Control Estadístico
ESCRIBIR AQUÍ EL TÍTULO
de
DEL MATERIAL
Procesos
TEMARIO
TEMA 1
Definición
TEMA 2
Gráfica de control para variables
TEMA 3
Gráfica de control por atributos
TEMA 4
Habilidad del Proceso
Introduction to Statistical Process Control [22:05]
[Link]
DEFINICIÓN
El CEP es una técnica estadística usada ampliamente para
asegurar que los procesos cumplan con los estándares. Se
dice que un proceso opera bajo control estadístico cuando
su única fuente de variación consiste en las causas
comunes (naturales).
El proceso debe ponerse primero bajo control estadístico
detectando y eliminando las causas especiales (asignables)
de variación.
DEFINICIÓN
Utiliza estadísticas y gráficas de control para determinar
cuándo ajustar el proceso.
Implicaciones:
• Creación de estándares (límites superior e inferior).
• Medición de la muestra de producción (por ejemplo: el
peso medio).
• Aplicar medidas correctivas, en caso de necesidad.
Se realiza a medida que se va configurando un producto o se
presta un servicio.
DEFINICIÓN
Las variaciones naturales están presentes en todas las
operaciones y corresponden al desvío que existe dentro de
los límites aceptables, las cuales corresponden a las causas
probabilísticas.
En un proceso, la variación asignable son aquellas que
ocurren fuera de lo límites establecidos. Factores como el
desgaste de equipos, de piezas inadecuado, entrenamiento o
materiales de prueba constituyen parte de este punto.
GRÁFICAS DE CONTROL PARA VARIABLES
Aplican para variables de dimensiones continuas como: peso,
velocidad, longitud, o fuerza.
Las gráficas de control para la media, o x-barra, y para el
rango, R, se usan para monitorear procesos con dimensiones
continuas.
La gráfica nos indica si han ocurrido cambios en la
tendencia central (en este caso, la media) de un proceso.
Estos cambios podrían deberse a factores como el desgaste
de herramientas, un aumento gradual de la temperatura, el
uso de un método diferente.
GRÁFICAS DE CONTROL PARA VARIABLES
Los valores de la gráfica R indican que ha ocurrido ganancia
o pérdida en la dispersión. Quizá por una herramienta
desajustada o al descuido del operario de una máquina.
Los dos tipos de gráficas se utilizan al mismo tiempo cuando
se trata de monitorear las variables porque miden los dos
parámetros críticos: tendencia central ( ) y dispersión (R).
GRÁFICAS DE CONTROL PARA VARIABLES
Gráfica X : ESTABILIDAD
Gráfica R: VARIABILIDAD
TEOREMA DEL LÍMITE CENTRAL
El fundamento teórico de las gráficas es el teorema del
límite central, el cual establece que, independientemente de
la distribución de la población, la distribución de las x (cada
una de las cuales es la media de una muestra sacada de la
población) tiende a seguir una curva normal cuando aumenta
el número de muestras.
Desviación Estándar :
GRÁFICA - σ conocida
Gráfica de la media (Desviación poblacional del proceso
conocida)
EJEMPLO
Una planta automotriz revisa los pistones producidos en
un rango de 5 días, a través de muestras de 5 pistones por
día, controlando su media de diámetro:
Observaciones
Día
1 2 3 4 5
1 156.85 155.37 155.03 157.61 154.53
2 155.66 155.36 154.02 157.68 155.06
3 153.92 155.47 157.87 157.50 154.21
4 156.18 155.82 157.36 155.19 159.29
5 152.17 158.64 157.13 157.56 154.01
Asimismo, se tiene una desviación estándar poblacional
del proceso de 1.6 mm. Preparar la gráfica de control
para la variable X.
EJEMPLO
Promedio de medias muestrales 155.9796
Desviación Poblacional 1.6
Desviación de la media muestral 0.7155
LCS 158.1262
LCI 153.8330
gráfica X
158.50
158.00
157.50
157.00
156.50
156.00
155.50
155.00
154.50
154.00
153.50
1 2 3 4 5
LCI media LCS x barra
EJEMPLO Cajas de Hojuelas de Avena
EJEMPLO Cajas de Hojuelas de Avena
EJEMPLO Cajas de Hojuelas de Avena
TABLA DE FACTORES - GRÁFICA X y R
GRÁFICA X – σ desconocida
Gráfica de control para la media (desviación poblacional
desconocida).
En este caso se recurre a una tabla, con información sobre el
tamaño de la muestra y los factores correspondientes.
Se calcula el rango promedio de las muestras. Luego se calcula
los límites con estas fórmulas:
𝐿𝐶𝑆 = 𝑥 +𝐴2𝑅 𝐿𝐶𝐼 = 𝑥 −𝐴2𝑅
EJEMPLO
Las botellas del refresco XYZ tienen una etiqueta que dice
“peso neto 12 onzas”. Se encontró un promedio global de
proceso de 12 onzas tomando muchas muestras, donde cada
muestra contenía 5 botellas. El rango promedio del proceso
es de 0.25 onzas. Determinar los límites de control inferior y
superior para los promedios de este proceso.
𝐿𝐶𝑆 = 𝑥 +𝐴2𝑅 𝐿𝐶𝐼 = 𝑥 −𝐴2𝑅
EJEMPLO
Al buscar en la tabla el tamaño de muestra de 5, en la
columna A2 del factor de la media, encontramos el valor
0.577.
𝐿𝐶𝑆 = 𝑥 +𝐴2𝑅 𝐿𝐶𝐼 = 𝑥 −𝐴2𝑅
LCS = 12 + 0.577 (0.25) LCI = 12 - 0.577 (0.25)
LCS = 12.144 LCI = 11.856
GRÁFICAS R
Comprende el análisis de la dispersión o el rango
LCS = 𝐷4𝑅
R LCI = 𝐷3𝑅
R
LCS = limite de control superior de la gráfica para el rango
R
LCI = limite de control inferior de la gráfica para el rango
R
D4 y D3 = Valores de la tabla
GRÁFICAS R
En Metal SAC, el rango promedio de un producto es de 5.3
libras. Con un tamaño de muestra de 5, el Gerente de
Proceso quiere determinar los límites de control superior e
inferior de la gráfica R.
Al buscar en la tabla, un tamaño de muestra de 5, se
encuentra de tablas que D4 = 2.115 y D3 = 0
Los límites de control para el rango:
LCS R = D4.R = 2.115 * 5.3 = 11.2 libras
LCI = D3.R = 0 * 5.3 = 0 libras
R
GRÁFICAS DE CONTROL POR ATRIBUTOS
Las gráficas de control para y R no se aplican a los
muestreos de atributos, los cuales comúnmente se clasifican
como defectuoso o no defectuoso.
Dos tipos de gráficas de control por atributos:
(1) las que miden el porcentaje de defectos encontrados en
una muestra —llamadas gráficas p.
(2) las que cuentan el número de defectos —llamadas
gráficas c.
GRÁFICAS p
Número de defectos de todas las muestras
𝑝=
Número de muestras x Tamaño de la muestra
GRÁFICAS p
Se presenta la siguiente información de fallas al momento de
registrar la información de un producto en el sistema
informático de la empresa:
Número Número de errores
Muestra inspeccionado en registro de datos
1 250 8
2 250 7
3 250 5
4 250 6
5 250 7
6 250 9
7 250 10
8 250 8
9 250 7
10 250 5
Total 2500 72
GRÁFICAS p
Número Número de errores Fracción de
Muestra inspeccionado en registro de datos defectos LCS LCI
1 250 8 0.0320 0.0605 0
2 250 7 0.0280 0.0605 0
3 250 5 0.0200 0.0605 0
4 250 6 0.0240 0.0605 0
5 250 7 0.0280 0.0605 0
6 250 9 0.0360 0.0605 0
7 250 10 0.0400 0.0605 0
8 250 8 0.0320 0.0605 0
9 250 7 0.0280 0.0605 0
10 250 5 0.0200 0.0605 0
Proporción
Total promedio 0.0288
Desviación estándar de la proporción muestral 0.0106
Valor de Z 3
GRÁFICAS p
gráfica p
0.0700
0.0600
0.0500
0.0400
0.0300
0.0200
0.0100
0.0000
1 2 3 4 5 6 7 8 9 10
LCS LCI Fracción de defectos
GRÁFICAS c
Cuando se quiere evaluar el número de defectos por
unidad de producción, se utiliza la gráfica c.
Debido a que es más probable que el número de fallas
sea pequeño, se utiliza la distribución Poisson, que
establece que la media (𝜆) y varianza tienen el mismo
valor.
𝐿𝐶𝑆c = 𝜆 + 𝑧 . raíz(𝜆)
𝐿𝐶𝐼c = 𝜆 − 𝑧 . raíz(𝜆)
𝜆 es el número promedio de defectos por unidad
GRÁFICAS c
Se tiene una medición del número de errores en unas
muestras de laboratorio por día. Se desea crear un
gráfico de control c para el número de errores.
Día Número de errores en
las muestras
1 12
2 8
3 9
4 15
5 7
6 10
GRÁFICAS c
Promedio de errores por día 10.17
LCS 19.73
LCI 0.60
Gráfica C
21.000
18.000
15.000
12.000
9.000
6.000
3.000
0.000
1 2 3 4 5 6
LCI LCS Número de errores en las muestras
Tabla S6.3 : Decidir cual gráfica de control usar (libro Heizer/ Render)
HABILIDAD DEL PROCESO
El control estadístico del proceso implica mantener un
proceso bajo control. Esto significa que la variación natural
del proceso debe ser estable.
Pero un proceso que se encuentra bajo control estadístico
podría no producir bienes y servicios que cumplan sus
especificaciones de diseño (tolerancias).
La habilidad de un proceso para cumplir las especificaciones
de diseño, se denomina habilidad del proceso.
Existen dos medidas para determinar si un proceso es
capaz: la razón de habilidad del proceso (Cp) y el índice de
habilidad del proceso (Cpk).
RAZÓN DE HABILIDAD DEL PROCESO Cp
Determina la habilidad de un proceso para cumplir con los
requerimientos establecidos.
Se necesitan los límites de especificación superior e inferior
(que tolera el cliente) y los valores reales.
Para que un proceso sea hábil, se requiere al menos
que su índice sea mayor o igual a 1.
Especificación superior – especificación inferior
𝐶𝑝 =
6𝜎
RAZÓN DE HABILIDAD DEL PROCESO Cp
ÌNDICE DE HABILIDAD DEL PROCESO Cpk
Mide la diferencia que existe entre las especificaciones
deseadas y las reales.
Cuando alcanza el valor de 1 se dice que la variación del
proceso está centrada y es capaz de producir dentro de 3
desviaciones estándares.
𝐿𝐸𝑆 − 𝑋 𝑋 − 𝐿𝐸𝐼
𝐶𝑝𝑘 = min ,
3𝜎 3𝜎
EJEMPLO
(continuación del primer ejemplo)
Si los límites de especificación para el caso de los pistones son
de 160 y 150 mm. ¿Cuáles son los indicadores de capacidad del
proceso?
LES 160
LEI 150
Razón de habilidad Cp 1.042
Índice de habilidad Cpk min [0.838; 1.246] = 0.838
CONCLUSIONES
El control estadístico del proceso es una herramienta estadística importante para
01 implementar el control de la calidad en empresas de bienes y servicios.
La gráfica x y la gráfica R se utilizan para el muestreo de variables, mientras que la gráfica
02 p y la gráfica c para el muestreo de atributos.
Cp, es la razón para determinar si un proceso cumple con las especificaciones de diseño,
03 cociente de la especificación sobre la variación del proceso.
Cpk, es la proporción de la variación natural (3σ) que hay entre el centro del proceso y el
04 límite de especificación más cercano.
BIBLIOGRAFÍA
Heizer, J., Render, B. (2009). Principios de Administración de Operaciones (Séptima
edición). México, D.F.: Pearson Educación.
Chase, R., Jacobs, R., Aquilano, N. (2014). Administración de Operaciones (décimo
tercera edición). México, D.F.: McGraw-Hill Interamericana.
Gutierrez, H., De la Vara, R. (2013). Control Estadístico de la Calidad y Seis Sigma. 3era
edición. México : McGraw-Hill.
Statistical Process [Russell Hills]. (17 de junio del 2015). Introduction to Statistical
Process Control [Archivo de video]. [Link]
