Escolar Documentos
Profissional Documentos
Cultura Documentos
Control
Estadstico del
Proceso (CEP)
Objetivos
Comprender las definiciones bsicas y conceptos del CEP
Interpretar las grficas de control
Enlazar estas herramientas a Minitab
CEP
Definicin del Control Estadstico del Proceso
C = Control Controlar un proceso usando el ciclo de
retroalimentacin a travs del cual medimos el desempeo real,
lo comparamos con un estndar y actuamos sobre la diferencia
o el cambio. Mientras ms pronto respondamos al cambio
respecto del estndar, ms uniforme ser la calidad en el
producto o servicio.
E = Estadstico La aplicacin de tcnicas estadsticas
(matemticas) para medir y analizar la variacin o cambios en
los procesos a travs del uso de nmeros y datos.
P = Proceso Cualquier combinacin de mquinas, medio
ambiente, mtodos, materiales y gente para realizar tareas
especficas en un producto o servicio (transformar las entradas
en salidas). Algunos procesos son de manufactura y diseo,
algunos son procesos de servicio, ventas, mientras que otros
son operaciones de soporte comunes a ambos.
Beneficios del CEP
Procesos estables
Especificaciones realistas
Menos inspeccin
Tiempo de problema-a-solucin reducido
Mejores relaciones con los clientes
Medidas de capacidad confiables
Tiempo de ciclo reducido
Calidad del producto mejorada
Variacin
La Variacin prevalece en todas las cosas que
hacemos.
Genera desperdicio (prdidas financieras) en
una operacin de manufactura y transaccional
Debemos de reconocer la existencia de la
variacin y el desperdicio que esta genera.
Entonces la tarea es: entenderla, medirla,
clasificarla, controlarla, predecirla y
reducirla.
Variacin
CEP es el estudio y control de la variacin.
CEP es un mtodo eficiente de recoleccin y
anlisis de datos. Se puede aplicar a cualquier
cosa expresada en nmeros.
Su aplicacin va ms all de manufactura,
incluyendo compras, control de produccin,
personal, contabilidad, ventas, etc.
Variacin
CAUSAS COMUNES
Existen en cada operacin/proceso
Son causadas por el mismo proceso (debido a la forma como
usualmente hacemos las cosas)
Generalmente controlable por la gerencia
CAUSAS ESPECIALES
Existen en la mayora de las operaciones/procesos. Se pueden
presentar de vez en cuando, o continuamente en algunos procesos.
Son causados por una nica alteracin o una serie de ellas fuera del
proceso.
Generalmente controlable por el dueo del proceso (o cuando menos
detectable).
Cada tipo exhibe diferentes caractersticas estadsticas;
por lo tanto, para controlar y reducir sus efectos,
debemos tratarlas de manera diferente.
CEP
Dos Supuestos Bsicos
Integridad de los Datos - Tener datos
verdicos es de capital importancia para evitar
malentendidos y correcciones dainas.
Las Caractersticas de Calidad que estn
bajo el estudio del CEP deben estar
claramente definidas, comprendidas, y haber
sido acordadas por todas las personas
involucradas. La aplicacin de los criterios
debe ser consistente.
Las Dos Clases Generales de
Datos (pero 3 familias)
DATOS ATRIBUTOS - Son el resultado de usar
instrumentos de medicin de pasa/no pasa, o de la
inspeccin de defectos visuales, problemas visuales,
partes omitidas, o de decisiones de pasa/no pasa o
s/no.
DATOS VARIABLES - Los datos son continuos
(mediciones). Son el resultado de una medicin real
de una caracterstica tal como el tiempo de procesado
de una solicitud de crdito, cantidad que pagamos
mensualmente por concepto de IVA, la fuerza de
tensin del acero, el dimetro de un tubo, etc.
DATOS ATRIBUTOS (Datos producto de Conteos)
(#1) Nmero de Artculos en una Categora
(Proporciones basadas en Conteos)
Aguilas/ Soles (es decir, conteo del # de Aguilas y # de Soles)
S / No (El Formulario de pedido se llen en forma precisa o no)
Pasa / No pasa; Bueno / malo (Facturacin precisa /Cobrar de
ms)
(#2) Conteos de Eventos Discretos Ocurridos
# de Raspones en el cofre de un auto
# de Errores en un Formulario
# de Interrupciones del Aislante en una Bobina de Alambre
# de veces que un cliente cuelga antes de recibir una respuesta
telefnica
Dos Clases Generales de Datos (pero 3 familias)
Diferentes Tipos de Datos Requieren Diferentes Herramientas de Anlisis
- DATOS VARIABLES (Escala de Medicin Continua)
(#3) Datos Continuos
> Subdivisiones Decimales que son significativas
Ej: Tiempo para dar contestacin telefnica ( # exacto de segundos
por llamada)
Slo
pregntate,
Estoy
contando
cosas
aqu?
Si es as,
tienes
datos
atributos.
Datos
Atributos
Tipo-I
(Binomial)
Datos
Atributos
Tipo-II
(Poisson)
D
A
T
O
S
V
A
R
I
A
B
L
E
S
TIPO-I
Alguna burbuja?
(acepto / rechazo
todo el artculo)
TIPO-II
Nmero de
burbujas?
Rechazo Rechazo Acepto Rechazo
3 2 0 4
D
A
T
O
S
A
T
R
I
B
U
T
O
S
Muestra#1 Muestra#2 Muestra#3 Muestra#4
3 Familias de Datos:
E
s
t
o
y
c
o
n
t
a
n
d
o
c
o
s
a
s
?
(
D
a
t
o
s
D
i
s
c
r
e
t
o
s
)
(
D
a
t
o
s
C
o
n
t
n
u
o
s
)
(
D
a
t
o
s
d
e
M
e
d
i
c
i
n
)
D
i
s
t
r
i
b
u
c
i
n
P
o
i
s
s
o
n
D
i
s
t
r
i
b
u
c
i
n
B
i
n
o
m
i
a
l
D
i
s
t
r
i
b
u
c
i
n
N
o
r
m
a
l
u
o
t
r
a
Proceso de Manufactura: Haciendo Lminas de Vidrio
Peso = 12.2 Peso = 12.4 Peso = 12.1
Peso del
vidrio
Peso = 11.9
Descripcin de la Muestra
Una vez que se ha elegido una caracterstica de un proceso,
podemos empezar el estudio seleccionando una muestra para
medir tal caracterstica. Entonces podemos sacar conclusiones
acerca de la salida del proceso basadas en la muestra.
Para llegar a tales conclusiones, debemos conocer tres cosas
de la muestra:
La forma de su distribucin.
La medida de tendencia central (El centro de la
distribucin) - media, mediana, moda.
La medida de la variabilidad
- desviacin estndar, varianza o el rango.
Grficas de Control
Grficas de Control
Dr. Walter Shewhart
Laboratorios Bell ~1920
Fue el primero en hacer la distincin entre variacin
controlada y no-controlada debida a causas comunes
y especiales.
Desarroll las grficas de control para separar las
dos causas.
Es la nica herramienta que distingue entre causas
especiales y causas comunes de la variacin.
Qu es una Grfica de Control?
Es la representacin grfica del comportamiento
de una caracterstica de un proceso.
stas muestran si en el proceso slo estn
presentes causas comunes de variacin o si
tambin estn presentes causas especiales.
Le dice si algo est cambiando en su proceso y en
que momento est sucediendo tal cambio.
No le dice que est causando el cambio y si ste
es bueno o malo.
Componentes de una Grfica de Control
Lmite Inferior de
Control
Media
20 1 0 0
6 1 5
6 0 5
5 9 5
5 8 5
5 9 9 . 1
C 6 1 3 . 6
LIC = 5 8 4 . 6
Lmite Superior de
Control
Nmero de Muestra
Para las Variables Clave de Salida
X =
LS
2 0 1 0 0
( + 3 Sigma)
( + 2 Sigma)
( + 1 Sigma)
( -1 Sigma)
( - 2 Sigma)
( - 3 Sigma)
LSC
LIC
Para las grficas de Shewhart, como la X-promedio. Los lmites de control
se colocan a +/- 3 desviaciones estndar de la media del proceso
Zona A
Zona B
Zona C
Zona C
Zona B
Zona A
Componentes de una Grfica de Control
Grfica X-promedio para las Variables de Salida Clave
Media del
proceso
Prueba de Hiptesis?
Una Grfica de Control es una presentacin grfica de una prueba de hiptesis
continua de dos extremos con H
O
y H
A
definidos:
Para limites 3o, o/2 = 0.00135
H
o
:
i
=
H
a
:
i
=
Cuando el promedio de un
subgrupo cae afuera de los
lmites de control de la grfica,
esto hace un sealamiento
grfico de que existe una
diferencia entre el promedio de
esa muestra y el promedio
histrico.
Nota: el nivel de confianza
aproximado es de 99.73%.
LCL
x
UCL
x
o/2
o/2
X
Aplicaciones Bsicas de las
Grficas de Control
Ayudan a determinar si un proceso ha
estado operando dentro de control
estadstico.
Separan las causas comunes de variacin
de las causas especiales de variacin.
Ayudan a lograr y mantener control
estadstico.
Beneficios de los Sistemas de
Grficas de Control
Tcnica comprobada para ayudar a mejorar la
productividad
Efectiva para prevenir defectos
Evita ajustes innecesarios al proceso
Proporciona informacin de diagnstico
Proporciona informacin acerca de la
capacidad del proceso
Beneficios de los Sistemas de
Grficas de Control
Monitoreo de un proceso
Reduccin de la variabilidad del proceso,
detectando causas especiales de variacin
Estimacin de parmetros o caractersticas del
proceso
Su anlisis indica en que momento la variacin
estable del proceso ha sido influenciada por
causas asignables al exterior
Pasos para Implantar
Grficas de Control
Seleccione la caracterstica apropiada que se
va a controlar
Seleccione el punto de recoleccin de los datos
Seleccione el(los) tipo(s) de grfica(s) de
control
Determine el tamao de la muestra apropiado y
la frecuencia
Establezca las bases para los sub-grupos
racionales
Determine el mtodo y los criterios de medicin
Determine la capacidad del Sistema de Medicin
Desarrolle un estudio inicial de capacidad para
establecer los lmites de control de prueba
Disee las formas para recolectar y graficar los
datos
Establezca un procedimiento para recolectar,
graficar, analizar y actuar; basndose en esta
informacin
Proporcione instrucciones por escrito y entrene al
personal involucrado
Pasos para Implantar
Grficas de Control
Tipos de Grficas de Control
Existen muchos tipos de grficas de control; sin embargo, los
principios bsicos para cada una, son los mismos.
El tipo apropiado se escoge utilizando el conocimiento del
CEP y los objetivos de su proceso.
La seleccin del tipo de grfica depende de:
Tipos de Datos: atributos vs. variables
Facilidad del muestreo: homogeneidad de la muestra
Distribucin de los datos: normal o anormal
Tamao del subgrupo: constante o variable
Seleccin del tipo de Grfica de Control
Pruett & Schneider, Essentials of CEP in the Process Industries, p. 360
Tipo de
datos
Mediciones
individuales o
subgrupos?
Datos normalmente
distribuidos?
Inters
principal en cambios
bruscos de la
media?
Tamao del
subgrupo constante?
rea de oportunidad
constante de muestra a
muestra?
Graficar defectos
o defectivos?
u
C
p, np
p
X, Rm
MA, EWMA,
o CUSUM
y Rm
Xmedia-R
Usar grfica X media-R con
reglas modificadas
Los datos tienden a estar
normalmente distribuidos debido
al teorema del lmite central
Ms efectivas para detectar
cambios graduales a largo plazo Si ni n ni p son pequeas;
X media-R, y X-Rm son
efectivas tambin
Si la media es grande, X y Rm
son efectivas tambin
Atributos Variables
Defectivos
( Defectuosos)
Si
No
Defectos
No
Medicin por
Subgrupos
No
No
Si
Si
Individuales
Si
Inicio
Rango Mvil
Promedio
mvil
Minitab
Minitab nos da muchas opciones y configuraciones diferentes para graficar
Aqu pueden
escribirse las
reglas
particulares
que se vayan
a emplear.
Muestreo
Tamao de la Muestra
Grfica de datos variables: 5 si es posible
Grfica de datos atributos : 30 o ms dependiendo de los
porcentajes de defecto en el proceso
Frecuencia de la Muestra
No demasiadas (muy costoso)
No muy poquitas (la informacin no es confiable)
Como regla general: mientras ms seguido, es mejor
Los sistemas de medicin en-lnea ofrecen control del proceso en
el tiempo real
Subgrupos racionales
Trate de capturarlos cuando los factores clave de un proceso
son consistentes
Si se hace correctamente, un subgrupo racional para un proceso
en control reflejar nicamente variacin de causas comunes
Error de Muestreo
Para poder entender y medir la variacin en un proceso, tomaremos
muestras de la salida de ste. Se tomarn decisiones como resultado de
la evaluacin de cada una de las muestras. Cada vez que tomamos una
muestra y tomamos una decisin con respecto a la misma, tomamos
algunos riesgos. Hay dos tipos de riesgos:
RIESGO DEL PRODUCTOR: Los resultados de la muestra indican que
el proceso no es aceptable, cuando en realidad, no existe nada malo en el
proceso. Este es conocido tambin como el Error Tipo I ( o.) (FALSA
ALARMA)
RIESGO DEL CONSUMIDOR: Los resultados de la muestra indican que
no existe nada malo en el proceso, cuando en realidad la salida del
proceso no es aceptable. Este es conocido tambin como el Error Tipo II
(| ).
1 - | =
Probabilidad
de detectar un
cambio
especfico en el
universo (con la
muestra dada) si
actualmente
existe una
diferencia que
detectar.
Llamado
tambin
Potencia de la
Prueba. En
algunos
aspectos, es la
probabilidad de
detectar un
cambio
benfico.
Aceptar
Verdadera
Ho
Ha
Ho
Ha
Error
Tipo 1
o
Error
Tipo 2
|
Decisin
Correcta
Decisin
Correcta
1 - o = Confianza de que resultado observado en la muestra es real; es decir, el resultado no fue
un error en el muestreo aleatorio, por lo tanto,refleja el verdadero estado de cosas en el universo.
Evaluacin de Error de Decisin
H
0
: el proceso est
en control (estable)
H
a
: el proceso est
fuera de control
(inestable)
Proceso aceptable
Proceso inaceptable
En control Fuera de control
Impacto del Tamao del Subgrupo
LSC
LIC
n = 3
LSC
LIC
n = 10
LSC
LIC
n = 25
Si el tamao de la muestra se incrementa, los lmites de control estarn
ms juntos. Esto tiene el efecto de incrementar la sensibilidad de la
grfica a cambios pequeos en el promedio de la poblacin. Tambin
disminuye la probabilidad del error tipo II. Como regla general, para
datos continuos el tamao del subgrupo (n) debe ser: 2 < n < 6.
Anlisis de Patrones en las
Grficas de Control
Cualquier punto fuera del lmite de control superior o
inferior es seal de que el proceso est fuera de control
De otro modo buscamos patrones usando reglas
establecidas para reconocer las condiciones fuera de
control
Solamente use las reglas en las cuales los operadores
pueden tomar accin.
Reglas de Mabe:
Uno o ms puntos fuera/sobre los lmites de 3-sigma
Siete o ms puntos consecutivos sin cruzar la lnea central
No existan patrones identificables ( aplicar la regla de los
siete segundos)
Used With Permission
AlliedSignal 1995 - Dr. Steve Zinkgraf
Minitab tiene funciones que nos permiten probar los datos para causas especiales
Reglas de Minitab para Grficas de Control
Reglas de Minitab para Grficas de Control
Para elegir las reglas a las necesidades de su rea,
solamente haga clicksobre el cuadrito de cada regla
X
X
Regla 1
2
3
4
5
6
7
8
Aprendiendo a Interpretar las Grficas
2 0 1 0 0
O b s e r v a t i o n N u m b e r
Patrn Cclico:
Se observan ciclos repetidos en la grfica. Esta configuracin puede ser el resultado de un
cambio sistemtico como temperatura, fatiga del operador, rotacin regular de operadores
y/o mquinas, fluctuaciones de voltaje o presin, ventas de fin de mes, entregas a clientes
cada mes, etc...
LSC
LIC
resultado de un cambio
sistemtico como
temperatura, fatiga del
operador, rotacin regular
de operadores y/o
mquinas, fluctuaciones de
voltaje o presin, ventas de
fin de mes, entregas a
clientes cada mes, etc...
Mezcla:
Se observa que la mayora de los puntos tienden a caer muy cerca de los lmites de control,
y relativamente pocos cerca de la lnea central. Una condicin de mezcla la generan dos o
ms distribuciones que se traslapan generando la salida del proceso. La severidad de este
modelo depende de qu tanto se traslapen las distribuciones. Algunas veces la mezcla es el
resultado de un sobre-control, donde los operadores hacen demasiados ajustes al proceso
muy frecuentemente respondiendo a la variacin normal en lugar de reaccionar a las causas
especiales nicamente.
2 0 1 0 0
O b s e r v a t i o n N u m b e r
LSC
LIC
Aprendiendo a Interpretar las Grficas
Una condicin de
mezcla la generan dos o
ms distribuciones que
se traslapan generando
la salida del proceso
Cambios en el Nivel del proceso:
El promedio del proceso cambia a un nuevo nivel. Estos cambios resultan por la
introduccin de algo nuevo: operadores, materiales, mtodos, mquinas, etc.
Tambin puede ser un cambio en los mtodos de inspeccin o cambio de
estndares por mejoras al proceso.
2 0 1 0 0
O b s e r v a t i o n N u m b e r
LSC
LIC
Aprendiendo a Interpretar las Grficas
Estos cambios
resultan por la
introduccin de algo
nuevo . Tambin
puede ser un cambio
en los mtodos de
inspeccin o cambio
de estndares
Tendencia:
Movimiento continuo en una direccin. Las tendencias son ocasionadas
usualmente por el desgaste gradual de una herramienta o el deterioro de algn
otro componente crtico del proceso. Las tendencias pueden resultar tambin
por las influencias de la estacin del ao, tales como temperatura, ventas en mayo,
entregas de producto al fin de ao.
1 5 1 0 5 0
O b s e r v a t i o n N u m b e r
LSC
LIC
Aprendiendo a Interpretar las Grficas
usualmente por el
desgaste gradual
de una herramienta
o el deterioro de
algn otro
componente crtico
del proceso
Estratificacin:
Los puntos graficados tienen la tendencia a agruparse cerca de la lnea central.
Una causa potencial de la estratificacin es el clculo incorrecto de los lmites
de control. Tambin puede ser que el proceso ha mejorado y su distribucin ya
es ms angosta. De cualquier forma, se deben recalcular los lmites de control.
2 0 1 0 0
O b s e r v a t i o n N u m b e r
LSC
LIC
Aprendiendo a Interpretar las Grficas
clculo incorrecto de
los lmites de control
Grficas de Control para Datos Variables
X-media
Mide el objetivo o el centro del proceso
Verifica el cambio en la Media de la variable a travs del
tiempo
Datos Individuales( X)
Similar a la X-media
Grafica puntos individuales en lugar de la Media
Mediana
Similar a la X-media
Grafica todos los puntos en la muestra y el punto de
enmedio se encierra en un crculo
Rango
Se usa con la grfica X-media
Verifica la variabilidad del proceso a travs del tiempo
Mide la ganancia o prdida de uniformidad
Desviacin Estndar ( Sigma)
Similar a la grfica de Rango
Usa la estimacin de Sigma de la muestra
Rango Mvil
Similar a la grfica de Rango
Se grafica un rango nuevo con cada punto consecutivo
Se usa con la grfica individual
Grficas de Control para Datos Variables
Estas grficas se emplean para verificar si hay causas
especiales en la variabilidad del proceso
Sumas Acumulativas (CUSUM)
detecta cambios abruptos pero leves en la media del
proceso
datos del pasado se combinan con datos actuales
Grfica de Promedio Mvil
Suaviza los datos para enfatizar tendencias
Cada punto incluye el efecto del valor actual ms un
nmero especfico de puntos pasados
Supone que los datos pasados y los presentes son
igualmente importantes
Promedio Mvil Exponencialmente Ponderado
(EWMA)
Suaviza los datos para enfatizar tendencias
Usa pesos para enfatizar la importancia de los datos ms
recientes
Otras Grficas de Control para Variables
Grficas de Control X - R
Ventajas
Aritmtica simple
Muy sensible a cambios en el proceso
Limitante
Una grfica de control por caracterstica
de calidad
Principios Bsicos X - R
Funciona porque:
La media de las medias es igual a la media de la salida del proceso.
X doble barra =
La desviacin estndar de la distribucin de los promedios de la muestra es
igual a 1/ n
+
Promedio y Rango
X Individual y Rango mvil
Lneas Centrales
Lneas Centrales