Professional Documents
Culture Documents
(SPC)
Manual de Referencia
Copia para:
Este documento consiste slo de una interpretacin al espaol de LEYVA CONSULTORES, S.C. del Manual de Referencia de SPC1: 1992 publicado por AIAG, y slo debe considerarse como una consulta. El nico documento oficial es el publicado originalmente
en Ingles por AIAG mismo.
NO
ES DE INTERES
LAS UNIDADES NO
CONFORMES, EJ.,
PORCENTAJE DE
PARTES MALAS?
NO
ES DE INTERES LAS
NO CONFORMIDADES,
EJ., DISCREPANCIAS
DE PARTES?
SI
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
SI
SI
NO
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
USAR LA
GRAFICA
p
SI
SI
USAR LA
GRAFICA
p O np
LAS MUESTRAS DE
SUBGRUPOS SON
HOMOGNEAS POR
NATURALEZA O NO
CONDUCIVAS, EJ.,
BAO DE PINTURA,
LOTE DE PINTURA,
ETC.?
SI
USAR LA GRAFICA DE
LECTURAS INDIVIDUALES
X-MR
NO
USAR LA
GRAFICA
cOu
LOS PROMEDIOS DE
LOS SUBGRUPOS
PUEDEN CALCULARSE
DE MANERA
CONVENIENTE?
NO
USAR LA
GRAFICA DE
MEDIANAS
SI
EL TAMAO
DE CADA
SUBGRUPO
ES DE 9 O
MAYOR?
NO
USAR LA
GRAFICA
-R
SI
NO
EXISTE LA HABILIDAD
DE CALCULAR EN
FORMA CONVENIENTE
LA S DE CADA
SUBGRUPO?
SI
USAR LA
GRAFICA
-S
NO
USAR LA
GRAFICA
-R
USAR LA
GRAFICA
u
Prefacio
Este Manual de Referencia fue preparado por el staff de calidad y de evaluacin de proveedores de
Chrysler, Ford y General Motors, trabajando bajo los auspicios de la Divisin Automotriz del Grupo
de Trabajo de los Requerimientos de Calidad de Proveedores de la Sociedad Americana para el
Control de Calidad, en colaboracin con Grupo de Acciones de la Industria Automotriz.
El captulo del Grupo de Trabajo de ASQC/AIAG busca estandarizar los manuales de referencia,
formatos de reportes y nomenclatura tcnica usada por Chrysler, Ford y General Motors en sus
respectivos sistemas de evaluacin de proveedores: Aseguramiento de Calidad de Proveedores,
Excelencia Total de Calidad y Metas para la Excelencia. Al mismo tiempo, este Manual de
Referencia puede ser usado por cualquier proveedor para desarrollar informacin que responda a
los requerimientos de los sistemas de evaluacin de proveedores de Chrysler, Ford o General
Motors.
Hasta ahora, no ha habido un enfoque formal unificado en la industria automotriz para el control
estadstico de los procesos. Ciertos fabricantes ofrecen mtodos a sus proveedores, mientras que
otros no cuentan con requerimientos especficos. En un esfuerzo por simplificar y minimizar la
variacin en los requerimientos de calidad de los proveedores, Chrysler, Ford y General Motors han
acordado desarrollar y, a travs de AIAG, distribuir este manual. El equipo de trabajo responsable
por el contenido de este manual fue dirigido por Leonard A. Brown de General Motors.
Este manual debiera ser considerado como una introduccin al control estadstico de los procesos.
No se pretende que limite la evolucin de los mtodos estadsticos adecuados a mercanca o
procesos particulares ni se pretende que sea amplio y completo en todas las tcnicas de SPC. Las
preguntas en el uso de mtodos alternativos debieran ser referidas al rea de calidad de sus
clientes.
El Grupo de Trabajo agradece y da reconocimientos a: el liderazgo y compromiso de los
vicepresidentes Thomas T. Stallkamp de Chrysler, Clinton D. Lauer de Ford, y Donald A. Pais de
General Motors; La competencia tcnica y el trabajo intenso de sus equipos de calidad y evaluacin
de proveedores; y la contribucin invaluable del grupo de Acciones de la Industria Automotriz (bajo
el Director Ejecutivo de AIAG Joseph R. Phelan) en el desarrollo, produccin y distribucin de este
manual de referencia.
Deseamos tambin agradecer al equipo de redaccin de ASQC dirigido por Tripp Martn de
Peterson Spring, quien revis el manual y en el proceso hizo contribuciones valiosas en la intencin
y contenido.
Bruce W. Pince
Task Force Coordinator
Sandy Corporation
Troy, Michigan
December, 1991
Este manual cuenta con derechos de copia por A.I.A.G., y todos los derechos reservados, 1991.
Pueden ordenarse copias adicionales en A.I.A.G. y/o el permiso de copia de porciones de este
Manual para uso/aplicacin dentro de las organizaciones de los proveedores puede obtenerse de
A.I.A.G. en (313) 358-3570.
Reconocimiento
El consenso conjunto del contenido de este documento fue efectuado a travs de los Miembros del
Subcomit de Equipos de Trabajo representando a General Motors, Ford y Chrysler,
respectivamente, cuyas firmas de aprobacin aparecen abajo, y quienes agradecen y reconocen la
contribucin significativa de Jessup de Ford Motor Company, quien fue responsable del desarrollo
de la mayora del material encontrado en los Captulos I, II y III, y los apndices de este documento.
Harvey Goltzer de Chrysler Corporation contribuy a los conceptos relativos a habilidad del proceso
y estudios de habilidad, encontrados en la seccin de introduccin del captulo I. Jack Herman de
Du Pont contribuy a algunos de los conceptos relativos a ndices de habilidad y desempeo y a la
importancia de la variabilidad en las mediciones, encontrados en secciones de los captulos II y IV,
respectivamente.
La Divisin de Powertrain de General Motors contribuy a la discusin y ejemplos relativos a los
subgrupos y sobre ajuste del proceso. La seccin del captulo II que ofrece el entendimiento de
habilidad del proceso y aspectos clave relativos fue desarrollado por el Comit de Revisiones
Estadsticas del Corporativo de General Motors. Este comit contribuy tambin al desarrollo del
captulo IV, Anlisis de Sistemas de Medicin del Proceso, as como tambin a algunos puntos de
los apndices.
Finalmente, entradas valiosas a todas las secciones del manual fueron ofrecidas por los
representantes de ASQC Greg Gruska, Goug Ver, y Tripp Martn.
TABLA DE CONTENIDO
Capitulo I
Captulo II
Capitulo III
1
4
6
9
12
14
19
22
25
28
30
33
40
43
64
75
75
77
77
77
79
79
79
82
82
83
85
85
86
88
89
90
91
91
93
95
100
103
106
109
113
121
125
125
125
125
125
127
127
127
128
128
130
130
130
130
133
134
134
135
135
136
137
142
APENDICES
A
ALGUNOS COMENTARIOS SOBRE SUBGRUPOS......................................................................................
145
SOBREAJUSTE...............................................................................................................................................
150
151
153
156
157
169
172
Captulo IV
152
LISTA DE FIGURAS/ILUSTRACIONES
Figura
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
33
34
35
36
37
38
39
40
41
42
43
Ttulo
Pagina
5
8
13
18
21
27
32
35
37
39
42
45
47
49
52
54
56
58
60
63
66
69
74
76
78
81
84
87
94
96
99
105
108
110
112
114
116
118
124
126
129
132
139
140
Figura
44
45
Ttulo
Pagina
143
144
Capitulo I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL
ESTADSTICO DE LOS PROCESOS
Para prosperar en el clima econmico de hoy, nosotros fabricantes y proveedores automotrices y
organizaciones vendedoras debemos estar dedicados al mejoramiento continuo. Debemos buscar
constantemente caminos ms eficientes para fabricar productos y servicios. Estos productos y
servicios deben continuar mejorndose en valor. Debemos orientarnos a nuestros clientes, tanto
internos como externos, y hacer de la satisfaccin de los clientes un objetivo primario del negocio.
Para lograr esto, todos en nuestras organizaciones debemos estar comprometidos al mejoramiento
y al uso de mtodos efectivos. Este manual aborda algunas de las necesidades de esta ltima rea.
Describe diferentes mtodos estadsticos bsicos que pueden usarse para hacer que nuestros
esfuerzos en el mejoramiento sean ms efectivos. Se necesitan diferentes niveles de entendimiento
para ejecutar diferentes tareas. Este manual esta orientado a practicantes y gerentes que
comiencen con la aplicacin de mtodos estadsticos. Sirve tambin como un actualizador de estos
mtodos bsicos para aquellos quienes ya estn usando ahora tcnicas ms avanzadas. No todos
los mtodos bsicos se incluyen aqu. La cobertura de otros mtodos bsicos (tales como, hojas de
chequeo, diagramas de flujo, grficas de Pareto y diagramas de causas y efectos) y algunos
mtodos avanzados (tales como, otras grficas de control , diseos de experimentos, Despliegue de
la Funcin de Calidad, etc.), est disponible en libros y folletos tales como los referenciados en el
apndice H.
Los mtodos estadsticos bsicos abordados en este libro incluyen aquellos relacionados con el
control estadstico de los procesos y el anlisis de habilidad de los procesos. El primero captulo de
este manual ofrece algunos fundamentos del control del proceso, explica diferentes conceptos
importantes tales como, causas comunes y especiales de variacin, e introduce a las grficas de
control las cuales pueden ser una herramienta muy efectiva para analizar y monitorear procesos. El
segundo captulo describe la construccin y uso de grficas de control para datos de variables
(datos cuantitativos o mediciones): graficas X barra R, grficas X barra s, grficas de medianas
y grficas X MR (lecturas individuales y rangos mviles). Se describe tambin el concepto de
habilidad del proceso y aborda los ndices y proporciones usados comnmente. El tercer captulo
describe diferentes grficas de control para datos de atributos (datos cualitativos o conteos): grfica
p, grfica np, grfica c y grfica u. El cuarto captulo aborda el tema de anlisis de sistemas de
medicin y presenta un ejemplo apropiado. Los apndices incluyen ejemplos de subgrupos y
sobreajuste, un diagrama de flujo del uso/aplicacin de grficas de control, una tabla de constantes
y frmulas, la distribucin estndar normal y copias reproducibles de los formatos de grficas en
blanco. El glosario ofrece breves explicaciones de los trminos y smbolos usados y la seccin de
referencias ofrece al lector fuentes para estudio adicional.
Debieran hacerse seis observaciones antes de que la discusin principal comience:
Primero, la recoleccin de datos y el uso de mtodos estadsticos para interpretarlos no son el final
en s mismos. El objetivo global debiera ser incrementar el entendimiento de los procesos del lector.
Es muy fcil llegar a ser expertos tcnicos sin la realizacin de algn mejoramiento. El incremento
en conocimientos debiera llegar a ser una base para acciones.
-1-
I.
Segundo, el concepto bsico del estudio de las variaciones y el uso de seales estadsticas para
mejorar el desempeo puede aplicarse en cualquier rea. Tales reas pueden ser en el piso de
operacin o en la oficina. Algunos ejemplos son mquinas (caractersticas de desempeo),
contabilidad (proporciones de errores), ventas, anlisis de desperdicio (proporciones de
scrap/desperdicio), sistemas de computadoras (caractersticas de desempeo) y administracin de
materiales (tiempos en trnsito). Este manual se enfoca a aplicaciones en el piso de trabajo. Se
promueve que el elector consulte algunas de las referencias en el apndice H para aplicaciones
administrativas y de servicios.
Tercero, SPC significa control estadstico de los procesos. Es desafortunado que los mtodos
estadsticos en Norteamrica se apliquen rutinariamente partes ms que a procesos. La aplicacin
de tcnicas estadsticas para el control de resultados (tales como partes) debiera ser solo el primer
paso. Hasta que los procesos los cuales generen resultados y lleguen a ser el enfoque de nuestros
esfuerzos, no podr notarse la fuerza total de estos mtodos para mejorar la calidad, incrementar la
productividad y reducir los costos.
Cuarto, aunque cada punto en el texto es ilustrado con un ejemplo trabajado, el entendimiento real
del tema involucra un mayor contacto con situaciones de control de proceso. El estudio de casos
actuales desde la ubicacin de trabajo del propio lector o de actividades similares sera un
importante suplemento a este texto. No existe, sin embargo, un sustituto para la experiencia en
campo con informacin de procesos actuales.
Quinto, este manual debiera ser considerado como un primer paso hacia el uso de mtodos
estadsticos. Ofrece reglas empricas que trabajan en muchos casos. Sin embargo, existen
excepciones donde es inapropiado usar ciegamente estas reglas empricas. Este manual no
remplaza la necesidad de los practicantes de incrementar su conocimiento en teora y mtodos
estadsticos. Se promueve el que los lectores busquen una educacin estadstica formal. Cuando
los procesos del lector y la aplicacin de los mtodos estadsticos haya avanzado ms all del
material cubierto aqu, se promueve que el lector consulte con personas que cuenten con
conocimientos y practica apropiados en teora estadstica y en lo apropiado de otras tcnicas.
Sexto, los sistemas de medicin son crticos para el anlisis apropiado de datos y debieran ser bien
entendidos antes de recolectar datos de los procesos. Cuando tales sistemas carecen de control
estadstico o su variacin acumula una porcin substancial de la variacin total en los datos del
proceso, pueden tomarse decisiones inapropiadas. Para propsitos de este manual, se asume que
los sistemas estn bajo control y no son un contribuidor significativo en la variacin total de los
datos. El lector puede hacer referencia al Manual de Anlisis de Sistemas de Medicin (MSA)
publicado por AIAG para mayor informacin sobre este tpico.
-2-
-3-
I.
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 1
PREVENCIN VS DETECCIN
En el pasado, la manufactura a menudo dependa de la produccin para fabricar el producto y del
control de calidad para inspeccionar el producto final y descubrir las unidades que no cumplan con
especificaciones. En situaciones administrativas, el trabajo es a menudo checado y rechecado en
los esfuerzos por capturar errores. En ambos casos se involucra una estrategia de deteccin, la cual
es un desperdicio, porque permite que se invierta tiempo y materiales en productos o servicios que
no siempre son usables.
Es mucho ms efectivo evitar desperdicios no produciendo resultados no usables a la primera una
estrategia de prevencin.
La estrategia de prevencin suena prctica y an obvia para la mayora de la gente. Es fcil de
capturar en slogans tales como, hacerlo bien a la primera. Sin embargo, los slogans no son
suficientes. Lo que se requiere es un entendimiento de los elementos de un sistema de control
estadstico de los procesos. Las siguientes siete subsecciones restantes de esta introduccin
cubren estos elementos, y pueden ser vistas como respuestas a las siguientes preguntas:
Cmo pueden describir las tcnicas estadsticas si un problema es local por naturaleza o
involucra sistemas ms amplios? (seccin 4)
Qu es el ciclo del mejoramiento continuo y qu parte del control del proceso puede
participar en ste? (seccin 6)
Conforme es estudiado este material, el lector puede desear referirse al Glosario en el apndice G
para definiciones breves de trminos y smbolos clave.
-4-
MODELO DE SISTEMA
RETROALIMENTACION
DE
CONTROL
DE
LOS
PROCESOS
CON
MTODOS
ESTADSTICOS
GENTE
EQUIPO
MATERIALES
MTODOS
LA FORMA DE
TRABAJO / MEZCLA
DE RECURSOS
PRODUCTOS
O
SERVICIOS
CLIENTES
MEDIO AMBIENTE
IDENTIFICACION DE
NECESIDADES Y
EXPECTATIVAS
CAMBIANTES
ENTRADAS
SISTEMAS/PROCESOS
SALIDAS
I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 2
SISTEMA DE CONTROL DEL PROCESO
Un sistema de control de proceso puede describirse como un sistema de retroalimentacin. El
Control Estadstico de los Procesos (SPC) es un tipo de sistema de retroalimentacin. Tambin
existen tales sistemas de otro tipo, los cuales no son estadsticos. Cuatro elementos de un sistema
que son importantes y cuya discusin sigue se presentan a continuacin:
1.
2.
3.
Acciones sobre el Proceso Las acciones sobre el proceso son recientemente las ms
econmicas cuando se toman para prevenir las caractersticas importantes (del proceso
o resultados) de que varen muy lejos de sus valores meta. Esto mantiene la estabilidad
y la variacin de los resultados del proceso y dentro de lmites aceptables. Tales
acciones pueden consistir en cambios en las operaciones (ej.,entrenamiento de
operadores, cambios en los materiales de recibo, etc.) o en los elementos ms bsicos
del proceso mismo (ej., el equipo el cual puede requerir rehabilitacin, cmo la gente
se comunica y se relaciona, o el diseo del proceso como un todo el cual puede ser
vulnerable a cambios en temperaturas o humedad en el lugar de trabajo). El efecto de
las acciones debiera ser monitoreado, y debieran hacerse anlisis y tomarse acciones
posteriores si es necesario.
-6-
Acciones en los Resultados Las acciones en los resultados son frecuentemente las
menos econmicas cuando se est restringido a detectar y corregir el producto fuera de
especificacin sin abordar el problema fundamental del proceso mismo.
Desafortunadamente, si el resultado actual no es consistente el cumplimiento de los
requerimientos de los clientes, puede ser necesario clasificar todos los productos y
desechar o retrabajar cualquier unidad no conforme. Esto debe continuar hasta que
acciones correctivas necesarias en el proceso se hayan tomado y verificado, o hasta que
las especificaciones del producto se hayan cambiado.
Es obvio que la inspeccin seguida de acciones solo en los resultados es un sustituto pobre para la
administracin efectiva de un proceso. Las acciones solo en los resultados debieran ser usadas
estrictamente como una medida interina para procesos no estables o inhbiles (ver seccin 5). Por
tanto, las discusiones que siguen se enfocan a recoleccin de informacin del proceso y su anlisis
de manera que puedan tomarse acciones para corregir el proceso mismo.
-7-
AUNQUE INTEGREN
UNA FORMA DE COMPORTAMIENTO,
SI ES ESTABLE PUEDA DESCRIBIRSE
COMO UNA DISTRIBUCIN
TAMAO
TAMAO
TAMAO
TAMAO
TAMAO
TAMAO
TAMAO
TAMAO
TAMAO
Seccin 3
VARIACIN: CAUSAS COMUNES Y ESPECIALES
A fin de usar en forma efectiva datos de mediciones para control del proceso, es importante
entender el concepto de variacin, como se ilustra en la Figura 2.
Dos productos o caractersticas no pueden ser exactamente iguales, porque cualquier proceso
contiene muchas fuentes de variabilidad. Las diferencias entre productos pueden ser grandes, o
pueden ser inmediblemente pequeas, aunque siempre estn presentes. El dimetro de un eje
maquinado, por ejemplo, sera susceptible a variaciones potenciales de la mquina (claros,
desgastes), del herramental (esfuerzos, proporcin de montaje), de los materiales (dimetro,
dureza), del operador (alimentacin de las partes, exactitud del centrado), del mantenimiento
(lubricacin, reemplazo de partes daadas), y del medio ambiente (temperatura, constancia del
suministro elctrico). Para otro ejemplo, el tiempo requerido para procesar una factura pudiera variar
de acuerdo a si a la gente ejecuta varios pasos, la confiabilidad del equipo que usen, la exactitud y
legibilidad de la factura misma, los procedimientos seguidos, y el volumen de otro trabajo en oficina.
Algunas fuentes de variacin en el proceso generan tiempos cortos, diferencias pieza a pieza ej.,
reacciones y claros dentro de la mquina y sus dispositivos, o la exactitud del trabajo del contador.
Otras fuentes de variacin tienden a generar cambios en los resultados solo sobre un periodos de
tiempo largo, ya sea gradualmente con una herramienta o por desgaste de la mquina, paso a paso
con los cambios en procedimientos, o irregularidades, conforme cambios ambientales tales como
altibajos de poder. Por tanto, el periodo de tiempo y las condiciones en las cuales se hacen las
mediciones afectarn la cantidad de variacin total que est presente.
Desde el punto de vista de los requerimientos mnimos, el punto de variacin es a menudo
simplificado: partes dentro de tolerancias de especificaciones son aceptables, partes fuera de
tolerancias de especificaciones no son aceptables; reportes a tiempo son aceptables, reportes
tardos no son aceptados. Sin embargo, para administrar cualquier proceso y reducir su variacin, la
variacin misma debe ser rastreada hasta sus fuentes. El primer paso es hacer la diferencia entre
causas comunes y especiales de variacin.
Mientras que los valores individuales medidos pueden ser todos diferentes, como grupo pueden
tender a formar un patrn que puede ser descrito como una distribucin (ver Figura 2). Esta
distribucin puede caracterizarse por:
Una amplitud (extensin de los valores del mas pequeo al mas grande)
Las causas comunes se refieren a muchas de las fuentes de variacin dentro de un proceso que
tiene una distribucin estable y repetitible en el tiempo. A esto se le llama en estado de control
estadstico, el control estadstico, o algunas veces solo en control. Las causas comunes se
comportan como un sistema estable de causas aleatorias. Si solo estn presentes causas comunes
-9-
- 10 -
- 11 -
I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 4
ACCIONES LOCALES Y ACCIONES SOBRE EL SISTEMA
Existe una importante conexin entre los dos tipos de variaciones discutidas y los tipos de acciones
necesarias para reducir stas.*
Las tcnicas simples del control estadstico del proceso pueden detectar causas especiales de
variacin. El descubrir una causa especial de variacin y tomar acciones propias es usualmente
responsabilidad de alguien quien est directamente conectado con la operacin. Aunque la
administracin debe algunas veces estar involucrada en corregir las condiciones, la resolucin de
una causa especial de variacin generalmente requiere de acciones locales. Esto es
particularmente verdad durante los esfuerzos iniciales del mejoramiento del proceso. Conforme uno
tiene xito en tomar acciones apropiadas sobre causas especiales, aquellas que se mantengan a
menudo requieren acciones de la administracin, ms que acciones locales.
Estas mismas tcnicas estadsticas simples pueden tambin indicar el alcance de las causas
comunes de variacin, aunque las causas en s requieren de ms anlisis detallados para aislarse.
La correccin de estas causas comunes de variacin es usualmente responsabilidad de la
administracin. Algunas veces la gente directamente conectada con la operacin est en mejores
condiciones de identificarlas y pasarlas a la administracin para toma de acciones. En lo global, sin
embargo, la resolucin de causas comunes de variacin generalmente requiere de acciones sobre
el sistema.
Solo una proporcin relativamente pequea de la variacin excesiva del proceso la experiencia
industrial sugiere alrededor del 15% - es corregible localmente por gente directamente conectada
con la operacin. La mayora el otro 85% - es corregible solo por acciones de la administracin
sobre el sistema. La confusin acerca del tipo de acciones a tomar es muy costosa a la
organizacin, en trminos de esfuerzos desperdiciados, resolucin tardada de problemas y
problemas agrabados. Puede ser equivocado, por ejemplo, tomara acciones locales (ej., ajuste de
una mquina) cuando se requieren acciones de la administracin sobre el sistema (ej., seleccin de
proveedores que ofrezcan en forma consistente materiales de entrada).** Sin embargo, trabajo en
equipo entre la administracin y aquellas personas directamente conectadas con la operacin es un
debe para mejorar la reduccin de las causas comunes de variacin de un proceso.
*
**
Dr. W. E. Deming ha tratado este aspecto crtico en Qu Pas en Japn?, Industrial Quality Control, Vol. 24,
No.3, Agosto, 1967, pags. 89 93, y en otros artculos.
Estas observaciones fueron hechas primero por Dr. J. M. Juran, y han vuelto a renacer en la experiencia del Dr.
Deming.
- 12 -
CONTROL EN
(ELIMINACIN DE CAUSAS
ESPECIALES)
FUERA DE CONTROL
(PRESENTE CAUSAS ESPECIALES)
Seccin 5
CONTROL DEL PROCESO Y HABILIDAD DEL PROCESO
El objetivo de un sistema del control del proceso es tomar decisiones econmicamente razonables
acerca de acciones que afecten el proceso mismo. Esto significa el balancear las consecuencias de
tomar acciones cuando stas no son necesarias (sobre control o manipulacin) vs fallar en tomar
acciones cuando stas son necesarias (control mnimo). Estos riesgos deben ser manejados, sin
embargo, en el contexto de las dos fuentes de variacin previamente mencionadas causas
especiales y comunes. (ver Figura 3).
Se dice que un proceso est operando en control estadstico cuando las nicas fuentes de variacin
son de causas comunes. Una funcin de un sistema de control del proceso es, entonces, ofrecer
seales estadsticas cuando causas especiales de variacin estn presentes, y evitar ofrecer
seales falsas cuando dichas causas no estn presentes. Esto permite acciones apropiadas a tomar
sobre dichas causas especiales (ya sea retirndolas o, si son benficas, hacerlas permanentes).
Cuando se aborda la habilidad del proceso, dos conceptos un tanto contrastantes necesitan ser
considerados:
La habilidad del proceso es determinada por la variacin que proviene de causas comunes.
Generalmente representa el mejor desempeo (ej., mnima amplitud) del proceso mismo,
como es demostrado cuando el proceso est siendo operado en un estado de control
estadstico mientras que los datos estn siendo recolectados, independientemente de dnde
estn las especificaciones con respecto a la localizacin y/o amplitud del proceso mismo.
Los clientes, sin embargo, internos o externos, tpicamente estn ms preocupados con el
resultado global del proceso y en cmo se relaciona con sus requerimientos (definidos como
especificaciones), independientemente de la variacin del proceso mismo.
En general dado que un proceso en control estadstico puede ser descrito por una distribucin
predecible, la proporcin de partes dentro de especificaciones puede estimarse a partir de dicha
distribucin. Siempre y cuando el proceso se mantenga en control estadstico y no se genere un
cambio en localizacin, amplitud o forma, continuar produciendo la misma distribucin de las
partes dentro de especificaciones. Las primeras acciones sobre el proceso debieran ser localizar el
proceso mismo sobre la meta. Si la amplitud del proceso es inaceptable, esta estrategia permite un
nmero mnimo de partes fuera de especificaciones a ser fabricadas. Generalmente se requieren
acciones sobre el sistema para reducir la variacin a partir de causas comunes y mejorar la
habilidad del proceso (y sus resultados) para cumplir con especificaciones en forma consistente.
Para un entendimiento ms especfico del tema de habilidad de los procesos, desempeo de los
procesos y los supuestos asociados con ello, hacer referencia al Captulo II, Seccin 5.
En breve: el proceso debe primero llegar a estar en control estadstico detectando las causas
especiales de variacin y actuando sobre stas. Por tanto su desempeo es predecible, y su
habilidad para cumplir con las expectativas del cliente puede ser evaluada. Esta es la base para el
mejoramiento continuo.
- 14 -
EN CONTROL
NO EN CONTROL
CASO 1
CASO 2
CASO 3
CASO 4
Para ser aceptable el proceso debe estar en estado de control estadstico y la variacin inherente
(habilidad) debe ser menor que su tolerancia especificada. La situacin ideal es contar con un
proceso Caso 1 donde el proceso mismo est en control estadstico y su habilidad para cumplir con
requerimientos es aceptable. Un proceso Caso 2 est en control pero tiene excesivas causas
comunes de variacin las cuales deben reducirse. Un proceso Caso 3 cumple con requerimientos
en forma aceptable, pero no est en control; causas especiales de variacin deben ser identificadas
y actuar sobre stas. En el Caso 4, el proceso no est en control ni es aceptable; ambas causas
comunes y especiales de variacin deben reducirse.
Bajo ciertas circunstancias, el cliente debiera permitir al fabricante correr un proceso an y cuando
se un proceso Caso 3. Estas circunstancias pueden incluir:
Las causas especiales a ser permitidas se han mostrado para actuar de una forma
consistente sobre un periodo de tiempo conocido.
Un plan de control del proceso est en efecto el cual asegura cumplimiento con
especificaciones de todos los resultados del proceso y proteccin de otras causas especiales
o inconsistencias en las causas especiales permitidas mismas.
- 15 -
- 17 -
1.
ANALIZAR EL PROCESO
Qu debiera hacer el
proceso?
Qu est haciendo el
proceso?
Lograr un estado de
control estadstico.
Determinar la habilidad.
PLANEAR
ACTUAR
2.
HACER
MANTENER EL PROCESO
Monitorear el
desempeo del proceso.
Detectar variaciones por
causas especiales y
actuar sobre estas.
PLANEAR
ESTUDIAR
HACER
ACTUAR
PLANEAR
ESTUDIAR
HACER
3.
ACTUAR
ESTUDIAR
MEJORAR EL PROCESO
Cambiar el proceso a un mejor
entendimiento de las
variaciones por causas
comunes.
Reducir las variaciones por
causas comunes.
I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 6
EL CICLO DE MEJORAMIENTO DEL PROCESO Y CONTROL DEL PROCESO
En la aplicacin del mejoramiento continuo a los procesos, existe un ciclo en tres etapas el cual
puede ser til (ver Figura 4). Cada proceso sujeto a mejoramiento puede ubicarse de alguna
manera en este ciclo.
1.
Analiza el Proceso
El entendimiento bsico del proceso es un debe cuando se considere el mejoramiento del proceso
mismo. Entre las preguntas a ser resueltas, a fin de lograr un mejor entendimiento del proceso,
estn:
Muchas tcnicas pueden aplicarse para lograr un mejor entendimiento del proceso tales como,
juntas de grupo, consulta con la gente que desarrolla u opera el proceso (expertos del tema en
cuestin), revisin de la historia del proceso o construccin de Anlisis de Modos y Efectos de
Fallas (AMEFs). Las grficas de control explicadas en este manual son herramientas poderosas
que debieran usarse. Estos mtodos estadsticos simples ayudan a diferenciar entre causas
comunes y especiales de variacin. Las causas especiales de variacin deben abordarse. Cuando
se ha alcanzado un estado de control estadstico, puede calcularse un ndice de habilidad para
ayudar a estimar el nivel de habilidad actual de largo plazo del proceso mismo.
2.
Una vez que se ha logrado un mejor entendimiento del proceso, ste debe mantenerse en un nivel
apropiado de habilidad/capacidad. Los procesos son dinmicos y cambian. El desempeo del
proceso debe ser monitoreado de manera que puedan tomarse medidas efectivas para prevenir
cambios no deseables. Los cambios deseables deben tambin ser entendidos e institucionalizados.
Otra vez, los mtodos estadsticos simples explicados en este manual pueden ayudarle. La
construccin y uso de grficas de control y otras herramientas permitirn el monitoreo eficiente del
proceso. Cuando la herramienta usada ofrezca seales de que el proceso ha cambiado, pueden
tomarse medidas rpidas y eficientes para aislar las causas y actuar sobre stas.
- 19 -
Mejora el Proceso
Hasta este punto, los esfuerzos han sido para estabilizar los procesos y mantenerlos. Sin embargo,
para algunos procesos, el cliente es aun sensible a la variacin dentro de especificaciones de
ingeniera. En estos casos, el valor del mejoramiento continuo no ser notado hasta que la variacin
se reduzca. En este punto, herramientas adicionales para anlisis de procesos, incluyendo mtodos
estadsticos ms avanzados tales como, diseos de experimentos y grficas de control avanzadas
pueden ser tiles. El apndice H lista algunas de las referencias tiles para estudio adicional.
El mejoramiento de los procesos a travs de la reduccin de la variacin tpicamente involucra el
introducir cambios a propsito dentro del proceso y medir los efectos. El objetivo es un mejor
entendimiento del proceso mismo, de manera que las causas comunes de variacin puedan ser
adems reducidas. La intencin de esta reduccin es mejorar la calidad a un costo ms bajo.
Cuando se han determinado nuevos parmetros de proceso, el Ciclo cambia y regresa a Analiza el
Proceso. Dado que se han hecho cambios, es necesario reconfirmar la estabilidad del proceso
mismo. El proceso continua entonces para moverse alrededor del Ciclo del Mejoramiento del
Proceso mismo.
- 20 -
GRAFICAS DE CONTROL
1.
Recoleccin:
2.
3.
Control:
Anlisis y Mejoramiento:
I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 7
GRAFICAS DE CONTROL: HERRAMIENTAS PARA CONTROL DEL PROCESO
El Dr. Walter Shewhart de Laboratorios Bell, mientras estudiaban datos de procesos en los 1920s,
hicieron primero la distincin entre variacin controlada y no controlada, debido a lo que llamamos
causas comunes y especiales. l desarroll una herramienta simple pero poderosa para separar las
dos la grfica de control. Desde aquel tiempo, las grficas de control han sido usadas
exitosamente en una amplia variedad de situaciones de control del proceso, tanto en los Estados
Unidos como en otros pases, y notablemente en Japn. La experiencia ha mostrado que las
grficas de control dirigen atencin en forma efectiva hacia causas especiales de variacin cuando
stas aparecen y reflejan el alcance de la variacin de las causas comunes que deben ser
reducidas por mejoramiento del sistema o el proceso mismo.
El mejoramiento del proceso con el uso de grficas de control es un procedimiento iterativo,
repitiendo las etapas fundamentales de recoleccin, control y anlisis (ver Figura 5). Primero, se
recolectan datos de acuerdo a un plan (el apndice A ofrece entradas para tal plan de recoleccin
de datos); luego, estos datos son usados para calcular lmites de control, los cuales son la base de
interpretacin de los datos para control estadstico; cuando el proceso est en control estadstico,
puede interpretarse para habilidad del proceso mismo. Para efectuar mejoramientos en el control y
habilidad, las causas comunes y especiales de variacin deben ser identificadas y el proceso ser
modificado; entonces el ciclo comienza otra vez, conforme ms datos son recolectados,
interpretados y usados como una base para acciones.
1.
2.
Control: Los lmites de control prueba son calculados en base a los datos. Estos son
dibujados en la grfica como una gua para anlisis. Los lmites de control no son lmites
de especificacin u objetivos, aunque se basan en la variabilidad natural del proceso
mismo y en planes de muestreo.
Los datos son comparados entonces con los lmites de control para ver si la variacin es
estable y parece derivarse solo de causas comunes. Si causas especiales de variacin
son evidentes, el proceso es estudiado para determinar adems lo que est afectndolo.
Despus de que se hayan tomado acciones (generalmente locales) se recolectan datos
adicionales, se recalculan lmites de control si es necesario, y se acta sobre causas
especiales adicionales.
3.
Anlisis y Mejoramiento: Despus de que se han abordado todas las causas especiales
y el proceso est operando bajo control estadstico, la grfica de control continua como
una herramienta de monitores. Puede tambin calcularse la habilidad del proceso. Si la
variacin de las causas comunes es excesiva, el proceso no puede producir resultados
que cumplan en forma consistente con los requerimientos del cliente.
- 22 -
- 23 -
Ser usadas por los Operadores para control en lnea de los procesos
Calidad Superior
- 24 -
I
INTRODUCCIN AL MEJORAMIENTO CONTINUO Y AL CONTROL ESTADSTICO DE
LOS PROCESOS
Seccin 8
BENEFICIOS DE LAS GRAFICAS DE CONTROL
La siguiente lista resume algunos de los beneficios importantes que pueden derivarse del uso de
grficas de control:
Las grficas de control son herramientas efectivas para entender la variacin de un proceso
y ayudan a lograr el control estadstico. Estas herramientas permiten a menudo ser
mantenidas en las estaciones de trabajo por los operadores. Ofrecen a la gente informacin
muy cercana y confiable de operacin sobre cuando debieran tomarse acciones y cuando
no debieran tomarse acciones (ej., sobreajustes ver Apndice B).
Dos formatos blancos y muestra de grficas de control y del proceso son mostrados en
el apndice I. Si se usan otras grficas diferentes a stas, la siguiente informacin
mnima debiera estar en estas: nombre de la caracterstica del proceso; nmero de la
parte; descripcin de la caracterstica; unidad de medicin;
- 25 -
- 26 -
Gente
Equipo
Ambiental
Resultado es Medido
1
Materiales
Mtodos
Proceso
Ejemplos de Resultados
Dimetro Exterior de Flecha (pulgadas)
Distancia de agujero de superficie de
referencia (mm)
Resistencia de un circuito (ohms)
Tiempo de trnsito de tranva (horas)
Tiempo de Procesamiento de Cambios
de Ingeniera (horas)
No Preciso
Preciso
No Exacto
Exacto*
Captulo II
GRAFICAS DE CONTROL POR VARIABLES
Las graficas de control para variables son herramientas poderosas que pueden ser usadas cuando
las mediciones de un proceso estn disponibles. Ejemplos seran el dimetro de un balero, el
esfuerzo para cerrar una puerta o el tiempo para revisar un voucher. Las grficas de variables y
especialmente en su forma ms comn, las grficas X (X barra) y R representan la aplicacin
tpica de grficas de control para control del proceso mismo. (Ver Figura 6).
Las grficas de control para variables son particularmente tiles por varias razones:
1. La mayora de los procesos y sus resultados cuentan con caractersticas que son medibles,
de manera que es amplia la aplicacin potencial.
2. Un valor cuantitativo (ej., el dimetro es 16.45 mm) contiene ms informacin que una
simple declaracin si no (ej., el dimetro est dentro de especificaciones).
3. Aunque al obtener una pieza de datos de medicin es generalmente ms costos que obtener
una pieza de datos pasa/no pasa, menos piezas necesitan checarse para obtener ms
informacin acerca del proceso, de manera que el algunos casos los costos totales de
medicin pueden ser inferiores.
4. Debido a que menos piezas necesitan ser checadas antes de tomar decisiones confiables, la
brecha de tiempo entre la produccin de las partes y las acciones correctivas a menudo
puede acortarse.
5. Con datos de variables, el desempeo de un proceso puede analizarse, y el mejoramiento
puede ser cuantificado, an si todos los valores individuales estn dentro de lmites de
especificacin; esto es importante en la bsqueda del mejoramiento continuo y permanente.
Las grficas de variables pueden explicar los datos del proceso en trminos de su dispersin
(variabilidad pieza a pieza) y localizacin (promedio del procesos). Debido a esto, las grficas de
control para variables debieran siempre ser analizadas y preparadas en pares una grfica para
localizacin y otra para dispersin. El mas comnmente usado es el par de las grficas X y R. X
es el promedio de los valores de los subgrupos una medida de localizacin; R es el rango de los
valores dentro de cada subgrupo (el mas grande menos el mas pequeo) una medida de
dispersin.
Las grficas X y R son discutidas con amplitud en la Seccin 1 de ste Captulo. La Seccin 2 de
este Captulo trata de las Grficas X y s (una alternativa para la grfica R), la Seccin 3 trata de las
grficas de medianas (un sustituto mas simple para las grficas de promedios y rangos) y la
Seccin 4 de este Captulo trata de grficas para lecturas individuales (donde las decisiones deben
basarse en lecturas solas y no subgrupos/muestras).
- 28 -
Define el proceso
- 29 -
II.
Seccin 1
GRAFICAS DE PROMEDIOS Y RANGOS ( X y R)
Antes de que las grficas X y R puedan ser usadas, deben tomarse algunos pasos preparatorios:
- 30 -
II.
- 31 -
Figura 7. Grfica X y R
- 32 -
II.
A.
Una grfica X y R, como par, es desarrollada de mediciones de una caracterstica particular del
resultado del proceso. Estos datos son reportados en subgrupos o muestras de tamao constante,
incluyendo generalmente de dos a cinco piezas consecutivas, con subgrupos tomados
peridicamente, (ej., uno cada 15 minutos, dos por turno, etc.). Un plan de recoleccin de datos
debe desarrollarse y usarse como la base para la recoleccin, registro y graficado de los datos en
una grfica.
A.1. Selecciona el Tamao, Frecuencia y Nmero de Subgrupos (Ver Figura 7.)
a.
b.
- 33 -
II.
NOTA:
Para interpretacin adicional del impacto de los subgrupos sobre la interpretacin de las
grficas de control, ver Apndice A.
- 34 -
II.
Establece las Grficas de Control y Registra los Datos Iniciales (Ver Figura 8).
Las grficas X y R son normalmente graficadas con la grfica X arriba de la grfica R, y
un bloque con los datos. Los valores de X y R sern las escalas verticales, mientras que
la secuencia de los subgrupos a travs del tiempo ser la escala horizontal. Los valores
de los datos y los puntos de la grfica para el rango y el promedio debieran ser alineados
verticalmente.
El bloque de datos debiera incluir espacios para cada una de las lecturas individuales.
Debiera tambin incluir espacios para la suma de las lecturas, el promedio ( X ), el rango
(R) y la fecha/hora u otra identificacin del subgrupo.
Registra los valores individuales y la identificacin para cada subgrupo.
A.3.
X =
X 1 + X 2 + ... + X n
n
R = Xmximo - Xmnimo
Donde X1, X2, ... son los valores individuales dentro de los subgrupos y n es el tamao
de muestra de los subgrupos.
- 36 -
II.
A.5.
Grafica los Promedios y Rangos en las Grficas de Control (Ver Figura 9).
Grafica los promedios y rangos en sus respectivas grficas. Esto debiera hacerse lo ms
pronto posible y despus de que se hayan decidido las escalas . Conecta los puntos con
lneas para ayudar a visualizar los patrones y tendencias.
Visualice brevemente los puntos graficados para ver si stos se observan razonables; si
alguno de los puntos est sustancialmente ms arriba o ms abajo que los otros,
confirme que los clculos y puntos estn correctos. Asegrese de que los puntos
graficados para el correspondiente X y R estn verticalmente en lnea.
NOTA:
- 38 -
II.
Los lmites de control para la grfica de rangos son desarrollados primero, luego aquellos para la
grfica de promedios. Los clculos para los lmites de control para las grficas de variables utilizan
constantes que aparecen como letras en las formulas siguientes. Estos factores, los cuales difieren
de acuerdo al tamao del subgrupo (n), se encuentran en tablas pequeas que acompaan las
formulas respectivas; las tablas ms completas se muestran en el apndice E.
B.1.
R=
UCL R = D 4 R
LCLR = D3 R
UCLX = X + A2 R
LCLX = X A2 R
Donde D4, D3 y A2 son constantes que varan segn el tamao de la muestra, con
valores para tamaos de muestra de 2 a 10 como se muestra en la siguiente tabla
parcial, tomada del Apndice E:
n
D4
D3
A2
2
3.27
*
1.88
3
2.57
*
1.02
4
2.28
*
.73
5
2.11
*
.58
6
2.00
*
.48
- 40 -
7
1.92
.08
.42
8
1.86
.14
.37
9
1.82
.18
.34
10
1.78
.22
.31
II.
Grafica las Lneas para Promedios y Lmites de Control en las Grficas (Ver Fig.
10)
Dibuja el rango promedio ( R ) y el promedio del proceso ( X ) como lneas horizontales
slidas, los lmites de control (UCLR, LCLR, UCLX , LCLX ) como lneas horizontales
interrumpidas, etiqueta las lneas. Durante la etapa del estudio inicial, stos son
considerados como lmites de control prueba.
- 41 -
II.
Los lmites de control pueden ser interpretados como sigue: si la variabilidad del proceso pieza a
pieza y el promedio del proceso se mantuvieran constantes en sus niveles presentes (y estimados
por R y X respectivamente), los rangos individuales de cada subgrupo (R) y los promedios ( X )
variaran solo por aleatoriedad, aunque difcilmente iran fuera de los lmites de control. Igualmente,
no habra tendencias o patrones obvios en los datos, ms all de lo que ocurrira por aleatoriedad.
El objetivo del anlisis de grficas de control es identificar cualquier evidencia de que la variabilidad
del proceso o el promedio del proceso no estn operando en un nivel constante uno o ambos
estn fuera de control estadstico y se tomen acciones apropiadas. Las grficas R y X son
analizadas por separado, aunque la comparacin de patrones entre las dos grficas puede ofrecer
pistas adicionales sobre causas especiales que estn afectando al proceso mismo.
C.1.
- 43 -
II.
- 44 -
II.
Corridas (Ver Figura 12) Cada uno de los siguientes puntos son signos de que el
cambio o tendencia de un proceso ha iniciado:
Marque el punto que agiliza la decisin; puede ser til extender una lnea de
referencia hasta el principio de la corrida. El anlisis debiera considerar el tiempo
aproximado en el cual parezca que una tendencia o cambio han iniciado.
Una corrida arriba del promedio del rango, o una corrida hacia arriba significa uno o
ambos de los siguientes puntos:
Mayor dispersin en los valores de los resultados, los cuales pudieran ser de una
causa irregular (tal como, mal funcionamiento de un equipo o dispositivos flojos)
o de un cambio en uno de los elementos del proceso (ej., un lote de materias
primas nuevo pero menos uniforme); stos son generalmente los problemas que
necesitan correccin.
Una corrida abajo del promedio del rango, o una corrida hacia abajo significa uno o
ambos de los siguientes puntos:
NOTA:
- 46 -
II.
II.
Encuentra y Aborda las Causas Especiales (Grfica de Rangos) (Ver Figura 14)
Para cada indicacin de alguna causa especial en los datos de los rangos, realiza un
anlisis de la operacin del proceso para determinar las causas y mejorar el
entendimiento del proceso mismo; corrija dichas condiciones y prevenga al proceso de
su recurrencia. La grfica de control misma debiera ser una gua til en el anlisis del
problema, sugiriendo cuando comenzaron las condiciones y qu tanto tiempo
continuaron. Sin embargo, reconozca que no todas las causas especiales son negativas,
que algunas causas especiales pueden generar mejoramientos positivos del proceso en
trminos de un decremento de la variacin en el rango estas causas especiales
debieran ser abordadas para su posible institucionalizacin dentro del proceso y cuando
sea apropiado.
La oportunidad en tiempo es importante en el anlisis de los problemas, tanto en
trminos de minimizar la produccin de resultados no conformes como de tener
evidencias frescas para diagnstico. Por ejemplo, la apariencia de un solo punto fuera de
lmites de control es la razn para iniciar un anlisis inmediato del proceso. Una bitcora
del proceso puede tambin ser una fuente til de informacin en trminos de identificar
las causas especiales de variacin.
Debiera enfatizarse el que la solucin de un problema es a menudo el paso ms difcil y
el de consumo de tiempo. Las entradas estadsticas de las grficas de control pueden
ser un punto inicial apropiado, aunque otros mtodos tales como, grficas de Pareto,
diagramas de causas y efectos u otros anlisis grficos pueden ser de ayuda (ver
Apndice H Referencia 11). Finalmente, sin embargo, la explicacin de algn
comportamiento se sustenta con el proceso mismo y la gente que est involucrada con
el mismo. Detalle y exhaustividad, paciencia, y entendimiento sern requeridos para
desarrollar acciones que mejoren el desempeo en forma medible.
C.3.
- 50 -
II.
- 51 -
II.
Puntos Fuera de Lmites de Control (Ver Figura 15) La presencia de uno o mas
puntos fuera de uno u otro lmite de control son evidencia primaria de la presencia
de causas especiales en ese punto. Es la seal para anlisis inmediato de la
operacin. Marque dichos puntos de los datos en la grfica (ver pgina 43).
Un punto fuera de uno u otro lmite de control es generalmente un signo de uno o
mas de lo siguientes puntos:
- 53 -
II.
Corridas (Ver Figura 16) Cada uno de los siguientes puntos son signos de que un
cambio o tendencia del proceso ha iniciado:
Marque el punto que agilice una decisin; puede ser de ayuda extender una lnea de
referencia hasta el punto en el cual la corrida comenz. El anlisis debiera
considerar el tiempo en el cual parece que la tendencia o cambio inici primero.
Una corrida relativa al promedio del proceso es generalmente un signo de uno o
ambos de los siguientes puntos:
- 55 -
II.
Patrones Obvios No Aleatorios (Ver Figura 17) Otros patrones diferentes pueden
tambin indicar la presencia de causas especiales de variacin, aunque debe
tenerse cuidado en no sobreinterpretar los datos. Entre estos patrones existen
tendencias, ciclos, dispersiones de puntos inusuales dentro de los lmites de control,
y relaciones entre los valores dentro de los subgrupos. Una prueba para la
dispersin inusual se ofrece a continuacin:
Distancia de puntos del promedio del proceso: generalmente, alrededor del 2/3 de
los puntos graficados debieran extenderse dentro del tercio medio de la regin entre
los lmites de control; alrededor de 1/3 de los puntos estaran fuera de los dos
tercios de la regin; alrededor de 1/20 se extiende relativamente cerca de los lmites
de control (en el tercio externo de la regin). Tambin, existe la probabilidad de que
alrededor del 1/150 pudieran extenderse fuera de los lmites de control aunque sera
aun ilegtimamente parte de un sistema en control y estable ej., solo alrededor del
99.73% de los puntos estarn dentro de los lmites de control.
Si en forma importante ms del 2/3 de los puntos se extienden cerca del promedio
del proceso (para 25 subgrupos si arriba del 90% estn en el tercio medio de la
regin de los lmites de control), investigar uno o ms de los siguientes puntos:
Si en forma importante menos del 2/3 de los puntos de los datos se extienden cerca
del promedio del proceso (para 25 grupos si el 40% o menos estn en el tercio
medio),investigar uno o ambos de los siguientes puntos:
Si estn presentes varios flujos del proceso, estos debieran ser identificados y
rastreados por separado *.
*
**
II.
Encuentra y Aborda las Causas Especiales (Grfica de Promedios) (Ver Figura 18)
Para cada indicacin de una condicin fuera de control en los datos promedio, realice un
anlisis de la operacin del proceso para determinar las razones de causas especiales;
corrija dichas condiciones y prevenga al proceso de su recurrencia. Use los datos de la
grfica como una gua de cundo comenzaron tales condiciones y qu tanto tiempo
continuaron. La oportunidad en tiempo del anlisis es importante, tanto para diagnstico
como para minimizar resultados no conformes. Tambin, est alerta a que no todas las
causas especiales requieren ser indeseables (Ver pgina 50, Seccin C.2).
Tcnicas de solucin de problemas tales como, anlisis de Pareto y anlisis de causas y
efectos pueden ser de ayuda. (Ver apndice H, Referencia 11).
C.6.
Las discusiones previas tuvieron la intencin de ofrecer una introduccin funcional del anlisis de
las grficas de control. Existen, sin embargo, otras consideraciones que pueden ser tiles al
analista. Una de las ms importantes es el recordar que, an y cuando los procesos estn en
control estadstico, mientras ms datos se revisen, los cambios constantes de obtener una seal
falsa de una causa especial en algn subgrupo individual se traduce en un incremento en la
probabilidad de encontrar seales falsas en algn punto en las grficas.
An y cuando es inteligente investigar todos los eventos sealizados como posible evidencia de
causas especiales, debiera reconocerse que stas pueden ser generadas por el sistema y que
puede no haber algn problema local en el proceso. Si no se encuentra una clara evidencia de
alguna causa especial del proceso, cualquier accin correctiva sirve probablemente para
incrementar, ms que decrecer, la variabilidad total de los resultados de un proceso.
Para discusin adicional sobre interpretaciones, pruebas de aleatoriedad en los datos y solucin de
problemas, ver Apndice H, Referencias 7-13.
- 59 -
II.
Extiende los Lmites de Control para Control Continuo (Ver Figura 19)
Cuando datos iniciales (o histricos) estn contenidos en forma consistente dentro de
los lmites de control prueba, extienda los lmites para cubrir periodos futuros. Puede
aqu ser deseable tambin ajustar el proceso con la meta, si el centro del proceso est
fuera de la meta (ver pgina 23). Estos lmites seran usados para el monitoreo continuo
del proceso, con operadores y supervisin local respondiendo a seales de condiciones
fuera de control en la grfica X o R y con acciones rpidas.
Un cambio en el tamao de muestra del subgrupo afectara el rango promedio esperado
y los lmites de control, tanto para los rangos como para los promedios. Esta situacin
pudiera ocurrir, por ejemplo, si se decidiera tomar muestras ms pequeas y ms
frecuentemente, de manera que se detecten cambios largos en el proceso y ms
rpidamente sin incrementar el nmero total de piezas muestreadas por da. Para ajustar
las lneas centrales y los lmites de control para un nuevo tamao de muestra de
subgrupos, debieran tomarse los siguientes pasos:
a. Estime la desviacin estndar del proceso (el estimativo es mostrado como sigma gorro). Usando el tamao existente de los subgrupos calcule:
= R d 2
donde R es el promedio de los rangos de los subgrupos (para periodos con los
rangos en control) y d2 es una constante que vara segn el tamao de muestra,
como se muestra en la siguiente tabla parcial tomada del Apndice E:
n
10
d2
1.13
1.69
2.06
2.33
2.53
2.70
2.85
2.97
3.08
b. Usando los factores de las tablas para d2 D3, D4 y A2 basados en el nuevo tamao de
cada subgrupo, calcule el nuevo rango y lmites de control:
R nuevo = d 2
UCL R = D4 R nuevo
LCL R = D3 R nueva
UCL X = X + A2 R nuevo
LCL X = X A2 R nuevo
Grafique estos nuevos lmites de control en la grfica como una base para el control
continuo del proceso.
- 61 -
II.
- 62 -
):
DEL EJEMPLO (ESTIMACIN DE LA DESVIACIN ESTANDAR DEL PROCESO DEL RANGO PROMEDIO):
II.
Una vez determinado que un proceso est en control estadstico, la pregunta se mantiene aun de si
el proceso es capaz de cumplir con las necesidades de los clientes. Para entender y mejorar la
habilidad de un proceso, debe ocurrir un importante cambio en el pensamiento: la habilidad refleja
variaciones de causas comunes, y casi siempre son requeridas acciones de la administracin sobre
el sistema para mejoramiento da la habilidad/capacidad. (Ver Figura 20).
La evaluacin de la habilidad de un proceso inicia despus de que los aspectos clave de control en
ambas grficas X y R se hayan resuelto (las causas especiales se hayan identificado, analizado,
corregido y prevenido de su recurrencia), y las grficas de control continuo reflejen que el proceso
est en control estadstico, preferentemente para 25 o ms subgrupos. En general, la distribucin de
los resultados del proceso se compara con las especificaciones de ingeniera, para ver si las
especificaciones pueden cumplirse en forma consistente.
- 64 -
II.
- 65 -
del ejemplo
X =.738
=.0725
USL
=.900
LSL
=.500
Dado que el proceso cuenta con tolerancias bilaterales:
USL X
Z
.900 .738
USL
.162
.0725
X LSL
Z LSL =
= 2.23
.0725
.738 .500
.238
= 0.28
.0725
.0725
Zmin=2.23
Las proporciones fuera de especificacin seran:
= .0129 (de la tabla Normal en Apndice F)
P
ZUSL
= .0005 (de la tabla Normal en Apndice F)
P
ZUSL
Ptotal = .0134 (cerca de 1.3%)
El Indice de Habilidad sera:
C pk =
Z min
2.23
=
3
3
NOTA: Para propsitos de comparacin solamente, otros ndices son (ver pgina 80???)
Cp = .92, Pp = .88, CPU = .74, CPL = 1.06 y Ppk = .71, ...por computadora como sigue:
USL LSL
.9 .5
Cp =
=
6
R d2
USL LSL
=
6 .0759
USL X
=
)2
= .0759
n-1
= .74
( )
3 .0725
R d2
X LSL
CPL =
80 x i .738
i =1
79
.900 .738
CPU =
Ppk =
= .88 , donde
=
S
( )
6 S
.738 .500
=
.9 .5
Pp =
= .92
( )
6 .0725
= 1.09
( )
3 .0725
R d2
(.900 .738 ) S
.162 .0759
=
= .71
3
3
Las proporciones de habilidades son: CR = 1.09, PR = 1.14, calculadas como sigue:
6
CR = 1 Cp =
USL LSL
6
PR = 1 Pp =
6 .0725
R d2
= 1.09
.9 .5
( )
6 .0759
= 1.14
USL LSL
.9 .5
Si este proceso pudiera ajustarse hacia el centro de las especificaciones, la proporcin de partes fuera
de una o ambos lmites de especificacin pueden reducirse aun sin cambios en . Por ejemplo, si se
Z LSL =
LSL
USL X nueva
.900 .700
=
X nueva
.200
=
.0725
.900 .700
.200
= 2.76
.0725
= 2.76
.0725
.0725
Las proporciones fuera de especificaciones seran:
P
+ P
= .0029 + .0029 = .0058
ZUSL
Z LSL
El Indice de Habilidad sera:
Z
C
pk
min
3
2.76
=
= .92
- 66 -
II.
NOTA:
D.1.
Cualquier tcnica de anlisis de habilidades, sin importar que tan precisa parezca, puede
ofrecer solo resultados aproximados. Esto sucede debido a que (1) siempre existe una
variacin muestral, (2) ningn proceso est totalmente en control estadstico, y (3)
ningn resultado actual sigue exactamente una distribucin normal, (o alguna otra
distribucin simple). Los resultados finales debieran siempre ser usados con precaucin
e interpretarse en forma conservadora.
Calcula la Desviacin Estndar del Proceso
Dado que la variabilidad del proceso dentro de cada subgrupo se refleja en los rangos de
los mismos subgrupos, es estimativo de la desviacin estndar del proceso (sigma
gorro) puede ser usado sobre el rango promedio ( R ). Calcula:
= R d 2 = R d
donde R es el promedio de los tangos de los subgrupos (para periodos con los rangos
en control) y d2 es una constante que vara por el tamao de la muestra, como se
muestra en la tabla parcial siguiente, tomada del apndice E:
n
d2
1.3
10
1.69
2.06
2.33
2.53
2.70
2.85
2.97
3.08
USL X
R d 2
Z=
X LSL
, la que sea
R d 2
- 67 -
II.
Z USL =
USL X
R d
Z LSL =
X LSL
R d 2
Para una tolerancia unilateral localice el valor de Z a lo largo de las orillas de la tabla
en el Apndice C. Las unidades y dgitos en dcimas estn a lo largo de la orilla
izquierda y los dgitos en centsimas estn a lo largo de la parte superior. El nmero
encontrado donde se intersecten este rengln y columna es pz, la proporcin fuera
de especificacin. Por ejemplo, para Z=1.56, la interseccin del rengln 1.5 y la
columna x.x6 ofrece pz=.0594, o alrededor del 6%.
- 68 -
Del ejemplo:
Si el requerimiento de habilidad, expresado en trminos de Zmin, Zmin era > 4, entonces la habilidad actual del proceso,
en trminos de Zmin, sera inaceptable dado que Zmin = 2.23 y alrededor del 1.3% de los resultados estaran fuera de
especificaciones; aun y cuando el proceso pudiera estar centrado, Zmin = 2.76. Deben tomarse acciones.
Para mejora la habilidad actual del proceso (objetivo de largo plazo), la variacin por causas comunes debe
reducirse; esto se medira con un mas pequeo.
El promedio actual del proceso X es usado para calcular la dispersin necesaria para Zmin = 4 y relativa a las
especificaciones existentes.
nueva =
USL X
Z nueva min
, o nueva =
LSL
X LSL
LSL
Z nueva min
X
nueva =
.900 .738
4
.162
4
NUEVA
NUEVA
.0405
= .0405
ZLSL
-5.88
.500
.738
ZUSL
4.00
.900
Esto significa que deben tomarse acciones para reducir la desviacin estndar del proceso de .0725 a .0405,
alrededor de un mejoramiento del 44%.
Si se confirma con grficas de control que el proceso se ha centrado, y X nueva = .700 , la dispersin del proceso
nueva =
USL X
Z nueva min
LSL
NUEVA
.0500
ZLSL
-4.00
.500
.700
LSL NUEVA
.900
NUEVA
LSL
ZUSL
4.00
.0725
.448
ZLSL
-4.00
ZUSL
4.00
.738
1.028
NUEVA
LSL
X 4 sera:
X
NUEVA
.0725
.410
ZLSL
-4.00
.700
LSL
ZUSL
4.00
.990
II.
Para tolerancias bilaterales, calcula por separado las proporciones fuera de lmites de
especificacin superior e inferior. Por ejemplo, si ZUSL = 2.21 y ZLSL = -2.85, el total
fuera de especificaciones es PzUSL + PzLSL =.0136 + .0022 = .0158, o alrededor del
1.6%.
El valor de Z
como:
min
USL X
Z min
o CPL ej., X LSL
= Mnimo de CPU ej.,
3 R d 2
3 R d 2
3
II.
En estos casos donde ms acciones inmediatas sean necesarias para cumplir con
necesidades de corto plazo, pueden ser disponibles dos brechas para paro:
Clasificar los resultados y desechar o retrabajar conforme sea necesario (y por tanto
agregando costos y tolerando desperdicio).
Alterar las especificaciones para consistencia con el desempeo del proceso (esto
no mejora ni el proceso ni la satisfaccin de los clientes).
- 71 -
- 72 -
II.
D.5.
- 73 -
RECOLECCIN DE DATOS
1-12
1
1-13
1
1-14
1
1-15
1
1-18
1
1-19
1
1.30
1.01
1.22
1.08
0.98
1.12
0.92
1.04
1.08
1.20
1.25
1.24
1.13
1.08
1.10
1.10
1.05
1.12
1.30
1.30
1.10
1.14
0.92
1.13
0.91
1.34
1.16
1.31
1.20
1.15
0.93
1.11
1.31
1.01
1.13
1.18
1.14
1.19
0.96
1.40
1.12
1.12
1.25
0.97
1.08
1.28
1.12
1.20
1.02
1.12
1.20
1.16
1.04
1.26
1.22
1.18
1.05
1.25
1.15
1.00
1.08
1.11
0.93
1.00
1.02
1.03
0.93
1.13
1.12
1.15
0.95
1.12
1.27
0.95
1.10
0.93
1.17
1.02
1.04
1.25
1.08
1.15
1.07
1.17
1.10
1.10
0.95
1.15
1.15
1.02
1.24
1.05
0.94
1.20
1.29
1.08
1.04
0.98
1.16
0.90
1.11
1.14
1.35
1.25
0.98
1.34
1.05
1.24
1.42
1.02
1.28
1.05
1.37
1.04
1.12
1.28
1.12
1.05
1.34
1.12
1.12
1.10
1.10
1.05
1.12
1.00
10
0.98
1.08
1.10
1.31
1.26
1.10
1.12
1.05
1.06
1.03
1.00
1.18
1.10
1.26
1.15
1.07
1.10
1.14
1.18
1.11
1.10
1.11
1.06
1.15
1.10
1.19
1.14
1.13
0.136
0.098
0.106
0.120
0.121
0.115
0.136
0.101
0.086
0.079
0.170
0.125
0.070
0.107
1-20
1-21
1-22
1.08
1.14
1.06
1.14
1.07
1.13
1.26
1.02
1.12
1.22
1.05
0.90
1.13
1.14
0.98
1.18
0.97
1.12
0.94
0.94
1.12
1.27
1.05
1.04
1.30
1.30
1.20
1.17
1.16
1.40
1.15
1.08
1.02
1.26
1.02
1.12
1.07
0.94
1.19
1.15
1.02
1.15
1.02
1.12
1.03
1.07
1.14
1.01
1.22
1.15
1.02
1.02
1.07
1.30
10
1.18
1.36
1.09
1.36
1.00
1.14
1.14
1.12
1.08
1.18
1.06
1.13
0.111
0.137
0.074
0.099
0.059
0.141
II.
Seccin 2
GRAFICAS DE PROMEDIOS Y DESVIACIONES ESTANDAR ( X y s)
Las grficas X y s, al igual que las grficas X y R, son desarrolladas de datos de resultados
medidos del proceso, y siempre se usan como un par. Las grficas de rangos fueron desarrolladas
como medidas de la variacin del proceso debido a que el rango es fcil de calcular y es
relativamente eficiente para tamaos de muestras o subgrupos pequeos (particularmente menor
de 9). La desviacin estndar de la muestra, s, es un indicador mas eficiente de la variabilidad del
proceso, particularmente en tamaos de muestra ms largos. Sin embargo, es ms complejo
calcularla, y es menos sensible en la deteccin de causas especiales de variacin que generen un
solo valor en un subgrupo o muestra a ser no comn. Tpicamente, las grficas s se usan en lugar
de las grficas R cuando uno o ms de los siguientes puntos existen:
Los datos son registrados y/o graficados por computadora y sobre una base de tiempo real, de
manera que las rutinas de clculo para s son integradas fcilmente.
La disponibilidad rpida de una calculadora de bolsillo hace el clculo de s simple sobre una
base rutinaria.
Se usan tamaos de subgrupos o muestras largos, y es apropiado una medida de variacin
ms eficiente.
Los detalles de instrucciones para grficas X y s son muy similares a las de las grficas X y R; a
continuacin se describen las excepciones:
A. RECOLECCION DE DATOS
(Ver Seccin 1, Parte A de este Captulo, las excepciones se describen a continuacin).
Si los datos base son voluminosos, a menudo se registran en hojas de datos por separado
(ver Figura 23), y solo con la X y s de cada subgrupo apareciendo en la grfica misma.
s=
(X
X)
n 1
s=
nX
X 1 + X 2 + ... + X n n X
=
n 1
n 1
donde Xi, X , y n representan los valores individuales y el promedio de cada subgrupo, y el
tamao de la muestra.
NOTA:
El espaciado de la escala para la grfica s debiera ser el mismo que para el de la grfica de
X.
- 75 -
II.
Calcula los lmites de control superior e inferior para la desviacin estndar y el promedio
(UCLs, LCLs, UCL X , LCL X ):
UCLs = B4 s
LCLs = B3 s
UCLX = X + A3 s
LCL x = X + A3 s
Donde s es el promedio de las desviaciones estndar de las muestras o subgrupos
individuales, y B4, B3 y A3 son constantes que varan por el tamao de la muestra, con valores
para tamaos de muestra de 2 a 10 mostrados en la tabla parcial siguiente, tomada del
Apndice E.
n
B4
B3
A3
2
3.27
*
2.66
3
2.57
*
1.95
4
2.27
*
1.63
5
2.09
*
1.43
6
1.97
.03
1.29
7
1.88
.12
1.18
8
1.82
.19
1.10
9
1.76
.24
1.03
10
1.72
.28
.98
* No existe lmite de control inferior para desviaciones estndar con tamaos de muestra menores a 6.
= s c 4 = s c 4
Donde s es el promedio de las desviaciones estndar de las muestras (para periodos con
desviacin estndar bajo control) y c4 es una constante que vara por el tamao de muestra,
con valores para tamaos de muestra de 2 a 10 mostrados en la siguiente tabla parcial,
tomada del Apndice E:
n
c4
2
.798
3
.886
4
.921
5
.940
6
.952
7
.959
8
.965
9
.969
10
.973
Si el proceso cuenta con una distribucin normal, este estimativo de puede ser usado
directamente para evaluar la habilidad del proceso, siempre y cuando los promedio y las
desviaciones estndar estn en control estadstico.
- 77 -
II.
Seccin 3
Grficas de Medianas ( X~ y R)
Las grficas de medianas (Ver Figura 25) son alternativas a las grficas X y R para control de los
procesos con datos medidos; a pesar del hecho de que las medianas pueden no ser
estadsticamente deseables como promedios, las grficas de medianas producen conclusiones
similares y tienen algunas ventajas:
Las grficas de medianas son fciles de usar y no requieren muchos clculos. Esto puede
incrementar la aceptacin del enfoque de las grficas de control en el piso de produccin.
Dado que los valores individuales (as como las medianas) son graficados, la grfica de
medianas muestra la dispersin de los resultados del proceso y ofrece una grfica continua
de la variacin del proceso mismo.
Dado que una misma grfica muestra ambos la mediana y dispersin, puede usarse para
comparar los resultados de varios procesos, o del mismo proceso en etapas sucesivas.
Puede graficarse solo una grfica en s; establezca una escala para incluir el valor ms
grande de (a) las tolerancias de la especificacin del producto ms una tolerancia para
lecturas fuera de especificacin, o (b) 1 a 2 veces la diferencia entre la ms grande y la
ms pequea de las lecturas individuales. La escala de la grfica debiera estar en acuerdo
con el gage .
Graficar las mediciones individuales para cada subgrupo en una lnea vertical. Circular la
mediana de cada subgrupo (el valor medio; si el tamao de la muestra es un nmero par, la
mediana ser el valor medio entre los puntos intermedios). Como ayuda para interpretar
tendencias, conecte las medianas de cada subgrupo con una lnea.
Registre la mediana de cada subgrupo ( X~ ) y el rango (R) en la tabla de datos. Se
II.
Encuentre el promedio de las medianas de los subgrupos y grafique sta como la lnea
central sobre la grfica; registre esto como X~ .
Calcule los lmites de control superior e inferior para los rangos y las medianas (UCLR,
LCLR, UCL X~ , LCL X~ ):
UCLR = D4 R
LCL R = D3 R
~ R
UCLX~ = X~ + A
2
~
~
LCL X~ = X + A 2 R
- 80 -
II.
~
Donde D4, D3 y A 2 son constantes que varan por el tamao de la muestra, con valores
para tamaos de muestra de 2 a 10 mostrados en la siguiente tabla, tomada del Apndice
E.
n
2
3
4
5
6
7
8
9
10
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
D3
*
*
*
*
*
.08
.14
.18
.22
~
1.88
1.19
.80
.69
.55
.51
.43
.41
.36
A2
* No existe lmite inferior de control para rangos de tamaos de muestras inferiores de 7
Compara el UCLR y LCLR con cada rango calculado. En forma alternativa, marca la orilla de
una tarjeta ndice con los puntos correspondientes a los lmites de control para los rangos, y
compara estas marcas con la distancia entre los valores ms grande y ms pequeo en
cada subgrupo. Grafica una caja estrecha y vertical para cerrar cada subgrupo con un rango
excesivo.
Marca cualquier mediana de cada subgrupo que est fuera de los lmites de control de la
mediana, y haz notar la dispersin de la mediana dentro de los lmites de control (2/3 de los
puntos dentro del tercio medio de los lmites) o la existencia de patrones o tendencias (ver
Figura 26).
Toma acciones del proceso apropiadas para causas especiales que afecten los rangos o
medianas.
= R d 2
donde R es el promedio de los rangos de las muestras (para perodos con rangos bajo
control) y d2 es una constante que varia por el tamao de muestra, con valores de tamaos
de muestra de 2 a 10 mostrados en la siguiente tabla, tomada del Apndice E.
n
d2
2
1.13
3
1.69
4
2.06
5
2.33
- 82 -
6
2.53
7
2.70
8
2.85
9
2.97
10
3.08
II.
E.
Si el proceso cuenta con una distribucin normal, este estimativo de puede usarse
directamente en la evaluacin de la habilidad del proceso, siempre y cuando las medianas y
los rangos estn en control estadstico.
Una sola grfica es usada, con escalas establecidas en los mismos incrementos que el
gage a ser usado (al menos 20 incrementos entre las especificaciones del producto), y con
la lnea central y lmites de control para las medianas ya registrados.
Una tarjeta (posiblemente de plstico) se ofrece, marcada con los lmites de control para los
rangos. Esto asume que las causas especiales que afectan los rangos generan puntos fuera
de control y no tendencias.
Los operadores marcan la grfica con cada lectura individual, pero los valores numricos no
necesitan ser registrados.
Para cada subgrupo, los operadores comparan la tarjeta de rangos con las marcas ms
grande y ms pequea del subgrupo; cualquier subgrupo que cuente con un rango fuera de
lmites de la tarjeta se encierra en una caja vertical estrecha.
Los operadores cuentan la mediana de cada subgrupo y la circulan; cualquier mediana fuera
de lmites de control es marcada.
Para rangos o medianas fuera de lmites de control, los operadores toman acciones
apropiadas para ajustar o corregir el proceso, o para notificar a los supervisores o gente de
apoyo.
- 83 -
II.
Seccin 4
Grficas de Lecturas Individuales y Rangos Mviles (X - MR)
En algunos casos, para controlar el proceso es necesario basarse en lecturas individuales, ms que
subgrupos. En tales casos, la variacin dentro de los subgrupos es efectivamente cero. Tpicamente
esto ocurrira cuando las mediciones son caras (ej., una prueba destructiva), o cuando los
resultados de algn punto en el tiempo son relativamente homogneos (ej., el pH de una solucin
qumica). En estos casos, las grficas de control de lecturas individuales pueden ser construidas
como se describe a continuacin. Sin embargo, debieran notarse cuatro precauciones:
Las grficas de lecturas individuales no son tan sensibles al detectar cambios del proceso como
las grficas X y R.
Las grficas de lecturas individuales no aslan la repetibilidad pieza a pieza del proceso. En
muchas aplicaciones, por tanto, puede ser mejor usar la grfica convencional X y R con
tamaos de muestra o subgrupo pequeos (2 a 4) an si sto requiere un periodo ms largo
entre subgrupos.
Dado que existe un solo item individual por subgrupo, los valores de X y pueden tener una
variabilidad sustancial (an y cuando el proceso sea estable) hasta que el nmero de
subgrupos sea igual a 100 o mayor.
Los detalles de instrucciones para grficas de lecturas individuales son un tanto similares a los de
las grficas X y R; las excepciones se muestran a continuacin:
A. RECOLECTA LOS DATOS (Ver Figura 27)
(Ver Seccin 1, Parte A de este Captulo; las excepciones se muestran a continuacin)
II.
Seccin 4. Grficas de Lecturas Individuales y Rangos Mviles (X-MR) (Cont.) Calcula los
Lmites de Control
B. CALCULA LOS LIMITES DE CONTROL (Ver Figura 28)
(Ver Prrafo B Seccin1 de este Captulo, las excepciones se muestran a continuacin)
Calcula y grafica el promedio del proceso (la suma de las lecturas individuales, dividido por el
nmero de lecturas; en forma convencional, etiquetada como X ; ver el Glosario en Apndice
G), y calcular el rango de los promedios ( R ); hacer notar que para un rango mvil de un
tamao de muestra de dos es el de menor valor para el rango mvil (MR) para el nmero de
lecturas individuales (X).
- 86 -
II.
Seccin 4. Grficas de Lecturas Individuales y Rangos Mviles (X MR) (Cont.) Calcula los
Lmites de Control
UCLMR = D4 R
LCLMR = D3 R
UCL X = X + E 2 R
LCL X = X + E 2 R
Un enfoque alternativo para calcular los lmites de control cuando R es mayor que
~ (como es generalmente el caso), utiliza el rango mediano
el rango mediano, R
para rangos mviles de 2 piezas y se calculan los lmites de control como sigue
(ver Apndice H, Referencia 23):
~;
UCLMR = 3.865 R
~;
UCL X = X + 3.14 R
LCLMR = 0
~
LCL X = X 3.14 R
Revisa la grfica de rangos mviles para puntos fuera de lmites de control como seales de
la existencia de causas especiales. Hacer notar que los rangos mviles sucesivos estn
correlacionados, dado que tienen al menos un punto en comn; debido a sto, debe tenerse
cuidado al interpretar las tendencias. Puede requerirse el consejo de un estadstico para la
interpretacin de tendencias.
La grfica de lecturas individuales puede analizarse para puntos fuera de lmites de control,
la dispersin de puntos dentro de los lmites de control, y las tendencias o patrones. Hacer
notar aqu, sin embargo, que si la distribucin del proceso no es simtrica, las reglas
mostradas previamente para grficas X pueden ofrecer seales de causas especiales
cuando stas no existan.
- 88 -
II.
Como en el caso de las grficas X y R, la desviacin estndar del proceso puede estimarse
por:
= R d 2 = R d 2
Donde R es el promedio de los rangos mviles y d2 es una constante que vara por el
tamao de muestra, n, usado en el agrupamiento de los rangos mviles como se muestra
en la siguiente tabla parcial, tomada del Apndice E.
n
d2
2
1.13
3
1.69
4
2.06
5
2.33
6
2.53
7
2.70
8
2.85
9
2.97
10
3.08
Si el proceso cuenta con una distribucin normal, este estimativo de puede ser usado
directamente para evaluar la habilidad del proceso, siempre y cuando el proceso mismo
est en control estadstico.
- 89 -
II.
Seccin 5
ENTENDIMIENTO DE LA HABILIDAD Y DESEMPEO DEL PROCESO PARA
DATOS DE VARIABLES
Los resultados de un proceso de manufactura estadsticamente estable (en control) pueden ser
descritos por su distribucin. Las caractersticas de la distribucin son usadas para evaluar el
proceso. Por ejemplo, una caracterstica de inters frecuente es el centro de la distribucin. Si la
distribucin no est localizada apropiadamente, el proceso de manufactura puede fabricar partes
que no estn lo suficientemente cerca al valor deseado de una meta. En tales casos, algunas partes
pueden an estar fuera de especificaciones. Un proceso con tal distribucin puede entonces ser
evaluado como inhbil en el cumplimiento de las necesidades de los clientes. Problemas similares
pueden ocurrir si la distribucin cuenta con una dispersin muy grande, independientemente de
donde est localizada la distribucin. Debido a que las caractersticas de la distribucin no son
conocidas en forma exacta, deben recolectarse datos para estimar dichas caractersticas.
Esta seccin aborda algunas de las tcnicas usadas para estimar como ciertas caractersticas de la
distribucin se relacionan con las especificaciones. Las precondiciones base del proceso y de las
cuales los datos provienen y exhiben estabilidad estadstica debieran aqu reenfatizarse. La
discusin de la variacin del proceso y los ndices de habilidad relacionados son de un valor muy
pequeo para procesos impredecibles. Hacer notar, sin embargo, que enfoques razonables para
evaluar habilidad de los procesos han sido desarrollados para procesos mismos que exhiben
causas especiales sistemticas de la variacin de un proceso tales como, desgaste de herramientas
(ver Apndice H, Referencia 17). Adems, generalmente se asume que las lecturas individuales de
los procesos en cuestin cuentan con una distribucin que es aproximadamente normal. Despus
de definir la habilidad del proceso y los trminos relacionados, esta seccin define y aborda
continuacin solo los ndices y proporciones ms populares:
ndices de variacin del proceso solamente, relativos a las especificaciones Cp ,y Pp
ndices de la variacin del proceso y el centrado combinados, relativos a las especificaciones:
CPU, CPL, Cpk, Ppk.
Proporciones de la variacin del proceso solamente, relativas a las especificaciones: CR y PR.
NOTA: Aunque otros ndices no son abordados en este manual, el Apndice D y el Apndice
H, Referencia 16 ofrecen informacin en uno de estos ndices, Cpm, un ndice
relativamente nuevo el cual ha logrado reciente atencin.
Finalmente, esta seccin describe las condiciones y supuestos relacionados con estas medidas
del proceso y concluye con algunas sugerencias en cmo estas medidas pudieran ser
aplicadas hacia el mejoramiento del entendimiento de un proceso dentro de la infraestructura
del mejoramiento continuo de los procesos mismos.
- 90 -
II.
Variacin Inherente al Proceso Porcin de la variacin del proceso debida solo a causas
comunes. Esta variacin puede estimarse de las grficas de control por R d 2 , entre otras
formas (ej., s c4 ).
Variacin Total del Proceso Esta es la variacin debida a causas comunes y causas
especiales. Esta variacin puede estimarse por s, la desviacin estndar de la muestra,
usando todas las lecturas individuales obtenidas de la grfica de control en detalle o de
X)
= s , donde Xi son las lecturas individuales, X
n 1
i =1
es el promedio de las lecturas individuales y n = el total del nmero de todas las lecturas
individuales.
algn estudio del proceso: s =
B.
(X
ndices
Cp:
Pp:
II.
Ppk:
B.2.
Proporciones / Razones
CR:
X)
estndar de la muestra: ej., s y s =
. Sin embargo, el n en la formula
n 1
i =1
simboliza dos tipos diferentes de tamaos de muestra, como sigue:
n
(X
Para s (pgina 90), n se refiere al nmero total de todos los valores individuales
muestreados por ejemplo, el nmero de estos valores individuales puede
provenir del total del nmero de todos los valores individuales de los subgrupos de
una grfica de control (todos en conjunto totalizados), o de un muestreo amplio de
una poblacin global.
II.
El ndice de habilidad (ej., Cpk) es adems til para determinar si un proceso es o no hbil en el
cumplimiento de los requerimientos del cliente (la intencin original del ndice de habilidad).
Debiera hacerse notar que este uso adicional no debiera aplicarse para ndices de desempeo
(ver pginas 91 y 92 para un uso sugerido de los indicadores de desempeo).
Para que estos ndices (as como todos los otros indicadores de proceso descritos en la parte B
de esta seccin) sean usado efectivamente, las CONDICIONES y SUPUESTOS que estn
alrededor de stos deben ser entendidos. Si estas condiciones y supuestos no se cumplen, los
indicadores tendrn muy poco o ningn significado y por tanto no agregan valor al
entendimiento de los procesos de los cuales stos fueron generados. A continuacin se
muestran las cuatro condiciones mnimas las cuales deben ser satisfechas para todos los
indicadores de habilidad que estn descritos en la parte B de esta seccin:
- 93 -
LSL
USL
MALO
LAS PARTES EN LA
UBICACIN A SON TAN
BUENAS COMO EN
UBICACIONES B Y C
BUENO
MENTALIDAD DE BASE METAS
LSL
CURVA DE FUNCION
DE PERDIDA
PERDIDA
(b)
PARTES EN UBICACIN A:
SIN PERDIDA
PARTES EN UBICACIN B:
ALGO DE PERDIDA
PARTES EN UBICACIN C:
MAYOR PERDIDA
CANTIDAD DE PERDIDA EN C
CANTIDAD DE PERDIDA EN B
II.
- 95 -
II.
LSL
a)
USL
META (REQUERIMIENTO
DEL CLIENTE)
PORCENTAJE DE PARTES FUERA DE LIMITES DE ESPECIFICACIN
(MENTALIDAD DE BASE META)
VARIACIN DEL
PROCESO
b)
USL
PERDIDA
LSL
CENTRO DEL
PROCESO
USL
META (REQUERIMIENTO
DEL CLIENTE)
CURVA DE LA FUNCIN DE
PERDIDA
DISTRIBUCIN
DEL PROCESO
PERDIDA
DISTRIBUCIN DEL PROCESO QUE EST DESALINEADA CON LA META DEL CLIENTE
LSL
USL
d)
PERDIDA
USL
e)
PERDID
A
II.
A fin de minimizar las perdidas del cliente, es deseable alinear el proceso (centro del
proceso) con los requerimientos del cliente (meta de la especificacin).
Este anlisis es algunas veces llamado alineamiento de la Voz del Proceso con la Voz
del Cliente (ver Apndice H, Referencia 22, para ms detalles). Debiera notarse que
aunque no se asume variacin en la Voz del Cliente para este ejemplo, la Voz del
Cliente (meta de la especificacin) vara en el mundo real y esto complica adems el
logro de la satisfaccin verdear del cliente para un proceso dado.
Finalmente, cuando una prdida estimada y traducida es generada considerando la
distribucin actual de las partes a ser producidas por dicho proceso, en conjunto con la
prdida a ser generada por este proceso, puede mostrarse que, en este caso,
aproximadamente solo el 45% de la prdida total del cliente es tomada en cuenta para
las partes fuera de especificacin, mientras que la prdida restante proviene de las
partes dentro de especificaciones pero no en la meta (Figura 30 (d)). Esto sugiere
fuertemente que la mentalidad Base Meta, o el porcentaje calculado de las partes
Malas (partes fuera de especificaciones), por s misma, no ofrece una apreciacin
apropiada del entendimiento del efecto que el proceso mismo est teniendo realmente
en el cliente.
D.3.
II.
Se recomienda fuertemente que sean usados anlisis grficos en conjunto con las
medidas del proceso. Ejemplos de tales anlisis incluyen grficas de control, grficas
de distribuciones estimadas del proceso, grficas de anlisis de la funcin de prdida
tales como las mostradas en la Figura 30, etc. Adems, y particularmente para
procesos inestables, puede ser til graficar tambin la variacin inherente del proceso
vs la variacin total del proceso y/o R d 2 vs s para lograr una apreciacin de una
percepcin breve de la brecha entre la habilidad/capacidad y el desempeo del
proceso mismo y rastreo de mejoramientos. Generalmente, el tamao de esta brecha
es una medida del grado en el cual el proceso est fuera de control, aunque para
procesos inestables, y dependiendo del grado de inestabilidad, existe
respectivamente mayor variabilidad e incertidumbre en los estimativos del proceso.
( R d 2 y s ) que para procesos estables. Estos tipos de anlisis grficos debieran
hacerse para un mejor entendimiento del proceso an y cuando las medidas del
proceso mismo (ej., Cp/Cpk, etc.) no sean calculadas y/o usadas.
Para mejoramiento continuo de los procesos, las medidas de los procesos mismos
debieran ser usadas teniendo en mente la intencin continua de igualar la Voz del
Proceso con la Voz del Cliente, y con una prdida mnima del cliente.
Una precaucin final es que todas las evaluaciones de habilidad debieran confinarse
sobre una caracterstica del proceso nica. Nunca es apropiado combinar o promediar
los resultados de habilidades para varios procesos en un ndice.
Optimistamente, la aplicacin de las medidas del proceso dentro de esta infraestructura
total ofrecen informacin necesaria para el logro del verdadero mejoramiento del proceso
y en una proporcin competitiva.
- 98 -
Equipo
Ambiental
Cumple:
ACEPTADO
Materiales
No Cumple:
RECHAZADO
Mtodos
Ejemplos de Resultados
Grficas de Control
Burbujas en Limpiavidrios
Defectos de Pintura sobre la puerta
Errores en una factura
Los criterios de cumplimiento deben ser claramente definidos y los procedimientos para decidir si
estos criterios se cumplen deben producir resultados consistentes en el tiempo.
Comentarios
Qu tipo de defecto?
- Los Inspectores estn de
acuerdo?
- Cmo se mide?
Cumple en qu grado?
Cmo se mide?
Visible a quin?
Bajo qu condiciones?
Capitulo III
GRAFICAS DE CONTROL POR ATRIBUTOS
Aunque las grficas de control son muy a menudo pensadas en trminos de variables (como se
muestra en el Capitulo II), se han desarrollado tambin versiones para atributos. (Ver Figura 31).
Los datos de atributos tienen solo dos valores (conforme/no conforme), aprobado/falla, pasa/no
pasa, presente/ausente) aunque pueden ser contados para registro y anlisis*. Ejemplos incluyen la
presencia de una etiqueta requerida, la continuidad de un circuito elctrico, o errores en un
documento impreso. Otros ejemplos son de caractersticas que son medibles, aunque los resultados
sean registrados en un modo simple si/no tales como, cumplimiento del dimetro de una flecha
cuando se mide con un gage pasa/no pasa, la aceptabilidad de mrgenes de una puerta con un
chequeo visual o por gage, o desempeo en envos a tiempo. Las grficas de control por atributos
son importantes por varias razones:
Los datos de atributos estn ya disponibles en muchas situaciones cuando hay inspecciones
existentes, crticas para reparaciones, clasificaciones de material rechazado, etc. En estos
casos, ningn gasto adicional de recoleccin de datos es involucrado, solo el esfuerzo de
convertir los datos a una forma de grfica de control.
* Este manual utiliza discusiones de atributos conforme/no conforme alrededor del mismo,
simplemente porque (1) stas son las tradicionalmente usadas, (2) las organizaciones que justo
estn iniciando en el camino por el mejoramiento continuo generalmente inician con estas
categoras y (3) muchos de los ejemplos disponibles en la literatura usan estas categoras. No
debiera pensarse que estas son las nicas categoras aceptables o que las grficas de atributos
pueden no ser usadas con procesos (ver Apndice H) del caso 1 (ver pgina 13).
- 100 -
III.
Las siguientes cuatro secciones cubren los fundamentos de los cuatro tipos principales de grficas
de control por atributos:
Seccin 1 La Grfica p para la Proporcin de Unidades No Conformes (de muestras no
necesariamente iguales en tamao)
Seccin 2 La Grfica np para el Nmero de Unidades No Conformes (de muestras de igual
tamao)
Seccin 3 La Grfica c para el Nmero de No Conformidades (de muestras de igual tamao)
Seccin 4 La Grfica u para el Nmero de No Conformidades por Unidad (de muestras no
necesariamente iguales en tamao)
La primera discusin, de la grfica p, es la ms extensiva de las otras, conforme presenta los
conceptos principales. Las otras tres secciones se concentran en distinguir las propiedades de estos
tipos de grficas.
- 101 -
Define el Proceso
- 102 -
III.
Seccin 1
GRAFICA p PARA PROPORCIN NO CONFORME
La grfica p mide la proporcin de unidades no conformes (discrepantes o llamadas defectivas) de
un grupo de unidades que ha sido inspeccionado. Esto pudiera referirse a una muestra de 75
piezas, tomadas dos al da, algn porcentaje de produccin agrupado sobre una base de cada hora
o diario, la proporcin de envos a tiempo, etc. Esto puede basarse en la evaluacin de una
caracterstica (Fue una parte especfica instalada?) o muchas caractersticas (Se encontr algo
equivocado en a estacin de chequeo del sistema elctrico?). Es importante que:
Cada componente, parte o unidad a ser checada sea registrada como conforme o no conforme
(an y cuando una unidad cuente con varias no conformidades especficas, es solamente
contada una sola vez como unidad no conforme).
Los resultados de estas inspecciones son agrupados sobre una base razonable, y las unidades
no conformes son expresadas como una fraccin decimal del tamao del subgrupo.
Establece un ambiente adecuado para acciones. Cualquier mtodo estadstico falla a menos que
la administracin halla preparado un ambiente sensible.
Define el proceso. El proceso debe ser entendido en trminos de su relacin con otras
operaciones/usuarios, y en trminos de los elementos del proceso mismo (gente, equipo,
materiales, mtodos y medio ambiente) que lo afecten en cada etapa. Tcnicas tales como los
diagramas de causas y efectos ayudan a hacer estas relaciones visibles.
Necesidades de los clientes. Esto incluye a los procesos subsecuentes que usen el producto
o servicio como una entrada, y el cliente del producto final.
reas de problemas actuales y potenciales. Considera evidencias existentes de desperdicio y
desempeo pobre (ej., scrap/desperdicio, retrabajo, tiempo extra excesivo, metas no
logradas y reas de riesgo) ej., cambios prximos al diseo del producto o servicio o a
cualquiera de los elementos del proceso.
Correlacin entre caractersticas. Para un estudio eficiente y efectivo, toma ventajas de las
relaciones entre caractersticas. Si varias caractersticas individuales de una unidad tienden a
variar juntas, puede ser suficiente graficar solo una de ellas (ver Advertencia de la pgina
30).
- 103 -
III.
Minimiza las variaciones innecesarias. Las variaciones innecesarias por causas externas
debieran reducirse antes de que el estudio comience. El propsito es evitar problemas obvios
que pudieran y debieran ser corregidos an sin el uso de grficas de control. En todos los casos,
una bitcora del proceso debiera mantenerse anotando todos los eventos relevantes tales como
cambios en los procedimientos, lotes nuevos de materias primas, etc. esto ayuda en el anlisis
de problemas subsecuentes.
- 104 -
III.
A.2.
III.
A.4.
- 107 -
Figura 33. Grfica p para Proporcin No Conforme Clculo de Lmites de Control, Hoja 1
- 108 -
III.
p=
n1 p1 + n2 p 2 + ... + nk p k
n1 + n2 + ... + nk
Donde n1p1, n2p2... y n1, n2... son el nmero de unidades no conformes y el nmero de
unidades inspeccionadas en cada subgrupo. Debiera tenerse cuidado en no confundir
porcentajes (p x 100) con proporciones defectivas (p).
B.2. Calcula los Lmites Superior e Inferior de Control (UCL, LCL) (Ver Figura 33, Hoja 1)
Los lmites de control son el promedio el proceso ms o menos una tolerancia para la
variacin que pudiera esperarse si el proceso estuviera en control estadstico, dado el
tamao de muestra de los subgrupos. Para el periodo de estudio de k subgrupos, calcula los
lmites de control superior e inferior:
UCL p = p + 3 p (1 p )
LCL p = p 3 p (1 p )
Durante la etapa de un estudio inicial, estos son considerados como los lmites de control de
prueba.
- 109 -
Figura 33. Grfica p para Proporcin No Conforme Clculo de Lmites de Control, Hoja 2
- 110 -
III.
Determina el rango de los tamaos de las muestras que variara del promedio por ms y
menos del 25%; identifica todos los subgrupos con tamaos de muestra que se extiendan
fuera de este rango.
n = p 3 p(1 p ) n
Grafica los nuevos lmites superior e inferior sobre la grfica (ver Figura 33, Hoja 2) para los
subgrupos afectados y salos como bases para identificar causas especiales.
Hacer notar que cualquier procedimiento para el manejo de lmites de control de variables ser
engorroso y puede conducir a una confusin potencial entre la gente tratando de interpretar las
grficas mismas. Es mucho mejor, cuando sea posible, estructurar un plan de recoleccin de
datos de manera que puedan usarse tamaos de muestra constantes.
- 111 -
PROCESO EN CONTROL
UCL
p
LCL
ACCINES
sobre causas Especiales
PROCESO NO EN CONTROL
(PUNTOS FUERA DE LOS LIMITES DE CONTROL)
UCL
LCL
Figura 34. Grfica p para Proporcin No Conforme Puntos fuera de Lmites de Control
- 112 -
III.
Objetivo: Identificar cualquier evidencia de que el proceso no est operando ya en el mismo nivel
que est fuera de control y para tomar acciones apropiadas. Los puntos fuera de lmites de
control, o tendencias o patrones obvios en los datos que pudieran ocurrir ms all de ser aleatorios,
sugieren la presencia de causas especiales de variacin.
C.1. Analiza los Puntos de los Datos para Evidencia de Inestabilidad
a.
Un punto abajo del lmite inferior de control (ms baja proporcin no conforme) es
generalmente seal de uno o ms de los siguientes puntos:
UCL
p
ACCINES
sobre causas Especiales
LCL
PROCESO NO EN CONTROL
(CORRIDA LARGA HACIA ABAJO; TAMBIEN PODRIA ESTAR UNA CORRIDA LARGA HACIA ARRIBA)
UCL
LCL
III.
En estos casos, el punto que ofrece de inmediato la decisin debiera marcarse (ej.,
el sptimo punto arriba del promedio; puede ser til extender una lnea de referencia
hasta el inicio de la corrida. El anlisis debiera considerar el tiempo aproximado en
el cual sea evidente que la tendencia o cambio inici primero.
Las corridas arriba del promedio del proceso, o corridas hacia arriba, generalmente
significan uno o ambos de los siguientes puntos:
Las corridas abajo del promedio del proceso, o corridas hacia abajo, generalmente
significan uno o ambos de los siguientes puntos:
- 115 -
PROCESO NO EN CONTROL
(PUNTOS MUY CERCA DEL PROMEDIO)
UCL
p
ACCINES
sobre causas Especiales
LCL
PROCESO
NO EN CONTROL
TEXTO...
(PUNTOS MUY CERCA DE LOS LIMITES DE CONTROL)
UCL
LCL
Paso C.1.c. Aprox. 2/3 de los puntos estn dentro del medio tercio de los
lmites de control (17 de 25 entre .0245 y .0403)
III.
Patrones Obvios No Aleatorios (Ver Figura 36) Otros patrones diferentes pueden
indicar la presencia de causas especiales de variacin. Aunque debe tenerse
cuidado en no sobreinterpretar los datos. Entre stos patrones estn tendencias,
ciclos, dispersin no comn de los puntos dentro de lmites de control, y relaciones
entre valores dentro de los subgrupos (ej., si todos las unidades no conformes
ocurren dentro de las primeras lecturas tomadas para el subgrupo). Una prueba
para una dispersin no comn es ofrecida a continuacin:
Distancia de puntos del promedio del proceso: Generalmente, en un proceso bajo
control estadstico, con solo variaciones por causas comunes presentes y n p
moderadamente grande, alrededor del 2/3 de los puntos de los datos estarn dentro
medio tercio de la regin entre los lmites de control; alrededor del 1/3 de los puntos
estarn en los dos tercios externos de la regin; alrededor del 1/20 se extienden
relativamente cerca de los lmites de control (en el tercio externo de la regin).
Si en forma sustancial ms de las 2/3 de los puntos se extienden cerca del promedio
del proceso (para 25 subgrupos si arriba del 90% estn dentro del tercio medio de la
regin de los lmites de control), esto pudiera significar uno o ms de los siguientes
puntos:
Los datos han sido editados (valores que se hayan desviado mucho del
promedio han sido alterados o retirados).
Si en forma sustancial menos de las 2/3 de los puntos se extienden cerca del
promedio del proceso (para 25 subgrupos si el 40% o menos estn en el tercio
medio), esto pudiera significar uno o ambos de los siguientes puntos:
Si varios flujos del proceso estn presentes, estos debieran identificarse y rastrearse
por separado.
- 117 -
Figura 37. Grficas p para Proporcin No Conforme Reclculo de los Lmites de Control
- 118 -
III.
p = .0312
- 120 -
III.
Cuando los aspectos clave de control hayan sido resueltos, (las causas especiales hayan sido
identificadas, analizadas y, cuando sea apropiado, corregidas/prevenir su recurrencia) la grfica de
control refleja la habilidad del proceso mismo. Para la grfica p (y todas las dems grficas de
atributos), la habilidad del proceso difiere de las grficas de datos de variables en el sentido de que
cada punto en una grfica de atributos se indica directamente el porcentaje o proporcin de
producto no conforme (fuera de especificaciones) con los requerimientos de los clientes, mientras
que los puntos en una grfica de variables indican lo que el proceso est produciendo
independientemente de las especificaciones de ingeniera. Por tanto, para las grficas de atributos,
la habilidad es definida simplemente como la proporcin o razn promedio de producto no
conforme, mientras que la habilidad para grficas de variables se refiere a la variacin (6 R d 2 ) total
(inherente) para el proceso (estable), con y/o sin ajustes para centrado del proceso con metas de
especificaciones.
D.1. Calcula la Habilidad del Proceso
Para una grfica p, la habilidad del proceso es reflejada por el promedio no conforme
del proceso mismo, p , calculado cuando todos los puntos estn en control. Si se
desea, esto puede ser expresado como la proporcin conforme a especificaciones (1p ).
Para un estimativo preliminar de la habilidad del proceso, usa los datos histricos, pero
excluye los puntos de los datos asociados con causas especiales.
Para un estudio formal de habilidad del proceso, nuevos datos debieran correrse,
preferentemente para 25 o ms periodos, con todos los puntos reflejando control
estadstico. La p para estos periodos consecutivos en control es un mejor estimativo de
la habilidad actual del proceso mismo.
Esta habilidad promedio, y no los valores individuales fluctuantes, debe ser evaluada
contra las expectativas de la administracin para la caracterstica particular. Por tanto,
si este nivel promedio es inaceptable, anlisis y acciones adicionales deben ser
dirigidos hacia el proceso mismo (responsabilidad de la administracin).
- 121 -
- 122 -
III.
Una vez que el proceso est demostrando control estadstico, el nivel promedio de no
conformidades restante reflejar causas de variacin sistemticas en el proceso en
cuestin la habilidad del proceso. Los tipos de anlisis ejecutados en el diagnstico
de aspectos clave de (control) causas especiales, y el cual se haya orientado a las
operaciones, no ser ya apropiado en el diagnstico de causas comunes que afecten el
sistema. A menos que acciones de la administracin sean dirigidas hacia el sistema
mismo, no puede esperarse ningn mejoramiento en la habilidad del proceso.
Soluciones de largo plazo son necesarias para corregir fuentes de no conformidades
crnicas.
Tcnicas de solucin de problemas tales como anlisis de Pareto y anlisis de causas y
efectos pueden ser tiles (ver Apndice H, Referencia 11). Sin embargo, el
entendimiento del problema puede ser difcil cuando se usen solo datos de atributos. En
general, la solucin del problema es apoyada yendo flujo arriba en el proceso lo ms
posible hacia fuentes de causas de variacin sospechosas, y usando datos de variables
para anlisis (ej., con grficas X y R).
Cuando se hayan tomado acciones sistemticas hacia el proceso, sus efectos debieran
llegar a ser evidentes en la grfica de control; la grfica llega a ser una forma de
verificar la efectividad de las acciones.
Despus de que las causas especiales de variacin que aparecieron durante el periodo
de cambios hayan sido identificadas y corregidas, el proceso estar en control
estadstico y con un nuevo promedio del proceso. Este nuevo promedio, reflejando un
desempeo en control, puede ser usado como la base del control continuo del proceso.
Sin embargo, debiera continuar investigacin y mejoramiento del sistema mismo.
- 123 -
III.
Seccin 2
GRAFICA np PARA PROPORCIN NO CONFORME
La grfica np (ver Figura 38) mide el nmero de unidades no conformes (discrepantes o llamadas
defectivas) en un lote de inspeccin, es idntica a la grfica p excepto que el nmero actual de
unidades no conformes, ms que la proporcin de la muestra, es registrado. Ambas grfica p y np
son apropiadas para las mismas situaciones bsicas, con la opcin de ir a la grfica np si (a) el
nmero actual de no conformidades es de ms significado o ms simple reportar que la proporcin,
y (b) el tamao de muestra se mantienen constante de periodo a periodo. Los detalles de
instrucciones para la grfica np son virtualmente idnticos a aquellos para la grfica p; las
excepciones se muestran a continuacin.
A.
B.
Los tamaos de muestra para inspeccin deben ser iguales. El periodo de los subgrupos
debiera hacer sentido en trminos de los intervalos de produccin y sistemas de
retroalimentacin, y las muestras debieran ser lo suficientemente grandes como para
permitir varias unidades no conformes que aparezcan en cada subgrupo. Registra el
tamao de muestra en el formato.
Donde np1, np2... son el nmero no conforme en cada uno de los k subgrupos.
np
= n p + 3 n p(1 p )
UCLnp = n p + 3 n p1
n
np
= n p 3 n p(1 p )
LCLnp = n p 3 n p1
n
D.
III.
Seccin 3
GRAFICA c PARA NUMERO No. DE NO CONFORMIDADES
La grfica c (ver Figura 39) mide el nmero de no conformidades (discrepancias o llamados
defectos) en un lote de inspeccin (en oposicin al nmero de unidades que se encontraron no
conformes, como graficado en una grfica np). La grfica c requiere de un tamao de muestra o
cantidad de material inspeccionado constante. Se aplica en dos tipos principales de situaciones de
inspeccin:
Cuando las no conformidades estn dispersadas a travs del flujo continuo del producto (ej.,
defectos en un tornillo de vynil, burbujas en vidrio, manchas de aislamiento delgado sobre
cable), y donde la razn promedio de no conformidades pueda ser expresada (ej., defectos por
100 metros cuadrados de vynil).
A continuacin se muestran los pasos en la construccin y aplicacin de una grfica c, los cuales
son similares al enfoque bsico descrito previamente para grficas p; las excepciones se muestran
a continuacin:
A.
Los tamaos de muestra para inspeccin (nmero de unidades, rea de lo fabricado, longitud
de cable, etc.) necesitan ser iguales de manera que los valores graficados de c reflejen
cambios en el desempeo en calidad (razn de la ocurrencia de no conformidades, c) ms que
cambios en exposicin (el mismo tamao, n). Registra el tamao de muestra en el formato.
B.
c1 + c2 + ... + ck
k
donde c1, c2... son los nmeros de las no conformidades en cada uno de los k subgrupos.
- 127 -
III.
LCLc = c 3 c
C.
D.
- 128 -
III.
Seccin 4
GRAFICA u PARA NO CONFORMIDADES POR UNIDAD
La grfica u (ver Figura 40) mide el nmero de no conformidades (discrepancias o llamados
defectos) por unidad de inspeccin reportada en subgrupos, los cuales pueden tener tamaos (o
cantidades de material inspeccionado) de muestra variables. Es similar a la grfica c excepto que el
nmero de no conformidades es expresado por unidad. Ambas grficas u y c son apropiadas para
las mismas situaciones de datos bsicos; sin embargo, la grfica puede ser usada si la muestra
incluye ms de una unidad (para hacer el reporte ms significativo), y debe ser usada si el tamao
de muestra puede variar de periodo a periodo. Los detalles de instrucciones para la grfica u son
similares a aquellos para la grfica p; las excepciones se muestran a continuacin:
A.
u=
c
n
III.
UCLu = u + 3 u
n =u+3
u
n
LCLu = u 3 u
n =u 3
u
n
- 131 -
III.
n =u3
u
n
D.
- 133 -
Capitulo IV
ANLISIS DE SISTEMAS DE MEDICIN DE LOS PROCESOS
Seccin 1
INTRODUCCIN
Una vez que las caractersticas a ser medidas se han determinado para un proceso dado, debiera
realizarse una evaluacin de los sistemas de medicin para dichas caractersticas, para asegurar un
anlisis efectivo de los datos subsecuentes del SPC generados para dichas caractersticas. Hacer
notar el hallazgo fundamental compartido por estadsticos y profesionales de la calidad a lo largo del
mundo de que un valor observado est compuesto de un valor master de la caracterstica a ser
medida ms un error en la medicin, o
valor observado = valor master + error de medicin
El error de medicin es un trmino estadstico que significa el efecto neto de todas las fuentes de
variabilidad en las mediciones que causan que un valor observado se desve del valor master.
Desafortunadamente, esta relacin significa que se enfrenta el tomar decisiones a cerca de un
producto usando informacin (ej., nmeros) que contiene variabilidad adicional. Tomando en cuenta
esto un paso adelante, la variabilidad total en un conjunto de datos consiste al menos de dos
mediciones por lote (o subgrupo) y en muchos lotes (subgrupos) en el tiempo, y es compuesto
correspondientemente de dos parte componentes, ej.,
variabilidad total = variabilidad del producto + variabilidad de medicin *
La importancia de minimizar el efecto de la variabilidad en las mediciones sobre evaluaciones de la
variabilidad en el proceso no pueden ser exageradas. Para un ms completo entendimiento de los
diferentes aspectos del tema de anlisis de sistemas de medicin, favor de referirse al manual de
Anlisis de Sistemas de Medicin (MSA) de la industria automotriz (Apndice H, Referencia 15)
publicado en Diciembre, 1990, por el Grupo de Acciones de la Industria Automotriz (AIAG). Uno de
los mtodos ms sencillos y tambin altamente aplicados de anlisis de sistemas de medicin
presentado en la Divisin Automotriz de ASQC/Manual MSA de AIAG se presenta aqu en esta
seccin como un enfoque razonablemente bien aceptado, para evaluar un sistema de medicin
previo a la aplicacin en el control estadstico de los procesos. De ninguna manera significa sugerir
que sta sea la nica tcnica MSA aceptable. Adems, la tcnica presentada aqu asume que los
dems atributos clave de un sistema de medicin, ej., exactitud, linealidad y estabilidad, como se
describen en el manual MSA, han sido evaluados y considerados como aceptables.
* Favor de ver Apndice H, Referencia 18.
- 134 -
IV.
Seccin 2
METODO DE PROMEDIOS Y RANGOS
El mtodo de Promedios y Rangos ( X y R, algunas veces referido como el Mtodo Largo) es un
mtodo matemtico que determina la repetibilidad y reproducibilidad para un sistema de medicin.
Este mtodo permite que el sistema de medicin se seccione en dos componentes por separado,
repetibilidad y reproducibilidad.
Si la repetibilidad es grande comparada con la reproducibilidad, las razones pueden ser:
A.
Los operadores necesitan ser mejor entrenados en cmo usar y leer los instrumentos y
gages.
Puede ser necesario algn dispositivo de algn tipo para ayudar a que los operadores usen
los gages ms consistentemente.
Aunque el nmero de operadores, intentos y partes puede variar, la siguiente discusin representa
las condiciones ptimas para conducir el estudio. Hacer referencia a la hoja de datos R&R de gages
en la figura 42 de la pgina 139. El procedimiento detallado es como sigue:
1. Referirse a los operadores como A, B y C y al nmero de partes 1 a 10 de manera que los
nmeros no sean visibles a los operadores.
NOTA: Las diez partes debieran ser seleccionadas a lo largo del rango completo del
proceso es importante que las partes, en lo mas posible, sean representativas (de
la variacin) del proceso total.
2. Calibra el gage.
3. Hacer que el operador A mida las diez partes en un orden aleatorio y que otro observador
registre los resultados en el rengln uno. Hacer que los operadores B y C midan las mismas
10 partes sin ver las lecturas de uno con otro, luego registrar los resultados en los renglones
6 y 11, respectivamente.
- 135 -
IV.
b.
6. Un mtodo alternativo puede usarse si los operadores estn en diferentes turnos. Hacer que
el operador A mida todas las 10 partes y registrar las lecturas en el rengln 1. Luego hacer
que el operador A repita las lecturas en un orden diferente y registre los resultados en los
renglones 2 y 3. Hacer lo mismo con operadores B y C en los otros turnos.
B) CALCULOS
Los clculos de la Repetibilidad y Reproducibilidad de Gages son mostrados en las Figuras 42 y 43.
La Figura 42 muestra la hoja de datos en la cual todos los resultados del estudio se registran. La
Figura 43 despliega una hoja reporte en la cual toda la informacin identificada se registra y todos
los clculos se hacen de acuerdo a las frmulas prescritas. El procedimiento para hacer los clculos
despus de que los datos han sido recolectados es como sigue:
1. Resta la lectura ms pequea de la lectura ms grande en los renglones 1, 2 y 3; registra el
resultado en el rengln 5. Haz lo mismo par los renglones 6, 7 y 8; y 11, 12 y 13, y registra
los resultados en los renglones 10 y 15, respectivamente. (Figura 42).
2. Las entradas en los renglones 5, 10 y 15 son de valores positivos. (Figura 42).
3. Totaliza el rengln 5 y divide el total mismo por el nmero de partes muestreadas para
obtener el rango promedio para los intentos del primer operador R a . Haz lo mismo para los
renglones 10 y 15 para obtener R b y R C . (Figura 42).
4. Transfiere el promedio de los renglones 5, 10 y 15 ( R a , R b , R C ) al rengln 17. Smalos y
divide por el nmero de operadores y registra el resultado como R (rango promedio global).
(Figura 42).
- 136 -
IV.
IV.
[X
K2 ]
DIFF
(EV )2
(nr )
- 138 -
PARTE
5
6
1
2
3
Promedio
10
PROMEDIO
Xa =
Ra =
Rango
6
7
8
9
1
2
3
Promedio
10
11
12
13
14
Xb =
Rb =
Rango
C
1
2
3
Promedio
15
Xc =
Rc =
Rango
16. Promedio
de Partes
(X )
R = ([(R
Rp =
17.
)] + [R
] [X Min =
[
] [D
] [D
20. LCL = [R =
19. UCL R = R =
R
] + [R
]) [# deOperador es =
]=
R=
]=
]=
]=
* D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos; D3=0 para 7 intentos. UCLR representa el lmite de las Rs
individuales. Circular aquellos datos que estn fuera de este lmite. Identificar las causas y corregirlas.
Repetir estas lecturas usando el mismo evaluador y unidad como se uso originalmente o descartar valores y
recalcular el promedio, la R y los valores lmite de los datos restantes.
*
Notas:
Fecha:
Hecho por:
_________________
Rp =
X DIFF =
=
Anlisis de Medicin Unitaria
Repetibilidad Variacin del Equipo (EV)
De la hoja de Datos : R
EV = R K 1
=
Intentos
2
K1
4.56
3.05
= 100 [
=
AV =
=
[(X
[(
K 2 ) EV 2 nr
2
DIFF
)2 (
)]
))]
= 100 [
Operadores
K2
3.65
2.70
(EV
2
+ AV 2
2
Partes
K3
3.65
2.70
2.30
PV = Rp K 3
2.08
= 100 [
1.93
1.82
TV = R & R 2 + PV 2
1.74
1.67
10
1.62
=
=
= 100 [
=
Todos los clculos se basan en la prediccin de 5.15 sigma (99.0% de rea bajo la curva de distribucin normal) K1 es 5.15/d2, don d2 depende del nmero de intentos (m)y el nmero
de partes por el numero usuarios (g) el cual se asume que es mayor que 15. Los valores d2 son de Apndice E.
*
AV- Si se calcula un valor negativo bajo el signo de la raz cuadrada la variacin entre usuarios (AV) es por defaull 0 (cero). K2 es 5.15/ d 2 , donde d 2 depende del nmero de
*
usuarios (m) y (g) es 1, dado que slo es el clculo de un rango. K3 es 5.15/ d 2 , donde d 2 depende del nmero de partes (m) y (g) es 1, dado que slo es el clculo de un rango.
*
d2
se obtiene de la tabla D3 Quality Control and Industrial Statistics, A.J. Duncan. (ver apndice H, Referencia).
IV.
R&R =
[(EV ) + ( AV ) ]
2
TV =
Si la variacin del proceso es conocida y su valor se basa en 6, entonces puede usarse por la
variacin total del estudio (TV) calculada de los datos del estudio del gage. Esto se logra realizando
los siguientes dos clculos:
var iacindeproceso
1. TV = 5.15
6.00
2. PV =
[(TV )
(R & R )
AV
% AV = 100
TV
R & R
% R & R = 100
TV
PV
% PV = 100
TV
- 141 -
IV.
D.
EJEMPLO
La Corporacin XYZ est iniciando una evaluacin de los sistemas de medicin. El primer
dispositivo de medicin a ser evaluado es un gage de espesores de empaques. El Ingeniero de
Calidad decide usar 10 partes para representar la variabilidad del proceso, y 3 operadores
seleccionados aleatoriamente de la plantilla d inspectores. Dado que el tiempo era una restriccin,
solo se realizaran dos intentos. El mtodo de recoleccin de datos y anlisis sigue los
procedimientos discutidos previamente en esta seccin con los resultados mostrados en las Figuras
44 y 45.
El lmite superior de control (UCLR) y el lmite inferior de control (LCLR), para los rangos individuales
son calculados como se muestra en la Figura 44. Los datos pudieron ser graficados en una grfica
de control de rangos de repetibilidad aunque el anlisis de los rangos indica que todos los rangos
estn en control (ej., entre UCLR y LCLR). Esto significa que todos los operadores son consistentes y
estn usando el gage de la misma forma.
El anlisis de unidades de medicin y el % de variacin del proceso para cada componente de
variacin debe entonces calcularse (ver Figura 45). Los resultados debieran evaluarse para
determinar si el sistema de medicin es aceptable para su uso esperado. En este ejemplo, el % de
R&R es 25.2% y por tanto el sistema de medicin se considerara marginal para la medicin de la
variacin del proceso en cuestin.
- 142 -
3
0.85
0.80
4
0.85
0.95
PARTE
5
6
0.55 1.00
0.45 1.00
1.00
0.83
0.90
0.50
1.00
0.95
0.83
1.00
0.65
X a = 0.83
Rango 0.05
0.00
0.05
0.10
0.10
0.00
0.00
0.05
0.00
0.10
Ra = 0.05
1 0.55
2 0.55
3
Promedio 0.55
1.05
0.95
0.80
0.75
0.80
0.75
0.40
0.40
1.00
1.05
0.95
0.90
0.75
0.70
1.00
0.95
0.55
0.50
0.79
0.75
1.00
0.78
0.78
0.40
1.03
0.93
0.73
0.98
0.53
X b = 0.77
Rango 0.00
0.10
0.05
0.05
0.00
0.05
0.05
0.05
0.05
0.05
Rb = 0.05
1 0.50
2 0.55
3
Promedio 0.53
1.05
1.00
0.80
0.80
0.80
0.80
0.45
0.50
1.00
1.05
0.95
0.95
0.80
0.80
1.05
1.05
0.85
0.80
0.83
0.83
1.03
0.80
0.80
0.48
1.03
0.95
0.80
1.05
0.83
X c = 0.83
Rango 0.05
0.05
0.00
0.0
0.05
0.05
0.00
0.00
0.00
0.05
Rc = 0.03
1.01
0.80
0.83
0.46
1.02
0.94
0.78
1.01
0.67
OPERADOR
INTENTO #
1
2
3
4
1 0.65
2 0.60
3
Promedio 0.63
5
6
7
8
9
10
11
12
13
14
15
16 Promedio
0.57
( )
R = ([(R = 0.05)] + [R
de Parte X
17.
8
0.85
0.80
9
1.00
1.00
10
0.60
0.70
0.83
0.83
[
]
= [R = 0.04 ] [D
Rp = 0.56
R = 0.04
] [
0.06
0.13
20. LCL R
7
0.95
0.95
= 0.00
0.00
D 4 = 3.27 para 2 intentos y 2.58 para 3 intentos; D3=0 para 7 intentos. UCLR representa el lmite de las Rs individuales. Circular aquellos datos
que estn fuera de este lmite. Identificar las causas y corregirlas. Repetir estas lecturas usando el mismo evaluador y unidad como se uso
originalmente o descartar valores y recalcular el promedio, la R y los valores lmite de los datos restantes.
*
Notas:
X DIFF = 0.06
De la hoja de datos : R = 0.04
Anlisis de Unidades de Medicin
Repetibilidad Variacin del Equipo (EV)
Rp = 0.56
% de Variacin del Proceso
%EV = 100[EV/TV]
EV = R K 1
Intentos
= 0.04 x 4.56 .
2
= 0.18 .
3
Reproducibilidad Variacin de los Evaluadores (AV)
AV =
=
Fecha: 4/12/98
Hecho por:
______________________
K1
4.56
3.05
(X DIFF K 2 )2 (EV 2 nr )
.
0.93 ]
= 0.16
= 100 [ 0.18 /
=
18.7 %
= 100 [ 0.16 /
0.93 ]
Operadores
= 16.8 %
K2
3.65
2.70
n = nmero de partes
r = nmero de intentos
R & R = EV 2 + AV 2
=
(0.18
0.24 .
+ 0.16 2
Partes
K3
2
3
3.65
2.70
= 25.2 %
4
5
2.30
2.08
1.93
1.82
TV =
1.74
1.67
10
1.62
(R & R + PV )
(0.24 + 0.90 )
2
= 0.93
0.93 ]
Todos los clculos se basan en la prediccin de 5.15 sigma (99.0% de rea bajo la curva de distribucin normal) K1 es 5.15/d2, don d2 depende del nmero de intentos (m)y el nmero
de partes por el numero usuarios (g) el cual se asume que es mayor que 15. Los valores d2 son de Apndice E.
*
AV- si se calcula un valor negativo bajo el signo de la raz cuadrada la variacin entre usuarios (AV) es por defaull 0 (cero). K2 es 5.15/ d 2 , donde d 2 depende del nmero de
*
usuarios (m) y (g) es 1, dado que slo es el clculo de un rango. K3 es 5.15/ d 2 donde d 2 depende del nmero de partes (m) y (g) es 1, dado que slo es el clculo de un rango.
*
d2
se obtiene de la tabla D3 Quality Control and Industrial Statistics, A.J. Duncan. (ver Apndice H, Referencia 9).
APENDICE A
Algunos Comentarios sobre los Subgrupos
Las grficas de control son usadas para responder preguntas a cerca de un proceso. A fin de contar con
grficas de control que sean tiles, es importante que las grficas respondan preguntas correctas. A una
grfica X barra se le hace la pregunta, La variacin presente en os promedios de los subgrupos es ms
que la esperada en la variacin dentro de los subgrupos?. Por tanto, entendiendo las fuentes de variacin
dentro y entre subgrupos es muy importante en el entendimiento de las graficas de control y la variacin del
proceso. La mayora de las grficas de control por variables comparan la variacin dentro de los subgrupos
con la variacin entre subgrupos, de manera que es importante interpretar las grficas de control para formar
subgrupos con un entendimiento de las posibles fuentes de variacin que afecten los resultados del proceso.
Considera el siguiente ejemplo: Un proceso de produccin consiste de cuatro operaciones paralelas. Se
sugiere que la variacin en los resultados del proceso debieran ser estudiados con grficas de control, de
manera que debe decidirse en cmo recolectar los datos para las grficas. Existe una variedad de posibles
esquemas de muestreo que pudieran ser considerados. Las partes pudieran tomarse de cada flujo para
formar un subgrupo o partes de solo un flujo que pudieran incluirse en el mismo subgrupo o subgrupos que
pudieran formarse, tomando partes de los resultados de los flujos combinados sin considerar su fuente. El
ejemplo numrico siguiente ofrece un ejemplo de los posibles resultados obtenidos usando stos tres
mtodos.
Mtodos para recolectar datos de resultados de un proceso de produccin de flujo (eje) mltiple
S1
S2
Recibo de Partes
Recibo de Partes
S3
S4
Mtodo 2: datos
recolectados de cada flujo
por separado. Una muestra
consiste de mediciones
solo de un flujo.
Cada hora una muestra de 16 partes es recolectada tomando las partes de cuatro ciclos consecutivos de
cada flujo. El siguiente es un ejemplo de los datos.
Ciclo de la Mquina
Muestra #
Flujo 1
Flujo 2
Flujo 3
Flujo 4
A
17
12
9
10
B
18
15
10
11
C
18
12
9
12
D
20
12
12
12
Existen tres fuentes de variacin capturadas en los datos. La variacin Ciclo a Ciclo es capturada por
diferentes columnas en el arreglo, la variacin flujo a flujo es capturada por los renglones del arreglo, y la
variacin hora-a-hora es capturada por diferentes muestras de 16 partes.
- 145 -
Fila de Subgrupos
Los datos de 20 horas consecutivas son usados para construir grficas de control con el mtodo en
cada subgrupo.
Mtodo 1: Subgrupos por Columna (Ciclo)
Este esquema de subgrupos produce 80 subgrupos o muestras de tamao n = 4. El rango promedio
es 7.85, y el lmite superior de control para la grfica de rangos es 17.91 unidades. La variacin
dentro de los subgrupos parece ser estable usando este mtodo.
Grfica de Rangos para Datos Subagrupados por Columna (Ciclo)
UCLR
- 146 -
UCLX
X
LCLX
UCLR
UCLX
X
LCLX
- 147 -
Grficas R
Flujo 1
Flujo 2
Flujo 3
Flujo 4
Grficas X -Barra
Flujo 1
Flujo 2
Flujo 3
Flujo 4
Esta comparacin de grficas muestra que el promedio del tercer flujo es ms alto que los otros y
los proceso individuales estn fuera de control. El nivel base de variacin usado para el estudio de
los resultados de cada flujo es la variacin ciclo a ciclo como se refleja en los rangos. Para cada
flujo los efectos de la variacin hora a hora se muestran en las grficas X barra. Graficando las
grficas usando la misma escala, puede comprarse el nivel y variacin para cada flujo.
- 148 -
UCLR
La grfica R checa si la variacin flujo a flujo y ciclo a ciclo es consistente en el tiempo. La grfica X
barra responde la pregunta, Es la variacin en los valores de X barra lo que se esperara si la
variacin ciclo a ciclo y flujo a flujo fueran los nicos tipos de variacin presentes en el proceso, o,
existe algn cambio adicional hora a hora?
Como regla general, la variacin representada dentro de los subgrupos debiera ser el tipo de
variacin que se estime la menos significativa o interesante como tema para el estudio actual. En
todos los casos, debiera ser usado un mtodo de subagrupado que permita preguntas acerca de los
efectos de fuentes potenciales de variacin a ser contestadas.
- 149 -
APENDICE B
Sobreajuste
Sobreajuste es la prctica de tratar cada desviacin de la meta como si fuera el resultado de
acciones de causas especiales de variacin del proceso. Si un proceso estable es ajustado en base
a como se tomaron las mediciones, entonces el ajuste llega a ser una fuente adicional de variacin.
Los siguientes ejemplos demuestran ste concepto. La primer grfica muestra la variacin en
resultados sin ajuste. La segunda grfica muestra la variacin en resultados cuando se hace un
ajuste al proceso para compensar cada desviacin de la meta. La tercer grfica muestra la variacin
en resultados cuando se hacen ajustes para compensar slo cuando el ltimo resultado fue mas de
una unidad de la meta. Este tercer caso es un ejemplo de compensacin para estar dentro de un
conjunto de especificaciones. Cada mtodo de ajuste incrementa la variacin en los resultados,
dado que la variacin sin ajuste es estable (ver Apndice H, Referencia 4, Captulo 11).
Resultados sin ajustes
Variaci
n Normal
Notar
Incremento
en la
Variacin
Notar
Incremento
en la
Variacin
- 150 -
APENDICE C
Procedimiento de Seleccin para el Uso y Aplicacin de Grficas de Control
descritas en este Manual
DETERMINA LA
CARACTERSTICA A SER
GRAFICADA
NO
ES DE INTERES
LAS UNIDADES NO
CONFORMES, EJ.,
PORCENTAJE DE
PARTES MALAS?
NO
ES DE INTERES LAS
NO CONFORMIDADES,
EJ., DISCREPANCIAS
DE PARTES?
SI
SI
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
SI
NO
EL TAMAO
DE MUESTRA
ES
CONSTANTE?
USAR LA
GRAFICA
p
SI
SI
USAR LA
GRAFICA
p O np
LAS MUESTRAS DE
SUBGRUPOS SON
HOMOGNEAS POR
NATURALEZA O NO
CONDUCIVAS, EJ.,
BAO DE PINTURA,
LOTE DE PINTURA,
ETC.?
NO
USAR LA
GRAFICA
cOu
LOS PROMEDIOS DE
LOS SUBGRUPOS
PUEDEN CALCULARSE
DE MANERA
CONVENIENTE?
SI
NO
USAR LA
GRAFICA DE
MEDIANAS
SI
USAR LA GRAFICA DE
LECTURAS INDIVIDUALES
X-MR
EL TAMAO
DE CADA
SUBGRUPO
ES DE 9 O
MAYOR?
NO
USAR LA
GRAFICA
-R
SI
NO
EXISTE LA HABILIDAD
DE CALCULAR EN
FORMA CONVENIENTE
LA S DE CADA
SUBGRUPO?
SI
USAR LA
GRAFICA
- 151 -
-S
NO
USAR LA
GRAFICA
-R
USAR LA
GRAFICA
u
APENDICE D
Relacin entre Cpm* y otros ndices con
(USL T) = (T LSL)**
LSL
LSL
USL
LSL
14
Cp
2
15
Cp
2
16
Cp
2
USL
LSL
Cp
2
USL
LSL
13
USL
USL
17
* C pm =
USL LSL
, donde C pm =
6 C pm
i =1
(xi T )2
n 1
Cp
2
APENDICE E
Tabla de Constantes y Formulas para Grficas de Control
Grficas -X R*
Grfica para
Promedios
(X )
Grficas X -s*
Grfica para
Promedio
(X )
D3
D4
A3
Divisores para
Estimativo de
la Desviacin
Estandar
C4
1.128
1.693
2.059
2.326
-----
3.267
2.574
2.282
2.114
2.659
1.954
1.628
1.427
0.483
0.419
0.373
0.337
0.308
2.534
2.704
2.847
2.970
3.078
-0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
11
12
13
14
15
0.285
0.266
0.249
0.235
0.223
3.173
3.258
3.336
3.407
3.472
0.256
0.283
0.307
0.328
0.347
16
17
18
19
20
0.212
0.203
0.194
0.187
0.180
3.532
3.588
3.640
3.689
3.735
21
22
23
24
25
0.173
0.167
0.162
0.157
0.153
3.778
3.819
3.858
3.895
3.931
Tamao de
Muestra
Factores para
los Lmites de
Control
A2
Divisores para
Estimativo de
la Desviacin
Estndar
d2
2
3
4
5
1.880
1.023
0.729
0.577
6
7
8
9
10
UCL
, LCL
Factores para
Lmites de
Control
B4
0.7979
0.8862
0.9213
0.9400
-----
3.267
2.568
2.266
2.089
1.287
1.182
1.099
1.032
0.975
0.9515
0.9594
0.9650
0.9693
0.9727
0.030
0.118
0.185
0.239
0.284
1.970
1.882
1.815
1.761
1.716
1.744
1.717
1.693
1.672
1.653
0.927
0.886
0.850
0.817
0.789
0.9754
0.9776
0.9794
0.9810
0.9823
0.321
0.354
0.382
0.406
0.428
1.679
1.646
1.618
1.594
1.572
0.363
0.378
0.391
0.403
0.415
1.637
1.622
1.608
1.597
1.585
0.763
0.739
0.718
0.698
0.680
0.9835
0.9845
0.9854
0.9862
0.9869
0.448
0.466
0.482
0.497
0.510
1.552
1.534
1.518
1.503
1.490
0.425
0.434
0.443
0.451
0.459
1.575
1.566
1.557
1.548
1.541
0.663
0.647
0.633
0.619
0.606
0.9876
0.9882
0.9887
0.9892
0.9896
0.523
0.534
0.545
0.555
0.565
1.477
1.466
1.455
1.445
1.435
= X A2 R
UCL
, LCL
UCL R = D 4 R
UCLs = B4 s
LCL R = D 3 R
LCL s = B3 s
= R d 2
= s c 4
= X A3 s
__________
* De la publicacin de ASTM STP-15D, Manual de Presentacin de Datos y Anlisis de Grficas de Control,
1976; pags. 134-136. Derechos de copia ASTM, 1916 Race Street, Philadelphia, Pennsylvania 19103.
Reimpreso con permiso.
- 153 -
A~
Factores para
Lmites de
Control
Divisores para
Estimativo de
la Desviacin
Estndar
d2
D3
D4
E2
d2
D3
D4
1.880
1.187
0.796
0.691
1.128
1.693
2.059
2.326
-----
3.267
2.574
2.282
2.114
2.660
1.772
1.457
1.290
1.128
1.693
2.059
2.326
-----
3.267
2.574
2.282
2.114
0.548
0.508
0.433
0.412
0.362
2.534
2.704
2.847
2.970
3.078
-0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
1.184
1.109
1.054
1.010
0.975
2.534
2.704
2.847
2.970
3.078
-0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
~ R
UCL ~ , LCL ~ = X~ A
2
X
X
UCL
UCL R = D 4 R
UCL R = D4 R
LCL R = D3 R
LCL R = D3 R
= R d 2
= R d 2
, LCL
= X E2 R
= p 3 p (1 p ) n
UCLnp , LCLnp = n p 3 n p (1 p )
Grficas c para nmero de no conformidades, de muestras de tamao constante:
UCLc , LCLc = c 3 c
Grficas u para nmero de no conformidades por unidad, de muestras no necesariamente de
tamao constante:
UCLu , LCLu = u 3 u
o
= u3
u
n
- 155 -
No Conformidades
c
APENDICE F
Distribucin Normal Estndar
Pz = la proporcin de los resultados de un proceso fuera de un valor particular de inters (tal como
un lmite de especificacin), la cual est a z unidades de desviacin estndar lejos del promedio del
proceso (para un proceso que est bajo control estadstico y con una distribucin normal). Por
ejemplo, si z = 2.17, Pz=.0150 1.5%. En cualquier situacin actual est proporcin es solo un
aproximado.
SL
SL
PZ
PZ
lzl
x.x0
x.x1
x.x2
x.x3
x.x4
x.x5
x.x6
x.x7
x.x8
x.x9
4.0
.00003
3.9
3.8
3.7
3.6
3.5
.00005
.00007
.00011
.00016
.00023
.00005
.00007
.00010
.00015
.00022
.00004
.00007
.00010
.00015
.00022
.00004
.00006
.00010
.00014
.00021
.00004
.00006
.00009
.00014
.00020
.00004
.00006
.00009
.00013
.00019
.00004
.00006
.00008
.00013
.00019
.00004
.00005
.00008
.00012
.00018
.00003
.00005
.00008
.00012
.00017
.00003
.00005
.00008
.00011
.00017
3.4
3.3
3.2
3.1
3.0
.00034
.00048
.00069
.00097
.00135
.00032
.00047
.00066
.00094
.00131
.00031
.00045
.00064
.00090
.00126
.00030
.00043
.00062
.00087
.00122
.00029
.00042
.00060
.00084
.00118
.00028
.00040
.00058
.00082
.00114
.00027
.00039
.00056
.00079
.00111
.00026
.00038
.00054
.00076
.00107
.00025
.00036
.00052
.00074
.00104
.00024
.00035
.00050
.00071
.00100
2.9
2.8
2.7
2.6
2.5
.0019
.0026
.0035
.0047
.0062
.0018
.0025
.0034
.0045
.0060
.0018
.0024
.0033
.0044
.0059
.0017
.0023
.0032
.0043
.0057
.0016
.0023
.0031
.0041
.0055
.0016
.0022
.0030
.0040
.0054
.0015
.0021
.0029
.0039
.0052
.0015
.0021
.0028
.0038
.0051
.0014
.0020
.0027
.0037
.0049
.0014
.0019
.0026
.0036
.0048
2.4
2.3
2.2
2.1
2.0
.0082
.0107
.0139
.0179
.0228
.0080
.0104
.0136
.0174
.0222
.0078
.0102
.0132
.0170
.0217
.0075
.0099
.0129
.0166
.0212
.0073
.0096
.0125
.0162
.0207
.0071
.0094
.0122
.0158
.0202
.0069
.0091
.0119
.0154
.0197
.0068
.0089
.0116
.0150
.0192
.0066
.0087
.0113
.0146
.0188
.0064
.0084
.0110
.0143
.0183
1.9
1.8
1.7
1.6
1.5
.0287
.0359
.0446
.0548
.0668
.0281
.0351
.0436
.0537
.0655
.0274
.0344
.0427
.0526
.0643
.0268
.0336
.0418
.0516
.0630
.0262
.0329
.0409
.0505
.0618
.0256
.0322
.0401
.0495
.0606
.0250
.0314
.0392
.0485
.0594
.0244
.0307
.0384
.0475
.0582
.0239
.0301
.0375
.0465
.0571
.0233
.0294
.0367
.0455
.0559
1.4
1.3
1.2
1.1
1.0
.0808
.0968
.1151
.1357
.1587
.0793
.0951
.1131
.1335
.1562
.0778
.0934
.1112
.1314
.1539
.0764
.0918
.1093
.1292
.1515
.0749
.0901
.1075
.1271
.1492
.0735
.0885
.1056
.1251
.1469
.0721
.0869
.1038
.1230
.1446
.0708
.0853
.1020
.1210
.1423
.0694
.0838
.1003
.1190
.1401
.0681
.0823
.0985
.1170
.1379
0.9
0.8
0.7
0.6
0.5
.1841
.2119
.2420
.2743
.3085
.1814
.2090
2389
.2709
.3050
.1788
.2061
.2358
.2676
.3015
.1762
.2033
.2327
.2643
.2981
.1736
.2005
.2297
.2611
.2946
.1711
.1977
.2266
.2578
.2912
.1685
.1949
.2236
.2546
.2877
.1660
.1922
.2206
.2514
.2843
.1635
.1894
.2177
.2483
.2810
.1611
.1867
.2148
.2451
.2776
0.4
0.3
0.2
0.1
0.0
.3446
.3821
.4207
.4602
.5000
.3409
.3783
.4168
.4562
.4960
.3372
.3745
.4129
.4522
.4920
.3336
.3707
.4090
.4483
.4880
.3300
.3669
.4052
.4443
.4840
.3264
.3632
.4013
.4404
.4801
.3228
.3594
.3974
.4364
.4761
.3192
.3557
.3936
.4325
.4721
.3156
.3520
.3897
.4286
.4681
.3121
.3483
.3859
.4247
.4641
- 156 -
APNDICE G
Glosario de Trminos y Smbolos
Estas son descripciones Intuitivas de trminos usados en este manual. Para definiciones
operacionales y matemticas ver referencias en Apndice H
Trminos Usados en este Manual
Aleatoriedad
Anlisis de Zona
Caracterstica
Causa Especial
Concientizacin
Consecutivo
Control
Control Estadstico
Control Estadstico del Proceso Uso de tcnicas estadsticas tales como grficas de control
para analizar un proceso o sus resultados y tomar acciones
apropiadas para lograra y mantener un estado de control
estadstico y mejorar la habilidad del proceso mismo.
Corrida
Cuadrtico
Datos de Atributos
Datos Cuantitativos
Definicin Operacional
Desviacin Estndar
Deteccin
Distribucin Binomial
Distribucin de Poisson
Especificacin
Error Tipo II
Estabilidad
Estadstica
Extensin
Forma
Grfica de Control
Grfica de Corridas
Grfica de Pareto
- Caso de Datos de
Variables
b)
c)
Individual
Lmites de Control
Lnea Central
Localizacin
Media
Mejoramiento Continuo en la
Calidad y Productividad
Mtodos Estadsticos
Avanzados
Muestra
Muestreo Aleatorio
No Conformidad
Promedio
Proceso Estable
Prevencin
Rango
Rango Mvil
Sigma ()
Subgrupo
Subgrupo Racional
Unidades No Conformes
Variacin
- Variacin Inherente
- Variacin Total
- 165 -
- 167 -
~
X
~
X
Z
(sigma)
X , R , P , etc.
s
R d
- 168 -
APENDICE H
Referencias y Lecturas Sugeridas
1.
2.
Walter A. Shewhart, Statistical Method from the Viewpoint of Quality Control, Edited by W.
Edwars Deming, the Graduate School, Department of Agriculture, 1939.
3.
4.
W. Edwards Deming, Out of the Crisis; Massachusetts Institute of Technology, Center for
Advance Engineering Study, 1989.
5.
American National Standard Institute, Guidance for Quality Control Chart Method of
Analyzing Data (ASQC Standards B1-1958 and B2-1958/ANSI Z1.1-1958 and Z1.2-1958,
revised 1975.
NOTA: Los dos folletos arriba indicados estn disponibles de la Sociedad Americana para la
Calidad
6.
American Society for Testing and Materials, Manual on Presentation of Data and Control
Chart Analysis (STP-15D), 1976. Available from the ASTM, 1976 Race Street, Philadelphia,
PA 19103.
7.
Western Electric Co., Inc., Statistical Quality Control Handbook, 1956. Available from: I.D.C.
Commercial Sales, Western Electric Company, P.O. Box 26205, Indianapolis, Indiana 46226.
8.
Harvey C. Charbonneau and Gordon L. Webster, Industrial Quality Control, Prentice Hall,
Inc, 1978
9.
Acheson J. Duncan, Quality Control and Industrial Statistics, Richard D. Irwin, Inc., Fourth
Edition, 1974.
10.
Eugene L. Grant and Richard S. Leavenworth, Statistical Quality Control, McGraw-Hill, Inc.,
Fifth Edition, 1980.
11.
12.
J. M. Juran, Frank M. Gryna, Jr., and R.S. Bingham, Jr., Quality Control Handbook, McGrawHill, Inc., Fourth Edition, 1990.
13.
14.
Bert Gunter, Use and Abuse of Cpk, Quality Progress, January 1989, March 1989, May,
1989 and July 1989.
15.
16.
L. J. Chan, S.W. Cheng, and F.A. Spiring, A New Measure of Process Capability: Cpm,
Journal of Quality Technology, Vol. 20, No. 3, pp. 162-175.
17.
18.
John T. Herman, Capability Index-Enough for Process Industries? Proceedings, ASQC 43rd
AQC, 1989.
19.
20.
B.A.F. Bissell, How Reliable Is Your Capability Index?, Applied Statistics, Vol. 39, 1990, pp.
331.340..
21.
R.A. Boyles, The Taguchi Capability Index, Journal of Quality Technology, Vol. 23, 1991,
pp. 17-26.
22.
23.
24.
General Motors Corporation, Key Characteristics Designation System, GM-1805 QN, 1991.
25.
26.
27.
Peter D. Mauch, Basic SPC: A Guidance For Service Industries, ASQC Quality Press, 1991.
28.
29.
Gary Fellers, PhD., SPC for Practitioners: Special Cases and Continuous Processes, AQSC
Quality Press, 1991.
- 170 -
30.
ASQC Statistics Division, Statistical How-To Techniques Series, ASQC Quality Press (15
Volumes), 1979-1991.
31.
Victor E. Kane, Defect Prevention-Use of Simple Statistical Tools, Marcel Dekker, Inc. and
ASQC Quality Press, 1989.
32.
ASQC, Definitions, Symbols, Formulas, and Tables for Control Chart, ANSI/ASQC A1-1987.
- 171 -
APENDICE I
Copias Reproducibles de Formatos de Grficas de Control
- 172 -
GRAFICA DE CONTROL
PLANTA
DEPTO.
OPERACION
MACH. NO.
FECHAS
CARACTERISTICA
X = Average X =
UCL = X + A2 R =
ESPECIFICACIONES DE INGENIERIA
NO. DE PARTE
TAMAO DE MUESTRA/FRECUENCIA
NUMERO DE PARTE
LCL = X A2 R =
ACCIONES
SOBRE CAUSAS ESPECIALES
CUALQUIER PUNTO FUERA DE LOS
LIMITES DE CONTROL
UNA CORRIDA DE 7 PUNTOS, TODOS
ARRIBA O ABAJO DE LA LINEA
CENTRAL
UNA CORRIDA DE 7 PUNTOS HACIA
ARRIBA O HACIA ABAJO
CUALQUIER OTRO PATRON OBVIO
CON UN COMPORTAMIENTO NO
ALEATORIO
INSTRUCCIONES DE
ACCIONES
1.
R = Average R =
UCL = D4 R =
LCL = D3 R =
RANGOS (GRAFICA R)
2.
3.
4.
5.
TAMAO DE
MUESTRA A2
2 1.88
3 1.02
4
.73
5
.58
6
.48
7
.42
8
.37
9
.34
10 .31
FECHA
HORA
L
E
C
T
U
R
A
S
1
2
3
4
5
SUM
D3
*
*
*
*
*
.08
.14
.18
.22
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
X=
R=
* Para tamaos de muestra menores a 7, no existe lmite inferior de control para rangos.
G R FIC A D E C O N TR O L
HO JA DE INFO RM ACI N DEL PRO CESO
C U ALQ U IER C AM BIO EN G EN T E, M AT ER IALES, M ED IO AM BIEN T E, M T O D O S, M Q U IN AS O SIST EM AS D E M ED IC I N D EBIER A AN O T AR SE. EST AS
N O T AS LE AYU D AR N A T O M AR AC C IO N ES C O R R EC T IVAS C U AN D O SE SE ALEN /IN D IQ U EN PO R LA G R FIC A D E C O N T R O L.
FEC H A
HORA
C O M EN T AR IO S
FEC H A
HORA
C O M EN T AR IO S
p
np
DEPARTMENTO
c
u
Prom edio =
UCL=
LCL=
FECHA DE CLCULO DE
LOS LIMITES DE
CONTROL:
Muestra
(n)
D
i
s
c
r
e
p
a
n
c
i
a
s
Nm ero
(np,c)
Proporcin
(p,u)
Fecha
(Turno, Hora, etc.)
CUALQUIER CAMBIO EN GENTE, MATERIALES, MEDIO AMBIENTE, METODOS, MAQUINAS O SISTEMAS DE MEDICIN
DEBIERA ANOTARSE. ESTAS NOTAS LE AYUDARN A TOMAR ACCIONES CORRECTIVAS Y DE MEJORAMIENTO DEL
PROCESO, CUANDO SE SEALEN/INDIQUEN POR LA GRAFICA DE CONTROL
FECHA
HORA
COMENTARIOS
Nmero
UCLc , LCLc = c 3 c
grfica p
grfica u
TIEMPO
COMENTARIOS
UCLu , LCLu = u 3 u
ACCIONES
Sobre Causas Especiales
Cualquier punto fuera de
los lmites de control
Una corrida de 7 puntos
todos arriba o abajo de la
lnea central
Una corrida de 7 puntos
hacia arriba o hacia abajo.
Acciones
1.
2.
3.
4.
5.
Proceso de Retroalimentacin
Consistente con el proceso de mejoramiento continuo, este manual del control estadstico de los
procesos (SPC) de la industria automotriz est siendo sujeto a un proceso de revisiones peridicas
anuales y formales durante el mes de Octubre de cada ao calendario. De lnea con el concepto de
satisfaccin de los clientes, estas revisiones anuales no solo acarrean consideraciones sobre
cambios en requerimientos que apliquen de fabricantes de vehculos y de ao a ao, sino tambin
de retroalimentacin de usuarios del manual para propsitos de hacerlo de mas valor agregado y
efectivo a la industria automotriz y a las comunidades de usuarios. Al mismo tiempo, favor de
sentirse libre de ofrecer, por escrito, sus comentarios de retroalimentacin, pros y cons, relativos a
la facilidad de entendimiento del manual, facilidad hacia el usuario, etc., en las reas indicadas
abajo. Por favor indique los nmeros de pginas especficas del manual, cuando sea apropiado.
Enviar su retroalimentacin a la direccin indicada abajo:
Su Nombre
Representando
Nombre del Proveedor/Compaa/Divisin
Direccin
Telfono
)
Por favor liste sus tres clientes automotrices mas importantes y su localizacin.
Cliente
Localizacin
Cliente
Localizacin
Cliente
Localizacin
Comentarios de
Retroalimentacin
(anexar hojas
adicionales si es
necesario)
Enviar
Comentarios a: