You are on page 1of 77

Control Estadstico

del Proceso

UNIDADES TEMTICAS
I. INTRODUCCIN.
II. LAS SIETE HERRAMIENTAS BSICAS PARA EL
CONTROL DE LA CALIDAD EN LOS PROCESOS.
III. GRFICOS DE CONTROL.
IV. ANLISIS DE LA CAPACIDAD Y HABILIDAD DEL
PROCESO.

I. INTRODUCCIN
a).- TIPOS DE VARIABILIDAD:
Saber: Definir los conceptos de variacin y las causas
comunes y especiales que la genera.
Saber Hacer.- Diferenciar en un proceso las causas
comunes y especiales de variacin.
b).- CONCEPTOS BSICOS
PARA EL CONTROL
ESTADSTICO.
Saber: Reconocer los
conceptos bsicos: muestreo,
medidas de tendencia central
y medidas de variacin.

Saber Hacer: Calcular las medidas de tendencia


central y de desviacin.
Relacionar las fuentes de variabilidad con el contexto
del control estadstico del proceso.

Evaluacin:
- Puntualidad ------- 10%
- Asistencia. (hasta 10
min. Despus de inicio
de clases. -----------10%
- Ejercicios .---------- 10%
- Evaluacin escrita. 70%
- Fecha de examen
24/05/16

INTRODUCCIN:
El Control Estadstico de Procesos
(CEP, en ingls Statistical Process
Control, SPC), es un instrumento
de gestin que permite, mediante la
comparacin del funcionamiento
del proceso con unos lmites
previamente establecidos
estadsticamente, y la modificacin
de las condiciones del proceso, si
es preciso, establecer y garantizar
la consecucin de las
especificaciones deseadas.
Permite conseguir, mantener y
mejorar procesos estables y
capaces.

a).- TIPOS DE VARIABILIDAD:

Se denomina variacin a las diferencias que resultan


del efecto combinado de las influencias, internas y
externas, que afectan a los factores (mano de obra,
instalaciones, materiales, mtodos y entorno) que
intervienen en un proceso. El concepto de variacin es
tambin aplicable a procesos administrativos, de
fabricacin o de servicios.

Las causas que provocan estas variaciones


corresponden a dos tipos:
a). Causas comunes.
Su naturaleza es de tipo aleatorio y son debidas a los
numerosos motivos de variacin fortuita, en general
pequeos, que estn presentes en cualquier proceso.
Las causas comunes se caracterizan por:
Constar de muchas causas de variacin pequea.
Aparecer en muchos instantes del proceso.
Ser estables.
Ser previsibles.
Permanecer en el proceso.

Ejemplos de causas
comunes son:
vibraciones en mquinas,
pequeos cambios en la
materia prima, holguras y
desgaste de herramientas.
Si las causas comunes
producen defectos, la
solucin es realizar
cambios en el proceso, que
disminuyan el efecto de las
mismas.

b). Causas especiales:


Su naturaleza no es aleatoria. Las causas especiales
consisten en unos pocos motivos individuales que
aparecen espordicamente en el proceso, por lo que
son imprevisibles y, adems, pueden dar lugar a
variaciones importantes. Dan como resultado un
proceso inestable sobre el que no se puede predecir la
homogeneidad de las caractersticas de salida.
Las causas especiales de variacin, se
caracterizan por:
Constar de una o pocas causas importantes.
Aparecer espordicamente en el proceso.
Ser inestables.
Ser imprevisibles.
Poder reaparecer.

Ejemplos de causas especiales son:


Error del operario, ajuste incorrecto y materia prima
defectuosa.
Las causas especiales de variacin son detectadas
mediante tcnicas estadsticas y su eliminacin,
mediante acciones de tipo local, sobre el elemento
que la genera, suele ser responsabilidad del
operador o del supervisor.
En cualquier proceso en funcionamiento, su variabilidad
es debida a la suma de los efectos de ambas causas,
comunes y especiales. El objetivo principal del
estudio de un proceso es poder separar las causas
comunes de las especiales, eliminando estas
ltimas y logra que la variabilidad sea debida slo a
causas comunes.

CAUSAS COMUNES:
-Muchas causas individuales.
- Dan lugar a variaciones pequeas.
- Producen variabilidad constante y predecible.
- No es econmica su eliminacin y de difcil
reduccin sus efectos.
- Cuando slo hay causas comunes, el
funcionamiento es ptimo.
-En estas condiciones, el proceso es estable,
pudiendo utilizar tcnicas de muestreo para
hacer predicciones.

CAUSAS ESPECIALES:
- Una sola causa individual.
- Dan lugar a variaciones importantes.
- Producen variabilidad no constante e impredecible.
- Sus efectos desaparecen al eliminar la causa.
- El proceso no funciona de manera ptima cuando
actan.
- Cuando actan no se pueden hacer predicciones del
funcionamiento del proceso.

CONCEPTOS BSICOS PARA EL CONTROL


ESTADSTICO

Muestreo:
El tipo de muestreo ms importante es el muestreo
aleatorio, en el que todos los elementos de la poblacin
tienen la misma probabilidad de ser extrados; Aunque
dependiendo del problema y con el objetivo de reducir
los costes o aumentar la precisin, otros tipos de
muestreo pueden ser considerados como
muestreo sistemtico,
estratificado y por
conglomerados.

Muestreo Aleatorio:
Consideremos una poblacin finita, de la que deseamos
extraer una muestra. Cuando el proceso de extraccin
es tal que garantiza a cada uno de los elementos de la
poblacin la misma oportunidad de ser incluidos en
dicha muestra, denominamos al proceso de seleccin
muestreo aleatorio.
El muestreo aleatorio se puede plantear bajo dos puntos
de vista:
Sin reposicin de los elementos;
Con reposicin.

Muestreo aleatorio sin reposicin


Consideremos una poblacin E formada por N
elementos. Si observamos un elemento particular, e
E, en un muestreo aleatorio sin reposicin se da la
siguiente circunstancia:
La probabilidad de que e sea elegido en primer lugar
es 1/N ;
Si no ha sido elegido en primer lugar (lo que ocurre
con una probabilidad de (N1)/N), la probabilidad de
que sea elegido en el segundo intento es de 1/(N1) .
En el (i + 1)simo intento, la poblacin consta de N
i elementos, con lo cual si e no ha sido seleccionado
previamente, la probabilidad de que lo sea en este
momento es de 1/(Ni)

Muestreo aleatorio con reposicin:


Sobre una poblacin E de tamao N podemos realizar
extracciones de n elementos, pero de modo que cada
vez el elemento extrado es repuesto al total de la
poblacin. De esta forma un elemento puede ser
extrado varias veces.
El muestreo aleatorio con reposicin es tambin
denominado muestreo aleatorio simple, y se caracteriza
porque cada elemento de la poblacin tiene la misma
probabilidad de ser elegido, y las observaciones se
realizan con reemplazamiento. De este modo, cada
observacin es realizada sobre la misma poblacin (que
no disminuye con las extracciones sucesivas).

Muestreo aleatorio estratificado:


Un muestreo aleatorio estratificado es aquel en el que
se divide la poblacin de N individuos, en k
subpoblaciones o estratos, atendiendo a criterios que
puedan ser importantes en el estudio, de tamaos
respectivos N1, . . . , Nk
y realizando en cada
una de estas
subpoblaciones
muestreos aleatorios
simples de tamao ni
i = 1, . . . , k.

Muestreo sistemtico:
El mtodo de muestreo sistemtico se utiliza en muestras
ordenadas del 1 al N. Consiste en lo siguiente:
Supongamos que tenemos una poblacin de N individuos
ordenados del 1 al N. Queremos seleccionar una muestra de
tamao n.
Sea k el entero ms prximo a N/n.
Escogemos al azar un nmero i entre 1 y k (utilizando los
nmeros aleatorios, sacar una bola de un bombo, etc.).
La muestra ser el elemento i y los elementos i+k, i+2k, etc..

Es decir, el elemento k y
los elementos a intervalos
fijos k hasta conseguir los n
sujetos:

Muestreo por conglomerados:


se utiliza cuando la poblacin est agrupada en
conglomerados naturales.
Si se supone que los conglomerados son muestra
significativa de la variable que se est estudiando, se
puede seleccionar algunos conglomerados al azar
(todos los conglomerados deben tener las mismas
probabilidades de ser seleccionados) y utilizarlos en
representacin de la poblacin.
En la prctica, el
conglomerado ms
utilizado es el geogrfico

Medidas de tendencia central:


Las tres medidas ms usuales de tendencia central
son:
a) la media,
b) la mediana,
c) la moda.
En ciertas ocasiones estos
tres estadsticos suelen
coincidir, aunque
generalmente no es as.

La media
La media aritmtica de una variable estadstica es la
suma de todos sus posibles
valores, ponderada por las frecuencias de los mismos.

Si los datos no estn ordenados en una tabla,


entonces.

Algunos inconvenientes de la media:


No es recomendable usar la media como medida central en
las distribuciones muy asimtricas;
Si consideramos una variable discreta, por ejemplo, el nmero
de hijos en las familias mexicanas el valor de la media puede
no pertenecer al conjunto de valores de la variable; Por
ejemplo x = 1, 2 hijos.

La mediana
Consideramos una variable discreta X cuyas
observaciones en una tabla estadstica han sido
ordenadas de menor a mayor.
Llamaremos mediana, Med al primer valor de la
variable que deja por debajo de s al 50% de las
observaciones.
Esto equivale a decir que la mediana divide al
histograma en dos partes de reas iguales a 1/2 .

Propiedades de la mediana:
Entre las propiedades de la mediana, vamos a destacar las
siguientes:
oComo medida descriptiva, tiene la ventaja de no estar
afectada por las observaciones extremas, ya que no depende
de los valores que toma la variable, sino del orden de las
mismas. Por ello es adecuado su uso en distribuciones
asimtricas.
o Es de clculo rpido y de interpretacin sencilla.
oA diferencia de la media, la mediana de una variable discreta
es siempre un valor de la variable que estudiamos (ej. La
mediana de una variable nmero de hijos toma siempre valores
enteros).

La moda:
Llamaremos moda
a cualquier mximo
relativo de la
distribucin de
frecuencias, es
decir, cualquier
valor de la variable
que posea una
frecuencia mayor
que su anterior y su
posterior.

Medidas de Variacin:
Los estadsticos de
tendencia central o
posicin nos indican
donde se sita un
grupo de puntuaciones.
Los de variabilidad o
dispersin nos indican
si esas puntuaciones o
valores estn prximas
entre s o si por el
contrario estn muy
dispersas.

Medidas de variabilidad o dispersin


Los estadsticos de
tendencia central o
posicin nos indican donde
se sita un grupo de
puntuaciones. Los de
variabilidad o dispersin
nos indican si esas
puntuaciones o valores
estn prximas entre s o si
por el contrario estn muy
dispersas.

Rango:
Una medida razonable de la variabilidad podra ser la
amplitud o rango, que se obtiene restando el valor
ms bajo de un conjunto de observaciones del
valor ms alto.
Propiedades del rango:
Es fcil de calcular y sus unidades son las mismas
que las de la variable.
No utiliza todas las observaciones (slo dos de ellas);
Se puede ver muy afectada por alguna observacin
extrema;
El rango aumenta con el nmero de observaciones, o
bien se queda igual.
En cualquier caso nunca disminuye.

Esta medida es siempre una cantidad positiva, Como


sus unidades son las del cuadrado de la variable
La varianza no tiene la misma magnitud que las
observaciones (ej. si las observaciones se miden en
metros, la varianza lo hace en metros cuadrados.

Desviacin tpica o estndar:


Si queremos que la medida de dispersin sea de la
misma dimensionalidad que
las observaciones bastarn con tomar su raz
cuadrada. Por ello se define la
desviacin tpica, S, como

Unidad II:
LAS SIETE HERRAMIENTAS BSICAS
PARA EL CONTROL DE LA CALIDAD
EN LOS PROCESOS

TEMAS:
1.-Hojas de verificacin:
SABER: Definir el concepto de hoja de verificacin,
sus diferentes tipos y caractersticas.
SABER HACER: Elaborar e interpretar hojas de
verificacin para el control del proceso.

2.- Histograma de frecuencias:


SABER: Describir el histograma de frecuencias y sus
caractersticas.
SABER HACER: Elaborar e interpretar histogramas de
frecuencias.

3.- Diagrama de Pareto:


SABER: Identificar el diagrama de Pareto y su
tcnica de construccin.

SABER HACER: Elaborar e interpretar diagramas de


Pareto de un proceso.
4.- Diagrama Causa-Efecto:
SABER: Explicar el Diagrama Causa-Efecto y su
metodologa de construccin.
SABER HACER: Elaborar e interpretar diagramas
causa-efecto de un proceso.
5.- Diagrama de Dispersin, correlacin,
determinacin y regresin lineal:
SABER: Identificar el diagrama de dispersin.
Explicar el concepto de correlacin,
determinacin y regresin lineal.

SABER HACER: Elaborar e interpretar diagramas de


dispersin, obteniendo el coeficiente de correlacin,
determinacin y la recta de regresin lineal.

6.- Estratificacin:
SABER: Definir el concepto de estratificacin y su
tcnica de construccin.
SABER HACER: Elaborar e interpretar la estratificacin
de la informacin de un proceso.
7.-Grficos de Control:
SABER: Identificar las caractersticas de un grfico de
control.
SABER HACER; Elaborar propuesta de mejora del
proceso.

EVALUACIN:
- Puntualidad ------- 10%
- Asistencia. (hasta 10
min. Despus de inicio
de clases. -----------10%
- Ejercicios .---------- 10%
- Evaluacin escrita. 70%
- Fecha de examen
24/05/16

Ejercicio de :
Diagrama de
pareto:
Despus de
inspeccionar 88
refrigeradores
defectuosos, se
obtuvo la
siguiente tabla
de frecuencias:

Ejercicio 2:
en la Tabla 1 se proporcionan los datos de las
reclamaciones de los pasajeros de una lnea area
durante una ao, agrupadas en categoras.
MOTIVO DE RECLAMACIN

FRECUENCIA

PRDIDA DE EQUIPAJE ------------10.000


RETRASO LLEGADA ------------------------ 4.000
ANULACIN VUELO ------------------------ 1.000
SOBREOCUPACIN (OVERBOOKING)--- 500
MALA COMIDA------------------------------------ 100
MALA ATENCIN PERSONAL------------------ 50
INCOMODIDAD ASIENTO------------------------ 40
TIENDA A BORDO----------------------------------- 10
PERIDICO NO DISPONIBLE -------------------- 5

EL TAMAO n DE
MUESTRA
RECOMENDABLE ES
n= 100
O
n= 50
Y EL
MINIMO
RECOMENDABLE ES
n = 30

NUMERO DE INTERVALOS = k =

H=

n
=

Ejercicio de distribucin de frecuencia:

Unidad III
Grficos de control

Temas:
1.- Definiciones bsicas:
Saber:
Describir los conceptos de especificacin, proceso,
grficos de control, variables y atributos.
2.- Lmites de control:
Saber:
Explicar los conceptos
de: lmites de control,
valor nominal y
promedio.

Saber Hacer:
Calcular los lmites de control de un proceso.

3.- Elaboracin de grficos de control


Saber:
Identificar las
caractersticas y
metodologa de
elaboracin de los
grficos de control.

Saber hacer:
Elaborar grficos de control de un proceso, para su
seguimiento y control.

4.- Grficos de control


Saber:
Describir los
comportamientos
anormales de un proceso:
tendencias, adhesin al
lmite central, adhesin a
los lmites de control,
puntos fuera de lmites.

Saber ser:
Interpretar grficos de control en procesos, para la toma
de decisiones.

Evaluacin:
- Puntualidad ------- 10%
- Asistencia. (hasta 10
min. Despus de inicio
de clases.) ----------10%
- Ejercicios .---------- 10%
- Evaluacin escrita. 70%

a).- Definiciones bsicas:


Un proceso de control es aquel cuyo comportamiento
con respecto a variaciones es estable en el tiempo.
Las graficas de control se utilizan en la industria como
tcnica de diagnsticos para supervisar procesos de
produccin e identificar inestabilidad y circunstancias
anormales.
Una grfica de control es una comparacin grfica de
los datos de desempeo de proceso con los lmites de
control estadstico calculados, dibujados como rectas
limitantes sobre la grfica. Los datos de desempeo de
proceso por lo general consisten en grupos de
mediciones que vienen de la secuencia normal de
produccin y preservan el orden de los datos.

Grficos de control por


variables
Miden una caracterstica
continua, es decir que puede
tomar infinitos valores dentro de
un intervalo. El ms utilizado en
control de calidad es el grfico
X-R, que registra la media del
proceso y el recorrido o rango
de cada muestra y se utiliza
para controlar y analizar un
proceso empleando valores
relativos a la calidad del
producto tales como
temperatura, peso, volumen,

En su construccin es necesario elaborar un grfico


para los valores medio muestrales y otro grfico para
los recorridos.

GRAFICOS DE CONTROL POR ATRIBUTOS


1. Que son las graficas de control para atributos?
Definicin
Son Grficos de Control basados en la observacin de
la presencia o ausencia de una determinada
caracterstica, o de cualquier tipo de defecto en el
producto, servicio o proceso en estudio.
Los grficos de control por atributos se utilizan para
representar la evolucin de caractersticas no medibles
ni cuantificables, tan solo se puede representar si se
verifica o no dicha caracterstica.
Se trata de caractersticas que no pueden medirse, pero
que sin embargo hay que controlar

b).-Lmites de control
Los lmites de control de la grfica de control representa la
variacin de proceso y ayuda a indicar cuando el proceso est
fuera de control. Los lmites de control son las lneas horizontales
ubicadas arriba y abajo de la lnea central, que se utilizan para
determinar si un proceso est fuera de control. Los lmites de
control superior e inferior se basan en la variacin aleatoria
esperada en el proceso. Por opcin predeterminada, los lmites de
control se muestran en 3 desviaciones estndar arriba y debajo
de la lnea central

c).-Elaboracin de grficos de control

Ejercicio I.Se ha obtenido


una grfica
del contenido
de plomo en
partes por
billn de 5
muestras de
agua
registradas
diariamente por
un periodo de 5
das, que se
muestra a
continuacin:

Muestrasdeagua
Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1
13
0
4
3
5
9
0
9
14
3
5
3
5
13
7
12
9
6

2
8
6
2
15
10
5
4
3
0
9
8
2
11
5
0
7
4
1

3
2
1
4
8
5
13
4
0
0
5
0
2
14
5
1
10
4
1

4
5
9
3
3
4
7
3
6
5
0
7
7
8
12
0
4
8
3

5
8
15
4
5
0
7
9
0
3
2
8
4
3
7
6
13
9
13

19
20
21
22
23
24
25
26
27
28
29
30

7
10
3
3
3
0
2
3
2
0
3
9

0
0
7
0
3
2
3
1
4
16
5
7

5
10
5
10
0
3
5
4
5
7
9
10

7
12
10
5
6
6
4
2
13
2
8
13

2
7
12
4
9
7
10
4
4
11
6
0

a).-RECALCULO DE LOS LIMITES DE CONTROL:


Cuando en una grafica se presentan puntos fuera de los
limites de control es seal inequvoca de inestabilidad
en el proceso y se dice que esta fuera de control
estadstico. se deben investigar las causas
especiales que generaron estos puntos fuera de
los limites y eliminarlas en forma definitiva.
se debern suprimir de la grafica los sub-grupos de
los puntos fuera de los limites de control tanto
para rangos como para promedios y realizar
nuevamente los clculos.
el recalculo se hace con el objeto de verificar si no
hay mas puntos fuera y si los hay repetir la
operacin de anlisis del proceso.

b).- ADHESIN A LAS LNEAS DE CONTROL:


El primer requisito para que un proceso este dentro
de control es que no tenga ningn punto fuera de
los limites, tanto para promedios como para
rangos.
El segundo requisito para confirmar su
comportamiento normal es que no presente
adhesin a las lneas de control (limites o
promedio)
cuando mas del 90% de los puntos estn muy
cerca de la lnea promedio, se dice que hay
adhesin a la lnea promedio.
cuando mas del 60% de los puntos se encuentran
muy cerca de los limites de control se dice que
hay adhesin a los limites de control

para realizar el anlisis de la adhesin se define un


factor (a) que ser utilizado para calcular el
tercio superior e inferior en cada seccin y de
esta forma contar cuantos puntos estn
contenidos dentro de cada tercio.
si en el tercio central se encuentra mas del 90%
delos puntos se dice que hay adhesin a la lnea
promedio.
si la suma de puntos en los dos tercios
exteriores es mas del 60% del total se dice que
hay adhesin a los limites de control

EL FACTOR SE DEFINE DE LA SIGUIENTE MANERA:


LSC = LIMITE SUPERIOR DE CONTRO
LIC = LIMITE INFERIOR DE CONTROL
Y LOS TERCIOS:
TERCIO SUPERIOR = TS= LSC a
TERCIO INFERIOR = TI = LIC + a
INTERPRETACION: CUANDO SE PRESENTA
ADHESION A LOS LIMITES O LINEA PROMEDIO
TAMBIEN SE DICE QUE EL PROCESO ESTA
FUERA DE CONTROL, SE DEBEN INVESTIGAR
LAS CAUSAS Y ELIMINARLAS DEFINITIVAMENTE.

ADHESIN A LA LNEA
CENTRAL.
cuando existe esta adhesin es
necesario verificar si:
1. los limites de control han sido
mal calculados o los puntos
fueron mal graficados.
2. los datos son falsos.
3. se mezclaron 2 tipos de datos
diferentes en el sub-grupo o se
incluyeron datos de factores
diferentes (maquinas, operarios
o materiales diferentes)

ADHESIN A LOS LIMITES


es necesario verificar si:
1.- los limites han sido mal
calculados o los puntos
mal graficados.
2.- el proceso o el mtodo
de muestreo es tal, que
los sub-grupos contienen
mediciones de dos o mas
factores diferentes.
3.- los valores que se alejan
mucho del promedio de R
fueron alterados u
omitidos.

GRAFICOS DEL CONTROL PARA ATRIBUTOS


Muchas caractersticas de la calidad no pueden
representarse convenientemente con valores
numricos. En tales casos, cada artculo inspeccionado
por lo general se clasifica como conforme o disconforme
respecto de las especificaciones para esas
caractersticas de la calidad. A las caractersticas de la
calidad de este tipo se les llama ATRIBUTOS.

El trmino atributos se utiliza en literatura sobre control


de calidad para describir dos situaciones:
1.Cada pieza producida es defectuosa o no defectuosa
(cumple las especificaciones o no).
2. Una sola pieza
puede tener uno o
mas defectos y el
numero de estos es
determinado.

Se presentan dos cartas de control de atributos:


1.Grfica de control para la fraccin disconforme o
grfica p
2.Grfica de control de disconformidades o grfica c.
De acuerdo a su aplicacin las graficas por atributos se
componen de:
Graficas P:
Se utilizan para porcentajes de unidades defectuosas
(para tamao de muestras no necesariamente
constantes)

Grficos np:
Se usan para nmeros de unidades defectuosas (para
tamao de muestras constantes)
Grficos C:
Su aplicacin es para nmero de defectos por unidad
de muestreo.
Grficos u:
Se utilizan para numero de defectos (para tamao de
muestra constante)

Grafica p.
Se clasifica la unidad de observacin en una de dos
categoras alternas, por ejemplo pasa o no pasa,
cumple con las especificaciones y no cumple con las
especificaciones; Se puede rastrear la produccin de
unidades defectuosas en la muestra de observacin.
Grafica C.
Cuando una observacin consiste en la cantidad de
defectos por unidad de observacin, se rastrean la
cantidad de los defectos.

El porcentaje de defectos de cada muestra se calcula


mediante la formula siguiente:

Donde:

Bibliografa
- Control estadstico del proceso y planes de muestreo.
Autor; Luis Arencibia Snchez
www.laformacion.com - www.libroelectronico.net

You might also like