5 - Evaluando La Capacidad Del Proceso

03/02/2013
1
1
Evaluacin de la
Capacidad del
Proceso
Evaluando la Capacidad del
Proceso
O
Elaborado por A. Mayorga
Noviembre 2012
2
INICIO
Genere el Histograma, el
boxplot y la estadstica
descriptiva de los datos
Identificacin de valores extremos
A. Mayorga. Noviembre 2012.
Estudio de Capacidad
(Variables continuas)
Contiene la muestra
datos sospechosos de ser valores
extremos
S
Investigue si los datos
sospechosos poseen una causa
fsica conocida.
Hay causas fsicas
asociadas con el
comportamiento de esos
datos
Excluya los posibles valores
extremos de los datos
Realice una prueba de
normalidad para los datos
(excluyendo los posibles valores
extremos)
S
S
Realice una prueba para identificacin
de un valor extremo para datos
normales (use la prueba Tn o la de
Dixon)
Realice una prueba para identificacin de
valores extremos para datos no normales
(use la prueba de Walsh si n>60, o la
prueba del boxplot para cualquier tamao de
muestra).
Solo hay un posible
valor extremo en
los datos
S
Realice una prueba para identificacin de
mltiples valores extremos para datos
normales (use la prueba de Rosner).
No
Se identific algn valor extremo
Rechcelos y, si es posible, tome
nuevas mediciones o realice nuevas
observaciones.
S
Si se ha identificado una justificacin
tcnica para los valores extremos,
proceda a registrarla.
No
1
No
Corrija los datos sobre una base
fsica, o rechcelos y, si es
posible, tome observaciones
adicionales.
S
Estudio de Capacidad
Fin
El modelo distribucional
esperado para el proceso
es el Gaussiano (Normal)
No
S
Los datos se
distribuyen normalmente
(p-value >> 0.05)
S
Calcule el Cp y el Cpk.
Halle el modelo de mejor
ajuste (aquel con el mximo
p-value).
Calcule el Cnp y el Cnpk.
Es el
p-value >> 0.05
S
Es el
tamao de la muestra
n > 100
No
Use el mtodo de las grficas
de control para calcular el Cp
y el Cpk.
No/S
Use el mtodo de Clements
(percentiles) para calcular el
Cp y el Cpk.
Intente utilizar la
transformacin Box-Cox
> 0
p-value >> 0.05
Use los datos transformados
para calcular el Cp y el Cpk.
S
Investigue las causas de la
desviacin del comportamiento
normal esperado
No
Cpk > 1.33
Tome las acciones pertinentes
segn est establecido.
Genere el histograma de
capacidad.
No
S
No
Es el
tamao de la muestra
n > 100
S
1
S
El modelo distribucional
esperado es el
gaussiano o Normal
No
No
Los datos se
distribuyen normalmente
o es posible renormalizarlos
(p-value >> 0.05)
No
S
Caso Normal
Caso No Normal
Es la distribucin
asimtrica (Sk<>0)
Pruebe el modelo:
- Lognormal,
- Weibull,
- Exponencial,
- Loglogstico y
- el modelo de Valores
Extremos
Dependiendo de la curtosis,
pruebe:
- Lognormal, si Ku < 0
- Logstica, si Ku > 0
S
No
Se debe ste a causas
tcnicas justificables
S
No
Investigue las causas de la
desviacin del comportamiento
normal esperado
Se debe ste a causas
tcnicas justificables
S
No 2
2
2
Mtodo estndar para datos continuos
(no truncados)
(No aplica a datos asociados con pruebas de falla)
Est el proceso bajo
control estadstico?
S
2 No
03/02/2013
2
La restriccin crtica aqu en lo que
respecta a los clculos de los ndices de
capacidad reside en el supuesto de
estabilidad.
Si el proceso no es estable, ningn ndice
numrico de capacidad tendra sentido,
debido a que el proceso sera
impredecible.
Adems, el clculo de los ndices de
capacidad est fuertemente
influenciado por el comportamiento
distribucional de la variable
investigada.
Por consiguiente, dependiendo del
comportamiento distribucional de los
datos, se debe seleccionar el mtodo
de clculo de los ndices de
capacidad. Normal
No
Normal
3
Noviembre 2012
Evaluacin de la Capacidad del Proceso
Una vez que se tenga suficiente
evidencia estadstica de que el proceso
es estable, se debe proceder a investigar
si el proceso es capaz de producir piezas
centradas en el valor objetivo y con la
mnima varianza.
Los ndices de capacidad de proceso
se utilizan para evaluar si un proceso
productivo puede producir unidades
dentro de los lmites de especificacin
del cliente cuando el proceso se
comporta en una manera predecible.
Entre ellos:
C
p
, C
pk
, C
pm
, C
pmk.

4
Noviembre 2012
03/02/2013
3
5
Noviembre 2012
6
Tngase en cuenta que antes de proceder a la
evaluacin de la capacidad del proceso, es
preciso asegurar que los datos estn ordenados
como una serie de tiempo, manteniendo el orden
en que fueron recolectados.
para el caso de datos normales, mientras
que
para el caso de datos no normales.
)
`
|
|
.
|
\
|
|
|
.
|
\
|
=
.00135 .50
.50
.50 .99865
.50
pk
P P
LSL - P
,
P P
P USL
Min P
03/02/2013
4
7
Seleccione
Stat Basic Statistics
Graphical Summary
Desde el panel
izquierdo, seleccione
la variable por
investigar y presione
el botn OK
7
20.28 20.22 20.16 20.10 20.04 19.98 19.92 19.86
Median
Mean
20.050 20.045 20.040 20.035 20.030
1st Quartile 19.980
Median 20.040
3rd Quartile 20.080
Maximum 20.270
20.027 20.044
20.028 20.050
0.066 0.077
A-Squared 0.38
P-V alue 0.408
Mean 20.036
StDev 0.071
V ariance 0.005
Skewness 0.136595
Kurtosis -0.026009
N 275
Minimum 19.860
Anderson-Darling Normality Test
95%Confidence Interval for Mean
95%Confidence Interval for Median
95%Confidence Interval for StDev 95% Confidence Intervals
Summary for CYCLE TM[s]
Noviembre 2012
O ndices de capacidad para distribucin normal (p-value >> 0.05)
8
p p p
3
d
6
LSL USL
6
Tolerancia
C
p
=
= =
( ) ( ) { }
p
3
LSL X , X - USL min
C
pk
=
1.1 Lmites simtricos
En este caso, el proceso est centrado alrededor del punto medio de
los lmites de especificacin:
2
USL LSL
T
+
=
Noviembre 2012
03/02/2013
5
9
1.2 Lmites asimtricos
2
USL LSL
T
+
=
( )
2
2
pm
T X 6
LSL - USL
C
+
=
{ }
( )
2
2
pmk
T X 3
LSL - X , X USL min
C
+

En este caso, el proceso est descentrado respecto del punto medio de los
lmites de especificacin:
Noviembre 2012
Seleccione
Stat Quality Tools
Capability Analysis
Normal

Seleccione el nombre de la variable por
investigar en el campo Single column.
En el campo Subgroup size, introduzca el
tamao del subgrupo.
En el campo Lower spec. introduzca el
lmite inferior de especificacin y en el
campo Upper spec. introduzca el lmite
superior de especificacin.
Presione el botn Options.
10
Noviembre 2012
03/02/2013
6
Introduzca el valor objetivo de especificacin
en el campo Target.
Seleccione la unidad en que desea las
unidades no conformes (Percents or Parts per
million).
Asegrese de que se haya seleccionado
Capability stats.
Verifique que Confidence level sea 95.0 o
superior.
Desde el panel Confidence Intervals, escoja
Lower bound.
En el campo Title field introduzca una
nombre para el diagrama de capacidad.
Presione el botn OK.
Presione el botn Estimate.
Seleccione Rbar o Sbar segn el tipo de
grfica de control utilizada para evaluar
la estabilidad del proceso.

Si se seleccion el tamao de subgrupo como uno
(1), correspondiente a una grfica IMR,
asegrese de que est seleccionado el Average
moving range y de que el campo Use moving
range of length posea un valor de dos (2).
Presione el botn OK dos veces.
11
Noviembre 2012
7.8 7.6 7.4 7.2 7.0 6.8 6.6
LSL USL Target
LSL 6.6
Target 7.2
USL 7.8
Sample Mean 7.24673
Sample N 275
StDev (Within) 0.124209
StDev (Ov erall) 0.138631
Process Data
PPU 1.33
Ppk 1.33
Lower CL 1.23
Cpm 1.37
Lower CL 1.27
Cp 1.61
Lower CL 1.48
CPL 1.74
CPU 1.48
Cpk 1.48
Lower CL 1.36
Pp 1.44
Lower CL 1.34
PPL 1.56
Ov erall Capability
Potential (Within) Capability
% < LSL 0.00
% > USL 0.00
% Total 0.00
Observ ed Performance
% < LSL 0.00
% > USL 0.00
% Total 0.00
Exp. Within Performance
% < LSL 0.00
% > USL 0.00
% Total 0.00
Exp. Ov erall Performance
Within
Overall
Capability Analysis for SRWMOST (mm) Lot M104122 Injection Molding Machine 05
(using 95.0% confidence)
Symmetric Specification Limits
Ms que centrar el anlisis en los
valores numricos de los ndices de
capacidad, el analista debe observar
el histograma de capacidad con el fin
de identificar los aspectos crticos del
comportamiento del proceso, tales
como:
Si el proceso est centrado en los
lmites de especificacin, o si est
desviado hacia alguno de ellos,
as como la magnitud de esa
desviacin,
Si el proceso est produciendo
ahora partes no conformes, y
Cun alto es el riesgo de que la
fraccin defectuosa aumente,
segn la magnitud actual de la
variacin del proceso.
Interprete el diagrama de capacidad.
Si el proceso es capaz, el C
pk
debe
ser mayor o igual que 1.33 y el
lmite inferior para el intervalo de
confianza para el C
pk
(Lower CL)
debe ser mayor o igual que 1.0.
12
Noviembre 2012
03/02/2013
7
13
O Cuando el p-value en el histograma es menor que 0.05, la primera estrategia
por seguir es intentar renormalizar los datos (obtener un mejor ajuste a la
normal) mediante una transformacin Box-Cox o de Johnson.
O El p-value asociado a los datos renormalizados debe ser mayor que 0.05 y el
valor de debe ser positivo. Para ello, elabore un Probability Plot considerando
las transformadas Box-Cox y Johnson.

Recuerde que la
renormalizacin de
los datos solo puede
realizarse cuando
n > 100.
Noviembre 2012
14
C
03/02/2013
8
15
O Si los datos pueden ser renormalizados mediante la transformacin
Box-Cox, es decir, si el probability plot arroja un p-value > > 0.05,
determine el ndice de capacidad (C
npk
) utilizando dicho modelo.

C
C
Noviembre 2012
16
O Si los datos pueden ser renormalizados mediante la transformacin
de Johnson, es decir, si el probability plot arroja un p-value > >
0.05, determine el ndice de capacidad (C
npk
) utilizando dicho
modelo.

C
Noviembre 2012
03/02/2013
9
17
O Si se espera que los datos se ajusten a un modelo no normal, trate de
identificar el modelo distribucional al que mejor se ajusten los datos
mediante la generacin de los probability plots.
Seleccione
O Si existe un modelo distribucional esperado para el cual el p-value > >
0.05, determine el ndice de capacidad (C
npk
) utilizando dicho modelo.

C
C
Introduzca el valor objetivo de
especificacin en el campo Target.
Seleccione la unidad en que desea las
unidades no conformes (Percents or Parts
per million).
Asegrese de que se haya seleccionado
Capability stats.
En el campo Title field introduzca una
nombre para el diagrama de capacidad.
Presione el botn OK.
Interprete el diagrama de capacidad.
Si el proceso es
capaz, el P
pk
debe
ser mayor o igual
que 1.33.
18
C
Noviembre 2012
03/02/2013
10
19 19
La definicin clsica de ndice de capacidad de
proceso es vlida slo para datos que se ajustan bien a
un modelo distribucional Normal (Gaussiano).
Si los datos se ajustan a otro modelo distribucional, dicha
definicin ya no es vlida.
)
`
|
|
.
|
\
|
|
|
.
|
\
|
=
.00135 .50
.50
.50 .99865
.50
pk
P P
LSL - P
,
P P
P USL
Min P
Datos Normales:
Datos No Normales:
(1)
(1)
Esta simbologa es la adoptada por
la ISO 21747 (2006) y la ISO 3534-2
(2006).
6 P P
0. 00135 99865 0
=
.
20
Si los datos por analizar estn truncados o son censored, entonces el
procedimiento anterior podra no ser el ms indicado para el clculo
del ndice de capacidad (P
pk
).
En estos casos se recomienda utilizar el mtodo basado en el
Maximum Likehood Estimator (MLE) para hallar la distribucin de
mejor ajuste.
El mtodo estndar indicado con
anterioridad utiliza el mtodo LSE
(Least Square Estimates), el cual es
recomendado para muestras
pequeas y datos no truncados
(censored).
Datos Censored: son aquellos cuyas
propiedades medidas no se conocen
con precisin, pero se sabe que estn
por encima o por debajo de algn
lmite de sensibilidad.
Datos Truncados: son aquellos que
debido a lmites de sensibilidad
estn perdidos de la muestra.
Noviembre 2012
03/02/2013
11
21
El procedimientopor seleccionar depende del tipo de muestra (es
decir, si es uncensored o censored, o si los datos estn agrupados o
no). El censoring ocurre cuando el valor asignado a una medicin u
observacin es conocido slo parcialmente.
O MLE, el cual a diferencia del LSE
requiere de un mnimo o de ninguna
suposicin distribucional, es til en
la obtencin de una medida
descriptiva con el fin de resumir
datos observados, pero no posee
ninguna base para la prueba de
hiptesis o construir intervalos de
confianza.
A diferencia del LSE, el cual es
bsicamente una herramienta descrip-
tiva, el mtodo MLE es el preferido en
estadstica en la estimacin de parme-
tros y es una herramienta indispensable
para muchas tcnicas de modelado
estadstico, en particular en el modelado
no lineal con datos no normales.
Existen dos mtodos generales para la estimacin de
prametros: Least-Squares Estimation (LSE) y Maximum
Likelihood Estimation (MLE).
O LSE ha sido la seleccin popular para ajuste distribu-
cional, y est asociada a muchos conceptos estadsticos,
tales como regresin lineal, suma de errores cuadrti-
cos, desviacin cuadrtica media, etc.
Noviembre 2012
22
Si a estos datos le aplicramos el mtodo basado en el p-value,
no obtendramos ningn ajuste distribucional por lo que no
sera posible continuar con el estudio de capacidad.
Note que aunque no se
pudo asignar un p-value
al modelo lognormal,
ste parece ajustarse
bien a los datos..
Noviembre 2012
03/02/2013
12
23
Sin embargo, al percatarnos de que estos datos corresponden a una prueba de explosin
de un baln (por lo que son datos de falla) y que son, adems, datos truncados (aunque
la variable es continua), podemos utilizar:
Los datos poseen solo un lmite inferior
(5 psi), por lo que las distribuciones
esperadas para estos datos son:
Weibull, Lognormal y Exponencial.
Si el proceso es robusto, es de
esperar hallar una densidad
de valores muy baja cerca del
lmite inferior y muy alta lejos
de este lmite.
Esta opcin
permite identificar
el modelo de
mejor ajuste
distribucional y
utiliza ambos
mtodos (LSE y
MLE).
Noviembre 2012
24
Ambas opciones permiten
utilizar tanto el mtodo LSE
como el MLE.
Aunque ambos mtodos (LSE y
MLE) coinciden en el modelo
de mejor ajuste, difieren en
cuanto al valor de los
parmetros distribucionales.

Noviembre 2012
03/02/2013
13
25
10.00 1.00 0.10 0.01
99. 9
90
50
10
1
High - Threshold
P
e
r
c
e
n
t
20 10 5
99. 9
99
90
50
10
1
0. 1
High - Threshold
P
e
r
c
e
n
t
10.0 1.0 0.1
99. 9
90
50
10
1
High - Threshold
P
e
r
c
e
n
t
2-Parameter Exponential
3.967
3-Parameter Lognormal
1.516
3-Parameter Weibull
1.607
Anderson-Darling (adj)
10.00 1.00 0.10 0.01
99. 9
90
50
10
1
High - Threshold
P
e
r
c
e
n
t
20 10 5
99. 9
99
90
50
10
1
0. 1
High - Threshold
P
e
r
c
e
n
t
10 1
99. 9
90
50
10
1
High - Threshold
P
e
r
c
e
n
t
*
0.977
3-Parameter Weibull
0.969
Correlation Coefficient
Probability Plot for High
ML Estimates-Complete Data
2-Parameter Exponential 3-Parameter Lognormal
3-Parameter Weibull
LSXY Estimates-Complete Data
2-Parameter Exponential 3-Parameter Lognormal
3-Parameter Weibull
Noviembre 2012
26
10 1
99.9
99
90
50
10
1
0.1
High - Threshold
P
e
r
c
e
n
t
AD* 1.516
Loc 1.89755
Scale 0.317639
Thres 6.33901
Mean 13.3537
StDev 2.28553
Median 13.0086
IQR 2.87974
Failure 60
Censor 0
Table of Statistics
100 10 1
99.9
99
90
50
10
1
0.1
High - Threshold
P
e
r
c
e
n
t
AD* 1.488
Correlation 0.977
Loc 2.03597
Scale 0.279266
Thres 5.39133
Mean 13.3556
StDev 2.26824
Median 13.0510
IQR 2.90269
Failure 60
Censor 0
Table of Statistics
Complete Data - ML Estimates
3-Parameter Lognormal - 95% CI
Complete Data - LSXY Estimates
03/02/2013
14
24 18 12 6
99.9
99
90
50
10
1
0.1
Low
P
e
r
c
e
n
t
100.0 10.0 1.0 0.1
99.9
90
50
10
1
Low - Threshold
P
e
r
c
e
n
t
10 1
99.9
99
90
50
10
1
0.1
Low - Threshold
P
e
r
c
e
n
t
10 1
99.9
90
50
10
1
Low - Threshold
P
e
r
c
e
n
t
Normal
0.945
*
0.988
3-Parameter Weibull
0.982
Correlation Coefficient
Probability Plot for Low
LSXY Estimates-Complete Data
Normal 2-Parameter Exponential
3-Parameter Lognormal 3-Parameter Weibull
27
Al aplicar el mtodo basado en el LSE a los datos de LOW,
obtenemos que los datos se ajustan bien al modelo distribucional 3-
parameter lognormal.
Seleccionamos la
distribucin con el
mayor coeficiente
de correlacin.
Noviembre 2012
24 18 12 6
99.9
99
90
50
10
1
0.1
Low
P
e
r
c
e
n
t
100.0 10.0 1.0 0.1
99.9
90
50
10
1
Low - Threshold
P
e
r
c
e
n
t
10 1
99.9
99
90
50
10
1
0.1
Low - Threshold
P
e
r
c
e
n
t
10.0 1.0 0.1
99.9
90
50
10
1
Low - Threshold
P
e
r
c
e
n
t
Normal
1.761
2.906
0.855
3-Parameter Weibull
0.937
Anderson-Darling (adj)
ML Estimates-Complete Data
Normal 2-Parameter Exponential
3-Parameter Lognormal 3-Parameter Weibull
28
Al aplicar el mtodo basado en el MLE, obtenemos que los datos se
ajustan bien al modelo distribucional 3-parameter lognormal.
Seleccionamos la
distribucin con el
menor coeficiente
AD (adj).
Noviembre 2012
03/02/2013
15
29
Capability Study for Low Condition
24 20 16 12
Median
Mean
14 13 12
1st Quarti l e 11.000
Medi an 13.000
3rd Quarti l e 15.000
Maxi mum 25.000
12.674 14.393
12.000 14.000
2.820 4.057
A-Squared 1.54
P-Val ue < 0.005
Mean 13.533
StDev 3.327
Vari ance 11.067
Sk ewness 1.29648
Kurtosi s 2.36532
N 60
Mi ni mum 9.000
Anderson-Darl i ng Normal i ty Test
95% Confi dence Interv al for Mean
95% Confi dence Interv al for Medi an
95% Confi dence Interv al for StDev
24
16
8
L
o
w
100 10 1
99. 9
99
90
50
10
1
0. 1
Low - Threshold
P
e
r
c
e
n
t
AD* 0.806
Correl ati on 0.988
Loc 1.89574
Scal e 0.441921
Thres 6.22088
Mean 13.5612
StDev 3.40887
Medi an 12.8783
IQR 4.02783
Tabl e of Stati sti cs
55 49 43 37 31 25 19 13 7 1
24
16
8
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=13.53
UCL=22.77
LCL=4.29
55 49 43 37 31 25 19 13 7 1
10
5
0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=3.47
UCL=11.35
LCL=0
24 20 16 12 8
LSL
LSL 5
Target *
USL *
Sample Mean 13.5333
Sample N 60
Location 1.81239
Scale 0.470415
Threshold 6.7019
Process Data
Pp *
PPL 1.69
PPU *
Ppk 1.69
Overall Capability
PPM <LSL 0.00
PPM >USL *
PPM Total 0.00
Exp. Overall Performance
25
24
1 1
1
1 1
95% Conf idenceIntervals
Statistical Summary for Low
Boxplot of Low
Identification of possible outliers
Complete Data - LSXY Estimates
Process Capability of Low
Calculations Based on Lognormal Distribution Model
Process Stability (I-MR Chart) of Low
29
Vase como basado en el mtodo
MLE podemos hallar un
distributional best fit que nos
permita continuar con el estudio
de capacidad y poder calcular el
valor del Ppk.
30
O Si los datos no pueden ser renormalizados, y no existe un modelo
distribucional al que mejor se ajusten los datos, entonces se hace necesario
calcular el ndice de capacidad (C
npk
) mediante el mtodo de Clements
(ISO).
=
.00135 .99865
npk
P X
LSL - X
,
X P
X USL
Min C
~
~
~
~

donde:

:= mediana,
P
.99865
:= percentil 0.99865,
P
.00135
:= percentil 0.00135.
X
~

C
Utilice la calculadora de
Minitab para determinar
estos valores.
Utilice las funciones PERCENTILE()
Y MEDIAN().
03/02/2013
16
31
Pero, a diferencia del caso en que
tenemos ajuste a un modelo no normal,
el mtodo de Clements solo puede
utilizarse cuando
n > 100.
Noviembre 2012
32
O Si los datos no pueden ser renormalizados, y no existe un modelo
distribucional al que mejor se ajusten los datos, entonces tambin se
puede calcular el ndice de capacidad (C
pk
) a partir de los datos
suministrados por las grficas de control.
3
DNS
=
pk
C
{ } ,
U L
Z Z Min DNS =
p
L
LSL X
Z
o
=
p
U
X USL
Z
o
=
2
d
MR
p
= o
Donde:
91 81 71 61 51 41 31 21 11 1
20
15
10
5
0
Observation
I
n
d
i v
i d
u
a
l V
a
l u
e
_
X=11.18
UCL=22.33
LCL=0.03
91 81 71 61 51 41 31 21 11 1
15
10
5
0
Observation
M
o
v
i n
g
R
a
n
g
e
__
MR=4.19
UCL=13.70
LCL=0
I-MR Chart of Pull Test Drape (Min4.5Lb)
n d
2

2 1.128
3 1.693
4 2.059
5 2.326
6 2.534
7 2.704
8 2.847
9 2.970
10 3.078
Cuando solo se ha realizado una medicin
por cada pieza, utilice d
2
= 1.128.
03/02/2013
17
Tngase en cuenta que antes de proceder a la evaluacin
de la capacidad del proceso, es preciso haber realizado
primero el estudio exploratorio de cada variable
considerada.
Aunque las grficas de control son robustas al comporta-
miento distribucional de la variable, los ndices de capaci-
dad no lo son.
El hecho de que una variable de proceso, una caracters-
tica o propiedad de un producto no sigan una distribucin
normal no implica la existencia de problemas con el
proceso o producto, solo implica que esa variable se
comporta de esa manera.
Observacin
33
Noviembre 2012
34
El estudio de la capacidad de un proceso no se
puede centrar slo en la determinacin de los
valores numricos de los ndices de capacidad.
Al final de cuentas los ndices de capacidad del proceso son valores que estn, a
su vez, sujetos a fluctuacin en el flujo del proceso, por lo que cabra
cuestionarse si ellos mismos se hallan bajo control estadstico.
Para tener una imagen clara de lo que realmente est sucediendo en el proceso
es preciso preguntar:
Qu tan cerca estn los datos de los lmites de especificacin?, o, lo que es
lo mismo, qu tan centrado est el proceso?
Cul es la magnitud de la variacin en el proceso?Qu tan estable es el
proceso?
Por ello algunos autores (entre ellos Breyfogle, Tukey y Wheeler) recomiendan
con insistencia combinar el anlisis grfico con las medidas de proceso, con el
fin de tener una imagen lo ms completa posible de lo que est sucediendo en el
proceso.
03/02/2013
18
Al mejorar nuestro conocimiento de
CMO y POR QU un proceso se
comporta en la manera en que lo
hace, estaremos en capacidad de
descubrir opciones econmicamente
viables de reducir la variacin.
35
36
REFERENCIAS
ISO-3534-2 (2006). Vocabulary and Symbols. Part 2: Applied Statistics.
ISO-21747 (2006). Statistical Methods. Process Performance and Capability Statistics for
Measured Quality Characteristics.
ASTM E2281-03. Standard Practice for Process and Measurement Capability Indices.
AIAG. Statistical Process Control. 2nd edition. 2005.
Breyfogle, F. Implementing Six Sigma. Smarter Solutions Using Statistical Methods. 2nd Edition.
2003. Wiley.
Ching Tang, Ngee Goh & Others. Six Sigma. Advanced Tools for Black Belts and Master Black
Belts. John Wiley & Sons. 2005.
Dietrich & Schulze. Statistical Procedures for Machine and Process Qualification. 1999. ASQ
Press.
Griffith, G. Statistical Process Control Methods. ASQC Press. 1996.
Johnson & Kotz. Process Capability Indices A Review, 1992-2000. 2002. JQT. ASQ Press.
Montgomery, D. Introduction to Statistical Quality Control. 6th edition. John Wiley & Sons.
2009.
Stapenhurst, T. Mastering Statistical Process Control. Elsevier Butterworth-Heinemann. 2005.
Wheeler, D. & Chambers, D. Understanding Statistical Process Control. SPC Press. 1992.
Wheeler, D. Advanced Topics in Statistical Process Control. SPC Press. 2004.
Wheeler, D. Understanding Variation. 1993. SPC Press.
03/02/2013
19
Muchas gracias
37

5 - Evaluando La Capacidad Del Proceso

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

5 - Evaluando La Capacidad Del Proceso

Uploaded by

Copyright:

Available Formats

03/02/2013

You might also like