Departamento de Ingenierí

Ingeniería Mecá
Mecánica

Tecnologí
Tecnología Mecá
Mecánica I
67.15
Unidad 13: Control de Calidad

TEMARIO

- Definició
Definición de Calidad. Costos de la no Calidad. Estrategia
de detecció
detección (Planes de Muestreo). Estrategia de prevenció
prevención
(CEP).
- Definició
Definición de proceso. Caracterí
Características y pará
parámetros.
Diagramas de Ishikawa (5M) y Pareto. Comportamientos de
los procesos. Causas de variació
variación comunes y especiales,
como se originan y como se corrigen.
- Breve introducció
introducción a la distribució
distribución normal o de Gauss.
Construcció
Construcción de histogramas. Caracterí
Características de una
distribució
distribución: media, desviació
desviación está
estándar, forma.
- Control estadí
estadístico de los procesos (CEP), rol de las cartas
de control. Breve explicació
explicación de la utilizació
utilización de la carta X R.
Concepto de capacidad de los Procesos. 2

CALIDAD: OBJETIVOS DE LA CLASE

Introducir a los alumnos en el concepto moderno de la

Calidad.

Definir gestionar la calidad, fabricar la calidad. Estrategias.

Papel de la estadí
estadística.

Principales herramientas de la calidad. Ejemplos prá

prácticos.

1
CALIDAD: DEFINICIONES

¿Qué
Qué significa CALIDAD?

¿Qué
Qué es CONTROL DE LA CALIDAD?

¿Qué
Qué es GESTION DE LA CALIDAD?

CALIDAD Y COMPETITIVIDAD
% PRODUCTOS NO CONFORMES 10% 5%

COSTO TOTAL 100 100

COSTO DE PRODUCTOS CONFORMES 90 95
COSTO DE PRODUCTOS NO CONFORMES 10 5
COSTO UNITARIO 1,11 1,05

CUANDO EL % DE NO CONFORMES PASA DEL 10 AL 5%

# LA PRODUCTIVIDAD AUMENTA EN ............................5,5 %
# EL COSTO UNITARIO DISMINUYE EN ........................5,5 %
# LA CAPACID. DE PRODUCCION AUMENTA EN .........5,5 %

COMPETITIVIDAD COMPETITIVIDAD

FALSO VERDADERO
CUANDO LA CALIDAD
MEJORA, LA
COMPETITIVIDAD MEJORA
CALIDAD CALIDAD 5

¿Qué
Qué estrategia elegir? ¿Detecció
Detección ó prevenció
prevención?
CICLO CONCEBIDO POR LA DETECCION CICLO CONCEBIDO POR LA PREVENCION

PRODUCCION PRODUCCION

INSPECCION
ZONA DE MAS

INSPECCION RETRABAJO

DESCARTE

EXPEDICION EXPEDICION

PARA LA MISMA CAPACIDAD Para la misma concepció

concepción el ciclo de la
•*MAS SUPERFICIE izquierda GASTA MAS que el ciclo de la
•*MAS EQUIPAMIENTO derecha, para la misma capacidad de
•*MAS PERSONAL producció
producción. El ciclo de la izquierda no
•*MAS STOCK (GIRO) puede ser tan competitivo como el de la
•*MAS RETRASO derecha 6

2
Costos de la detecció
detección y de la correcció
corrección segú
según el
ciclo de fabricació
fabricación
1000 _
COSTO POR DEFECTOS

100 _

10 _

1_

CONTROL CONTROL CONTROL CONTROL

DE SOBRE EL SOBRE EL EN
RECEPCION SUBCONJUNTO PRODUCTO TERMINADO CLIENTES

ELIMINAR LOS DEFECTOS LO ANTES POSIBLE 7

DEFINICION DE UN PROCESO
PROCESOS
ENTRADA SALIDA

# HOMBRES
TERMINADO
PRODUCTO
MATERIALES

# ORGANIZACIÓ
ORGANIZACIÓN
# PROCEDIMIENTOS
# EQUIPAMIENTO
# MATERIALES
# MEDIO AMBIENTE

MEDIBLE VALOR AGREGADO MEDIBLE

• UN PROCESO ES UN CONJUNTO DE PARAMETROS QUE CONCURREN A FABRICAR UN PRODUCTO.

• PARA FABRICAR UN PRODUCTO QUE RESPONDA A LAS EXIGENCIAS DEMANDADAS,

DEMANDADAS, EL PROCESO
TIENE NECESIDAD DE ENTRADAS (MATERIA PRIMA, ENERGIA, ETC.).
• LAS ENTRADAS SE SUMAN A LOS PARAMETROS DEL PROCESO PARA OBTENER PRODUCTOS
TERMINADOS. 8

PARAMETROS Y CARACTERISTICAS

3
EL PAPEL DE LA ESTADISTICA
EXISTEN DOS ENFOQUES MUY DISTINTOS SOBRE LA ESTADISTICA

1- Muchas personas suponen que esta rama de las matemáticas se ocupa de la gran masa de observaciones o
datos, de ordenarlas y presentarlas en la forma más conveniente. Esta función existe y se llama ESTADISTICA
DESCRIPTIVA.
2- Por otra parte, el papel principal de la estadística será el de inferir conclusiones válidas partiendo desde un
número limitado de observaciones (muestra), las cuales se consideran representativas de una población muy
grande o infinita de datos existentes o potenciales, llamados “universo”.En la práctica existen dos tipos de tareas:
a) Existe un universo conocido y nuestra pregunta es si la muestra puede ser parte de ese universo o,
b) Estimar el universo más probable del cual puede haber salido la muestra.
¿Qué significa “universo conocido”?. Tratándose de un conjunto muy grande de valores, es imposible conocerlos
a todos. Lo más que podemos pretender es conocer sus “parámetros” o sea unos valores carácterísticos que
resumen ciertos aspectos del universo en un solo número representativo o si no, conocer a priori o por motivos
matemáticos ciertas leyes que estan en el origen de los datos individuales del universo.
Esta tarea, o sea inferir los parámetros del universo en base a nuestras limitadas y en general pequeñas
muestras se llama “ESTADISTICA INFERENCIAL”
Para que nuestros estudios tengan veracidad es importante que todas las formas de muestras se basen en un
proceso “ALEATORIO”, o sea que todos los individuos tengan la misma probabilidad de ser extraidos.
10

EL PAPEL DE LA ESTADISTICA

11

DISTRIBUCIONES
VARIABLES

1.-
1.- CONTINUAS ⇒ Ejemplo: las sucesivas medidas en un
diá
diámetro, en una temperatura, o en un tiempo. En este caso
se utiliza un tipo de distribució
distribución Normal o de Gauss.

2.-
2.- DISCRETAS ⇒ Ejemplo: (bueno, malo) ; (pasa, no pasa).
En este caso se utiliza un tipo de distribució
distribución que es la
binomial.

3.-
3.- DE OTRO TIPO ⇒ Ejemplo: un porcentaje de defectos o
defectos en una determinada unidad de superficie. En este
caso se utiliza un tipo de distribució
distribución que es la de Poisson.
12

4
CARACTERISTICAS DE UNA DISTRIBUCION
PARÁ
PARÁMETROS Y ESTADISTICOS
Son los valores caracterí
caracterí sticos que sintetizan los datos de un universo (ó(ó població
población) que se
llaman pará
parámetros y generalmente se representan por letras griegas, o los de una muestra
muestra ,
llamá
llamándose estadí
estadí sticos, usá
usándose letras latinas. Los principales cuatro son:

a) Tendencia central c) Simetrí

Simetrí a
b) Dispersió
Dispersión d) Forma

Con excepció
excepción de la tendencia central, los pará
parámetros mencionados suelen definirse en
funció
función de los “segundo”
segundo” , “tercer”
tercer” o “cuarto momento”
momento” de la distribució
distribución de frecuencias
siendo X el promedio de la distribució
distribución y Xi los distintos valores individuales:

xi)2
π2 = Σ( x - xi) El primer momento no se usa porque siempre es 0
n
xi)3
π3 = Σ( x - xi)
n
xi)4
π4 = Σ( x - xi)
13
n

CARACTERISTICAS DE UNA DISTRIBUCION

X1 X2

LOCALIZACION
S1 = S2

DISPERSION S1

S1 > S2 S2

X1 X2

FORMA
S1 = S2
14

CARACTERISTICAS DE UNA DISTRIBUCION

Los pará
parámetros que má
más nos interesará
interesarán será
serán la Tendencia Central y la Dispersió
Dispersión.
Para el universo decimos que la media o tendencia central se representa
representa con la letra griega
“µ” y para las muestras utilizamos “x”.
Si el nú
número de muestras es importante decimos que la media de las medias
medias de cada una de
las muestras aproxima a “µ”= x.

dispersión se representa con la letra griega “σ” y para las

Para el universo decimos que la dispersió
muestras utilizamos “s”.
Si el nú
número de muestras es importante decimos que la media de las dispersiones
dispersiones de cada
una de las muestras aproxima a “σ”= s.
La Dispersió
Dispersión:
Una de las medidas de la variabilidad de un conjunto de datos es el llamado “intervalo”
intervalo” que
tambié
también se lo denomina Rango ( R ) (extensió
(extensión).
R= X má
máx. - X mí
mín. que está
está íntimamente relacionado con la dispersió
dispersión de los valores de la
muestra.
Pero el rango no nos dice nada de los valores intermedios que no se tienen en cuenta para
nada.
15

5
CARACTERISTICAS DE UNA DISTRIBUCION
Una medida mucho mámás importante de la dispersió
dispersión es la DESVIACIÓ
DESVIACIÓN NORMAL (s) ó su
cuadrado, “LA VARIANCIA”
VARIANCIA” (s2)
Hay dos definiciones:
π 2 = s2 = Σ( xi - x) 2
n
s2 = Σ( xi - x) 2
n -1
Tendiendo n al infinito las dos definiciones dan el mismo resultado.
resultado.
Si conocié
conociéramos µ la media del universo la fó
fórmula serí
serí a en todos los casos:
s2 = Σ(xi - µ) 2
n
y en este caso “s2” serí
sería un buen estimador de σ2 (Variancia del Universo)
σ2 = Σ(xi - µ)2
n
Lamentablemente tratá
tratándose de muestras µ no se conoce por lo tanto utilizaremos x.
16

DISTRIBUCION NORMAL GAUSSIANA

-3σ +3σ

17

LOS DOS TIPOS DE VARIACIONES

Los dos lí
límites de los dos tipos de
variaciones
Dispersió
Dispersión = 6 σ

Variaciones Variaciones Variaciones

•NO ALEATORIAS •ALEATORIAS

•NO ALEATORIAS
•CONTROLABLES •INCONTROLABLES
•CONTROLABLES
•LA ESTADISTICA •DISTRIBUCION NORMAL
NO SE APLICA SE APLICA LA •LA ESTADISTICA
ESTADISTICA NO SE APLICA

18

6
LOS DOS LIMITES DE CONTROL

19

LAS DOS CAUSAS DE VARIACION

20

LAS DOS RESPONSABILIDADES

21

7
ROL PREVENTIVO DE LA CARTA DE CONTROL

• La carta de control es un instrumento del manejo del proceso en tiempo real.

• No es necesario esperar que los puntos salgan de los lí límites.
• Es necesario vigilar tambié
también los puntos en el interior de los lí límites y detectar
toda disposició
disposición anormal de los puntos.
• Las causas especiales pueden aú aún existir cuando todos los puntos esté
estén en el
interior de los lí
límites. Este es el rol preventivo de la carta de control 22

LOS DOS ERRORES A EVITAR

1.-
1.- Si no hay evidencias de una distribució
distribución anormal para los puntos en el interior de los
limites, entonces:
• Pocas probabilidades de que existan CAUSAS ESPECIALES.
• Solo existen CAUSAS COMUNES.
• NO INTERVENIR: el proceso no puede hacerlo mejor, su concepció
concepción no se lo permite.

2.-
2.- Si hay puntos al exterior de un lí
lí mite de control, entonces:
• Fuertes probabilidades de que existan CAUSAS ESPECIALES.
• INTERVENIR: falla el proceso.
LOS DOS ERRORES A EVITAR
• 1 INTERVENIR EN EL CASO 1.
• 2 NO INTERVENIR EN EL CASO 2. 23

DEFINICION DE LA ESTABILIDAD

24

8
Capacidad del proceso vs. especificació
especificación del producto
La principal razó
razón para cuantificar la capacidad de un proceso es la de calcular la
habilidad del proceso para mantener dentro de las especificaciones del producto. Para
procesos que está
están bajo control estadí
estadí stico, una comparació
comparación de la variació
variación de 6σ
6σ con
los lí
límites de especificaciones permite un fá fácil cá
cálculo del porcentaje de defectuosos
mediante la tolerancia estadí
estadí stica convencional.
El índice de capacidad del proceso es la formula utilizada para calcular la habilidad del
proceso de cumplir con las especificaciones y se expresa de la siguiente manera:

ICP = LSE – LIE/6σ

Donde: ICP: Índice de Capacidad del Proceso

LSE: Limite superior Especificado
LIE: Limite inferior Especificado
σ: Desviació
Desviación está
estándar de los datos individuales

Donde:

σ = R/d2

R = Promedio de los rangos de la carta de control.

d2 = Constante de calculo. 25

CAPACIDAD DE LOS PROCESOS

26

Capacidad del proceso vs. especificació

especificación del producto
El ICP puede asumir varios valores, que los analistas clasifican entre
valor 1 y valor 4 segú
según sea la habilidad del proceso para cumplir con las
especificaciones:

ICP Clase de Decisió

Decisión
proceso
ICP>1.33 1 Más que adecuado, incluso puede exigirse má
más en
términos de su capacidad.
1<ICP<1.33 2 Adecuado para lo que fue diseñ diseñado. Requiere
control estrecho si se acerca al valor de 1
0.67<ICP<1 3 No es adecuado para cumplir con el diseñ
diseño inicial.
ICP<0.67 4 No es adecuado para cumplir con el diseñ
diseño inicial.

27

9
CAPACIDAD DEL PROCESO (CPK)
Otra medida para la cuantificació
cuantificación del índice de capacidad de proceso es el Cpk,
Cpk, que
esta definido come el menor valor encontrado entre el Cpu y el Cpl,
Cpl, que se define como:

Donde: Cpu: Capacidad de proceso teniendo en cuenta únicamente la especificacióespecificación

superior del proceso.
LIE: Limite de especificació
especificació n inferior de la variable
LSE: Limite de especificació
especificación superior de la variable
X: Valor promedio encontrado de los datos
σ: Desviació
Desviación está
estándar del proceso
Cpu y Cpl solo evalú
evalúan la mitad de la distribució
distribución de los datos teniendo en cuenta solo
3σ. Es útil cuando la especificació
especificación de la variable, solo se expresa como un má máximo o
como un mí mínimo, para indicar al analista en que sector de la especificació
especificación (superior o
inferior) se presenta mas riesgo de incumplimiento de los valores
valores establecidos.
Los valores de Cpk,
Cpk, son ampliamente utilizados como indicadores de la calidad de un un
proceso o producto. El valor de Cpk = 1.33 se ha establecido como un pará parámetro
deseado porque la obtenció
obtención de este valor en un proceso o producto significa que por
cada 10000 mediciones 3 de ellas existe la probabilidad estadí estadí stica que se encuentre
28
fuera de los limites de especificació
especificación.

ANALISIS DE LA CAPACIDAD DEL PROCESO

Se utiliza con dos objetivos principales, implicando ambos las especificaciones
especificaciones del
producto:
Como ayuda a la predicció
predicción: ¿Es este proceso capaz de cumplir permanentemente con
las especificaciones del producto?
Como ayuda al anáanálisis: ¿Por qué
qué este proceso no cumple con las especificaciones
establecidas?
Frecuencias FrecuenciasFrecuenciasFrecuencias

Especificacio
nes
Promedio Aceptable a
Desviació
Desviación está
estándar .
aceptable. Cpk > 1 Medidas
Especificacio
Promedio aun aceptable nes
Desviació
Desviación está
estándar b
aceptable. Cpk = 1 .
Medidas
Promedio muy alto Especificacio
Desviació
Desviación está
estándar c nes
potencialmente aceptable .
Cpk = Cpu < 1
Medidas
Promedio aceptable Especificacio
Desviació
Desviación d nes
está
estándar .
muy grande
Cpu y Cp1 < 1 Medidas
Frecuencias

Promedio muy alto

Desviació
Desviación Especificacio
está
estándar muy e nes
grande .
Cpk = Cpu < 1 29
Medidas

ANALISIS DE LA CAPACIDAD DEL PROCESO

Inicio

Definir variables de
proceso a medir
Esquema general para
implementació
implementación de un
Definir plan de
mediciones
programa de control
estadí
estadí stico o para el
Realizar las mediciones de
acuerdo al plan establecido
mejoramiento de los procesos
con base en esta herramienta
Evaluar el comportamiento con
gráficos de control

Identificar causas Eliminar causas

Proceso No asignables de asignables de
en control variación variación

estadístico
?
Si

Decisión Evaluar la capacidad del

gerencial proceso

No
ICP>1
?

Si

Verificar centrado Programas de

ICP>1.33 No del proceso mejoramiento del
proceso
?
Si

Decisión gerencial

30

10
COMO COMENZAR UN CEP

AMFE (PRODUCTO)
SINONIMOS: CEDAC – FMECA
USO DE LAS 7 HERRRAMIENTAS DE LA CALIDAD

Diagramas de Causa-
Causa-Efecto
Planillas de Inspecció
Inspección
Grá
Gráficos de Control
Diagramas de Flujo
Histogramas
Grá
Gráficos de Pareto
Diagramas de Dispersió
Dispersión
Hoja de control
31

DIAGRAMA DE ISHIKAWA (ESPINA DE PESCADO)

32

DIAGRAMA DE PARETO: Wilfredo Pareto (1848 - 1923)

33

11
HISTOGRAMA Intervalos Nº Pacientes
(Frecuencia)
Un histograma es un grá
gráfico o diagrama
<50 0
que muestra el nú
número de veces que se
repiten cada uno de los resultados 50-
50-55 0
cuando se realizan mediciones 55-
55-60 1
sucesivas. Esto permite ver alrededor de 60-
60-65 17
que valor se agrupan las mediciones 65-
65-70 48
(tendencia central) y cual es la
70-
70-75 70
dispersió
dispersión.
75-
75-80 32
Lo primero que hace el mé médico es 80-
80-85 28
agrupar los datos en intervalos 85-
85-90 16
contando cuantos resultados de 90-
90-95 0
mediciones de peso hay dentro de cada
95-
95-100 3
intervalo (é
(ésta es la frecuencia). Por
ejemplo: ¿CuáCuántos pacientes pesan 100-
100-105 0
entre 60 y 65 kilos? ¿Cuá
Cuántos pacientes 105-
105-110 0
pesan entre 65 y 70 kilos? >110 1 34

HISTOGRAMA
Ahora se pueden representar las frecuencias en un grá
gráfico como el siguiente. Por ejemplo,
la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70 kilogramos.
kilogramos. Por lo tanto,
levantamos una columna de altura proporcional a 48 en el grá
gráfico. Y agregando el resto de
las frecuencias nos queda el histograma siguiente:

¿Qué
Qué utilidad nos presta el histograma? Permite visualizar rá rápidamente informació
información que
estaba oculta en la tabla original de datos. Por ejemplo, nos permite
permite apreciar que el peso de
los pacientes se agrupa alrededor de los 70- 70-75 kilos. Esta es la Tendencia Central de las
mediciones. Ademá
Además podemos observar que los pesos de todos los pacientes está están en un
rango desde 55 a 100 kilogramos. Esta es la Dispersió
Dispersión de las mediciones. Tambié
También
podemos observar que hay muy pocos pacientes por encima de 90 kilogramos
kilogramos o por debajo
de 60 kilogramos.
35

PLANILLAS DE CONTROL
Sirven como registro del control de los procesos
1.-
1.- A partir de los datos relevados y sobre los cuales se obtuvieron
obtuvieron productos que
satisfagan los requerimiento, se establece un control sobre los pará
parámetros de un proceso.
Muchas mámáquinas modernas dentro de sus controles registran pará
parámetros de proceso y los
grafican, y es posible rastrear en el tiempo si alguna partida se
se vio afectada por algú
algún tipo
de cambio en el proceso.

36

12
QUE HACER EN NUESTRO PRACTICO
En un breve aná
análisis (AMFE producto), vamos a determinar
cuales son las caracterí
características má
más importantes de nuestro
producto y sobre las cuales vamos a definir un plan de
control.

Por ejemplo se determina una medida crí

crítica sobre la que
se efectuará
efectuará una medició
medición perió
periódica.

Como herramienta de control se utilizará

utilizará una carta de
control XR.
XR.

Si la caracterí
característica a controlar es un atributo se utilizará
utilizará
otro tipo de carta de control P. 37

CARTA DE CONTROL XR

38

CARTA DE CONTROL P

39

13
PREGUNTAS

¿QUE SIGNIFICA CALIDAD?

¿QUE ES GESTION DE LA CALIDAD?

¿PARAMETROS? ¿CARACTERISTICAS?

¿PAPEL DE LA ESTADISTICA?

¿QUE SIGNIFICA PROCESO ESTABLE?

¿QUE SIGNIFICA PROCESO CAPAZ?

¿QUE DIFERENCIA HAY ENTRE LOS LIMITES DE UN

PROCESO Y LA TOLERANCIA ESPECIFICADA? 40

14