Statistical Process Control ( SPC ) STATISTICAL PROCESS CONTROL

1.- Que es SPC?

SPC (Statistical Process Control) por sus cifras en ingles, es la aplicacin de mtodos estadsticos para identificar y controlar la causa de una variacin dentro de un proceso. SPC separa variacin de la causa especial de la causa comn en un proceso al nivel de confidencia creado en las reglas a seguir (usualmente 99.73% o 3 Sigma). El Control Estadstico de Procesos es un conjunto de herramientas estadsticas que permiten recopilar, estudiar y analizar la informacin de procesos repetitivos para poder tomar decisiones encaminadas a la mejora de los mismos, es aplicable tanto a procesos productivos como de servicios siempre y cuando cumplan con dos condiciones: Que se mensurable (observable) y que sea repetitivo. El propsito fundamental de CEP es identificar y eliminar las causas especiales de los problemas (variacin) para llevar a los procesos nuevamente bajo control. El CEP sirve para llevar a la empresa del Control de Calidad "Correctivo" por inspeccin, de pendiente de una sola rea, al Control de Calidad "Preventivo" por produccin, dependiente de las reas productivas, y posteriormente al Control de Calidad "Predictivo" por diseo, dependiendo de todas las reas de la empresa. En la figura 1 se muestra el ciclo de aplicacin del Control Estadstico de Proceso Todo proceso productivo es un sistema formado por personas, equipos y procedimientos de trabajo. El proceso genera una salida (output), que es el producto que se quiere fabricar. La calidad del producto fabricado est determinada por sus caractersticas de calidad, es decir, por sus propiedades fsicas, qumicas, mecnicas, estticas, durabilidad, funcionamiento, etc. que en conjunto determinan el aspecto y el comportamiento del mismo. El cliente quedar satisfecho con el producto si esas caractersticas se ajustan a lo que esperaba, es decir, a sus expectativas previas. Por lo general, existen algunas caractersticas que son crticas para establecer la calidad del producto. Normalmente se realizan mediciones de estas caractersticas y se obtienen datos numricos. Si se mide cualquier caracterstica de calidad de un producto, se observar que los valores numricos presentan una fluctuacin o variabilidad entre las distintas unidades del producto fabricado. El proceso estadstico es una filosofa de la optimizacin referida a mejoras de proceso continuas , usando una coleccin de las herramientas (estadsticas) para datos y anlisis del proceso fabricacin de inferencias sobre comportamiento de proceso toma de decisin En ltima instancia, bsquedas del proceso estadstico para maximizar beneficio cerca mejorar calidad del producto mejorar productividad reduccin de despilfarro mejorar servicio de cliente, etc. Herramientas para el proceso estadstico Las herramientas comnmente usadas en el proceso estadstico incluyen Grfica y anlisis de pareto 4 Diagramas de causa-efecto 1 Histogramas de la frecuencia 3 Grficas de Control 2

Los diagramas del Causar-y-efecto: tambin se llaman: Diagramas de Ishikawa ( Dr. Kaoru Ishikawa, 1943) diagramas del fishbone Los diagramas de causa - efecto no tienen una base estadstica, sino son ayudas excelentes para solucionar de problema y el trouble-shooting los diagramas del Causar-y-efecto pueden revelar las relaciones importantes entre varias variables y causas posibles proporcionar la penetracin adicional en comportamiento de proceso Ejemplo de un diagrama del Causa-efecto

Diagrama de Causa Efecto A este diagrama se le conoce tambin como diagrama de espina de pescado Los Diagramas de Causa Efecto ilustran la relacin entre las caractersticas (los resultados de un proceso) y aquellas causas que, por razones tcnicas, se considere que ejercen un efecto sobre el proceso. Casi siempre por cada efecto hay muchas causas que contribuyen a producirlo. El Efecto es la caracterstica de la calidad que es necesario mejorar. Las causas por lo general se dividen en las causas principales de mtodos de trabajo, materiales, mediciones, personal y entorno. A veces la administracin y el mantenimiento forman parte tambin de las causas principales. A su vez, cada causa principal se subdivide en causas menores. Por ejemplo, bajo el rubro de mtodos de trabajo podran incorporarse la capacitacin, el conocimiento, la habilidad, las caractersticas fsicas, etc. El uso de este diagrama facilita en forma notables el entendimiento y comprensin del proceso y a su vez elimina la dificultad del control de calidad en el mismo, aun en caso de relaciones demasiado complicadas y promueven el trabajo en grupo, ya que es necesaria la participacin de gente involucrada para su elaboracin y uso.

Diagrama de causa-efecto. Hemos visto en la introduccin como el valor de una caracterstica de calidad depende de una combinacin de variables y factores que condicionan el proceso productivo. Vamos a continuar con el ejemplo de fabricacin de mayonesa para explicar los Diagramas de Causa-Efecto:

La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo. Para ello nos sirven los Diagramas de Causa - Efecto, conocidos tambin como Diagramas de Espina de Pescado por la forma que tienen. Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa. Para hacer un Diagrama de Causa-Efecto seguimos estos pasos: 1. Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por ejemplo, en el caso de la mayonesa podra ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc. Trazamos un flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de calidad:

1. Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos, Operarios, Mtodo de Medicin, etc.:

2. Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin. Para hacer esto, podemos formularnos estas preguntas: a) Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la fluctuacin de las Materias Primas. Se anota Materias Primas como una de las ramas principales. b) Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de la rama principal Materias Primas. c) Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad. d) Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de la balanza. Se registra la rama Balanza. e) Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos la rama Mantenimiento. As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas

Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados al diagrama. Las relacione s Causa-Efecto deben quedar

Grfica de control Es una herramienta estadstica que detecta la variabilidad, consistencia, control y mejora de un proceso. La grfica de control se usa como una forma de observar, detectar y prevenir el comportamiento del proceso a travs de sus pasos vitales. As mismo nos muestra datos en un forma esttica, tienen por supuesto sus aplicaciones, y es necesario saber sobre los cambios en los procesos de produccin, la naturaleza de estos cambios en determinado perodo de tiempo y en forma dinmica, es por esto que las grficas de control son ampliamente probadas en la prctica. Caractersticas Generales de las Grficas de Control El termino consistencia se refiere a la uniformidad en la salida del proceso; es preferible tener un producto de un proceso consistente, que tener uno con calidad superior, pero de un proceso intermitente. Una grfica de control se inicia con las mediciones considerando, sin embargo que las mediciones dependen tanto de los instrumentos, como de las personas que miden y de las circunstancias del medio ambiente , es conveniente anotar en las grficas de control observaciones tales como cambio de turno, temperatura ambiente. Tipos de Grfica y Caractersticas Principales Para construir una grfica de control, es importante distinguir el tipo de datos a graficar pueden ser. Datos continuos, datos discretos, dicha grfica depender del tipo de datos. Para la utilizacin de las grficas se requiere un procedimiento especfico: Decidir la grfica de control a emplear Construir grficas de control para el control estadstico del proceso Controlar el proceso, si aparece una anormalidad sobre la grfica de control, investigar inmediatamente las causas y tomar acciones apropiadas.

Grficas de variables Una grfica de control X-R, en realidad son dos grficas en una, una representa los promedios de las muestras de la (grfica X) y la otra representa los rangos (grfica R), deben construirse juntas, ya que la grfica X, nos muestra cualquier cambio en la media del proceso y la grfica R nos muestra cualquier cambio en la dispersin del proceso, para determinar las X y R de las muestras, se basan en los mismos datos. El uso particular de la grafica X-R es que nos muestra los cambios en el valor medio y en la dispersin del proceso al mismo tiempo, adems es una herramienta efectiva para verificar anormalidades en un proceso dinmicamente. Algunos puntos importantes a considerar previo a la elaboracin de esta grfica son: Variable a considerar Tamao de la muestra Tener un criterio para decidir si conviene investigar causas de variacin del proceso de produccin. Familiarizar a l personal con el uso de esta grfica. El proceso que se debe seguir para construir una grafica es: La construccin de una grfica de rangos y promedio resulta de formar una unidad, tanto de la grfica de promedios como de la de rangos, consta de dos secciones, Parte superior se dedica a los promedios, Parte inferior a los rangos, en el eje vertical se establece la escala, a lo largo del eje horizontal se numeran las muestras. Mediante este proceso esta bajo control cuando no muestra ninguna tendencia y adems ningn punto sale de los lmites.

Grficos de control.Un grfico de control es una carta o diagrama especialmente preparado donde se van anotando los valores sucesivos de la caracterstica de calidad que se est controlando. Los datos se registran durante el funcionamiento del proceso de fabricacin y a medida que se obtienen. El grfico de control tiene una Lnea Central que representa el promedio histrico de la caracterstica que se est controlando y Lmites Superior e Inferior que tambin se calculan con datos histricos. Por ejemplo, supongamos que se tiene un proceso de fabricacin de anillos de pistn para motor de automvil y a la salida del proceso se toman las piezas y se mide el dimetro. Las mediciones sucesivas del dimetro de los anillos se pueden anotar en una carta como la siguiente:

Por ejemplo, si las 15 ltimas mediciones fueron las siguientes:

Entonces tendramos un Grfico de Control como este:

Podemos observar en este grfico que los valores fluctan al azar alrededor del valor central (Promedio histrico) y dentro de los lmites de control superior e inferior. A medida que se fabrican, se toman muestras de los anillos, se mide el dimetro y el resultado se anota en el grfico, por ejemplo, cada media hora. Pero Qu ocurre cuando un punto se va fuera de los lmites? Eso es lo que ocurre con el ltimo valor en el siguiente grfico:

Esa circunstancia puede ser un indicio de que algo anda mal en el proceso. Entonces, es necesario investigar para encontrar el problema (Causa Asignable) y corregirla. Si no se hace esto el proceso estar funcionando a un nivel de calidad menor que originalmente. Existen diferentes tipos de Grficos de Control: Grficos X-R, Grficos C, Grficos np, Grficos Cusum, y otros. Cuando se mide una caracterstica de calidad que es una variable continua se utilizan en general los Grficos X-R. Estos en realidad son dos grficos que se utilizan juntos, el de X (promedio del subgrupo) y el de R (rango del subgrupo). En este caso se toman muestras de varias piezas, por ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula el promedio X y el rango R (Diferencia entre el mximo y el mnimo).

A continuacin podemos observar un tpico grfico de X:

Y lo que sigue es un grfico de R:

El grfico de X permite controlar la variabilidad entre los sucesivos subgrupos y el de R permite controlar la variabilidad dentro de cada subgrupo

Histograma de la frecuencia El histograma de la frecuencia es un mtodo grfico y fcilmente interpretado muy eficaz para resumir datos El histograma de la frecuencia es una herramienta estadstica fundamental del proceso estadstico Proporciona la informacin alrededor: el promedio (medio) de los datos la variacin presente en los datos el patrn de la variacin si el proceso est dentro de lo especificado

10 intervalos son suficientes para 50 a 200 lecturas

Histogramas De Dibujo De la Frecuencia En histogramas de dibujo de la frecuencia, considere las reglas siguientes: Los intervalos deben ser espaciados igualmente Seleccione los intervalos para tener valores convenientes El nmero de intervalos est generalmente entre 5 a 20 Las cantidades pequeas de datos requieren pocos intervalos

Ejemplo practico . Supongamos que un mdico dietista desea estudiar el peso de personas adultas de sexo masculino y recopila una gran cantidad de datos midiendo el peso en kilogramos de sus pacientes varones:

74.6 74.5 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 83.5 74.9 73.2 70.7 79.4 88.6 70.7 79.4 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 67.9

74.6 85.9 113.7 77.9 76.4 95.7 78.4 84.6 97.4 74.5 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 83.5 69.7 68.4 70.7 79.4 71.6

81.6 65.8 57.8 74.5 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 74.9 73.2 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 85.2 81.6 63.7 72.1 71.6

75.4 63.5 69.9 63.7 72.1 71.6 69.4 69.8 83.5 69.7 68.4 70.7 79.4 74.6 85.2 81.6 67.9 63.7 67.5 85.3 88.6 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 72.1 71.6 69.4

69.8 95.7 74.5 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 79.3 76.3 79.8 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 69.8 83.5 83.5 72.1 71.6

68.4 69.4 74.3 63.2 68.4 76.9 75.4 74.8 78.9 77.0 76.7 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 67.9 63.7 70.7 73.2 70.7 79.4 74.6 63.7 72.1 71.6 69.4 69.8

As como estn los datos es muy difcil sacar conclusiones acerca de ellos. Entonces, lo primero que hace el mdico es agrupar los datos en intervalos contando cuantos resultados de mediciones de peso hay dentro de cada intervalo (Esta es la frecuencia). Por ejemplo, Cuntos pacientes pesan entre 60 y 65 kilos? Cuntos pacientes pesan entre 65 y 70 kilos?:

Intervalos

N Pacientes (Frecuencia)

<50 50-55 55-60

0 0 1 17 48 70

Ahora se pueden representar las frecuencias en un grfico como el siguiente: 60-65 65-70 70-75

75-80
80-85 85-90 90-95 95-100 100-105 105-110

32
28 16 0 3 0 0

>110

Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70 kilogramos. Por lo tanto, levantamos una columna de altura proporcional a 48 en el grfico:

Y agregando el resto de las frecuencias nos queda el histograma siguiente:

Qu utilidad nos presta el histograma? Permite visualizar rpidamente informacin que estaba oculta en la tabla original de datos. Por ejemplo, nos permite apreciar que el peso de los pacientes se agrupa alrededor de los 70-75 kilos. Esta es la Tendencia Central de las mediciones. Adems podemos observar que los pesos de todos los pacientes estn en un rango desde 55 a 100 kilogramos. Esta es la Dispersin de las mediciones. Tambin podemos observar que hay muy pocos pacientes por encima de 90 kilogramos o por debajo de 60 kilogramos.

Ahora el mdico puede extraer toda la informacin relevante de las mediciones que realiz y puede utilizarlas para su trabajo en el terreno de la medicina.

DIAGRAMA DE PARETO
Cartas y anlisis de Pareto Las grficas de Pareto demuestran los factores con la ms frecuencia posible que ocurren El anlisis de las grficas de Pareto ayuda a hacer el mejor uso de recursos limitados apuntando los problemas ms importantes para abordar Por ejemplo: Los productos pueden sufrir de diversos defectos, pero los defectos ocurren en diversa frecuencia solamente algunos explican la mayora de los defectos presentes diversos defectos incurren en diversos costes Una lnea de productos puede experimentar tan una gama de los defectos (A, B, C... J). Trazando la contribucin del porcentaje de cada tipo para sumar el nmero de averas, da barra-traza en el diagrama siguiente. Despus si, cada uno de estas contribuciones se suma secuencialmente, se obtiene un diagrama de lnea acumulativa Estos dos diagramas juntos hacen para arriba la grfica de Pareto. el 80% de la abundancia en Italia fueron llevados a cabo por el 20% de la poblacin; el 20% de clientes consideraron el 80% de ventas; el 20% de piezas consideraron el 80% coste, etc. Estas observaciones fueron confirmadas por Juran (1960) y dadas lugar a qu se conoce como el principio de Pareto . El principio de Pareto indica eso: " no todas las causas de un fenmeno particular ocurren con la misma frecuencia o con el mismo impacto "

El Diagrama de Pareto es una grfica en donde se organizan diversas clasificaciones de datos por orden descendente, de izquierda a derecha por medio de barras sencillas despus de haber reunido los datos para calificar las causas. De modo que se pueda asignar un orden de prioridades. Mediante el Diagrama de Pareto se pueden detectar los problemas que tienen ms relevancia mediante la aplicacin del principio de Pareto (pocos vitales, muchos triviales) que dice que hay muchos problemas sin importancia frente a solo unos graves. Ya que por lo general, el 80% de los resultados totales se originan en el 20% de los elementos. La minora vital aparece a la izquierda de la grafica y la mayora til a la derecha. Hay veces que es necesario combinar elementos de la mayora til en una sola clasificacin denominada otros, la cual siempre deber ser colocada en el extremo derecho. La escala vertical es para el costo en unidades monetarias, frecuencia o porcentaje.

Ejemplo de la carta de Pareto

De la informacin sobre la grfica, el fabricante podra por ejemplo, concntrese en la reduccin de los defectos A, B y C puesto que hacen para arriba el 75% de todos los defectos cntrese en la eliminacin del defecto E, si el defecto E causa el 40% de prdida monetaria

Ejemplo Practico
. Supongamos que un fabricante de heladeras desea analizar cuales son los defectos ms frecuentes que aparecen en las unidades al salir de la lnea de produccin. Para esto, empez por clasificar todos los defectos posibles en sus diversos tipos:

Tipo de Defecto Motor no detiene No enfra

Detalle del Problema

No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra

Burlete Def.

Burlete roto o deforme que no ajusta

Pintura Def.

Defectos de pintura en superficies externas

Rayas

Rayas en las superficies externas

No funciona

Al enchufar no arranca el motor

Puerta no cierra Gavetas Def.

La puerta no cierra correctamente

Gavetas interiores con rajaduras

Motor no arranca

El motor no arranca despus de ciclo de parada

Mala Nivelacin
Puerta Def.

La heladera se balancea y no se puede nivelar

Puerta de refrigerador no cierra hermticamente Otros Defectos no incluidos en los anteriores

Otros

Tipo de Defecto Posteriormente, un inspector revisa cada heladera a medida que sale de produccin registrando sus defectos de acuerdo con dichos tipos. Despus de inspeccionar 88 heladeras, se obtuvo una tabla como esta:

Detalle del Problema

Burlete Def.

Burlete roto o deforme que no ajusta

Pintura Def.

Defectos de pintura en superficies externas

Gavetas Def.

Gavetas interiores con rajaduras

Mala Nivelacin

La heladera se balancea y no se puede nivelar

Motor no arranca
Motor no detiene No enfra

El motor no arranca despus de ciclo de parada

No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra

36

27

No funciona

Al enchufar no arranca el motor

Otros

Otros Defectos no incluidos en los anteriores

Puerta Def.

Puerta de refrigerador no cierra hermticamente La puerta no cierra correctamente

Puerta no cierra

Rayas

Rayas en las superficies externas

Total:

88

Tipo de Defecto La ltima columna muestra el nmero de heladeras que presentaban cada tipo de defecto, es decir, la frecuencia con que se presenta cada defecto. Burlete Def.

Detalle del Problema

Frec.

Frec. % 10.2

Burlete roto o deforme que no ajusta

Pintura Def.
Gavetas Def. Mala Nivelaci n Motor no arranca Motor no detiene No enfra No funciona Otros

Defectos de pintura en superficies externas

Gavetas interiores con rajaduras

5.7

1.1

La heladera se balancea y no se puede nivelar El motor no arranca despus de ciclo de parada No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Al enchufar no arranca el motor

1.1

1.1

36

40.9

27

30.7

2.3

Otros Defectos no incluidos en los anteriores Puerta de refrigerador no cierra hermticamente La puerta no cierra correctamente

0.0

Puerta Def. Puerta no cierra

0.0

2.3

Rayas

Rayas en las superficies externas

4.5

Total:

88

100

Tipo de Defecto En lugar de la frecuencia numrica podemos utilizar la frecuencia porcentual, es decir, el porcentaje de heladeras en cada tipo de defecto: Motor no detiene No enfra

Detalle del Problema

Fre c. 36

Frec. % 40.9

No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Burlete roto o deforme que no ajusta

27

30.7

Burlete Def.

10.2

Pintura Def.

Defectos de pintura en superficies externas

5.7

Rayas

Rayas en las superficies externas

4.5

No funciona

Al enchufar no arranca el motor

2.3

Puerta no cierra Gavetas Def.

La puerta no cierra correctamente

2.3

Gavetas interiores con rajaduras

1.1

Mala Nivelacin Motor no arranca Otros

La heladera se balancea y no se puede nivelar El motor no arranca despus de ciclo de parada Otros Defectos no incluidos en los anteriores Puerta de refrigerador no cierra hermticamente

1.1

1.1

0.0

Puerta Def.

0.0

Total:

88

100

Podemos ahora representar los datos en un histograma como el siguiente:

A continuacin, en cada intervalo dibujamos una columna de altura proporcional al porcentaje de heladeras que presenta ese tipo de defecto (Ultima columna de la tabla):

Pero Cules son los defectos que aparecen con mayor frecuencia? Para hacerlo ms evidente, antes de graficar podemos ordenar los datos de la tabla en orden decreciente de frecuencia:

Lo que obtenemos se llama Diagrama de Pareto o Grfico de Pareto:

Ahora resulta evidente cuales son los tipos de defectos ms frecuentes. Podemos observar que los 3 primeros tipos de defectos se presentan en el 82 % de las heladeras, aproximadamente. Esto nos conduce a lo que se conoce como Principio de Pareto: La mayor parte de los defectos encontrados en el lote pertenece slo a 2 3 tipos de defectos, de manera que si se eliminan las causas que los provocan desaparecera la mayor parte de los defectos.

QA

Analisis de R & R

8/29/2006

Gage R&R System Acceptability % R&R<10% - Gage System Okay (Most variation caused by parts, not people or equipment) % R&R<30% - May be acceptable based on importance of application and cost of gage or repair % R&R>30% - Gage system needs improvement (People and equipment cause over 1/3 of variation)