los factores clave de un proceso son consistentes Si se hace correctamente, un subgrupo racional para un proceso en control reflejar nicamente variacin de causas comunes
63

Frecuencia de la Muestra
   

Subgrupos racionales


Impacto del Tamao del Subgrupo

LSC LSC LSC LIC LIC LIC

n=3

n = 10

n = 25

Si el tamao de la muestra se incrementa, los lmites de control estarn ms juntos. Esto tiene el efecto de incrementar la sensibilidad de la grfica a cambios pequeos en el promedio de la poblacin. Tambin disminuye la probabilidad del error tipo II. Como regla general, para datos continuos el tamao del subgrupo (n) debe ser: 2 < n < 6.
64

Tipos de Grficas de Control

Existen muchos tipos de grficas de control; sin embargo, los principios bsicos para cada una, son los mismos. El tipo apropiado se escoge utilizando el conocimiento del CEP y los objetivos de su proceso. La seleccin del tipo de grfica depende de:
 

Tipos de Datos: Facilidad del muestreo

 

atributos vs. variables homogeneidad de la muestra Distribucin de los datos normal o anormal Tamao del subgrupoconstante o variable
Used With Permission  AlliedSignal 1995 - Dr. Steve Zinkgraf

65

Seleccin del tipo de Grfica de Control


Inicio Atributos
Defectos Defectivos ( Defectuosos)

Tipo de datos

Variables
Mediciones individuales o subgrupos?

Los datos tienden a estar normalmente distribuidos debido al teorema del lmite central

Graficar defectos o defectivos?

Individuales

Medicin por Subgrupos

rea de oportunidad constante de muestra a muestra?

Si

C
Rango Mvil Datos normalmente distribuidos? Si la media es grande, X y Rm son efectivas tambin

Si

No

X, Rm
No

Inters principal en cambios bruscos de la media?

No

Si

u
Promedio mvil

Si
Tamao del subgrupo constante?

p, np

MA, EWMA, o CUSUM y Rm

Xmedia-R

No

Si ni n ni p son pequeas; X media-R, y X-Rm son efectivas tambin

Ms efectivas para detectar cambios graduales a largo plazo

Usar grfica X media-R con reglas modificadas

Pruett & Schneider, Essentials of CEP in the Process Industries, p. 360

66

1.- Grficas de Control de Atributos 1. Estn basadas en decisiones de pasa/no pasa. Se pueden aplicar en casi cualquier operacin donde se recolectan datos. Se utilizan en caractersticas de calidad que no pueden ser medidas o que son costosas o difciles de medir. A diferencia de las grficas de control de datos variables, las grficas de datos atributos se pueden establecer para una caracterstica de calidad o para muchas.

67

Tipos de Grficas de Atributos


Defectivos
np - nmero de unidades no-conformes p - proporcin de unidades no-conformes

Defectos
c - nmero de defectos u - proporcin de defectos

68

Tamao de la Muestra, Sensibilidad y Seleccin


Una limitante de las grficas de control de atributos es que se requieren tamaos de muestra mucho ms grandes para tener la misma sensibilidad que la de una grfica X-media y R. Las muestras deben ser seleccionadas al azar de un lote y un perodo especificado de trabajo.

69

Distribucin Binomial
Una de dos importantes distribuciones usadas en las grficas de control. Se aplica cuando estamos evaluando defectivos. p y np son grficas basadas en esta distribucin. Existe una medida de tendencia central (media de la fraccin defectiva - p, np) y una medida de variabilidad (desviacin estndar). Evala artculos y los separa en categoras de aceptado/no-aceptado en un proceso estable y una fraccin defectiva (p) conocida.
70

La Grfica de Control p
Esta grfica se emplea cuando observamos defectivos. Puede usarse con tamaos de muestra constantes o variables. Se grafica la fraccin defectiva o el porcentaje defectivo. La medida de tendencia central es la media de la fraccin defectiva (-p) o la media del porcentaje defectivo (P). La medida de variabilidad es la desviacin estndar en ambos casos.
71

Distribucin de Poisson
Aplica cuando se evalan defectos. Las grficas c y u se basan en esta distribucin. Aplica cuando: el tamao de la muestra (n) es grande la fraccin defectiva (p) es pequea np es menor que 20 Esta distribucin tiene una medida de tendencia central (i.e. - nmero promedio de defectos por lote) y una medida de variabilidad (desviacin estndar).
72

La Grfica de Control C
El formato ms simple para observar defectos. Se requiere tamao de muestra constante -- de uno a varias centenas. Grafica el nmero de defectos en cada unidad de inspeccin/lote para cada muestra. La medida de tendencia central es el nmero promedio de defectos por lote -- c. La medida de variabilidad es la desviacin estndar.
73

2.- Grficas de Control para Datos Variables 2.

X-media
 

Mide el objetivo o el centro del proceso Verifica el cambio en la Media de la variable a travs del tiempo Similar a la X-media Grafica puntos individuales en lugar de la Media Similar a la X-media Grafica todos los puntos en la muestra y el punto de enmedio se encierra en un crculo

Datos Individuales( X)
 

Mediana
 

74

2.- Grficas de Control para Datos Variables 2.

Rango
  

Se usa con la grfica X-media Verifica la variabilidad del proceso a travs del tiempo Mide la ganancia o prdida de uniformidad Similar a la grfica de Rango Usa la estimacin de Sigma de la muestra Similar a la grfica de Rango Se grafica un rango nuevo con cada punto consecutivo Se usa con la grfica individual

Desviacin Estndar ( Sigma)


 

Rango Mvil
  

Estas grficas se emplean para verificar si hay causas especiales en la variabilidad del proceso
75


Grficas de Control X - R
Ventajas Aritmtica simple Muy sensible a cambios en el proceso Limitante Una grfica de control por caracterstica de calidad

76

Principios Bsicos X - R
Funciona porque:
La media de las medias es igual a la media de la salida del proceso.

X =

La desviacin estndar de la distribucin de los promedios de la muestra es igual a 1/ n veces la desviacin estndar de las lecturas individuales en la salida del proceso.

Wx !

Wx n

Sin importar la forma de la distribucin de las lecturas individuales en la salida del proceso, la forma de la distribucin de los promedios de la muestra es normal (forma de campana), siempre y cuando el tamao de la muestra sea cuatro (4) o ms. Este es el teorema del lmite central. 77

Grficas de Control X - R

Pasos para elaborarla:


1 Recoleccin de los datos

Seleccione el tamao del subgrupo. Decida la frecuencia de toma datos Coloque las grficas y anote los datos. Calcule la X-media y el R de cada subgrupo. Defina la escala de la grfica. Dibuje los puntos en las grficas X-media y R de cada subgrupo.
Used With Permission  AlliedSignal 1995 - Dr. Steve Zinkgraf

78

Subgrupos Racionales
El concepto de Subgrupos Racionales no es nuevo:
Un Subgrupo Racional es aquel que representa, lo ms cerca posible, un conjunto de condiciones homogneas. Para obtener subgrupos que tengan la mxima oportunidad de ser racionales, nosotros tratamos de incluir en una muestra, piezas que fueron hechas lo ms aproximado posible al mismo tiempo.
Manual de Control de Calidad Estadstico de AT&T 1956 79

Variacin de Causa Especial

Subagrupamiento Racional
Subgrupos Racionales

Respuesta de Proceso

Variacin de Causa Comn

Tiempo ELEGIR SUBGRUPOS TALES QUE: 1. Hay el mximo de oportunidad para que las mediciones dentro de cada subgrupo sean parecidas. Un subgrupo debe contener slo variacin de causa comn. 2. Hay el mximo de oportunidad para que los subgrupos difieran uno del siguiente. La diferencia entre los subgrupos es variacin de causa especial. 80

Los Componentes de Variacin


Unidad de

Datos a corto plazo

Produccin

Secuencia de Produccin

Proceso a largo plazo


g n
Objetivo: Establecer ventana de muestreo Lo suficientemente pequea para excluir las influencias sistemticas no aleatorias.

Ventana de Muestreo n= 5

7 7 j =1i=1

(X ij - X)

= n7

j=1

(X j - X) ENTRE

7 7 j =1i =1

(X ij - X j ) 2

TOTAL
Variacin

DENTRO
Variacin de causa comn (Aleatoria)

Variacin de causa asignada

81
Copyright 1995 Six Sigma Academy, Inc.

Variacin de Causa Comn


VARIACION DE CAUSA COMUN ES LA VARIACION QUE ESTA PRESENTE EN CADA PROCESO. TAMBIEN SE CONOCE COMO RUIDO BLANCO ESTA NO ES UNA VARIACION CONTROLABLE CON LA TECNOLOGIA EXISTENTE. EL USO DE ESTRATEGIA 6SIGMA ES RECOMENDABLE REPRESENTA LO MEJOR QUE PUEDE SER EL PROCESO CON LA TECNOLOGIA ACTUAL (Capacidad de proceso Inherente).

Los datos dentro de los subgrupos (Z.st) contendrn solamente Variacin de Causa Comn
82

Variacin de Causa Especial


UNA VARIACION DE CAUSA ESPECIAL REPRESENTA LAS INFLUENCIAS EXTERNAS EN UN PROCESO QUE CAUSAN QUE ESTE SE DESPLACE Y DESVE. TAMBIEN CONOCIDO COMO RUIDO NEGRO. ESTA VARIACION ES POTENCIALMENTE CONTROLABLE CON LA TECNOLOGIA DE PROCESO EXISTENTE. EL USO DE ESTRATEGIA LEAN ES RECOMENDABLE ESTA REPRESENTA COMO SE DESEMPEA ACTUALMENTE EL PROCESO A TRAVES DEL TIEMPO (Capacidad de proceso Sostenido).

La Variacin de Causa Especial ocurre entre los subgrupos


83

GRAFICOS DE CONTROL
R Chart for datos - C5
3.0SL=2.395 2

Sme ag a p Rne l

R=1.050

0 0 5 10 15 20 25

-3.0SL=0.00E+00

Sam ple Num ber

Interpretacin: La variabilidad del peso de los costales es estable. La variabilidad que se est evaluando es dentro de las muestras ya que se us el rango.
84

GRAFICOS DE CONTROL El reporte correcto para este tipo de grfico presenta juntos la grfica para el promedio y para el rango. El anlisis inicia en el grfico del rango si no se presentan causas especiales de variacin se analiza la grfica de promedios. En el ejemplo la conclusin es: El Proceso est bajo Control Estadstico.
X bar/R Chart for datos-C5
50.5 50.0 X=49.76 49.5 49.0 Subgroup 0 5 10 15 20 25 -3.0SL=49.00 3.0SL=50.53

S m leMa a p en

S m leR n e a p ag

3.0SL=2.395 2

R=1.050

-3.0SL=0.00E+00

85

GRAFICOS DE CONTROL Cmo se observa un Proceso Inestable? SI PRESENTA CAUSAS ESPECIALES DE VARIABILIDAD En el Grfico cmo se observa un proceso inestable? 1.- Puntos fuera de los lmites de control. 2.- Patrones de comportamiento no normales: Siete puntos consecutivos de un solo lado de la lnea central. Seis puntos consecutivos ascendentes o descendentes. 14 puntos consecutivos alternando entre altos y bajos llamados Ciclos recurrentes (periodicidad).
86

GRAFICOS DE CONTROL Dos de tres puntos fuera del primer cuarto cercano a la lnea central. Cuatro de cinco puntos consecutivos fuera del primer cuarto de la lnea central. Ocho puntos consecutivos a ambos lados de la lnea central con ninguno en la parte central, tambin llamada adherencia (mucha variabilidad). Quince puntos consecutivos alrededor de la lnea central, muestra poca variabilidad

87

Id. Parte: Operador(a): Fecha: Tiempo: Mediciones de muestra por operador(a) Suma: Promedio: Rango: Promedios: Lmite Superior 1 2 3 4 5

Nombre parte: Mquina:

Operacin/Proceso: Gage:

Turno

10

11

12

13

14

15

16

17

18

19

20

21

Lnea Central

Lmite Inferior

Rangos: R Lmite Superior

Lnea central

88

Ejemplo Practico identificacin de Promedios y Rangos

89

90

EJERCICIO 1
Se fabrican anillos de pistn por motor de automvil mediante un proceso de forjado. Se desea controlar ste por medio del diagrama X-R. Se tomaron 25 muestras de tamao 5 cada una, Est el Proceso bajo Control Estadstico?

91

EJERCICIO 2

Queremos saber si los dimetros de tubera son producto de un proceso predecible.

1.081 1.042 1.113 1.101 1.140 1.119 1.225 1.053 1.172

1.156 1.059 1.129 1.093 1.195 1.032 1.143 1.119 1.174

1.129 1.214 1.132 1.186 1.014 1.164 1.063 1.079 1.156

1.096 1.036 1.155 1.057 1.084 1.122 1.074 1.230 1.162

1.064 1.123 1.083 1.227 1.164 1.095 1.191 1.139 1.127


92

EJERCICIO 3
Si los lmites de especificacin inferior y superior para el tamao de perfiles son: 28.0 y 34.0 respectivamente. Al considerar una serie de muestras y tomar sus mediciones se obtienen los siguientes datos:

1.- Est el proceso bajo control estadstico?

93

EJERCICIO 4

Se continua tomando datos, cul es el comportamiento del proceso? se modific su respuesta anterior?

94

CONTENIDO. 1. 2. 3. 4. 5. Preguntas teora Ejercicio prctico ( considerando registros de su plan de control de una semana determinada ) Mencionar el plan de control utilizado Interpretacin de la grfica En caso de desviaciones, dar recomendaciones de solucin. 95

Ejemplo de Gage RyR Mtodo ANOVA


Gage RyR Study - ANOVA Method Gage RyR for Thickness Two-Way ANOVA Table With Interaction Source Part Operator Operator*Part Repeatability Total Gage RyR Source Total Gage RyR Repeatability Reproducibility Operator Operator*Part Part-To-Part Total Variation VarComp 0.004438 0.001292 0.003146 0.000912 0.002234 0.037164 0.041602 DF 9 2 18 30 59 SS 2.05871 0.04800 0.10367 0.03875 2.24913 MS 0.228745 0.024000 0.005759 0.001292

La Ventana de Sesin tiene todo el anlisis numrico...


La Tabla de ANOVA es la base de los estimados de varianza del Gage RyR. F 39.7178 4.1672 4.4588 P 0.00000 0.03256 0.00016

Si el valor de p es menor de 0.05, entonces puede decir con al menos el 95% de confianza que esta variable contribuye significativamente con el total de la variacin StdDev 0.066615 0.035940 0.056088 0.030200 0.047263 0.192781 0.203965 5.15*Sigma 0.34306 0.18509 0.28885 0.15553 0.24340 0.99282 1.05042
Recuerdas el valor de 5.15?

Wgage Wrepetibilidad Wreproducibilidad

Source %Contribution %Study Var %Tolerance %GR&R Total Gage RyR 10.67 32.66 17.15 (GR&R como % de tolerancia) Repeatability 3.10 17.62 9.25 Reproducibility 7.56 27.50 14.44 Operator 2.19 14.81 7.78 GR&R como % de GR&R Estudio de variacin de la muestra Operator*Part 5.37 23.17 12.17 Part-To-Part 89.33 94.52 49.64 El Nmero de Categoras indica la adecuada resolucin del Total Variation 100.00 100.00 52.52 gage (deber ser > 4) Number of Distinct Categories = 4 96

Herramienta Excel RyR para Attribute Gage R & R Effectiveness Atributos


Hoja Entrada de Datos ...
SCORING REPORT
Attribute Legend (u se d in co mpu ta tio ns ) 1 pass 2 fail
Mus t mat ch labels us ed below

DATE: NAM E: PRO DUCT: BUSINESS:

3/10/1996 Allied Employee 3313 Spark Plug F&SP

Escriba Identificacin
Y/N Agree N N N Y N Y Y Y Y N Y Y Y N Y/N Agree N N N Y N Y N Y N N Y Y Y N

Atributo verdadero si se conoce

Known Population Sample # Attribute 1 pass 2 pass 3 fail 4 fail 5 fail 6 pass 7 pass 8 pass 9 fail 10 fail 11 pass 12 pass 13 fail 14 fail

Try #1 pass pass fail fail fail pass fail pass pass pass pass pass fail fail

Robot #1 Try #2 pass pass fail fail fail pass fail pass pass pass pass pass fail fail

99 100

Datos de cada inspector


78.57% 64.29% 78.57%

Robot "D" Try #1 Try #2 pass pass pass pass fail pass fail fail pass fail pass pass fail fail pass pass pass pass fail fail pass pass pass pass fail fail pass fail

Robot "B" Try #1 Try #2 fail fail fail fail fail fail fail fail fail fail pass pass fail fail pass pass pass pass fail fail pass pass pass pass fail fail fail fail

% APPRAISER SCORE(1) -> % SCORE VS. ATTRIBUT E(2) ->

1 00.00%

1 00.00% 71.43%

57.14% SCREEN % EFFECTIVE SCORE v s. ATTRIBUTE (4) -> 42.86%

SCREEN % EFFECTIVE SCORE(3) ->

97

Grfico EWMA

Grficos con memoria

98

Grficos EWMA
Supongamos que x es una caracterstica de calidad que si el proceso est bajo control verifica que: E(x) = Q Var(x) = W2 Grficos de Control por Variables Grficos de Control por Atributos Muy tiles para detectar cambios en la media de ms de 2 desviaciones tpicas; Pero pueden tardar mucho en detectar un cambio ms pequeo

99

Grficos de Control con Memoria


CUSUM EWMA Medias Mviles... Son ms rpidos en detectar un cambio pequeo, pero ms lentos en detectar un cambio grande

100

Grfico de Control por Variables:


Grfico de Control por Variables:
evolucin de x1,x2, x3,... (bien con observaciones individuales o muestras independientes mutuamente excluyentes-)

Grfico de control con Memoria:


evolucin de f(x1),f(x1,x2), f(x1,x2,x3),f(x1,x2,x3,...) La informacin se va acumulando ... un pequeo desajuste acaba detectndose

101

Grfico EWMA
EWMA=Exponentially Weighted Moving Average (Medias mviles con ponderacin exponencial); Sea x la variable de calidad de inters. El grfico EWMA representa la evolucin del estadstico: yi = Pxi + (1 - P)yi-1 con y0 = Q0; 0< P =< 1 (lo decide el analista) yi= Pxi + (1 - P)yM-1 = P xi +P(1 - P)xi-1 + (1 -P)2 yi-2 yi-1 = Pxi-1 +(1-P)yi-2 yi-2 = Pxi-2 +(1-P)yi-3

substituyendo sucesivamente: yi= P(1 - P)0 xi +P(1 - P)1xi-1 + P(1 -P)2 xi-2 + P(1 - P)3xi-3 + P(1 -P)4 xi-4 +... si P < 1 los coeficientes van disminuyendo con decaimiento exponencial; adems se verifica que los coeficientes suman 1, yi es un promedio de x1, xi-1,...

102

Como se ve una grfica EWMA


EWMA Chart for Weight
950 3.0SL=951.0

940

EWMA

X=936.9 930 -3.0SL=922.8 920

Sample Number

103

Ejemplo: lambda = 0.9


yi= P (1 - P)0 xi +P (1 - P)1xi-1 + P (1 -P)2 xi-2 + P (1 - P)3xi-3 + P (1 -P)4 xi-4 +... 0.9 0.09 0.009 0.0009 0.00009

P P i 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 i

ponderacin

(Los pesos decaen exponencialmente) (Adems, decaen muy rpido, El pasado tiene poco valor, La memoria es corta) Conclusin: si lambda es prximo a 1 hay poca memoria

104

Ejemplo: lambda = 0.1


yi= P (1 - P)0 xi +P (1 - P)1xi-1 + P (1 -P)2 xi-2 + P (1 - P)3xi-3 + P (1 -P)4 xi-4 +... 0.1 0.09 0.081 0.079 0.0656
P P i 0.2

ponderacin

0.1

(Ahora, decaen muy despacio, El pasado tiene mucho valor, La memoria es larga) Conclusin: si lambda es prximo a 0 hay mucha memoria y si es prximo a 1 hay poca memoria
i

105

Conclusin
Conclusin: si lambda es prximo a 1 hay poca memoria, si lambda es prximo a 0 hay mucha memoria Si queremos detectar un desajuste pequeo, necesitaremos acumular la informacin de muchos periodos para que el desajuste pueda apreciarse Para detectar desajustes pequeos elegiremos un lambda (P pequeo Si queremos detectar un desajuste grande, bastar con la informacin inmediatamente posterior al desajuste. No debemos esperar a acumular mucha informacin Para detectar desajustes grandes elegiremos un lambda (P grande

Usualmente 0.05=< P =< 0.25

106

Grfico EWMA
LSC = E(yi) + L *RAIZ(Var(yi)) Lnea central = E(yi) LIC = E(yi) - L *RAIZ(Var(yi)) E(yi) = Q0; L = 3; Var(yi) = W2 * P*(1 - (1-P)2i)/(2 - P) LSC = Q0 + 3W *RAIZ(P*(1 - (1-P)2i)/(2 - P)) Lnea central = Q0 LIC = Q0 - 3W *RAIZ(P*(1 - (1-P)2i)/(2 - P))
107

Grfica EWMA

108