INSTITUTO POLITCNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERA MECNICA Y ELCTRICA

UNIDAD ZACATENCO

Ingeniera en Comunicaciones y Electrnica

Especialidad de Control
Calidad en la Ingeniera
Profesor Rene Guzmn Lpez

Equipo I
Jimnez Ramrez Nayib
Coyac Torres Francisco Javier
Aguilar Palula Enrique
Grupo
8CV21
 INTRODUCCIN AL CONTROL ESTADSTICO
DE PROCESOS

El Control Estadstico de Procesos naci a finales de los aos 20 en los

Bell Laboratories. Su creador fue W. A. Shewhart, quien en su libro
Economic Control of Quality of Manufactured Products (1931) marc la
pauta que seguiran otros discpulos distinguidos como son: Joseph Juran,
W.E. Deming Usados por l durante la Segunda Guerra Munidal como
resultado mejoro con xito la calidad en la produccin de municiones y
otros productos de importancia estratgica. Deming ha contribuido
decisivamente a introducir los mtodos de spc en la industria japonesa
despus de la guerra.
 Definicin.

El Control Estadstico de Procesos, CEP, tambin conocido por sus siglas en

ingls SPC (Statistical Process Control), es un instrumento de gestin que,
comparando el funcionamiento del proceso con unos lmites establecidos
estadsticamente, permite implantar y garantizar los objetivos deseados bajo
la filosofa de la prevencin.
 Qu es?

El Control Estadstico de Procesos es un conjunto de tcnicas estadsticas

destinadas a hacer un seguimiento, en tiempo real, de la calidad que
ofrece un proceso. El resultado de dicho proceso puede ser un artculo o
un servicio.
 Enfoque

Capacidad de monitorear el centro del proceso y su variacin alrededor del

centro.
 Cmo lo hace?

Recopilando datos de mediciones en diferentes sitios en el proceso, se

pueden detectar y corregir variaciones en el proceso que puedan afectar a la
calidad del producto o servicio final, reduciendo desechos y evitando que
los problemas lleguen al cliente final.
 Edwards vs Shewhart
Edwars
Creo la base para el grfico de control y el
concepto del control estadstico.
Shewhart
Se inspiraba en teoras matematicas y
estadsticas puras, descubriendo que los datos
derivados de procesos fsicos raramente
producen una curva de distribucin normal
(una distribucin gaussiana, tambin llamada
curva de campana).
 Qu condiciones hacen falta para que se pueda
aplicar el grfico de control?

El proceso ha de tener una estabilidad suficiente que, aun siendo aleatorio,

permita un cierto grado de prediccin. En general, un proceso catico no es
previsible y no puede ser controlado.
 Se supondr que los procesos tienen un cierto grado
de estabilidad.

Podemos distinguir dos casos:

El proceso est regido por una funcin de probabilidad
cuyos parmetros permanecen constantes a lo largo del
tiempo.
Este sera el caso de un proceso normal de media
constante y desviacin tpica constante. Este es el caso
ideal y al que se pueden aplicar los grficos de control
para detectar la presencia de causas asignables.
El proceso est regido por una funcin de
probabilidad alguno de cuyos parmetros
vara ligeramente a lo largo del tiempo.
Este sera el caso de un proceso normal cuya
media vara a lo largo del tiempo (por
ejemplo, una herramienta de corte que va
desgastando la cuchilla de corte).
Estrictamente hablando, este desgaste de la
herramienta sera una causa especial; sin
embargo si puede conocerse la velocidad de
desgaste, podra compensarse resultando un
proceso anlogo al caso anterior.
 Efectos que produce
El Control Estadstico de Procesos produce el efecto de:

Conocer la variacin de los factores que integran un proceso.

Prevenir los defectos.
Reducir los costes.
Cumplir los requisitos.
 Consecuencia

Reduccin de tiempo necesario para producir el producto servicio, esto se debe a

que la probabilidad de que el producto final se tenga que retrabajar es menor.

Identificar los cuellos de botella, paradas y otros tipos de esperas dentro del
proceso.

Reducciones del tiempo de ciclo del proceso relacionado con mejoras de

rentabilidad.
variaciones
Por qu varan los procesos?
 Tipos de variaciones en todos los procesos
industriales
Causas comunes y causas asignables o especiales

Existen 2 tipos de variaciones, ambas variaciones causan variaciones posteriores

en el producto final.
VARIACIONES DE CAUSA NATURAL O COMN
Son conocidas como causas especiales O ASIGNABLES
 variaciones de causa natural o comn

pueden ser variaciones en temperatura, especificaciones en materias primas

o electricidad, etc. Estas variaciones son pequeas y normalmente estn
cerca del avlor medio.
 Ejemplo causas comunes en un proceso

Un proceso de fabricacin consiste en lanzar 10 monedas al aire. Se supone que

las monedas son perfectas de manera que en el lanzamiento de cada una se tiene
un 50% de probabilidades de obtener cara, y un 50% de obtener cruz.
La calidad de cada lanzamiento de 10 monedas se mide segn el nmero de caras
obtenidas. Podramos asimilar lo anterior a un proceso industrial sometido a 10
causas de variabilidad no normales (binomiales en este caso). Al ser iguales, todas
ellas tienen el mismo efecto sobre la variabilidad de la produccin, por lo que las
podremos considerar como causas comunes.
Ejemplo Simulacin de un proceso sometido a
causas comunes no normales
 VARIACIONES DE causas especiales O
ASIGNABLES

suceden con menos frecuencia que las primeras.

Si circunstancialmente incide un factor con un efecto preponderante,
entonces la distribucin de la caracterstica de calidad no tiene por qu
seguir una ley normal.
 EJEMPLO DE VARIACIONES DE causas
especiales O ASIGNABLES

Una lnea de produccin de cajas puede estar diseada para rellenar cada
caja de cereales con 500 gramos, y otras pueden tener un poco menos,
conforme a la distribucin del peso neto. Si el proceso de produccin, sus
entradas, o su entorno cambia (por ejemplo, las mquinas de produccin
muestran seales de desgaste), esta distribucin pueda cambiar.
 Factores de influencia

Un resumen de los distintos factores que afectan a un proceso es el siguiente:

Mano de obra.
Materia prima.
Medio ambiente.
Mtodo de produccin.
Mquinas.
Medicin.
 Procesos.

Las causas de variacin, aleatorias y especiales, as como su intensidad

hacen que un proceso pueda diferenciarse en:

Proceso Estable : Es el que resulta cuando slo estn presentes causas

aleatorias de variacin.
Tambin se dice, para este caso, que el proceso est bajo control.
Proceso Inestable : Es el que resulta cuando aparece alguna causa especial
de variacin.
Representacin de procesos mediante campana
de gauss
Para un proceso estable, se podr predecir la pauta de comportamiento del
proceso con el tiempo.
 Representacin de procesos mediante campana
de gauss
Para un proceso inestable, es una incertidumbre conocer su comportamiento
a lo largo del tiempo.
 Proceso Bajo Control

Un proceso se encuentra bajo control, siendo entonces un proceso estable, si:

El proceso slo se encuentra afectado por las causas aleatorias de
variacin.

Se eliminan sucesivamente las causas especiales, de manera que la variacin

sea producida nicamente por las causas aleatorias.
 El proceso est bajo control, porque los datos se encuentran dentro de los
lmites de control establecidos para el proceso, pero no cumple las
especificaciones, ya que los lmites no cubren toda la curva de datos, de
forma que quedaran elementos fuera de ella.
 Aspectos del proceso bajo control.

Baja Variabilidad : Si un proceso funciona en estado de control, la variacin

de ste ser pequea

Predictibilidad: Si un proceso funciona en estado de control, el efecto de las

variaciones ser de forma aproximada constante, donde ninguna causa de
variacin domina sobre las dems.
De esta forma, el conjunto de efectos dar una variacin estable que ser
fcil de poder estimar a partir de un conjunto de datos histricos.
 Beneficios de un Proceso Bajo Control
Si conseguimos tener el proceso bajo control podremos:

Predecir el comportamiento del proceso.

Saber la capacidad a la que trabaja el proceso.

Mejorar el proceso, intentando reducir las causas aleatorias en todo lo

posible.

Utilizar el proceso bajo control como modelo para otras reas.

 CAPACIDAD DE UN PROCESO

Un proceso es capaz respecto a una caracterstica determinada si las

distribuciones estadsticas de las medias de la misma estn dentro de los
lmites de especificacin.

La capacidad del proceso, es la determinacin de si dicho proceso es capaz

de satisfacer las especificaciones que generalmente se establecen con el
cliente, dada la variacin natural de ste.
 Por capacidad se entiende una medida de dispersin. Se toma como valor 6 veces la
desviacin tpica del proceso :
 ndices de Capacidad

Los ndices de capacidad permiten analizar la variabilidad del proceso

con relacin a estos requisitos o especificaciones comparando la
capacidad del proceso con estos requisitos.
 ndice de Capacidad Cp
Tambin se denomina ndice de variabilidad
porque este ndice de capacidad slo considera
variaciones, sin tener en cuenta si el proceso est o
no centrado con respecto a la media.
 ndice de Capacidad Cpi

Se denomina ndice de capacidad unilateral inferior, en ingls abreviado como

Cpl.
Este ndice mide la relacin entre el intervalo comprendido entre la media del
proceso , y el lmite inferior de especificacin, LIE.
Se suele utilizar cuando el intervalo de especificacin es unilateral y slo existe
lmite de especificacin inferior.
 ndice de Capacidad Cps
Se denomina ndice de capacidad unilateral superior, en ingls se utiliza la
abreviatura Cps.
Este ndice mide la relacin entre el intervalo comprendido entre la media
del proceso, y el lmite superior de especificacin, LSE.
Grficos cpi y cps
 ndice de Capacidad Cpk
Se denomina ndice de descentramiento relativo.
La letra k se identifica con el coeficiente de descentralizacin, luego, este
coeficiente se utiliza para calcular el ndice de capacidad en procesos no
centrados.
El ndice de capacidad Cpk no slo mide la variacin del proceso respecto a
un intervalo especificado sino tambin la ubicacin del proceso respecto a la
media.
Se define como el menor valor encontrado entre el ndice de capacidad
unilateral superior, Cps, y el inferior, Cpi.
 Este ndice tiene en cuenta:
La media del proceso.
La variacin del proceso.
Las especificaciones.

Se podrn dar dos casos:

El proceso est centrado si Cpk=Cp.
El proceso no est centrado si Cpk<Cp.
Grficos de procesos centralizados
 Grficos de Control

Es un diagrama que muestra los valores producto de la medicin de una

caracterstica de calidad, ubicados en una serie cronolgica.
En l establecemos una lnea central o valor nominal, que suele ser el objetivo del
proceso o el promedio histrico, junto a uno o ms lmites de control, tanto
superior como inferior, usados para determinar cundo es necesario analizar una
eventualidad.
 Para que sirve un grfico de control?

Un anlisis con grfico de control donde estableces los lmites de control, te

permitir analizar ese proceso y determinar qu es lo normal en l, cuando
algo no est bien, o si ha mejorado o empeorado a travs del tiempo. Un
proceso analizado con esta herramienta, es un proceso controlado, que es
precisamente el segundo beneficio.
No basta analizar y controlar un proceso. Es necesario mejorarlo. Con el
diagrama de Shewhart identificamos dnde se generaron las fallas y tenemos
datos de entrada para hacer anlisis de causas en aras de plantear soluciones
a las fallas.
 Tipos de grficas de control

La caracterstica de calidad a medir determina el tipo de diagrama de control.

Inicialmente encontramos dos clasificaciones:
Grfica de control por variables
La caracterstica de calidad que se mide es una variable contina (peso, pulgadas,
temperatura, etc.). Si ese es el caso, podemos encontrar grficos basados en la tendencia
central y en el rango.

Grfica de control por atributos

Piensa en una caracterstica de calidad basada en atributos como el cumplimiento con respecto
a una especificacin. Lo hacemos con variables discretas.

Grfico
Qu tanto se estn alejando las mediciones de la tendencia central, que en
este caso es la media o promedio. Por ejemplo un nuevo trabajador o nuevos
instrumentos de trabajo harn que las mediciones se alejen ms de lnea
central.
Grfico R
En este grafico el rango es la resta del valor ms grande con el valor ms
pequeo de una muestra, lo que nos permite determinar la variabilidad. El valor
resultante es plasmado en un grfico de control para ser comparado con el
rango de otra serie de muestras. Con esto logramos ver si hay presencia de
uniformidad en los puntos ubicados o si no, para intervenir.
Grfico

Utilizamos ambos tipos de grficas cuando se miden la relacin de las
especificaciones de calidad con la tendencia central y la dispersin. En este
sentido, ubicamos una grfica ligeramente encima de la otra y analizamos el
comportamiento de cada punto.
Grfico P
En l medimos el porcentaje de defectos por muestra. Por ejemplo si tenemos
una muestra de 100 productos y 10 de ellos tienen al menos un defecto, hay
una fraccin defectuosa de 0,1. Este valor se ubica en el grfico sobre el eje
y.
Grfico NP
A diferencia de p, este valor no es una fraccin. Es el nmero de unidades
defectuosas en una muestra. Si es una muestra de 100 productos, 10 de ellos
tienen al menos un defecto, 10 ser el valor a ubicar en el grfico sobre el
eje y.
Grfico C
Es el nmero de defectos por unidad
de produccin durante un perodo de
muestreo. En este caso, los defectos por
producto se cuentan, y establecemos un
valor para definir a partir de cuntos
defectos una unidad es defectuosa. Por
ejemplo, el nmero de zonas
desgastadas que tenga una chaqueta
de cuero, si la chaqueta tiene ms de 5
zonas desgastadas, se considera una
unidad no conforme.
Grfico U
Similar a p pero parte del grfico c. En l medimos el porcentaje de defectos
en una unidad durante un perodo de muestreo.