15-03-2016
144
5.
Control Estadístico de Procesos (SPC)
145
Importancia del Control Estadístico de
Procesos
• Se utiliza como apoyo al proceso de Control
• Consiste en la aplicación de métodos estadísticos a la medición y
análisis de la variación en cualquier proceso
• Permite diagnosticar el estado del proceso
• Se dice que el proceso está bajo control estadístico (estable) si no
presenta señales de que existe alguna “causa especial” de variación y
representa un proceso predecible
• Es un método que da la confianza estadística de que un componente
está dentro de una tolerancia sin tener que medir cada componente
• Es un control del proceso, no del producto
• Es un indicador, más que una solución
1
15-03-2016
146
Especificaciones
Variabilidad
• Consiste en la no uniformidad
• Las variaciones con respecto a las especificaciones pueden
causar problemas de calidad si no son tratadas de forma
científica
147
Ventajas de reducir la variabilidad
• Mejor desempeño del producto discernible por el consumidor
• Puede ser la única manera de compensar la gran variabilidad
de otros componentes
• Puede ofrecer la posibilidad de cambiar el promedio del
proceso
• Resulta en una menor necesidad de inspección
• Puede significar un alto precio del producto
• Puede ser un factor competitivo al determinar la participación
de mercado
2
15-03-2016
148
Causas de variabilidad
• 1) Causas Random o Comunes (azar)
• Son muchas causas individuales (6 M)
• El impacto de cada una es insignificante
• Su eliminación individual no es económicamente atractiva (en
forma agregada puede ser interesante)
• Cuando el proceso solo tiene variaciones debido a causas random,
se dice que está “bajo control estadístico”
• 2) Causas Asignables o Especiales
• Son un número limitado de causas
• Cualquier causa provoca una gran variación
• Son detectables y eliminables con una justificación económica
• Si existe al menos una de estas causas, el proceso no opera
correctamente, y se dice que “no está bajo control estadístico”
149
Gráfica de Control
• Es una herramienta que
permite separar las causas de
variación entre random o
aleatorias y asignables
• Es una comparación gráfica
de los datos de desempeño
del proceso contra los “límites
de control estadístico”
calculados, representados
como rectas delimitantes
sobre la gráfica
• Los datos de desempeño son
en general grupos de
mediciones que preservan el
orden de los datos
3
15-03-2016
150
Error tipo I y error tipo II - ejemplo
Una línea de producción está sacando desperfectos o mellas en las
latas. Si tal desperfecto lo provoca un desgaste natural relativamente
menor en la maquinaria (causa especial), los trabajadores o los
técnicos pueden reducirlo o eliminarlo ajustando o reemplazando las
partes afectadas del equipo. Si, en cambio, las latas salen melladas
porque la administración está comprando hojalata de menor calidad
(causa común) quizás en un esfuerzo por reducir costos, entonces no
hay nada que los operarios puedan hacer por el problema. Sólo la
administración tiene facultad para cambiar la política de compras.
Si en este caso se controla por reacción, no por conocimiento de la
variabilidad, es natural que cuando la línea de montaje arroja una lata
defectuosa, la “reacción visceral” lleva al operario a ajustar la
maquinaria. En caso de que el problema resida en el material y no en
la máquina, el ajuste puede descomponer el sistema y, por lo tanto,
empeorar las cosas, lo cual llevará a nuevos y más graves problemas.
Mientras tanto, la verdadera fuente del inconveniente (el material)
pasaría inadvertida.
151
Control estadístico de la calidad
• Un proceso está “bajo control estadístico” cuando solo se
tienen causas aleatorias de variación
• Cuando un proceso solo tiene variaciones aleatorias se
tienen las siguientes ventajas:
• Su comportamiento es predecible (a corto plazo)
• Su variabilidad es menor
• Se eliminan los “sobre ajustes” al proceso
• Si el proceso cumple con las especificaciones, dará un producto
aceptable
4
15-03-2016
152
Construcción de una gráfica de control
• 1. Elegir la característica a graficar
• Dar prioridad a aquellas con alta tasa de defectos
• Identificar las variables del proceso que contribuyen a las
características del producto final
• Escoger el método de medición para diagnosticar los problemas
• Medir en los inicios del proceso (advertencia temprana)
• 2. Escoger el tipo de gráfica de control
• Ej: X-R, p, c, etc.
• 3. Decidir la forma de cálculo de la línea central y los
límites de control
• En general se usa el promedio como línea central, y límites a 3σ
del promedio, pero pueden usarse otros múltiplos con riesgos
estadísticos distintos
153
Construcción de una gráfica de control
• 4. Seleccionar las muestras, tales que la varianza intra
muestral sea mínima, y la variabla inter muestras máxima
• 5. Proporcionar un sistema de recolección de datos
• Debe ser simple y amistoso, diseñado para dar lecturas exactas y
a tiempo
• Debe evitarse el copiado de datos
• 6. Calcular los límites de control
• En base al tipo de gráfica de control
• Se debe indicar claramente la interpretación de los resultados y las
acciones a seguir por el personal de planta
• 7. Graficar los datos e interpretar resultados
5
15-03-2016
154
Elementos de la gráfica de control
La línea central representa
el promedio del estadístico
cuando el proceso se
encuentra bajo control
Cuando el proceso está en
control hay una alta
probabilidad de que todos
los valores caigan dentro
de los límites (un 99.73%
para una distribución
normal)
155
Tipos de cartas de control
• Para variables.- aplicables a características de calidad de
tipo continuo
• 𝑋 de medias
• R de rangos
• S de desviaciones estándar y
• X de medias individuales
• Para atributos.- para evaluaciones de tipo producto
conforme/ no conforme o para contabilizar número de
defectos y defectuosos
• p de proporción de artículos defectuosos
• np de número de unidades defectuosas
• c de número de defectos
• u de número promedio de defectos por unidad
6
15-03-2016
156
Carta de control para variables 𝑋-R
• Ideales para procesos masivos con variables de salida
continuas
• Se toma periódicamente una pequeña muestra y se calculan el
promedio y rango de cada muestra (mín recomendado 50 datos)
• Los valores 𝑋 y R se diagraman en gráficas de control
separadas en relación con sus límites de ±3σ: µX±3σX
Se grafica la media de las medias
y la desviación de las medias:
µx=𝑋 y σx=σ/√𝑛
Para la carta 𝑋 Para la carta R
157
σx=σ/√𝑛
Para determinar
tamaño de
muestra
7
15-03-2016
158
Carta de control para variables 𝑋-R
La carta R detecta cambios
significativos en la amplitud de la
dispersión del proceso
La carta 𝑋 detecta cambios
significativos en la media del proceso
159
Interpretación de los límites de control
• Los límites de la carta 𝑋 reflejan la variación esperada para las
medias muestrales de tamaño n y los de la carta R para los
rangos muestrales, mientras el proceso no tenga cambios
importantes (estabilidad).
• De ninguna manera deben usarse dichos límites para evaluar
capacidad ni mucho menos confundirlos con especificaciones
• Los límites reales o naturales reflejan la variación esperada
para las mediciones individuales y no para la media de n
elementos.
• Los límites reales se pueden obtener estimando la σ del
proceso a través del método de rangos:
8
15-03-2016
160
Carta de control para variables 𝑋-R – Ejemplo 1
En una empresa que elabora agroquímicos, una característica
importante de los costales de fertilizantes es su peso, que debe
ser de 50 kg, con una tolerancia de ±1, por lo que la
especificación inferior EI=49 kg, y la superior ES= 51 kg.
Para hacer un estudio inicial del desempeño del proceso de
envasado, primero es necesario pesar costales que de alguna
manera reflejen el comportamiento del proceso de llenado en un
lapso de tiempo suficientemente representativo.
Se decide pesar cada hora una muestra de cuatro costales que
se llenaron consecutivamente. Los datos obtenidos en tres días
se muestran en la tabla siguiente, en la que se incluye la media
y el rango de cada muestra o subgrupo. Lo que sigue es
analizar con la 𝑋 carta cómo estuvieron variando las medias de
los subgrupos y con la carta R la manera que variaron los
rangos.
161
Carta de control para variables 𝑋-R – Ejemplo 1
9
15-03-2016
162
Carta de control para variables 𝑋-R – Ejemplo 1
Para la carta 𝑋 :
163
Carta de control para variables 𝑋-R – Ejemplo 1
Para la carta R:
10
15-03-2016
164
Carta de control para variables 𝑋-R – Ejemplo 2
Teniendo dos máquinas (la N-5 y la N-7) que producen el
siguiente comportamiento:
165
Carta de control para variables 𝑋-R – Ejemplo 2
11
15-03-2016
166
Interpretación de las cartas de control
• Cuando 𝑋 está fuera de control es prueba de un cambio que
afecta a las piezas. Causas típicas: cambio en material,
personal, ajustes a la máquina, desgaste de las herramientas,
temperatura, vibración.
• Cuando R está fuera de los límites es evidencia de que la
uniformidad del proceso ha cambiado. Causas típicas: cambio
en el personal, aumento en la variabilidad del material o
desgaste excesivo de la máquina
• Igualmente es necesario detectar patrones de comportamiento
no aleatorios que indiquen que el proceso funciona con causas
especiales de variación
167
Patrones de comportamiento no aleatorio en
cartas de control (Nelson, 1985)
12
15-03-2016
168
Patrones de comportamiento no aleatorio en
cartas de control (Nelson, 1985)
169
Patrones de comportamiento no aleatorio en
cartas de control (Gutiérrez, 2010)
Ciclos
recurrentes
Alta
variabilidad
Falta de
variabilidad
Cambios de nivel y tendencias
13
15-03-2016
170
Carta de control para variables individuales
• Carta para variables de tipo continuo pero para procesos
lentos: procesos químicos que trabajan por lotes, cuando las
mediciones cercanas solo difieren por error de medición,
algunas variables administrativas, etc.
• En este caso los límites de control coinciden con los límites
naturales:
171
Carta de control para variables individuales – Ejemplo
En una empresa se hacen impresiones en láminas de acero,
que posteriormente se convierten en recipientes de productos
de otras empresas. Un aspecto importante a vigilar en dicha
impresión es la temperatura de “horneada” que, entre otras
cosas, adhiere y seca la pintura una vez que ésta se imprimió.
En una fase particular de la horneada se tiene que la
temperatura de cierto horno debe ser 125°C, con una tolerancia
de 65°C. Si no se cumple con tal rango de temperatura,
entonces se presentan problemas en la calidad final de la
impresión.
Para controlar de manera adecuada tal característica de
proceso se usa una carta de control, y evidentemente aquí el
tamaño de muestra deberá ser 1. De este modo resulta práctico
hacer, periódicamente, una medición de la temperatura en el
horno, y en cuanto se obtiene el dato graficarlo en la carta.
Durante tres días se recopilaron los datos siguientes:
14
15-03-2016
172
Carta de control para variables individuales – Ejemplo
173
Carta de control para variables individuales – Ejemplo
• Para la carta X:
15
15-03-2016
174
Carta de control para variables individuales – Ejemplo
• Para la carta de Rangos Móviles:
175
Cartas de control para atributos p
(proporción de artículos defectuosos)
• Analiza las variaciones en la fracción o proporción de artículos
defectuosos por muestra:
Donde n es el tamaño de subgrupo (constante) y 𝑝 es la proporción
promedio de artículos defectuosos en el proceso
16
15-03-2016
176
Carta de control p para atributos – Ejemplo
En una empresa del ramo metal-mecánico se fabrican válvulas.
Después del proceso de fundición se hace una inspección y las
piezas que no cumplen con ciertas características se rechazan.
Las razones por las que pueden rechazarse son diversas:
piezas incompletas, porosas, mal formadas, etc. Para evaluar la
variabilidad y la magnitud de la proporción de piezas
defectuosas en el proceso de fundición se decide implementar
una carta p.
El proceso de fundición se hace por lotes. La tabla siguiente
muestra los datos obtenidos durante una semana para cierto
tipo de válvulas. Aunque regularmente el tamaño de lote es fijo,
n=300, en ocasiones, por diferentes motivos, en algunos lotes
se hacen unas cuantas piezas de más o de menos.
177
Carta de control p para atributos – Ejemplo
17
15-03-2016
178
Carta de control p para atributos – Ejemplo
179
Carta de control p para atributos – Ejemplo
18
15-03-2016
180
Carta de control p para atributos – Ejemplo
181
Cartas de control para atributos np
(número de artículos defectuosos)
• En ocasiones, cuando el tamaño de muestra en las cartas p es
constante, es más conveniente usar la carta np en la que se
grafica el número de artículos defectuosos por subgrupo d en
lugar de la proporción.
19
15-03-2016
182
Carta de control np para atributos – Ejemplo
Del análisis de los datos de inspecciones y pruebas finales de
un producto ensamblado, se ha detectado, a través de una
estratificación y un análisis de Pareto, que la causa principal por
la que los artículos salen defectuosos está relacionada con los
problemas en un componente en particular: el componente W.
Se decide, entonces, analizar más de cerca el proceso que
produce tal componente. Para ello, de cada lote de
componentes W se inspecciona una muestra de n= 120. Los
datos obtenidos en 20 lotes consecutivos se muestran en la
tabla siguiente:
183
Carta de control np para atributos – Ejemplo
20
15-03-2016
184
Carta de control np para atributos – Ejemplo
185
Cartas de control para atributos c
(número de defectos por muestra)
• Su objetivo es analizar la variabilidad del número de defectos
por subgrupo, cuando el tamaño de éste permanece
constante.
• Las estimaciones de media y desviación estándar están dadas
por:
21
15-03-2016
186
Carta de control c para atributos – Ejemplo
En una empresa que elabora productos agroquímicos se tiene el
problema de intoxicación de los trabajadores debido al contacto
con agentes tóxicos. Para evaluar el número de obreros
intoxicados por mes en los últimos dos años, se recurre a los
registros de la enfermería de la empresa. Los datos obtenidos
se muestran en la tabla siguiente:
187
Carta de control c para atributos – Ejemplo
22
15-03-2016
188
Cartas de control para atributos u (número
promedio de defectos por unidad)
• Su objetivo es analizar la variabilidad del número de defectos
por artículo o por unidad, cuando el tamaño de éste no
permanece constante.
• De esta manera, para cada subgrupo se grafica:
• Las estimaciones de media y desviación estándar
están dadas por:
189
Carta de control u para atributos – Ejemplo
En la tabla siguiente se presenta el número de defectos
observados en las muestras de 24 lotes consecutivos de
circuitos electrónicos. El número de circuitos inspeccionados en
cada lote es variable.
Es claro que la columna del número de defectos por muestra ci
no se debe analizar con una carta c porque está influido por el
número de circuitos: entre más circuitos es natural esperar más
defectos
23
15-03-2016
190
Carta de control u para atributos – Ejemplo
191
Carta de control u para atributos – Ejemplo
24
15-03-2016
192
Carta de control u para atributos – Ejemplo
193
Índice de capacidad potencial del proceso Cp
Cuando la distribución es normal, el proceso está bajo control estadístico y se
conoce la desviación estándar del proceso (no un estimado muestral)
25
15-03-2016
194
Índice de capacidad potencial del proceso Cp
195
Índices de capacidad real Cpi y Cps y Cpk
Si Cpk es similar al Cp, la media del proceso está cerca de la media de
especificaciones (centrado) por lo que la capacidad real y potencial son
similares
Si Cpk<<<Cp quiere decir que la media del proceso está muy lejos del
centro de las especificaciones
Si Cpk>1,25 en un proceso ya existente, se considerará que tiene capacidad
satisfactoria. Para procesos nuevos se pide Cpk>1,45
Si Cpk<=0, la media del proceso está fuera de especificaciones
26
15-03-2016
196
Índices de capacidad Cpi y Cps y Cpk
Cpk refleja la proximidad de
la media actual del proceso,
al límite de especificación
más cercano
Cp busca los defectuosos
debido a la habilidad del
proceso
Cpk busca los defectuosos
provenientes por ajustes al
proceso
197
Índices de capacidad Cp y Cpk
27
15-03-2016
198
Índice Cpm (índice de Taguchi)
Para G. Taguchi la mejora de un proceso debe estar orientada a
reducir la variabilidad en torno a su Valor Nominal y no sólo
orientada a cumplir con especificaciones. En consecuencia
propone el siguiente índice:
donde:
Si el Cpm<1 el proceso no cumple con especificaciones, ya sea por problemas
de centrado o por exceso de variabilidad
Si el Cpm>1 quiere decir que el proceso cumple con especificaciones, y en
particular, que la media del proceso está dentro de la tercera parte media de la
banda de especificaciones
Si el Cpm>1,33 el proceso cumple con especificaciones, pero además la media
del proceso está dentro de la quinta parte media del rango de especificaciones
199
Ejemplos de capacidad de proceso
28
15-03-2016
200
Ejemplos de capacidad de proceso
201
Ejemplo capacidad de un proceso
• Recordando el ejemplo de los costales de fertilizantes:
ES=51kg, EI=49kg y VN=50kg. Los datos tomados arrojaron
que µ=49,76 y usando el rango medio se estima σ=0,51
29
15-03-2016
202
Estimación de los índices mediante una
muestra
Si la muestra es <80 debe hacerse una
estimación por intervalo, en la que se
toma en cuenta el error estándar del
estimador muestral. Los intervalos de
confianza correspondientes están dados
por:
1,96 para 95%
de confianza
203
Concepto Six Sigma de Capacidad de un proceso
Ejemplo: en un proceso de envasado de cemento de una empresa se tiene
como especificación que los costales deben contener 50 kg, con una tolerancia
de ±600 g. De esta forma la especificación inferior es EI= 49,4 kg, y la superior
ES=50,6 kg. De acuerdo con datos históricos se tiene que la media y la
desviación estándar del proceso son µ=50,01 y σ= 0,2 kg. De aquí que:
Por lo que los límites reales del proceso coinciden con las especificaciones, lo
cual se confirma con:
Aquí estaría
el 99,73% de
los costales
(si hay estabilidad
y normalidad)
30
15-03-2016
204
Concepto Six Sigma de Capacidad de un proceso
Capacidad de corto plazo: se calcula a partir de muchos datos
tomados durante un periodo corto para que no haya influencias
externas en el proceso, o con muchos datos de un periodo
largo, pero calculando σ con el rango promedio (σ=𝑅 /𝑑2)
Capacidad a largo plazo: se calcula con muchos datos tomados
de un periodo largo para que los factores externos influyan en el
proceso. En este caso, σ será estimada por la desviación
estándar de todos los datos, σ=S
Para designar a los índices calculados con la desviación
estándar a largo plazo se les designa con Pp y Ppk
La diferencia entre la capacidad a corto y largo plazo se conoce
como desplazamiento del proceso y se puede mover a través
del índice Zmov=ZC-ZL, que representa la habilidad para controlar
la tecnología y puede tomar un valor de hasta 1,5
205
Concepto Six Sigma de Capacidad de un proceso
31
15-03-2016
206
Concepto Six Sigma de Capacidad de un proceso
En general si se conocen las PPM fuera de especificaciones de largo plazo,
entonces el nivel de calidad en sigmas (de corto plazo) se obtiene
Para procesos medidos por atributos se usa la métrica defectos por millón
de oportunidades de error (DPMO)
207
Reducción de defectos al subir el número de
sigmas de un proceso
Para procesos controlados por atributos la Métrica Seis Sigma es la de
Defectos por Millón de Oportunidades de Error (DPMO), la cual se calcula
a partir de:
32
15-03-2016
208
Ejemplo estudio integral de capacidad
Para cierto modelo de llantas para automóvil se tiene que la
longitud de la capa debe ser de 550 mm, con una tolerancia de
±8 mm. La longitud de la capa es el resultado de un proceso de
corte de una tira de hule, el cual debe garantizar que la longitud
esté entre la especificación inferior EI = 542 y la superior ES =
558, con un valor ideal o nominal de N = 550.
Para detectar la posible presencia de causas especiales de
variación, y monitorear el correcto funcionamiento del proceso
de corte, cada hora se toman cinco capas y se miden. Los datos
obtenidos en los últimos cuatro días se grafican en una carta X-
R estando el proceso bajo control estadístico
209
Ejemplo estudio integral de capacidad
EI= 542 VN=550 ES=558
LRI= 546,56 LRS= 558,44
33
15-03-2016
210
Ejemplo estudio integral de capacidad
211
Ejemplo estudio integral de capacidad
34
15-03-2016
212
Estado de un proceso
Funciona en presencia
de causas especiales
de variación aunque
Cumple con cumple con
especificaciones y especificaciones.
es predecible en el Requiere eliminar
futuro inmediato. causas de inestabilidad
Requiere mantener
y mejorar
productividad
/confiabilidad
Produce mala calidad y su
desempeño es difícil de
pronosticar. Requiere
Establemente mejorar el uso de cartas de
malo. Requiere control, eliminar causas de
proyecto de mejora inestabilidad (alcanzar estado
para la capacidad. C)
Eventual rediseño
213
Estado de un proceso
35
15-03-2016
214
Función de pérdida de Taguchi
• Bajo este concepto, cualquier desviación con respecto al valor meta
produce una pérdida monetaria
• Según el concepto tradicional, las pérdidas ocurren solo cuando un
producto excede los límites de especificación
• En general se representa en su expresión cuadrática
215
Función de pérdida de Taguchi - Ejemplo
En las transmisiones automáticas de los camiones, los puntos de
cambio de velocidad se diseñan para que ocurran a una cierta
velocidad y posición de la válvula. Suponiendo que al fabricante le
cuesta $100 ajustar una válvula en garantía cuando el cliente se queja
de los cambios. La investigación indica que el cliente promedio
solicitará un ajuste si el punto de cambio está 40 rpm alejado del valor
nominal en la velocidad de transmisión de la primera a la segunda
velocidad. La función de pérdida, entonces, es:
36
15-03-2016
216
Función de pérdida de Taguchi - Ejemplo
Este ajuste se puede hacer en la fábrica a un costo menor, de
aproximadamente $10. La función de pérdida se usa ahora para
calcular los límites de la especificación:
Los límites de la especificación deben establecerse en ±13 rpm
alrededor del valor nominal deseado. Si el punto de cambio en
la transmisión está más lejos que 13 rpm del valor nominal, es
menos costoso hacer el ajuste en la fábrica que esperar a que el
cliente se queje y pida un ajuste de garantía en el campo.
37
