Capacidad de Los Procesos

CONTROL ESTADSTICO DEL PROCESO Ms.C. LUIS NGEL LARA GONZLEZ Esp.
QHSE Universidad de Boyac 2012

Pgina 97

Mdulo 6. Anlisis de Capacidad
De los procesos
Pgina 98
6. ANLISIS DE CAPACIDAD DEL PROCESO

6.1 INTRODUCCIN
Las tcnicas estadsticas ayudan durante el ciclo del producto a reducir la
variabilidad y a mejorar la capacidad de los procesos.

Definiciones bsicas.
- Proceso: ste se refiere a alguna combinacin nica de mquinas,
herramientas, mtodos, materiales y personas involucradas en la
produccin.
- Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada
en el desempeo probado, para lograr resultados que se puedan medir.
- Capacidad del proceso: Es la aptitud del proceso para producir productos
dentro de los lmites de especificaciones de calidad.
- Capacidad medida: Esto se refiere al hecho de que la capacidad del
proceso se cuantifica a partir de datos que, a su vez, son el resultado de la
medicin del trabajo realizado por el proceso.
- Capacidad inherente: Se refiere a la uniformidad del producto que resulta
de un proceso que se encuentra en estado de control estadstico, es decir,
en ausencia de causas especiales o atribuibles de variacin.
- Variabilidad natural: Los productos fabricados nunca son idnticos sino que
presentan cierta variabilidad, cuando el proceso est bajo control, solo
actan las causas comunes de variacin en las caractersticas de calidad.
- Valor Nominal: Las caractersticas de calidad tienen un valor ideal ptimo
que es el que desearamos que tuvieran todas las unidades fabricadas pero
que no se obtiene, aunque todo funcione correctamente, debido a la
existencia de la variabilidad natural.

La aplicacin del anlisis de capacidad de los procesos tiene los objetivos
siguientes:

Pgina 99
1. Predecir que tanto cumplir las tolerancias especificadas el proceso.
2. Apoyar a los diseadores en la seleccin o modificacin de un proceso.
3. Soportar la determinacin de intervalos de muestreo para monitoreo del
proceso.
4. Determinar el desempeo de un equipo nuevo.
5. Planear la secuencia de procesos productivos cuando hay un efecto interactivo
de procesos o tolerancias.
6. Seleccionar de entre diversos proveedores.
7. Reducir la variabilidad de un proceso de manufactura.

La capacidad de los procesos para cumplir especificaciones se refiere a la
uniformidad de los procesos medida como la variabilidad del producto, hay dos
formas de pensar en esta variabilidad:

1. La variabilidad natural en un cierto tiempo (variabilidad instantnea).
2. La variabilidad en el tiempo.

Es usual tomar 6-sigma de la poblacin o como la dispersin en la distribucin de
la caracterstica de calidad del producto como medida de la capacidad del
proceso.

Los lmites de tolerancia natural del proceso, superior (LTNS) e inferior (LTNI) , se
encuentran en 3 o, o sea:
LTNS = +3 o (6.1)
LTNI = - 3 o

Para un proceso normal, los lmites de tolerancia naturales incluyen 99.73% de la
variable, slo el 0.27% (2700 ppm) de la salida del proceso se encontrar fuera de
estos limites de tolerancia naturales. Sin embargo, si el proceso no es normal, el
porcentaje puede diferir grandemente. Esto se esquematiza en la figura siguiente:

Pgina 100

.00135 LTNI LTNS .00135

Fi g. 6. 1 Local i zaci n de l os l mi t es de t ol er anci a nat ur al

Existen diversas tcnicas para evaluar la capacidad del proceso, entre las que se
encuentran: Histogramas o papel de probabilidad, cartas de control y
experimentos diseados.

Fi g. 6. 2 Fr acci n def ect i va f uer a de especi f i caci ones

p =porcentaje de medidas bajo la curva de probabilidad fuera de
especificaciones.

En el rea sombrada observamos medidas fuera de los lmites de especificacin.

_
X
xi
s
Z
LIE
LSE
p
Pgina 101
Para solucionar este problema, podemos reducir la desviacin estndar.

Tambin podramos cambiar la media.

Lo ideal sera, por supuesto cambiar ambas.

Fi g. 6. 3 Al gunas al t er nat i vas par a mej or ar l a capaci dad

Condiciones para realizar un estudio de capacidad del proceso

Para realizar un estudio de capacidad es necesario que se cumplan los siguientes
supuestos
9
:

- El proceso se encuentre bajo control estadstico, es decir sin la influencia de
fuerzas externas o cambios repentinos. Si el proceso est fuera de control la
media y/o la desviacin estndar del proceso no son estables y, en
consecuencia, su variabilidad ser mayor que la natural y la capacidad
potencial estar infravalorada, en este caso no es conveniente hacer un
estudio de capacidad.
- Se recolectan suficientes datos durante el estudio de habilidad para minimizar
el error de muestreo para los ndices de habilidad. Si los datos se componen
de menos de 100 valores, entonces deben calcularse los lmites de confianza
inferiores.

9
J .M. J uran, Anlisis y planeacin de la Calidad, Tercera Edicin Mc. Graw Hill, Pp.404

Pgina 102
- Los datos se recolectan durante un periodo suficientemente largo para
asegurar que las condiciones del proceso presentes durante el estudio sean
representativos de las condiciones actuales y futuras.
- El parmetro analizado en el estudio sigue una distribucin de probabilidad
normal, de otra manera, los porcentajes de los productos asociados con los
ndices de capacidad son incorrectos.

Tambin es importante al realizar un estudio de capacidad, asegurarnos que la
variacin en el sistema de medicin no sea mayor al 10%.

Variacin a corto plazo y a largo plazo
Existen dos maneras de expresar la variabilidad:

Variacin a corto plazo (Zst) Los datos son recogidos durante un periodo de
tiempo suficientemente corto para que sea improbable que haya cambios y otras
causas especiales.

Las familias de variacin han sido restringidas de tal manera que los datos
considerados, slo son los que se obtuvieron del subgrupo racional. Ayuda a
determinar subgrupos racionales importantes.

Fi g. 6. 4 Var i abi l i dad a cor t o pl azo

Variacin a Largo Plazo(Zlt) Los datos son recogidos durante un periodo de
tiempo suficientemente largo y en condiciones suficientemente diversas para que
sea probable que contenga algunos cambios de proceso y otras causas
especiales. Aqu todas las familias de variacin exhiben su contribucin en la
variacin del proceso general.
Pgina 103

Fi g. 6. 5 Var i abi l i dad a l ar go pl azo

Para el clculo de Z utilizamos las siguientes formulas:
( )
ST
st
std desv
nom especif lmite
Z
.
. .
= (6.1)
LT
LT
std desv
media especif lmite
Z
.
.
=
dnde:

Zst =variacin a corto plazo.
nom =Valor nominal u objetivo
Zlt =variacin a largo plazo.

Z shift.- A largo plazo los procesos tienen un desplazamiento natural de 1.5
desviaciones estndar.

Zlt =Zst-1.5shift

Pgina 104
6.2 NDICES DE CAPACIDAD

6.2.1 INDICE DE CAPACIDAD POTENCIAL Cp

El ndice de capacidad potencial Cp = PCR compara la amplitud de variacin
permitida por las especificaciones entre la amplitud de variacin entre los lmites
de tolerancia naturales del proceso.

o 6
LIE LSE
PCR Cp

= = (6.2)

Ej empl o 6. 1 par a el caso de ani l l os de pi st ones, donde el LSE
= 74. 05mm y el LI E= 73. 95mm y de l a car t a R se est i m
0099 . 0
2
= =
d
R
o por t ant o se t i ene:
Cp = PCR = ( LSE LI E) / 6o
= ( 74. 05 73. 95) / 6 ( 0. 0099) = 1. 68

La f unci n P ( i nver so de Cp) es el por cent aj e de l a banda de
especi f i caci ones usada por el pr oceso.

100
1
|
|
.
|
\
|
=
Cp
P (6.3)

Par a el caso del ej empl o se t i ene:

P = [ ( 1/ 1. 68) ] 100 = 59. 5%

Pgina 105
Cuando slo existe un lmite de especificaciones, el ndice de capacidad potencial
Cp o PCR se define como:

o

3
= =
LSE
PCR Cps
S
para el lmite superior (6.4)

o
3
LIE
PCR Cpi
I
= = para el lmite inferior

Ej empl o 6. 2 Par a el caso de l a r esi st enci a de l as bot el l as
de vi dr i o, si el LI E = 200psi ,

67 . 0
96
64
) 32 ( 3
200 264
= =
= =
I
PCR Cp

Lo cual i ndi ca f al t a de habi l i dad, l a f r acci n abaj o del
l mi t e i nf er i or es:

2
32
264 200
=
=
o
LIE
Z
I

P( x <= Z
I
) = 0. 0228 o 2. 28% por debaj o del l mi t e i nf er i or de
especi f i caci ones

Algunos de los ndices de capacidad potencial Cp y las piezas defectivas en partes
por milln (ppm) que estn fuera de especificaciones se muestran a continuacin:

Cp 1-lado 2-lados
0.25 226,628 453,255
0.50 66,807 133,614
0.60 35,931 71,861
0.70 17,865 35,729
0.80 8,198 16,395
1.00 1,350 2,700
Pgina 106
1.10 484 967
1.20 159 318
1.30 48 96
1.40 14 27
1.50 4 7
1.60 1 2
1.70 0.17 0.34
2.00 0.0009 0.0018

Se recomienda que para procesos existentes el mnimo Cp sea de 1.33 y de 1.67
para procesos crticos, el ideal es 2.0 para procesos nuevos como es el caso de
Motorola en su programa 6-sigma.

Este ndice no toma en cuenta la localizacin relativa de la media del proceso
respecto a los lmites de especificaciones. Por lo que es necesario otro ndice
adicional.

6.2.2 INDICE DE CAPACIDAD REAL Cpk

Este ndice si toma en cuenta el centrado del proceso respecto a las
especificaciones, en este caso se denomina Cpk o PCRk, y se evala tomando el
mnimo entre los Cps correspondientes a cada lado de la media, como sigue,

) , (
I S
PCR PCR min PCRk Cpk = = debe ser mayor a 1
(6.5)
donde,

o

3
= =
LSE
PCR Cps
S
para el lmite superior (6.6)

Pgina 107
o
3
LIE
PCR Cpi
I
= = para el lmite inferior

Ej empl o 6. 3 Par a un pr oceso donde l os l mi t es de
especi f i caci n sean LSE=62, LI E=38, l a medi a del pr oceso sea
=53 y su desvi aci n est ndar o=2, se t i ene:

5 . 1
32
53 62
=
= =
S
PCR Cps par a el l mi t e super i or

5 . 2
32
38 53
=
= =
I
PCR Cpi par a el l mi t e i nf er i or

Por t ant o, el ndi ce de capaci dad r eal es:
5 . 1 ) 5 . 2 , 5 . 1 ( ) , ( = = = = min PCR PCR min PCRk Cpk
I S

Note que el PCR a considerar corresponde al lmite de especificacin ms cercano
a la media del proceso. Siempre se cumple que,
Cpk <=Cp

Siendo el Cpk menor cuando el proceso no est centrado

6.2.3 NORMALIDAD Y CAPACIDAD DEL PROCESO

Las consideraciones anteriores se basan en la suposicin que el proceso tiene un
comportamiento normal, si no es as, puede ser necesario transformar los datos
con alguna funcin matemtica para dar la apariencia de normalidad, por ejemplo
la distribucin siguiente de acabado superficial en una parte maquinada no es
normal:
Pgina 108
Frec.
a)

Microdureza

Se puede transformar cada valor x con su inverso o sea con y=1/x de esta forma la
distribucin transformada es la siguiente (ver mtodo de Box Cox con Lamda
ptima en Minitab):

Frec.

b)

Y =1 / x

Fi g. 6. 6 Tr ansf or maci n de dat os par a nor mal i zar l os

Lo cual representa una distribucin normal.

6.2.4 INDICE DE CAPACIDAD POTENCIAL Cpkm PCRkm

Dos procesos pueden tener un Cpk igual a uno, pero sin embargo no necesariamente estn
centrados respecto a la media de las especificaciones como se muestra a continuacin:

LIE LSE LIE LSE
PROCESO A: Cpk =1 PROCESO B: Cpk =1

Fi g. 6. 7 Pr ocesos con Cpk = 1 per o con cent r ado di f er ent e
Pgina 109
Un nuevo ndice que toma en cuenta el centrado es el siguiente:

Si ) (
2
1
LIE LSE T + = (6.7)

2 2
) ( T + = o t (6.8)

o

=
T
(6.9)
Se tiene,

2 2 2
1 ) ( 6
6
o
t
+
=
+
= =
LIE LSE
T
LIE LSE LIE LSE
PCR Cp
km km
(6.10)

Una condicin necesaria para que Cp
km
sea mayor de uno es:

) (
6
1
LIE LSE T <

Ej empl o 6. 4 Par a l os pr ocesos A y B i l ust r ados ant er i or ment e
se t i ene:

L mi t es de especi f i caci n: LI E = 38, LSE = 62, T = 50
Pr oceso A: Medi a = 50, desv. est ndar = 5
Pr oceso B: Medi a = 57. 7, desv. est ndar = 2. 5

Ent onces Cp
km
( A) = 0 . 1
0 1
1
=
+

Cp
km
( B) = 63 . 0
) 3 ( 1
2
2
=
+

Por t ant o es mej or el pr oceso A, cent r ado en l a medi a.

Pgina 110
En base a lo anterior se ha propuesto otro ndice de capacidad por Pearn (1992),
que toma en cuenta el descentrado de la media del proceso respecto del de
especificaciones, o sea:

2
1 +
= =
Cpk
PCR Cp
pmk pmk
(6.11)
Nota: Es muy importante que el proceso sea normal, de lo contrario se obtendrn
resultados inexactos. Cuando los procesos son ligeramente anormales se pueden
utilizar los mtodos de Pearson, transformar los datos por Box Cox o usar Weibull.

6.3 CAPACIDAD DEL PROCESO CON CARTAS DE CONTROL
La carta de control es un mejor instrumento para evaluar la capacidad del proceso
porque se puede observar que el proceso est en control ya sea en forma
instantnea o durante el tiempo antes de evaluar la capacidad.

Se puede observar que cuando el proceso est en control, no existen causas
asignables que puedan ser corregidas, y la nica alternativa para reducir la
variabilidad es con la intervencin de la administracin.

En casos especiales como estos donde las variaciones presentes son totalmente
inesperadas tenemos un proceso inestable impredecible.

Fi g. 6. 10 Compor t ami ent o de un pr oceso f uer a de cont r ol
?
? ?
? ?
? ?
Pgina 111

Si las variaciones presentes son iguales, se dice que se tiene un proceso
estable . La distribucin ser predecible en el tiempo.

Fi g. 6. 11 Compor t ami ent o de un pr oceso dent r o de cont r ol

C C l l c cu ul l o o d de e l l a a d de es sv vi i a ac ci i n n e es st t n nd da ar r d de el l p pr ro oc ce es so o

2
d
R
= o
4
C
S
= o (Para cartas de control X-R y X-S respectivamente)
Donde,

S = Desviacin estndar de la poblacin
d
2
=Factor que depende del tamao del subgrupo en la carta de control X - R
C
4
=dem al anterior para una carta X - S

En una carta por individuales, d2 se toma para n =2 y Rango Medio =Suma
rangos / (n -1)

Ej empl o 6. 7 ( car t a X - R)
De una car t a de cont r ol X - R ( con subgr upo n = 5) se obt uvo
l o si gui ent e, despus de que el pr oceso se est abi l i z
quedando sl o con causas comunes:
x
= 64. 06 , R = 77. 3
Prediccin
Tiempo
Pgina 112

Por tanto estimando los parmetros del proceso se tiene:

( ) medias de media x =

23 . 33
326 . 2
3 . 77
2
= = =
d
R
o

Si el lmite de especificacin es: LIE =200.

El
( )
23 . 33 3
06 . 264 200
=
pk
C = 0.64 por tanto el proceso no cumple con las
especificaciones.

Ej empl o 6. 8 ( car t a X - S)
De una car t a de cont r ol X - S ( con subgr upo n = 5) se obt uvo
l o si gui ent e, despus de que el pr oceso se est abi l i z
quedando sl o con causas comunes:
05 . 1 , 100 = = s x

Por tanto estimando los parmetros del proceso se tiene:

100 = = x

4
C
s
= o = 117 . 1
094 .
05 . 1
=

C
4
para n =5 tiene el valor 0.94

Si el lmite de especificacin es: LIE =85 y el LSE =105.

El
( )
492 . 1
117 . 1 3
100 105
=

=
pk
C
Pgina 113

El
( )
984 . 2
117 . 1 6
85 105
=

=
p
C

Por lo tanto el proceso es capaz de cumplir con especificaciones.

6.4 CAPACIDAD DE PROCESOS CON MINITAB
NORMALES Y NO NORMALES

Generar 100 datos aleatorios en Minitab con Media =264.6 y Desviacin estndar
S =32.02 con

1. Calc >Random data >Normal
2. Generate 100 Store in columns C1 Mean 264.06 Estndar deviation
32.02 OK

Considerando Lmites de especificaciones LIE =200 y LSE =330

Nos aseguramos que los datos se distribuyan normalmente con la prueba de Ryan
como sigue:

3. Stat >Basic statistics >Normalita Test
4. Variable C1 Seleccionar Ryan J oiner test OK

El P value debe ser mayor a 0.05 para que los datos se distribuyan normalmente
Pgina 114
Datos
P
e
r
c
e
n
t
350 300 250 200 150
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
Mean
>0.100
269.3
StDev 30.72
N 100
RJ 0.994
P-Value
Probability Plot of Datos
Normal

Otra opcin por medio de una grfica de probabilidad normal, se tiene:

5. Graph >Probability plot >Normal
6. Graph Variable C1
7. Distribution Normal OK

Los puntos deben quedar dentro del intervalo de confianza para indicar que es
normal la distribucin.

Datos
P
e
r
c
e
n
t
400 350 300 250 200 150
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
Mean
0.533
269.3
StDev 30.72
N 100
AD 0.317
P-Value
Probability Plot of Datos
Normal - 95% CI

Pgina 115
Determinacin de la capacidad del proceso

Una vez comprobada la normalidad de los datos, determinar la capacidad con:

1. Stat >Quality tools >Capability anlisis >Normal
2. Single column C1 Subgroup size 1 Lower Spec 200 Upper spec 330
3. Estimate R-bar OK

Los resultados se muestran a continuacin:

360 330 300 270 240 210
LSL USL
Process Data
Sample N 100
StDev(Within) 30.83472
StDev(Overall) 30.80011
LSL 200.00000
Target *
USL 330.00000
Sample Mean 269.25354
Potential (Within) Capability
CCpk 0.70
Overall Capability
Pp 0.70
PPL 0.75
PPU 0.66
Ppk
Cp
0.66
Cpm *
0.70
CPL 0.75
CPU 0.66
Cpk 0.66
Observed Performance
PPM < LSL 10000.00
PPM > USL 30000.00
PPM Total 40000.00
Exp. Within Performance
PPM < LSL 12353.30
PPM > USL 24415.36
PPM Total 36768.66
Exp. Overall Performance
PPM < LSL 12272.69
PPM > USL 24288.79
PPM Total 36561.48
Within
Overall
Process Capability of Datos

Interpretacin:

La desviacin estndar Within se determina en base al Rango medio y d2
(1.128 para n =2), con esta se determinan los ndices de capacidad potencial
Cp y real Cpk, lo cual es adecuado para un proceso en control o normal.

Pgina 116
La desviacin estndar Overall se determina con la desviacin estndar de
todos los datos de la muestra dividido entre el factor C4 = 4(n-1)/(4n 3), con esta
desviacin estndar se determinan los ndices de desempeo Pp y Ppk as
como el desempeo Overall, no importando si el proceso est en control o no, en
este ltimo caso los valores no tienen significado prctico.

Opcin Six Pack
Para mostrar toda la informacin relevante:

Determinar la capacidad con:
4. Stat >Quality tools >Capability Six Pack >Normal
5. Single column C1 Subgroup size 5 Lower Spec 200 Upper spec 330

I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
100 90 80 70 60 50 40 30 20 10 1
320
240
160
_
X=269.3
UCL=361.8
LCL=176.7
M
o
v
i
n
g

R
a
n
g
e
100 90 80 70 60 50 40 30 20 10 1
100
50
0
__
MR=34.8
UCL=113.6
LCL=0
Observation
V
a
l
u
e
s
100 95 90 85 80
300
250
200
360 330 300 270 240 210
400 300 200
Within
Overall
Specs
Within
StDev 30.83472
Cp 0.70
Cpk 0.66
CCpk 0.70
Overall
StDev 30.80011
Pp 0.70
Ppk 0.66
Cpm *
1
1
Process Capability Sixpack of Datos
I Chart
Moving Range Chart
Last 25 Observations
Capability Histogram
Normal Prob Plot
AD: 0.317, P: 0.533
Capability Plot

Pgina 117
En este caso de la grfica de probabilidad normal, los datos siguen una
distribucin normal.

Capacidad de procesos no normales.

Cuando los datos provienen de poblaciones no normales una opcin para realizar
el estudio de capacidad de procesos es mediante la distribucin Weibull.

Ejemplo en Minitab

En una compaa se manufacturan losetas para piso, el problema que se tiene es
referente a la deformacin en las mismas. Se toman 100 mediciones durante 10
das. El lmite superior de especificacin (USL) =3.5 mm Realice un estudio de
capacidad con la ayuda de Minitab e interprete los resultados.

Generar 100 datos aleatorios en Minitab con Factor de forma =1, Factor de escala
=1 con

8. Calc >Random data >Weibull
9. Generate 100 Store in columns C1 Shape parameter 1.2 Scale
parameter 1 Threshold parameter 0 OK

Considerando Lmites de especificaciones LIE =0 y LSE =3.5

Determinar la capacidad con:

7. Stat >Quality tools >Capability anlisis >NoNormal
8. Single column C1 Dsitribution Weibull Lower Spec 0 Upper spec 3.5

Pgina 118
3.5 3.0 2.5 2.0 1.5 1.0 0.5 0.0
USL
Process Data
Sample N 100
Shape 1.24929
Scale 0.88470
LSL *
Target *
USL 3.50000
Sample Mean 0.82279
Overall Capability
Pp *
PPL *
PPU 0.85
Ppk 0.85
Observed Performance
PPM < LSL *
PPM > USL 10000
PPM Total 10000
Exp. Overall Performance
PPM < LSL *
PPM > USL 3795.26
PPM Total 3795.26
Process Capability of Datos1
Calculations Based on Weibull Distribution Model

El histograma no muestra evidencia de alguna discrepancia seria entre el modelo
y los datos, ya que la curva muestra buen ajuste. Sin embargo observamos que
algunos datos caen fuera del lmite superior de especificacin. Lo cual quiere decir
que en algunos casos la deformacin ser mayor a 3.5 mm.

El ndice Ppk y Ppu
10
=0.85 lo cual nos dice que el desempeo del proceso no es
capaz ya que 0.85<.1.33

Tambin observamos que PPM > USL 3,795 lo cual significa que
aproximadamente 3,795 PPM estarn fuera de los lmites de especificaciones.

Tambin se cuenta con la opcin Six Pack para esta opcin.

10
Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.

Capacidad de Los Procesos

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Capacidad de Los Procesos

Enviado por

Direitos autorais:

Formatos disponíveis

CONTROL ESTADSTICO DEL PROCESO Ms.C. LUIS NGEL LARA GONZLEZ Esp.

QHSE Universidad de Boyac 2012

= = para el lmite inferior

= = para el lmite inferior

Você também pode gostar