Untitled

ANALISIS DE CAPACIDAD DE PROCESOS
TEMA 3
Cuando se controla un proceso estadísticamente y se llega a afirmar que

éste se encuentra bajo control estadístico es porque en él no se evidencia la pre-
sencia de causas asignables (o especiales) de variación, sino que se infiere que
solamente están presentes las causas aleatorias (o comunes) de variación, las
cuales dan origen a la variabilidad natural de dicho proceso. Sin embargo, esto no
significa que dicha variabilidad y/o el centrado permitan el cumplimiento de las
especificaciones exigidas por un cliente, ya sea interno o externo. De allí que sea
necesario realizar un análisis para determinar si el proceso es capaz de cumplir
con las exigencias establecidas por las especificaciones y, si siendo capaz de ello,
determinar si realmente está produciendo dentro de éstas.
El análisis al que se hace referencia se conoce con el nombre de ANÁLI-

SIS DE CAPACIDAD DE PROCESOS, expresándose tal “capacidad” como un
“número”, el cual será referido como ÍNDICE DE CAPACIDAD. Esto conlleva a
hablar de una manera práctica sobre la capacidad de un proceso cualquiera sin
importar los productos o procesos.
Antes de discutir la evaluación e interpretación de estos índices, es conve-

niente presentar unos conceptos previos a fin de lograr un mejor entendimiento de
éstos.
1.- LIMITES DE ESPECIFICACIONES.-
Los términos Límites de Especificaciones y Límites de Tolerancias se usan

con mucha frecuencia en forma indiferente. De acuerdo con el GLOSARIO de la
ASQ (American Society for Quality) ambos términos son definidos en un único
aparte como “aquellos límites que definen la frontera de conformidad para
una unidad individual generada por una operación de manufactura”.
PREPARADO POR: ING. RAFAEL R. GRATEROL V. 54

Sin embargo, el glosario sugiere que las TOLERANCIAS se refieran sola-

mente a mediciones físicas, mientras que las ESPECIFICACIONES se refieren a
todas las características, incluyendo las mediciones físicas, es decir, que las
tolerancias están incluidas en las especificaciones. En adelante cuando se hable
de especificaciones nos estaremos refiriendo a mediciones físicas de una caracte-
rística de calidad en particular, y usaremos el término TOLERANCIA como la
cantidad que hay que agregar y/o quitar a un VALOR NOMINAL. En cualquier
caso, ya sea una situación de una o dos especificaciones, se tiene que
ES = VALOR NOMINAL + TOLERANCIA

EI = VALOR NOMINAL − TOLERANCIA
Los Límites de Especificaciones pueden ser de tipo BILATERAL (un Límite

Superior y uno Inferior) o de tipo UNILATERAL (un Límite Superior o uno Inferior).
LIMITE INFERIOR DE ESPECIFICACIÓN: Es un límite que define la fronte-

ra inferior de conformidad para una característica particular de una unidad indivi-
dual.
LIMITE SUPERIOR DE ESPECIFICACIÓN: Es un límite que define la fron-

tera superior de conformidad para una característica particular de una unidad indi-
vidual.
2.- LIMITES NATURALES DE UN PROCESO.-
En muchos procesos productivos son considerados los llamados límites

naturales de un proceso, como aquellos límites que contienen un porcentaje
(1 − α)×
×100%

de la población; si la distribución subyacente de la característica de calidad es co-

nocida con sus respectivos parámetros, entones no habrá dificultad alguna para
establecer dichos límites. Así, si la distribución es normal, entonces los Límites
Naturales serán
µ ± Z 1−α / 2 × σ
Si por ejemplo, el valor de “α” es 0,27%, entonces los Límites Naturales serán
µ ± Z 0,135% × σ = µ ± Z 99 ,865% × σ = µ ± 3σ
es decir que se espera que el 99,73% de la población estará entre “ µ − 3σ ” y

“ µ + 3σ ”.
Los Límites Naturales del proceso no deben ser confundidos con los Límites
de Especificaciones; las Especificaciones son establecidas por quienes diseñan,
mientras que los Límites Naturales del proceso se basan en muestras que provie-
nen del proceso de producción. Por lo general los parámetros son desconocidos,
por lo que deben ser estimados a partir de dichas muestras.
A continuación vamos a presentar la relación entre los Límites de Especifi-

caciones y los Límites Naturales, y a comentar los distintos CONFLICTOS que se
pueden presentar, bajo el supuesto de que la distribución subyacente es normal.
CONFLICTO TIPO I: Los Límites Naturales son demasiado amplios

comparados con los Límites de las Especificaciones.- La situación descrita se
ilustra en la siguiente figura. En este caso los Límites de las Especificaciones son
tales que se estaría produciendo con un porcentaje importante de productos fuera
de especificaciones.

m X
LNI = µ − 3 σ LNS = µ + 3σ
EI ES
CONFLICTO TIPO I
Esta situación hace que se deban tomar algunas acciones, entre las cuales
pueden considerarse las siguientes.
1) Cambio en la variabilidad del proceso.- Cuando se va a tomar alguna

acción sobre el proceso es necesario hacer una investigación previa a fin de
establecer la validez y necesidad de las especificaciones. Si se establece que
éstas son válidas, cualquier cambio en el proceso debe basarse en el hecho de
que éste se encuentre bajo control estadístico.
Un cambio fundamental en el proceso estará orientado en tratar de reducir
la variabilidad de la distribución subyacente para lograr de este modo que la
producción esté dentro de las especificaciones; obviamente, la naturaleza de estos
cambios va a depender de los diferentes procesos, productos y características de
calidad.
Para tratar de reducir la variabilidad se puede comenzar con técnicas senci-
llas como por ejemplo tormentas de ideas, diagramas de Pareto, diagramas
causa-efecto, etc. Es recomendable considerar una lista parcial de causas comu-
nes presentadas por el Dr. Edwards Deming en su libro “Calidad, Productividad y

Competitividad” pág. 261; entre muchas menciona: mala iluminación, máquinas

estropeadas, vibración, humedad no adecuada en el proceso, etc.
También deben considerarse métodos estadísticos más avanzados como
es el diseño de experimentos y análisis de varianza, con el propósito de
estudiar los efectos sobre cambios tales como nuevas materias primas, nuevos
métodos, diferentes ajustes sobre las variables principales del proceso, nuevas
máquinas o re-entrenamientos de los operarios.
Con los procedimientos antes señalados se espera una reducción importan-
te de la variabilidad; sin embargo, es posible que esta reducción sea tal que aún
se produzcan partes fuera de especificaciones, en cuyo caso podría pensarse en
la acción que se presenta a continuación.
2) Cambio de los límites de especificaciones.- Por lo general quienes

diseñan establecen las especificaciones sin coordinación alguna con el personal
de producción, siendo muy frecuente que éstas sean más cerradas que lo que
deberían ser. Puede suceder que las especificaciones sean tomadas directamente
de un manual, lo cual hace que se puedan cometer errores en cualquier dirección.
Estos planteamientos hacen que las especificaciones no se consideren como
“intocables”.
Es conveniente señalar que la mayoría de los productos tienen múltiples
características de calidad y dos o más de ellas pueden estar correlacionadas de
alguna manera. Cambiar las especificaciones de una característica de calidad
podría generar problemas con otras características; de allí la importancia de consi-
derar este aspecto.
Es muy importante también tener en cuenta las consecuencias de modificar
las especificaciones desde el punto de vista de seguridad de las personas.
3) Realizar inspección 100%.- Puede suceder que no sea posible cam-

biar las especificaciones o disminuir la variabilidad del proceso en el corto plazo.
Puede entonces ser necesario implantar una inspección 100% para encontrar y
remover el producto no-conforme, pero esto debería ser considerado como un

procedimiento temporal mientras se continúan haciendo esfuerzos hasta lograr

una solución que sea permanente.
4) Ajuste del centrado .- Esta acción está orientada a lograr un ajuste en el

centrado de la distribución subyacente con el propósito de hacer mínimo el costo
de generar productos fuera de especificaciones. Por ejemplo, supóngase que una
característica de calidad de interés sea el diámetro externo de cierto tipo de eje,
de manera que si el diámetro de un eje individual excede a la especificación
superior podría ser retrabajado y hacer que caiga dentro de las especificaciones;
sin embargo, aquellos ejes cuyos diámetros que caigan por debajo de la especifi-
cación inferior serán considerados como desecho (“scrap”). Por tanto, podría ser
deseable ajustar el centrado de la distribución en una posición que minimice el
costo esperado de partes no-conformes por encima de la especificación superior
y por debajo del límite de especificación inferior. En relación con el ejemplo
planteado podría resultar económico ajustar el centrado de la distribución en la di-
rección del límite superior de las especificaciones.
En la siguiente sección se encontrará un modelo matemático para deter-
minar el centrado óptimo de manera que se maximice el beneficio esperado. Si en
este modelo se aplica el concepto moderno de desperdicio (cualquier actividad
que no le agregue valor al producto), en cuyo caso cualquiera de las dos situacio-
nes (valores por encima de la especificación superior o por debajo de la inferior)
tienen el mismo peso, es decir el mismo costo, entonces el centrado ideal será
aquél que coincida con el punto medio de las especificaciones, es decir el
valor nominal de la característica de calidad. Con esto se logra que la sea míni-
ma la proporción (o el porcentaje o las partes por millón), es decir que se maximi-
za la proporción de partes conformes. Cuando la media del proceso coincida con
el punto medio de las especificaciones se hablará de un proceso centrado.
CONFLICTO TIPO II: Centrado incorrecto del proceso para Caracterís-

ticas de Calidad de un solo límite de especificaciones.- Este conflicto se ilustra
en la siguiente figura cuando la característica de calidad tiene una sola especifica-

ción, en particular la Especificación Superior (ES), la cual es menor que el Límite

Natural Superior (LNS).
m ES X
3s
LNS = µ + 3σ
CONFLICTO TIPO II
En este tipo de conflicto se recomiendan las siguientes acciones.
1) Modificar el centrado de la distribución.- Con esta acción se pretende

centrar el proceso en un valor suficientemente alejado de límite de especificación
a fin de evitar producto fuera de dicho límite, o intentar reducir la dispersión de la
distribución para cumplir con la especificación. Sin embargo, antes de estas
acciones debe investigarse el límite de especificación con el propósito de que éste
sea validado; una vez que la especificación haya sido validada, se procede a
poner en práctica las acciones señaladas.
El valor del centrado podría estimarse como
ES − 3σ x ó EI + 3σ x
siendo EI y ES las especificaciones inferior y superior, respectivamente, y σ x un
estimado de la desviación estándar de la distribución subyacente. Obviamente, si

en vez de 3 σ x fuesen 4 σ x se obtendría un valor de la media a un nivel más
seguro.

Una reducción de la dispersión permitirá cumplir con la especificación, aún

con el centrado original, pudiéndose combinar ambas alternativas.
2) Cambio del límite de especificación.- Para esta acción tienen validez

los mismos planteamientos que se hicieron cuando se discutió el CONFLICTO
TIPO I.
3) Realizar inspección 100%.- En este caso también es pertinente lo plan-

teado en el CONFLICTO TIPO I. Se hace hincapié de nuevo que esta acción debe
ser temporal mientras se continúan haciendo esfuerzos hasta lograr una solución
que sea permanente; debe tratar de mejorarse el proceso tan rápidamente como
sea posible.
CONFLICTO TIPO III: Límites de especificaciones demasiado amplias.-

Este conflicto se ilustra en la siguiente figura.
m X
3σ 3σ
EI ES
LNI = µ − 3 σ LNS = µ + 3σ
CONFLICTO TIPO III
Cuando se presenta este tipo de conflicto podemos afirmar que, bajo mu-
chas circunstancias, no habría ningún problema. Sin embargo, el problema surge
cuando algunas unidades, aún estando dentro de especificaciones, no produce

resultados satisfactorios en forma individual o en combinación con otros compo-

nentes en un ensamblaje. Esto podría deberse a que las especificaciones hayan
sido adoptadas de algún manual, por lo que deben ser revisadas.
La primera acción sugerida es determinar qué rango de valores son los que
originan las no-conformidades, y mientras esto se lleva a cabo pueden establecer-
se temporalmente los llamados límites de manufactura.
3.- DETERMINACIÓN DEL CENTRADO OPTIMO DE UN PROCESO.-
El modelo que se desarrolla a continuación tiene como objetivo encontrar el

centrado de un proceso de manera que se maximice el Valor Esperado Unitario
del Beneficio, tomando en cuenta que este beneficio va a depender de la condi-
ción que experimente la característica de calidad; es decir, si ésta está dentro del
Límite de Especificaciones (conforme) o fuera de éstas (no-conforme). Se
supondrá que la Distribución Subyacente es Normal.
Definamos los siguientes parámetros:
P = Precio Unitario de Venta.

C = Costo Unitario de Producción.
C1 = Costo de Reparación Unitario si X < EI
C2 = Costo de Reparación Unitario si X > ES
B = Beneficio Unitario.
La variable Beneficio (B) se define como:

B = P − C − C1 = K1 ............ si X < EI
= P − C = K ..................... si EI ≤ X ≤ ES
= P − C − C 2 = K 2 .............si X > ES
En el planteamiento anterior podemos notar que si la pieza no tiene reparación

con respecto a alguna de las especificaciones, entonces K1 ó K2 serán negati-
vos, lo cual representa la pérdida por producir una pieza defectuosa, que sería su
costo de producción (C). Esta situación está relacionada con el ejemplo
planteado en la Sección anterior cuando se analizó el CONFLICTO TIPO I (ajuste
del centrado), el cual está referido al diámetro externo de un eje; si este diámetro
está por debajo de la Especificación Inferior el eje es “scrap”, mientras que si
excede a la Especificación Superior podría ser retrabajado; un análisis similar se
podría plantear cuando la característica de calidad sea, por ejemplo, un diámetro
interno, en cuyo caso el “scrap” sería cuando dicho diámetro exceda a la Especifi-
cación Superior.
El objetivo es encontrar el centrado “ µ ∗ ” que maximice el Beneficio Espera-

do, el cual viene dado por
E(B) = K1 × P( X < EI) + K × P(EI ≤ X ≤ ES) + K2 × P( X > ES)
Estandarizando la variable “X”, la expresión anterior quedará como
 EI − µ    ES − µ   EI − µ    ES − µ 
E(B) = K1 × Φ  + K × Φ  − Φ  + K2 × 1− Φ 
 σ    σ   σ    σ 
Siendo Φ (∗) la Función de Distribución Acumulada de la Normal Estándar “Z”.

La ecuación anterior se puede re-escribir como
 EI − µ    ES − µ 
E(B) = (K1 − K ) × Φ  + (K − K2 ) × Φ  + K2
 σ    σ 
Derivando respecto a µ e igualando a cero, y recordando que la derivada de la

Función de Distribución Acumulada de una variable es la Función de Densidad de
la misma, entonces quedará que
1  EI − µ  1  ES − µ 
∂E(B) / ∂µ = −(K1 − K) × ×ϕ  − (K − K2 ) × ×ϕ  =0
σ  σ  σ  σ 
Siendo ϕ (∗) la Función de Densidad de una Normal Estándar, por lo cual esta
ecuación puede escribirse de la siguiente manera, luego de ciertas manipulacio-
nes algebraicas:
2 2
 ES−µ   EI−µ 
1 −(1/ 2)  1 −(1/ 2) 
 σ   σ 
(K − K2 ) × ×e = (K − K1 ) × ×e
2π 2π
Simplificando y tomando logaritmos queda
1 1
ln(K − K2 ) − × (ES − µ) = ln(K − K1 ) − × (EI − µ)
2 2
2 2
2σ 2σ
De donde

(EI − µ )2 − (ES − µ )2  K − K1 
= ln  
2σ 2 2σ 2 K − K2 
Desarrollando los cuadrados, simplificando y despejando “ µ ” se obtiene que
 EI + ES   σ
2
  K − K1 
∗
µ =  +   × ln 
 2   ES − EI   K − K2 
Analizando la ecuación anterior podemos concluir lo siguiente:
• Si K1 = K 2 , es decir, que las consecuencias en ambos casos (X< EI

ó X > ES) tienen el mismo peso (el beneficio ó la pérdida es igual),
entonces el centrado ideal del proceso será el punto medio de
las especificaciones (valor nominal).
 EI + ES 
µ∗ =  
 2 
• Si K1 < K 2 entonces el centrado del proceso estará a la derecha

del punto medio de las especificaciones, ya que el beneficio con
respecto a la Especificación Superior (K2) es mayor que el asociado
a la especificación Inferior (K1).
• Si K1 > K 2 , entonces el centrado del proceso estaría a la izquierda

del punto medio.
Cuando hablemos sobre los Índices de Capacidad de Procesos se establecerá
que el punto de partida será cuando K1 = K 2 quedando como centrado óptimo el

punto medio de las especificaciones, correspondiendo a este centrado un valor de

la fracción ó % (ó p.p.m.) de producto no-conforme que será mínimo. Esto puede

demostrarse siguiendo la metodología anterior, maximizando el % ó p.p.m. de
producto conforme.
EJERCICIO.- Se le propone al participante demostrar esta última afirmación.
4.- EXIGENCIAS PREVIAS A UN ANÁLISIS DE CAPACIDAD DE PROCESO.-
Con el propósito de hacer estimaciones confiables de los Índices de Capaci-

dad de los procesos, es preciso que se respeten un conjunto de condiciones, las
cuales se presentan a continuación.
1) Procesos bajo control.- Antes de efectuar cualquier evaluación de los

Índices de Capacidad de un proceso es necesario haber identificado y eliminado
las causas asignables (especiales) de variación, lo cual significa que en el
proceso sólo estarán presentes causas aleatorias (comunes) de variación, es
decir, un proceso bajo control estadístico (proceso estable). Una justificación de
este requerimiento es que un Índice de Capacidad es una predicción, y solamen-
te puede predecirse un proceso que esté estable.
2) Exigencias claramente definidas.- El cliente, tanto interno como exter-

no, debe definir cuáles son sus niveles de exigencias con respecto a la produc-
ción. Tales exigencias no son más que las especificaciones de aquellas caracte-
rísticas de calidad del producto que son medibles sobre escalas continuas.
3) Conocer la distribución subyacente.- El cálculo de los índices que se

desarrollarán a continuación supone que la característica de calidad sigue una
distribución normal. De no ser así se podría cometer un gran error al estimar los
índices, en cuyo caso habría que trabajar con las curvas de Pearson o de
Johnson. También se podría tratar de inducir una normalidad en la característica

de calidad a través de alguna transformación, como por ejemplo logaritmos, inver-

sos, raíces cuadradas, etc.
5.- INDICES DE CAPACIDAD DE PROCESOS.-
La realización de un estudio de Capacidad de Procesos consiste en deter-

minar dos índices, identificados universalmente por Cp y Cpk.
El Índice Cp mide la CAPACIDAD POTENCIAL que tiene un proceso para
cumplir con las especificaciones que se le exigen, mientras que el índice Cpk mide
la CAPACIDAD REAL de ese proceso. Esto significa que una vez que se deter-
mine si un proceso es potencialmente capaz de cumplir con las especificaciones
(un valor de Cp alto), habrá que determinar si realmente está produciendo dentro
de esas especificaciones, ya que podría estar produciendo fuera de éstas (un
valor de Cpk bajo). Como se verá más adelante, en la evaluación del índice Cp se
requerirá de la estimación de la variabilidad natural del proceso.
Otros índices de uso muy frecuente son los conocidos como Índices de
Desempeño del Proceso, identificados como Pp (Índice Potencial de Desempe-
ño) y Ppk (Índice Real de Desempeño), los cuales son evaluados tomando en
cuenta la variabilidad total del proceso sin importar si el proceso está estable o
no, pero si deben estar definidas las especificaciones y la distribución subyacente
debe ser normal.
Otro índice que no está muy popularizado es el Índice Cpm, el cual es una
medida similar al Índice Cp, pero su evaluación toma en cuenta además la varia-
ción entre la media del proceso y el punto medio de las especificaciones.
6.- CALCULO DEL INDICE DE CAPACIDAD POTENCIAL DE UN PROCESO

(Cp).-
El concepto de Capacidad Potencial de un Proceso se ha manejado desde
hace muchos años; sin embargo, es desde hace unos 20 años que la Capacidad
Potencial se expresa como un índice. Originalmente se hablaba de la Capacidad

Potencial refiriéndola a la fracción defectiva mínima, tomando como referencia

los Límites Naturales del Proceso como ±3σ, los cuales, bajo el supuesto de
normalidad, contienen el 99,73% de la población (0,27% fuera). De allí que se
considerara Potencialmente Capaz un proceso cuya fracción defectiva
mínima no exceda a 0,27%.
Esto es, para LIMITES NATURALES ±3σ
Un proceso es capaz si : p mínima ≤ 0 , 0027
Debe recordarse que la fracción defectiva mínima se logra cuando el

centrado del proceso coincide con el punto medio de las especificaciones; por tan-
to,
 EI + ES   EI + ES 
p min = P X < EI µ =  + P X > ES µ =  ≤ 0,0027
 2   2 
 EI − ( EI + ES ) / 2 
∴ 2 P Z ≤  ≤ 0,0027
 σ 
ya que por simetría de la distribución normal, ambas colas serán iguales. En esta
ecuación “σ” es el estimado de la desviación estándar de un proceso estable,
evaluado a partir de
R S
ó
d2 c4
siendo, como debe recordarse, “d2” y “c4” constantes que dependen del tamaño
del sub-grupo racional.
Por tanto, para Límites Naturales ±3σ, el proceso es potencialmente capaz si

 EI − ( EI + ES ) / 2 
P Z ≤  ≤ 0,00135
 σ 
De donde
 EI − ES 
P Z ≤  ≤ 0,00135
 2σ 
Por tanto,
EI − ES
≤ −3
2σ
O lo que es lo mismo
ES − EI
≥1
6σ
El término que queda a la izquierda de la desigualdad anterior es lo que se ha

identificado como Índice de Capacidad Potencial Cp, es decir
ES − EI
Cp =
6σ
En resumen: un proceso se considera potencialmente capaz para Límites

Naturales ±3σ si

ES − EI
Cp = ≥1
6σ
En la actualidad es muy frecuente referir los Límites Naturales del Proceso

a ±4σ lo cual obliga a que un proceso se considere potencialmente capaz
cuando la fracción defectiva mínima no excede a 64 p.p.m. Esto es:
 EI − ES 
p min = 2 Φ   ≤ 64 ppm
 2σ 
De esta ecuación se obtiene que el proceso es potencialmente capaz para LN

±4σ si
EI − ES
≤ −4
2σ
Es decir,
ES − EI
Cp = ≥ 1,33
6σ
A continuación se presenta una tabla-resumen en donde se señalan los

Límites Naturales y los Cp requeridos para cada caso, así como también las res-
pectivas fracciones defectivas mínimas.

L.N. pmin SIGNIFICADO Cp

±3σ 2,7×10-3 27 defect./10000 ≥1,00
±4σ 6,4×10-5 64 defect./1000000 ≥1,33
±5σ 5,7×10-7 57 defect./100000000 ≥1,67
±6σ 19,7×10-10 197 defect /100000000000 ≥2,00
Es importante destacar que el Índice Cp para evaluar la capacidad potencial

de un proceso no depende del valor del centrado, y está definido cuando la
característica de calidad tiene dos especificaciones.
Hoy en día un proceso con un 1 ≤ Cp < 3 se le considera marginal.
7.- CALCULO DEL INDICE DE CAPACIDAD REAL DE UN PROCESO (CpK).-
Un proceso puede ser muy capaz (un Cp alto) y aún no producir dentro de
las especificaciones por no tener un centrado adecuado, de allí que sea necesa-
rio un nuevo índice que involucre el centrado del proceso.
Así como antes se refería la potencialidad de un proceso a la fracción de-

fectiva mínima, ahora ocurre algo similar con respecto al índice Cpk. En efecto,
para que un proceso que sea potencialmente capaz, produzca dentro de las
especificaciones, su centrado debe comportarse como se indica a continuación.

EI EI + 3σ ≤ X2/BARRA ≤ ES − 3σ ES
Observando la figura anterior podemos afirmar que para que un proceso con un
alto potencial para cumplir con las especificaciones como éste, produzca dentro
de dichas especificaciones, y para Límites Naturales del Proceso ±3σ
σ, debe cum-
plirse lo siguiente
X + 3σ ≤ ES y X − 3σ ≥ EI
Manipulando estas dos desigualdades se puede encontrar un intervalo para el

centrado, dentro del cual éste puede moverse para que sea posible producir den-
tro de las especificaciones, obviamente, siempre y cuando el proceso sea capaz
(Cp ≥ 1 para LN ±3σ); de esta manera se obtiene
EI + 3σ ≤ X ≤ ES − 3σ
Análogamente se obtendrá el correspondiente intervalo cuando los LN sean ±4σ ó

±5σ ó ±6σ.
En general, un proceso que sea potencialmente capaz para LN ± kσ

σ estará
produciendo dentro de especificaciones cuando el centrado de éste se encuentra
en el intervalo
EI + k σ ≤ X ≤ ES − k σ
siendo k = 3; 4; 5 ó 6 .
Sin embargo, hoy en día en vez de buscar este intervalo se trabaja con un
Índice que involucre al centrado del proceso; tal índice es INDICE DE CAPACI-

DAD REAL DEL PROCESO, Cpk, el cual se evalúa a partir de la siguiente

ecuación:
C pk = C p × (1 − K )
Siendo
D
K=
W
ES − EI
W =
2
D= X −M
EI + ES
M =
2
X = Centrado del Proceso Estable.
Es importante observar que en esta ecuación el valor de “K” mide en forma relativa
el descentrado del proceso con respecto a la mitad del recorrido de las especifica-
ciones; cuanto mayor sea “D”, más lejos estará el centrado del punto medio de las
especificaciones lo cual traería como consecuencia un mayor porcentaje de
producto fuera de las especificaciones (superior o inferior). Esta afirmación se
puede observar en el siguiente esquema:
(ES − EI)/2
M X2/barra
EI (ES − EI) ES

Mucha bibliografía especializada en la materia estima el Índice de Capacidad Real

de un proceso, Cpk a partir de la siguiente ecuación:
Z Z 
C pk = mínimo  ES ; EI 
 3 3 
Siendo
ES − X
Z ES =
σ
X − EI
Z EI =
σ
Al seleccionar el valor mínimo estaríamos seleccionando el lado más desfavora-

ble, es decir, por la especificación que produce un mayor porcentaje de partes no-
conformes; esta afirmación se puede observar en la siguiente figura.
ES – X2/barra
( X − EI)
X
EI M ES
En las gráficas que se muestran a continuación se ilustran valores de los

Índices Cp y Cpk para un proceso centrado en el punto medio de las especificacio-

nes (M) y otro cuyo centrado está desplazado “σ” unidades a la derecha de ese
punto medio ( X = M + σ ). Cada segmento representa una desviación estándar (s)
PROCESO CENTRADO PROCESO NO-CENTRADO
6s 6s
EI M ES EI M+s ES
Cp = Cpk = 1,33 Cp = 1,33; Cpk = 1,00
6s
6s
EI M ES EI M+s ES
Cp = Cpk = 1,00 Cp = 1,00; Cpk = 0,67
M+s
EI M ES EI ES
6s 6s
Cp = Cpk = 0,67 Cp = 0,67; Cpk = 0,33
8.- MEJORA DE LA CAPACIDAD DEL PROCESO.-

Como es sabido, la filosofía del mejoramiento continuo de los procesos está

orientada a reducir la variación natural de éstos, es decir, que las acciones de la
gerencia deben centrarse en las “6M” que componen el proceso (Máquina,
Medio Ambiente, Mano de Obra, Materia Prima, Métodos de Trabajo y Medición).
Debe tenerse en cuenta que, simultáneamente con esta reducción de la variabili-
dad natural, también estas acciones deben considerar el logro de un mejor centra-
do. Al ser efectivas estas mejoras, también mejorarán los Índices de Capacidad
Potencial y Real del proceso.
La efectividad de todas esas mejoras se reflejarán en los gráficos de con-

trol, razón por la cual dichos gráficos deben revisarse periódicamente a fin de
mantenerlos acordes con las mejoras; con esto también se logra descubrir nuevas
oportunidades de mejoras ya que las amplitudes de los gráficos (Xbarra; R) se
reducen. Esta situación se ilustra en la siguiente figura.
LSC PROCESO DESPUÉS DE MEJORAS
X2-barra
Identificación de
LIC una causa asignable
LSCR
Rbarra
LICR
Las mejoras observadas en los gráficos pueden comprobarse con procedi-

mientos estadísticos como pruebas de hipótesis o intervalos de confianzas.
9.- SEGUIMIENTO DE LA MEJORA DEL PROCESO.-

Es recomendable llevar gráficos que muestren los progresos de los índices

de capacidad real, Cpk, del proceso en cada una de las etapas de la línea de
producción que se encuentran bajo control estadístico. Estos gráficos deben ser
actualizados periódicamente, por ejemplo cada mes, por parte de la gerencia,
informando a los operarios de los progresos obtenidos o, por el contrario, del
estancamiento del rendimiento. También se recomienda que al ir observando
mejoras significativas en los índices, se actualicen los gráficos de control.
El índice “Cpk” puede poner de manifiesto zonas de mejoras potenciales; si

dos procesos semejantes tienen índices de capacidad que pueden considerarse
significativamente diferentes, entonces analizando el mejor proceso con respecto
al otro debe conducirnos a identificar zonas de mejoras potenciales.
10.- ACCIONES A TOMAR CUANDO UN PROCESO NO ES CAPAZ.-
Cuando un proceso no es capaz, es decir, la variabilidad natural de éste

(6s) es mayor que el recorrido de las especificaciones (ES − EI), o lo que es lo
mismo, Cp < 1 (LN ±3σ), ó <1,33 (LN ±4σ) ó < 1,67 (LN ±5σ), entonces se
presenta una situación indeseable. Ante esto podrían sugerirse las siguientes
acciones, las cuales son muy similares a las discutidas en la Sección 2, CON-
FLICTO TIPO I, ya que es exactamente la misma situación.
1.- Discutir con los ingenieros de diseño la posibilidad de aumentar el reco-

rrido de las especificaciones. Esta acción puede requerir estudios de confiabili-
dad para determinar si el producto puede funcionar adecuadamente dentro de ese
rango incrementado de las especificaciones. Obviamente, esta acción no está
mejorando el proceso productivo.
2.- Se podría pensar en una inspección 100% para eliminar las partes no-
conformes. Esta acción, de ser adoptada, debe ser temporal mientras se encuen-
tra una solución definitiva.

3.- Otra acción podría ser disminuir la dispersión del proceso, para lo
cual puede ser que se requieran nuevas materias primas, re-entrenamiento de los
operarios, mejores condiciones de trabajos, nuevas políticas de mantenimiento,
ajustes sobre las variables principales del proceso. No es fácil la reducción de la
variabilidad de un proceso; sin embargo el uso de algunas técnicas sencillas como
diagramas de Pareto, Causa-Efecto, etc., hasta técnicas estadísticas más
complejas como diseño de experimentos y análisis de varianza, pueden ayudar a
lograr reducciones significativas en la dispersión del proceso. También habrá que
pensar en nuevas tecnologías.
4.- Otra posibilidad es desplazar el centrado del proceso de manera que

todo el producto no-conforme ocurra de un lado de la distribución subyacente de la
característica de calidad. Obviamente, esta acción debe ser temporal hasta
encontrar una solución definitiva, pues al adoptarla es porque se estaría reducien-
do el “scrap” (desecho) a expensas de aumentar un retrabajo; no debemos olvidar
que el retrabajo es un desperdicio ya que con esta actividad no se le agrega valor
al producto y se estaría tolerando el derroche; de allí en que se insista que esta
acción debe ser temporal.
11.- COMENTARIOS.-
• El Índice Cp no cambia con el centrado del proceso.

• Si el proceso está centrado en el punto medio de las especifi-
caciones, entonces C p = C pk .
• Siempre se cumplirá que C pk ≤ C p .
• Si C pk = 1 se está produciendo dentro de especificaciones para
LN ±3σ.

• Un Cpk menor que 1 indica que el proceso está generando pro-

ducto fuera de especificaciones, cuando los LN son ±3σ.
• Un Cp menor que 1 indica que el proceso no es capaz (LN: ±3σ).
NOTA: si lo Límites Naturales fueran ±4σ ó ±5σ, entonces las referencias serían
1,33 ó 1,67, respectivamente.
• Un Cpk igual a cero indica que el centrado del proceso coincide
con alguno de los límites de especificaciones, por lo que 50% del
producto sería no-conforme.
• Un Cpk negativo indica que el centrado está fuera de las especifi-
caciones, lo cual haría que se produjese más del 50% de partes
no-conformes.
12.- INDICE Cp PARA CARACTERÍSTICAS DE CALIDAD CON UNA ESPECI-

FICACION.-
Cuando la característica de calidad tiene una especificación unilateral

(solamente la Especificación Superior ES ó la Inferior EI), no tiene sentido hablar
del Índice de Capacidad Potencial Cp ya que como se sabe este índice depende
del recorrido de las especificaciones (ES − EI). Sin embargo, el Cpk sí puede
expresarse como un índice, tal y como se señala a continuación.
Si se trabaja con ±3σ (a la derecha o a la izquierda con respecto a X ), y la

característica tiene una Especificación Inferior (EI), entonces se dice que el
proceso está cumpliendo con dicha especificación si
p = P ( X < EI ) ≤ 0 , 00135
De esta ecuación se obtiene que

EI − X
≤ Z 0 , 00135 = − 3
σ
Concluyéndose que si
X − EI
C pk = ≥1
3σ
entonces el proceso está generando producto que cumple con la Especificación

Inferior.
A continuación se presenta un resumen para diferentes Límites Naturales

del proceso cuando se tiene la Especificación Inferior o la Superior.
LIMITE NATURAL ESPECIFICACIÓN Cpk
X − EI
±3σ EI ≥1
3σ
ES − X
ES ≥1
3σ
±4σ
σ EI ó ES ≥ 1,33
±5σ
σ EI ó ES ≥ 1, 67
±6σ
σ EI ó ES ≥ 2 , 00
13.- INDICES DE DESEMPEÑO DEL PROCESO: Pp Y Ppk.-

Hasta ahora hemos trabajado con la variabilidad natural del proceso para
evaluar los índices Cp y Cpk. Hay otros índices conocidos como Índices de Desem-
peño Potencial (Pp) y Real (Ppk) del proceso, los cuales son evaluados de una
manera similar a los anteriores, pero trabajando con la variabilidad global del
proceso, la cual incluye la variación natural debido a las causas aleatorias de
variación y la no-natural ocasionada por las causas asignables de variación, si las
hubiere. La variabilidad global a la que se hace referencia no es más que la
desviación estándar de todos los valores individuales, usados para el cálculo
de los límites de control, y es calculada a partir de la siguiente expresión
∑(X
i =1
i − X )2
S=
−1
Los índices serán
ES − EI
Pp =
6S
Ppk = Pp (1 − K )
Siendo
2 X −M
K =
ES − EI
EI + ES
M =
2
O también,

ES − X
Z ES =
S
X − EI
Z EI =
S
Z Z 
Ppk = mínimo  ES ; EI 
 3 3 
Es importante señalar que la evaluación de los índices de desempeño no

exigen la estabilidad del proceso, aunque si es requisito que la característica de
calidad se distribuya según una normal.
Los índices Pp y Ppk describen cómo el proceso se está desempeñando en

un momento determinado con respecto a los límites de especificaciones.
Una diferencia sustancial entre los índices de capacidad (Cp y Cpk) y los
índices de desempeño (Pp y Ppk) pueden indicar que el proceso está fuera de
control, ya que para un proceso estable el valor de “S” debe estar muy cercano al
estimado de la desviación estándar del proceso “Rbarra / d2”,la cual se basa en la
variación “dentro” del sub-grupo.
Los índices Pp y Ppk son usados antes de la corrida de producción y ayudan

a proveer un indicativo preliminar de la capacidad del proceso; estos índices
pueden ser evaluados a partir de muestras relativamente pequeñas, sin ningu-
na suposición con respecto a la estabilidad del proceso. Es importante
señalar que no toda todas las fuentes de variación están incluidas en este
cálculo puesto que esto puede ser visto como una fotografía instantánea del
proceso. Esto hace que los valores requeridos para el Pp y Ppk sean más
estrictos y rigurosos que los de Cp y Cpk, los cuales se usan para una corrida
grande de producción, y su uso requiere que el proceso esté bajo control estadísti-

co. Por esta razón muchas empresas exigen que Ppk ≥ 1,67 basados en 30 a 50
observaciones y C pk ≥ 1,33 para el largo plazo.
Si la característica de calidad tuviese una sola especificación, se procede

en forma similar al procedimiento descrito en la Sección 12, Págs. 79/80; la
diferencia está en que ahora es Ppk y no Cpk, y donde aparece “s” debe aparecer
“S”.
14.- INDICES Cpm Y Cpmk.-
Este índice es relativamente nuevo y aún no ha sido muy popularizado; se

fundamenta en la habilidad que tiene el proceso para mantenerse en la cercanía
de un valor objetivo (punto medio de las especificaciones); su origen no es para
analizar número de partes no conformes sino, como ya se indicó, para analizar la
capacidad que tiene el proceso para mantenerse próximo a un valor objetivo.
El índice Cpm está relacionado con la función de pérdida de Taguchi, la
cual puede expresarse, para nuestro caso, como
L( X ) = E ( X − T ) 2
siendo “X” la característica de calidad y “T” el valor objetivo.
Si se le suma y se le resta m a esta función queda
L ( X ) = E [( X − µ ) − (T − µ ) ]
2
Desarrollando el cuadrado y tomando valor esperado queda

[
L ( X ) = E ( X − µ ) 2 − 2 ( X − µ )( T − µ ) + (T − µ ) 2 ]
= V ( X ) + (T − µ ) 2
= σ 2 + (T − µ ) 2
En esta ecuación “s” será estimada como “Rbarra / d2” y “m” como “X2-barra”
con la información suministrada por un proceso bajo control estadístico.
El índice Cpm se evalúa a partir de la siguiente ecuación:
ES − EI ES − EI Cp
C pm = = = 2
6 L( X ) 6 σ 2 + (T − µ ) 2 T − µ 
1+  
 σ 
En nuestro caso, “T” será el punto medio de las especificaciones (M), “m”
será estimada como “X2-barra” (línea central del gráfico Xbarra bajo control) y “s”
como “Rbarra / d2” (para un proceso estable). Por tanto el Cpm será estimado por la
siguiente ecuación
ES − EI Cp
C pm = =
6 σ 2 + ( X − M )2 ( X − M )2
1+
σ2
Es importante señalar que cuando el proceso está centrado en el punto

medio de las especificaciones (M), los índices Cp, Cpk y Cpm son iguales.
Las siguientes figuras muestran la relación existente entre los diferentes ín-
dices de capacidad considerados hasta ahora (Se usa: 6s = 4).

m Cp Cpi Cps Cpk Cpm

13 2 1,5 2,5 1,5 1,11
EI ES
10 11 12 13 14 15 16 17 18
m
M
m Cp Cps Cpi Cpk Cpm

14 2 2,0 2,0 2,0 2,0
10 11 12 13 14 15 16 17 18
m
M m

15 2 2,5 1,5 1,5 1,11
10 11 12 13 14 15 16 17 18

M m

16 2 3,0 1,0 1,0 0,63
10 11 12 13 14 15 16 17 18
M m
17 2 3,5 0,5 0,5 0,43
10 11 12 13 14 15 16 17 18
También existe un índice identificado por “Cpmk”, el cual es mucho más

sensible que cualquier otro índice de capacidad ante cambios en la media del pro-
ceso con respecto al Punto Medio de Especificaciones (“M”), y viene dado por la
siguiente expresión:
C pk
C pmk =
( X − M )2
1+ 2
σ

Como puede observarse en la siguiente Fig., cuando el centrado del proceso “m”
( X ) es igual a “M” (Punto Medio Especificaciones) el Cpmk y el Cpk son iguales. Si

“m” se aleja de “M”, el Cpmk decrece más rápidamente que el Cpk, aunque ambos
son iguales a 0 (cero) cuando “m” es igual a cualquiera de las especificaciones.
Inversamente, cuando “m” se acerca a “M”, el Cpmk aumenta mucho más rápido
que el Cpk.
I 1,20
N
Cpmk
D
I 0,40
Cpk
C
E 00
EI M ES Media del proceso
-0,40
Aunque el “Cpk” ofrece la mayor información acerca de la fracción no-conforme “p”,

provee el menor conocimiento acerca de la localización de la media “m” del proce-
so. Por otro lado, el “Cpmk” provee la mayor información acerca de “m” y la mínima
respecto a “p”. Es importante tener bien definido que la filosofía de calidad de la
corporación dictará cuál índice es más apropiado para una situación dada.
El índice “Cpmk” es referido como un Índice de Capacidad de Proceso de

tercera generación, ya que es evaluado a partir de los índices “Cpm” y “Cpk”, de la
misma forma que éstos son llamados de segunda generación por ser obtenidos a
partir del “Cp”, el cual es llamado índice de primera generación.

15.- INFLUENCIA DE LA VARIABILIDAD DEL SISTEMA DE MEDICION EN

LOS INDICES Cp Y Cpk.-
En las secciones anteriores cuando se encontraba que un proceso determi-

nado no tenía capacidad potencial para cumplir con las especificaciones exigidas,
se sugerían algunas acciones como revisar las especificaciones, inspección 100%
en forma temporal, modificar el centrado y reducir la variabilidad. Es recomendable
que antes de tratar de reducir la variabilidad se haga un análisis del Sistema de
Medición utilizado, ya que una parte importante de la variabilidad del proceso
podría atribuirse a las mediciones; de ser así habrá que determinar si es el opera-
rio (reproducibilidad) ó el equipo (repetibilidad) ó ambos, para luego tomar las
acciones pertinentes.
A continuación mostraremos la influencia que tiene la variabilidad del
Sistema de Medición en los Índices de Capacidad.
Como se sabe, la variabilidad total del proceso puede expresarse como la
suma de la variabilidad correspondiente al Sistema de Medición ( σ m2 ) más la del
Proceso en sí ( σ 2p ) ; esto es:
σ t2 = σ m2 + σ 2p
De donde, la desviación estándar (real) del proceso será
σ p = σ t2 − σ m2
Por otro lado, la fracción de la variabilidad total que consume el Sistema de

Medición es
σm
RR =
σt

De donde
σ m = RR × σ t
Por lo que, la desviación estándar del proceso puede escribirse como
σ p = σ t 1 − RR 2
El Índice de Capacidad Potencial “Observado” del proceso es
ES − EI
C p (observ.) =
6σ t
Mientras que el Índice de Capacidad Potencial “Real” (considerando solamente

σp, es decir, restando la variación introducida por el Sistema de Medición) será:
ES − EI
Cp (real) =
6σ p
ES − EI 1
= = Cp (observ.) ×
6σ t 1 − RR2 1 − RR2
Así, por ejemplo, si el “Cp(observ.)” es 1.4, y el estudio de R&R reveló que la

fracción de la desviación estándar total que consume el Sistema de Medición es
0.40 (R&R = 40%), el “Cp(real)” del proceso será
1
C p (real) = 1.4 × 2
= 1.53
1 − 0.4
Siguiendo este procedimiento se obtienen la tabla y las diferentes curvas

que se anexan en la página siguiente. Es importante observar: 1) cómo se alejan
las curvas de la primera a medida que aumenta la fracción “RR”, y 2) cuando RR =
0.10 (10%), prácticamente no hay diferencia entre el “Cp(real)” y el “Cp(observ.); de
allí que ésta sea la referencia que se toma para concluir si el Sistema de Medición
puede ser considerado como aceptable ó no.
Así como el Índice de Capacidad Potencial “Cp” está influenciado por el

Sistema de Medición, también lo está el Índice de Capacidad Real “Cpk” pero de
una manera diferente, la cual es a través del DESVIO del Sistema de Medición.
Como se sabe, cuando se evalúa el DESVIO se puede hacer por dos métodos
diferentes: 1) un operario mide 10 veces la pieza patrón (valor de referencia)
con el equipo que se evalúa y se obtiene un promedio. La diferencia entre este
promedio y el patrón es una medida del desvío; 2) usar como valor promedio la X
del gráfico de control utilizado para evaluar la estabilidad estadística.
.
X
VALOR DE DESVIO
REFERENCIA
El desvío influye en el Índice “Cpk de una manera “favorable” ó “desfavora-
ble”, ya que puede ser que el DESVIO acerque el promedio X del proceso al pun-
to medio de las especificaciones (“favorable”) ó lo aleje (“desfavorable”).

GRAFICO PARA ILUSTRAR LA INFLUENCIA

DEL "R&R" SOBRE LOS "Cp"
VALORES REALES DE LOS "Cp"
Cp(observ.) R&R=0% R&R=10% R&R=20% R&R=30% R&R=40% R&R=50%
1 1 1,01 1,02 1,05 1,09 1,15
1,1 1,1 1,11 1,12 1,15 1,20 1,27
1,2 1,2 1,21 1,22 1,26 1,31 1,39
1,3 1,3 1,31 1,33 1,36 1,42 1,50
1,4 1,4 1,41 1,43 1,47 1,53 1,62
1,5 1,5 1,51 1,53 1,57 1,64 1,73
1,6 1,6 1,61 1,63 1,68 1,75 1,85
1,7 1,7 1,71 1,74 1,78 1,85 1,96
1,8 1,8 1,81 1,84 1,89 1,96 2,08
1,9 1,9 1,91 1,94 1,99 2,07 2,19
2 2 2,01 2,04 2,10 2,18 2,31

Conociendo el valor del desvío podríamos hablar de un “Cpk” ajustado;

Por ejemplo, supongamos
X =5
DESVIO = + 0 ,5
Esta X sería el centrado del proceso que se usa para calcular el “Cpk”. Sin
∗
embargo, si se conoce el desvío, la verdadera X del proceso sería X = 4,5 ,
valor que puede acercarlo o alejarlo del valor nominal.
16.- COMPORTAMIENTO DE LOS INDICES Cp Y Cpk CUANDO HAY DES-

GASTE DE HERRAMIENTAS.-
Algunos autores sugieren el cálculo de estos índices utilizando las ya cono-

cidas ecuaciones, es decir,
ES − EI
Cp =
6σ
C pk = C p (1 − K )
2Y − M
K =
ES − EI
EI + ES
M =
2
Sin embargo, aún cuando el Cp no cambia a lo largo del tiempo, ya que este índice
no depende del centrado, y además uno de los supuestos cuando se trabaja con
desgaste de herramientas es que la variabilidad permanece constante de un sub-
grupo a otro, por su parte el “Cpk” sí cambia ya que éste depende del centrado, el
cual varía a lo largo del tiempo de acuerdo con la línea central del gráfico (recta

de regresión). En consecuencia, vamos analizar la variación del índice con el
tiempo, y en vez de usar Y en la ecuación anterior vamos a utilizar la línea central

del gráfica que no es más que la recta de regresión.
Supongamos que luego de procesar y analizar un conjunto de mediciones
de cierta característica de calidad cuyas especificaciones son EI = 70 y ES = 100,
se llegó a establecer que la Línea Central del Gráfico por Regresión viene dada
por
Y = 73 .483 + 1 .68 X
y que la desviación estándar estimada de la característica resultó ser 1,11 y la
media global Y = 77,16 . El valor de “K” en la ecuación del Cpk será expresado por
la siguiente función
2 ( 73 .483 + 1.68 X ) − 85 2 1.68 X − 11 .515

K = =
30 30
En la tabla y curva anexas que se muestran a continuación que se puede notar

cómo varía el “Cpk” con el tiempo, es decir, al variar “X”. Puede observarse
también que cuando “K = 0” (X = 6,85), el “Cpk” alcanza su valor máximo de
“4.50”, que, lógicamente es el mismo “Cp”; en efecto,

100 − 70
Cp = = 4,50
6 × 1,11
y el “Cpk” calculado con el promedio global será
 77 ,16 − 70 100 − 77 ,16 

C pk = mínimo  ;  = 2,15
 3 × 1,11 3 × 1,11 

COMPORTAMIENTO DEL "Cpk"
X K Cpk
0 0.7677 1.0455
1 0.6557 1.5495
2 0.5437 2.0535
3 0.4317 2.5575
4 0.3197 3.0615
5 0.2077 3.5655
6 0.0957 4.0695
7 0.0163 4.4265
8 0.1283 3.9225
9 0.2403 3.4185
10 0.3523 2.9145
11 0.4643 2.4105
12 0.5763 1.9065
13 0.6883 1.4025
14 0.8003 0.8985

17.- INDICES Cp Y Cpk CUANDO SE TRABAJA CON CORRIDAS CORTAS.-

Aunque los gráficos de control para Corridas Cortas de Producción trabajan
con muchos números de partes diferentes, la capacidad del proceso se calcula
para tipos de partes individuales. Esto se hace porque el proceso puede ser
capaz de producir el número de parte “A” dentro de especificaciones, pero falla
cuando trata de producir la parte “B”, aún cuando “A” y “B” estén bajo control. Hay
que tener en cuenta que las especificaciones de las características de calidad de
las partes muy frecuentemente serán diferentes.
Al igual que en los gráficos de control convencionales, antes de hacer un
estudio de capacidad de proceso, éste debe estar bajo control estadístico pues,
como se sabe, el índice de capacidad de proceso es una predicción y si el
proceso está inestable, es imposible hacer un pronóstico.
Puesto que la mayoría de los números de partes no se producen durante un
período largo de tiempo, es difícil determinar si el proceso está estable (estabilidad
en el “long term”), por lo que algunos autores llaman estos estudios de capaci-
dad “estudios de capacidad para períodos cortos (short term)” y que vendrían
a representar lo que el proceso es capaz de producir en un período corto de
tiempo. Debido a esto es muy importante tener en cuenta que muy frecuentemente
se dispondrá de pocos datos lo cual implica bajos niveles de confianza, por lo cual
debe tenerse mucho cuidado con respecto a las estimaciones e interpretaciones
de los índices.
CASO 1.- PRODUCTOS CON IGUAL VARIABILIDAD.- Si se ha compro-

bado estadísticamente que todos los productos tienen la misma variabilidad y que
el proceso está estable, se procede a calcular, para todos los productos
k
∑Y
j =1
j
LC = Y =
k
R S
σ = ó σ =
d2 c4

• CARACTERÍSTICAS CON DOS ESPECIFICACIONES.-

Para cada modelo (parte o producto) bajo control estadístico,
calcular
 ES − ( X deseado + LC ) ( X deseado + LC ) − EI 
C pk = mínimo ; 
 3σ 3σ 
• CARACTERÍSTICAS CON UNA SOLA ESPECIFICACIÓN.-
ESPECIFICACIÓN INFERIOR:
( X deseado + LC ) − EI
C pk =
3σ
ESPECIFICACIÓN SUPERIOR:
ES − ( X deseado + LC )
C pk =
3σ
NOTA:
• Las especificaciones pueden cambiar para cada número de

parte.
• El valor de “k” representa el número de sub-grupos racionales
de tamaño “n” cada uno, usado para calcular la línea central
LC del gráfico.
• “d2” es el factor que depende del tamaño “n” del sub-grupo.
• “c4” es el factor que depende del total de datos individuales
“kn”.
CASO 2.- PRODUCTOS CON DIFERENTES VARIABILIDADES.- Si las

partes o modelos son tales que la característica de calidad presenta diferentes
variabilidades, entonces para cada modelo o parte calcular las correspondientes

X y σ = R / d 2 (ó S/c 4 ) . Luego se procede a estimar el índice “Cpk” utilizado las

ecuaciones tradicionales:
 ES − X X − EI 
C pk = mínimo  ; 
 3σ 3σ 
Debe recordarse que antes de realizar el cálculo del índice, el proceso debe estar
bajo control estadístico. La constante “d2” para estimar “s” se determina con el
tamaño “n” del sub-grupo racional, mientras que “c4” se determina a partir del total
de observaciones individuales (N = k×n) y puede evaluarse mediante la siguiente
expresión:
2 Γ (n / 2)
c4 = ×
n − 1 Γ (( n − 1) / 2 )
siendo Γ(∗) la Función Gamma. Para “x” entero positivo, Γ( x) = ( x − 1)!
18.- ALGUNAS RELACIONES DE INTERES ENTRE LOS INDICES HASTA

AHORA TRATADOS.-
Algunas de las expresiones que se dan a continuación permiten evaluar

ciertos índices de capacidad cuando otro es conocido.
• C pmk ≤ C pk ≤ C p
• C pmk ≤ C pm ≤ C p
X −M
• C pk = C p − (1/ 3) ×
σ

• C pk = C p − (1 / 3) × (C p / C pm ) 2 − 1
C pm × C pk
• C pmk =
Cp
 2× X − M 
C pk = C p 1 − 
•  ES − EI 
 
Cp
C pm =
•
( X − M )2
1+
σ2
C pk
• C pmk =
σ 2 + ( X − M )2
Como es sabido, el índice “Cp” no depende del centrado del proceso, por lo
que la fracción de producto no-conforme “p” no puede determinarse con el
conocimiento de este índice. Para solucionar este inconveniente se introdujo el
índice “Cpk”, aunque “p” no es determinado por el “Cpk” solo, pero sí e puede deter-
minar a partir del conocimiento de ambos índices mediante la siguiente expresión:
• [ ]
p = Φ − 3(2C p − C pk ) + Φ(−3C pk )
Siendo “Φ(*)” la Función de Distribución Acumulada de una Normal Estándar “Z”.
Si el proceso está centrado en el Punto Medio de las Especificaciones “M”

(Cp = Cpk), la ecuación anterior vendría a representar la fracción mínima de
producto no-conforme, quedando de la siguiente manera

 EI − ES 
pmínima = 2Φ(−3C pk ) = 2Φ(−3C p ) = 2Φ−
2σ 
•

EJERCICIO.- Confirme algunos de los resultados que se muestran en las páginas

85 y 86; estime la fracción de producto no-conforme cuando µ = 17 .
NOTA: TODAS LAS ECUACIONES RELACIONADAS CON LOS

INDICES HASTA AHORA DISCUTIDOS SE FUNDAMENTAN EN EL
SUPUESTO DE QUE LA DISTRIBUCIÓN SUBYACENTE ES NORMAL.
19.- INTERVALOS DE CONFIANZA PARA LOS INDICES Cp, Cpk Y Cpm.-
Las ecuaciones que se han discutido hasta ahora nos permiten hacer
estimaciones puntuales de los Índices “Cp”, “Cpk” y “Cpm”; sin embargo, puede ser
de interés determinar intervalos de confianza para estos estimados de manera que
podamos afirmar, con un alto grado de confianza, valores mínimos asociados con
los verdaderos pero desconocidos valores de tales índices. Para tal fin se han
desarrollado modelos exactos de cierta complejidad matemática, y también aproxi-
mados, algunos de los cuales serán presentados a continuación
Aún cuando ya ha sido mencionado anteriormente, es conveniente insistir

en los siguientes planteamientos, ya que con mucha frecuencia son omitidos:
1. Todas las expresiones discutidas hasta ahora parten del supuesto de

que las observaciones provienen de una población normal. Por esta
razón, antes de hacer alguna inferencia con respecto a la fracción de
producto no-conforme generada por un proceso, o sobre los índices
de capacidad deben realizarse pruebas de bondad de ajuste, varias
de las cuales fueron discutidas en el Tema 2.

2. El proceso, al cual se le van a evaluar los índices de capacidad, debe

estar bajo control estadístico; es decir, que sólo estén presentes
causas aleatorias (comunes) de variación. Valores atípicos (outliers)
o datos seleccionados cuando se evidencien causas asignables
(especiales) de variación pueden distorsionar los estimados de la
media del proceso así como también su dispersión. Esta situación
será detectada con los gráficos de control.
3. El tamaño de la muestra debe ser adecuado, ya que de no ser así
los estimados de los índices serían inciertos. Además, muestras
pequeñas reducen las potencias de las pruebas de bondad de ajuste
discutidas en el Tema 2.
19-1.- INTERVALO DE CONFIANZA PARA EL INDICE “Cp”.- Como es

sabido, este índice depende solamente del recorrido entre los límites de las espe-
cificaciones (ES − EI) y la desviación estándar. Para una muestra de “N” observa-
ciones individuales, cuya desviación estándar es “s”, se puede encontrar un Inter.-
valo que nos dé una confianza (1 − α)×100% de que éste contiene la verdadera,
pero desconocida desviación estándar del proceso. Para ello se utiliza la distribu-
ción Chi-cuadrado y se procede de la siguiente forma.
 ES − EI 
P LI (s) ≤ C p = ≤ LS(s)  = 1 − α
 6σ 
Siendo “LI(s) y LS(s)” los límites de confianza inferior y superior, respectivamen-

te, los cuales son variables aleatorias ya que son una función del estadístico
muestral “s”. Elevando los términos de la desigualdad al cuadrado, multiplicando-
los por “(N − 1)×S2”, y luego de ciertas manipulaciones algebraicas se obtiene la
siguiente expresión

 − 1) S 2 × 36 × LI 2 ( s ) ( − 1) S 2 − 1) S 2 × 36 × LS 2 ( s ) 
P 2
≤ 2
≤ 2
 = 1 − α
 ( ES − EI ) σ ( ES − EI ) 
Puesto que
2
( − 1) S
2
→ χ 2 −1
σ
Entonces,
( ES − EI ) χ 2 −1;α / 2
LI ( s ) =
6S −1
( ES − EI ) χ 2 −1;1−α / 2
LS ( s ) =
6S −1
Siendo
( ES − EI )
= C p ( estimado )
6S
En consecuencia, el Intervalo de Confianza para el “Cp” será
χ 2 −1;α / 2 χ 2 −1;1−α / 2
C p ( estimado ) ≤ C p ≤ C p ( estimado )
−1 −1
En la siguiente página se muestra el comportamiento de este intervalo para una

confianza del 95%, expresado como un porcentaje del estimado puntual, para
muestras de tamaño 11; 21; 31; .....; 161.

COMPORTAMIENTO DEL I. de C DEL 95% PARA EL INDICE "Cp" COMO

UN % DE LA ESTIMACIÓN PUNTUAL, EN FUNCION DEL NUMERO DE OBSERVACIONES
N LI (%) LC (%) LS (%)

11 57 100 143
21 69 100 131
31 75 100 125
41 78 100 122
51 80 100 120
61 82 100 118
71 83 100 117
81 85 100 115
91 85 100 115
101 86 100 114
111 87 100 113
121 87 100 113
131 88 100 112
141 88 100 112
151 89 100 111
161 89 100 111

Así, si por ejemplo “N = 51”, y el estimado de “Cp” es 2, entonces
32 ,36
LI ( s ) = C p ( est .) × = 2 × 0 ,80 = 1,60 ( 80 %)
50
71 , 42
LS ( s ) = C p ( est .) × = 2 × 1, 20 = 2,40 (120 %)
50
Es decir, podemos afirmar con una confianza del 95% que el verdadero, pero des-
conocido valor del índice “Cp” está entre 1,60 y 2,40.
Podemos notar que aún cuando N = 151, el intervalo es más amplio que
±10%, pues éste sería 0,90; 1,10 (1,8; 2,20 si el Cp(est.) es 2) el cual es más cerrado
que el obtenido: 0,89; 1,11 (1,78; 2,22: ver tabla página anterior). Esto muestra
porqué es importante usar muestras grandes a fin de estimar la capacidad del
proceso.
El Manual del SPC- PC IV sugiere una aproximación para el intervalo de
confianza del índice “Cp” usando la siguiente expresión
1
C p ( est .) ± C p ( est .) × Z 1−α / 2 ×
2( − 1)
Por ejemplo, si N = 51, el Cp(est.) es 2 y 1 −α = 0,95, los límites del intervalo serán
1
2 ± 2 × Z 0 , 975 × = 2 ± 2 × 1,96 × 0,10 = (1,61;2,39 )
100
prácticamente los mismos resultados anteriores. La aproximación mejora cuanto

mayor sea el tamaño de la muestra.
Puede ser que sea de interés solamente el límite inferior, en cuyo caso las
ecuaciones quedarían de la siguiente forma:

• Límite Inferior a partir de la Chi-cuadrado:
( ES − EI ) χ 2 −1;α
LI ( s ) =
6S −1
• Límite Inferior usando la aproximación por la normal:
1
C p ( est .) − C p ( est .) × Z1−α ×
2( − 1)
Así, si N = 51, Cp(est.) = 2 y 1 − α = 0,95, se tendrá que
34,8
LI (exacto ) = 2 × = 1,67
50
1
LI ( aprox ) = 2 − 2 × 1,645 × = 1,67
100
Es decir, que podemos afirmar con una confianza del 95% que el verdadero pero
desconocido Cp es por lo menos 1,67.
19-2.- INTERVALO DE CONFIANZA PARA EL “Cp(EI)”, “CP(ES)”.- Puesto

que no se conocen los parámetros “m” y “s” de la distribución normal, sino que
son estimados a partir de las observaciones muestrales, entonces el modelo
probabilístico involucrado en esta situación es la distribución “t” no-central, la
cual además del parámetro grados de libertad tiene un parámetro adicional cono-
cido con el nombre de parámetro de no-centralidad “d”. Tomando esto en
consideración, los autores Johnson & Kotz (Ref. ) han descrito un procedimien-
to para encontrar un Intervalo de Confianza Unilateral de “100g%” para el “100P%”
de la población. La notación usada es la siguiente:

• k = factor de tolerancia unilateral, para proveer una confianza de
“100g%” de que el “100P%” de la población es 1) menor que X + kS
ó (en forma excluyente) 2) mayor que X − kS .

• P = proporción de la población dentro del intervalo de tolerancia.
• N = tamaño de la muestra.
• tγ∗ = k = percentil “100g%” de la distribución “t” no-central.
• Zp = percentil “100P%” de la Distribución Normal Estándar.

• g = Nivel de Confianza para el intervalo de tolerancia.
• δ = Z p = parámetro de no-centralidad de la distribución “t”-no-

central.
• n = N − 1 = grados de libertad de la distribución “t” no-central.
El procedimiento es el siguiente:
• Con los valores prefijados de “N” y “P” calcular “ δ = Z p ”.

∗
• Luego se determina t γ usando el MINITAB o cualquier otro recurso.
∗ tγ∗
• Conocido t γ se calcula k = (este factor es el mismo que apare-

ce en las tablas que se anexan al final (Anexo ).
• El Límite Inferior (ó Superior) de Confianza unilateral para el “Cpk(EI)”
Zp k
ó el “Cpk(ES)” es , y el estimador puntual es .
3 3
EJEMPLO: Supóngase que N = 9, P = 0,95 y g = 0,95. Entonces, siguiendo la

metodología descrita se obtiene que
δ = Z p = Z 0,95 × 3 = 1,645 × 3 = 4,935
t γ∗ = 9,0944 (usando MINITAB)

De donde,
t γ∗ 9,0944
k= = = 3,031
3
Entonces, podemos decir con una Confianza del 95% (g) que el Cpk(EI) ó Cpk(ES) es
k 3,031
por lo menos 0,548 (= 1,645/3) y el estimado puntual = = 1,01.
3 3
19-3.- INTERVALO DE CONFIANZA PARA EL INDICE “Cpk”.- Aunque

el
 ES − X X − EI 
C pk ( est .) = mínimo  ; 
 3S 3S 
 
esto no significa que el Límite Inferior de Confianza para el “Cpk” sea el

menor de los límites correspondientes para el “Cpk(EI)” y “Cpk(ES)”, por lo que hay
que proceder como se indica a continuación.
En este caso es bastante difícil desde el punto de vista matemático la
obtención del intervalo, ya que se requiere usar la distribución “t” bivariada no-
centrada. Sin embargo, se han obtenido ecuaciones aproximadas para tal fin,
cuyos resultados mejoran a medida que aumenta el número de observaciones
individuales “N). Una de estas ecuaciones la recomiendan Kushler & Hurley (Ref.
) para el Límite Inferior del intervalo, la cual viene dada por:
 − 1 − 1  Γ( − 2) / 2  
Ck = C pk ( est.) 1 − Z1−α / 2 × −    (Ec. 1)
 − 3 2  Γ( − 1) / 2  
Siendo

C k = límite inferior de (1 - α ) × 100% de confianza para el C pk

Γ (*) = función gamma.
.
 ES − X X − EI 
C pk(est.) = min . ; 
 3S 3S 
 
Por su parte, Franklin & Wasserman (Ref. ) encontraron la siguiente

aproximación, la cual es más fácil de evaluar ya que trabaja solamente con la
distribución normal, y recomiendan su uso cuando el número de observaciones es
mayor que 30.
2
1 C pk ( est )
C k = C pk ( est .) − Z 1−α × + (Ec. 2)
9 2( − 1)
A continuación presentaremos un ejemplo en donde se determinan los

Límites Inferiores del 95% de confianza para el Cpk (Ck) cuando los estimados
puntuales son 1 y 2, usando ambas ecuaciones, para distintos valores de “N”; se
presentan también las correspondientes figuras, con el fin de observar gráficamen-
te cómo a medida que aumenta “N” se aproximan más ambos estimados.
COMPARACION DE RESULTADOS
OBTENIDOS DE LAS Ec. 1 Y 2. Cpk(est:) = 1

N Ck (Ec. 1) Ck (Ec. 2)
10 0,417 0,575
20 0,647 0,706
30 0,725 0,762
50 0,794 0,817
75 0,835 0,851
100 0,858 0,871
150 0,885 0,895
200 0,901 0,909

COMPARACION DE RESULTADOS
OBTENIDOS DE LAS Ec. 1 Y 2. Cpk(est:) = 2
N Ck (Ec. 1) Ck (Ec. 2)
10 0,835 1,205
20 1,295 1,452
30 1,45 1,557
50 1,588 1,659
75 1,669 1,722
100 1,716 1,76
150 1,77 1,804
200 1,802 1,831

Con respecto a las dos figuras anteriores podemos hacer dos observacio-
nes
• La aproximación entre ellas mejora con el tamaño de la muestra.

• Cuando el estimado para el “Cpk” es 1, aún una muestra de 200
provee una confianza del 95% de que el “Cpk” es solamente mejor
que 0,90. Basándose en esta afirmación es evidente que una mues-
tra de 10 ó 20 observaciones no tendría ninguna validez estadística,
aunque muy difícilmente alguien trate de evaluar estos índices con
muestras tan pequeñas.
Cuando el “Cpk(ES)” y el “Cpk(EI)” , esto es,
ES − X
C pk ( ES ) =
6σ est .
X − EI
C pk ( EI ) =
6σ est .
difieren significativamente, y el tamaño de la muestra es grande, el menor de estos

dos valores es un estimado adecuado para el “Cpk”, y por tanto también para el Lí-
mite Inferior de Confianza “Ck”. Sin embargo, hay algo de ambigüedad cuando el
C pk ( ES ) ≈ C pk ( EI ) . Por ejemplo, suponga que C pk ( EI ) = 0,95 y C pk ( ES ) = 1,05 . Es
posible que la media del proceso esté actualmente por encima del valor nomi-
nal y el “Cpk(ES)” sea la capacidad limitante en vez del “Cpk(EI)”. Sin embargo, para
“ C pk ( EI ) = 0,80 y C pk ( ES ) = 1,20 , y una muestra mayor que 30, no hay una posibili-
dad real de que el C pk ( ES ) sea el factor limitante; esto es, C pk = C pk ( EI ) y C k es el
Límite Inferior de Confianza para el C pk ( EI ) .

19-4.- INTERVALO DE CONFIANZA PARA EL INDICE “Cpm”.- Este

índice, referido por muchos autores como un “índice de tercera generación”, es
mucho menos popular que los índices “Cp” y “Cpk” lo cual hace que se hayan
desarrollado menos investigaciones que éstos. Sin embargo, el Manual del SPC-
PC IV presenta la siguiente ecuación para encontrar un Intervalo aproximado de
(1 − α)×100% de confianza para muestras suficientemente grandes (50 ó más):
 
 ( X − M )2 
 1/ 2 + 
 1 S2 
C pm(est.) 1 ± Z1−α / 2 × ×
  ( X − M )2 
2

 1 +  
  S 2
 
 
Siendo
= Número total de observacio nes .
X = Media del proceso.
M = Punto Medio de las Especifica ciones (Valor Nominal).
S 2 = Varianza Muestral

∑(X
i =1
i − X )2
=
−1
Lo más común es trabajar con el Límite Inferior del Intervalo, en cuyo caso
la expresión anterior quedaría
 
 (X − M )  2
 1
1/ 2 + 2 
C pm(est.) 1 − Z1−α × × S 
2
  (X − M )   2
 1 + 2  
  S  


20.- PRUEBAS DE HIPÓTESIS RELACIONADAS CON LOS Cp Y Cpk.-
En esta Sección se harán algunos planteamientos relacionados con Prue-

bas de Hipótesis Estadísticas acerca de los Índices de Capacidad Potencial (C p)
y Capacidad Real (Cpk) suponiendo, como ya se ha mencionado en varias oportu-
nidades, que la distribución subyacente es normal.
Con respecto al Índice “Cp” se facilita el procedimiento ya que este índice

depende, además del recorrido de las especificaciones, de la variabilidad del “s”
del proceso, la cual se relaciona con la varianza muestral “S2” a través del
estadístico muestral
2
( − 1) S
2
σ
el cual sigue una distribución Chi-cuadrado con “N − 1” grados de libertad.
Por su parte, el planteamiento con respecto al Índice de Capacidad Real

“Cpk” se puede decir que en la actualidad son pocas las investigaciones que se
han hecho debido a las dificultades encontradas en la distribución muestral del
estimador del “Cpk”; sin embargo, los investigadores W. L. Pearn y K. S. Chen
(Ref. ) han propuesto un procedimiento, bajo ciertos supuestos, el cual será
presentado a continuación.
20-1.- PRUEBA DE HIPÓTESIS CON RESPECTO AL PARÁMETRO Cp.-
Antes de discutir la formulación de las Hipótesis Nula y Alternativa, el

estadístico muestral utilizado y correspondiente Regla de Decisión es conveniente
hacer la siguiente reflexión. Cuando se estima el Índice “Cp” mediante el siguiente
estimador

ES − EI
C p ( est .) =
6σ est .
el estimador de la desviación estándar (“ σ est . ”) que aparece en el denominador
de la ecuación se evalúa a partir de la variabilidad que existe dentro de cada sub-
grupo racional ( R / d 2 ) y no como la desviación estándar “S” de todos los

valores individuales “N”calculada como
∑(X
i =1
i − X )2
S=
−1
la cual estaría afectada, además de la variación “dentro” de los sub-grupos, por

la variación “entre” sub-grupos, si la hubiere. Sin embargo, si se supone que el
proceso está bajo control estadístico (uno de los supuestos antes de evaluar la
capacidad de los procesos), entonces esta fuente de variación entre sub-grupos
puede considerarse despreciable, por lo que se espera que ambos estimados de
la variabilidad del proceso sean muy parecidos. Es conveniente también destacar
que una estimación de la variabilidad a partir de “S” es mucho más confiable que
la que se obtendría a partir del rango “R”, debido a una serie de propiedades
estadísticas que posee el primero comparado con el segundo.
Para plantear el problema se formulará bajo la Hipótesis Nula la suposición

de que el proceso es potencialmente capaz si su índice “Cp” es por lo menos
un valor “C” (por ejemplo 1,33 ó 1,67). Esto es
H o : C p ≥ C.......proceso potencialmente capaz.

H1 : C p < C........proceso no capaz.

El verdadero, pero desconocido valor del “Cp”, es estimado a partir de la ecuación
señalada en la página anterior; si en vez de σ est . se usará el verdadero valor de

σ se obtendría el parámetro Cp; esta aclaratoria se hace porque las hipótesis
están asociadas a parámetros y no a estadísticos muestrales (Cp(est.)).
Por tanto, las hipótesis pueden re-escribirse como
ES − EI
Ho : ≥ C.......proceso potencialmente capaz.
6σ
ES − EI
H1 : < C........proceso no capaz.
6σ
Elevando al cuadrado, y después de ciertas manipulaciones algebraicas quedará
2
2  ES − EI  2
Ho :σ ≤   = σ o ....... proceso potencialmente capaz.
 6C 
H1 : σ 2 > σ o2 ....... proceso no capaz.
Por ser una prueba unilateral, y usando el estadístico muestral
2
( − 1) S
2
σ o
el cual sigue bajo Ho una distribución Chi-cuadrado con “N − 1” grados de libertad,

la regla de decisión será

( − 1) S 2
Rechazar H o si : > χ 2 − 1;1 − α
σ o2
siendo “a” el nivel de significación de la prueba.
20-2.- PRUEBA DE HIPÓTESIS CON RESPECTO AL PARÁMETRO Cpk.-
Como se dijo al comienzo de esta Sección, el procedimiento que se presen-

ta a continuación fue propuesto por W. L. Pearn & K. S. Chen, quienes desarrolla-
ron una metodología que usa un estimador insesgado del “Cpk”. Los autores
consideraron 3 estimadores propuestos para el “Cpk”
(1 )
1. El estimador C pk ( est .) propuesto Bisell (Ref. ),
2. El estimador que hasta ahora hemos utilizado, “Cpk”, el cual fue pro-
puesto por Kotz, Pearn & Johnson y
(2)
3. El estimador C pk ( est .) propuesto por Pearn & Chen.
(1 )
El estimador de Bisell, C pk ( est .) , supone un conocimiento previo de la
media del proceso que es si
µ < M ó si µ ≥ M
siendo “M” el punto medio de las especificaciones. Si se cumple la segunda de
estas condiciones (m ≥ M), entonces el estimador es definido como
(1 ) ES − X
C pk ( est .) =
3S

sino ((m < M) vendrá definido por
(1 ) X − EI
C pk ( est .) =
3S
(1 )
Demostraron que C pk ( est .) es un estimador sesgado del “Cpk”.
El segundo estimador (de Kotz, Pearn & Johnson)
 ES − X X − EI 
C pk ( est .) = mínimo  ; 
 3 S 3S 
siendo “S” la desviación estándar de los “N” valores individuales y X la media de

un proceso estadísticamente estable. Este estimador, es también sesgado, pero
tiene una menor varianza que el de Bisell.
(2)
El tercer estimador de Pearn & Chen, C pk ( est .) requiere del conocimien-
to de
P( µ ≥ M ) ó P( µ < M )
lo cual puede obtenerse de la información histórica de un proceso estable. Por

supuesto que si
Pµ ≥ M ) = 0 ó 1
(2)
entonces el estimador C pk ( est .) se reduce al estimador de Bisell. El estimador es
definido como

(2) d − ( X − M )I A (µ )
C pk ( est .) =
3S
Siendo
I A ( µ ) = 1 ...... si µ ∈ A
I A ( µ ) = − 1 ....si µ ∉ A
A = [µ µ ≥ M ]
ES − EI
d =
2
Los autores de este artículo demostraron que, bajo el supuesto de normali-

da, la distribución del estimador
(2)
3× × C pk ( est .)
es una distribución “t” no-central con “N − 1” grados de libertad y parámetro

de no-centralidad
δ = 3× × C pk
También demostraron que mediante el factor de corrección
2 Γ ( − 1) / 2
bf = ×
− 1 Γ ( − 2) / 2
(2)
el estimador C pk ( est .) se transforma en un estimador insesgado de C pk , con
una varianza menor que el de Bisell y el de Kotz/Pearn/Johnson.
Definieron al estimador corregido como

C ∗pk = b f × C pk
(2)
( est .)
el cual es un estimador insesgado y de mínima varianza de los 3 estimadores
del C pk , y que será usado para obtener valores del C pk .
PROCEDIMIENTO PARA TOMA DE DECISIONES.- W. L. Pearn y K. S.

Chen insisten en que una simple estimación puntual del Cpk calculada de una
muestra para tomar la decisión sobre si el proceso es capaz o no, es una
conclusión muy poco confiable. Por tanto, es necesario un procedimiento para que
los ingenieros de calidad determinen si sus procesos cumplen con los requeri-
mientos de capacidad pre-establecidos por las empresas. Para determinar si un
proceso dado es capaz, formularon la siguiente hipótesis estadística:
H o : C pk ≤ C..........el proceso no es capaz.

H 1 : C pk > C..........el proceso es capaz.
(2)
Sobre la base de la distribución muestral de C pk ( est .) , la cual es una “t no-
central”, se puede determinar el “p-value”, para tomar una decisión. Suponga-

(∗)
mos que el valor observado del estadístico de prueba es C pk =W , entonces
el p-value será

(
p − value = P C ∗pk ≥ W C pk ≤ C )
 (2) W 
= P  C pk ≥ C pk ≤ C 
 bf 
 (2) 3 ×W 
= P  3 C pk ≥ C pk ≤ C 
 bf 
 3 ×W 
= P  t − 1 (δ ) ≥ C pk ≤ C 
 bf 
Siendo
δ = 3 × C pk
(NOTA: bajo el supuesto de que Ho es verdad, C pk = C , el más desfavorable,
por lo que δ = 3 ×C )
Las tablas que se anexan muestran p-values para diversos tamaños de
muestras y un rango de valores, W, de C (∗ )

pk para C = 1 y 1,33. Para la aplicación
de este método, primero decidimos el valor de “C” y un nivel de significación “a”

(por lo general 5%), el cual como se sabe representa la probabilidad erróneamente
que un proceso es capaz cuando en realidad no lo es. Luego se calcula el valor
(∗ )
estimado del índice a partir de la muestra; esto es W = C pk . De la tabla
apropiada (dependiendo del tamaño de la muestra “N”), encontramos el

correspondiente p-value basado en ”W”. Si el p-value es menor que a
rechazamos Ho y concluimos que el proceso es capaz. De otra forma, no
tenemos suficiente información para concluir que el proceso es capaz.

EL PROCEDIMIENTO:
1. Decidir la definición de proceso capaz y el valor de “a” (por lo

general 5%). NOTA: si nos ceñimos a las tablas que Se
anexan sólo podríamos trabajar para valores de C = 1 y 1,33.
Sin embargo, utilizando el MINITAB podemos encontrar el
p-value para cualquier otro valor de “C”.
2. Calcular el valor de “W” a partir de la muestra.
3. Seleccionar la tabla apropiada y encontrar el p-value basado
en el valor de “W” y el tamaño “N” de la muestra.
4. Concluir que el proceso es capaz si el p-value es menor que
“a”. De lo contrario, no tenemos suficiente información para
concluir que el proceso es capaz.
5. NOTA: debería agregarse como punto inicial, la compro-
bación de estabilidad del proceso y que los datos
provienen de una población normal.
APLICACIÓN DEL PROCEDIMIENTO.- Con el fin de ilustrar el procedi-

miento vamos a suponer que de un proceso se seleccionó una muestra de 80
mediciones de cierta característica de calidad, cuyas especificaciones son
EI = 8,46 ES = 8,94
El valor objetivo es el nominal, es decir el punto medio de las especificaciones
M = 8,70
Los resultados de las observaciones se muestran en hoja anexa, para hacer un
análisis previo de los mismos utilizando el MINITAB. Con esta información obtene-
mos

ES − EI
d= = 0,24
2
ES + EI
M = = 8,70
2
80
∑X
i =1
i
X = = 8,62
80
80
∑(X
i =1
i − X )2
S= = 0,05
79
(2)
Para hallar el estimado puntual del “Cpk”, es decir, C pk ( est .) necesitamos
hallar el valor de la función indicadora “IA(m)”, la cual requiere adicionalmente el
conocimiento de P (µ ≥ M ) , ó P (µ < M ) . La información histórica
del proceso que P ( µ ≥ M ) = p = 0 , 375 . Podemos determinar el

valor IA(m) = 1, ó –1 usando números aleatorios. Se usará IA(m) = 1 si el
número aleatorio de 3 dígitos que se genera no es mayor que 375, y de otra
forma será IA(m) = −1.
Supongamos que el número aleatorio generado fue 683. Entonces, IA(m) =

(2)
−1, y el estimado C pk ( est .) puede ser calculado como
(2) d + X −M
C pk ( est .) = = 1, 07
3S
Como el factor de corrección bf es
2 Γ (( − 1) / 2 )
bf = × = 0 ,99
− 1 Γ (( − 2 ) / 2 )
entonces tendremos que
W = C ∗pk = b f C pk
(2)
( est ) = 1, 06
Definamos ahora un proceso capaz como “Cpk > 1” (es decir, “C = 1”) y un a
= 0,05. En la Tabla A4 encontramos que el p-value para W = 1,06 y N = 80 es
0,2374, siendo este valor mayor que a = 0,05, por lo que aceptamos Ho, es decir,
no podemos concluir que el proceso es capaz.
Se llegó entonces a la conclusión que este proceso debe ser considerado

insatisfactorio, por lo que se procedió de inmediato a mejorar dicho proceso.
Después de cierto tiempo en el que se ha estado mejorando el proceso, se
procedió a tomar una nueva muestra de 80 observaciones, cuyos resultados se
muestran en hoja anexa. Estos nuevos datos dieron los siguientes resultados:
X = 8,67
S = 0,05
El resultado de “W” es W = 1,39, y el p-value obtenido de la Tabla A5 con N = 80

y W = 1,39 resulta ser 0,0002, por lo que se rechaza Ho y se concluye que el Cpk
es mayor que 1. Es decir, las mejoras fueron efectivas.

Untitled

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Untitled

Hochgeladen von

Copyright:

Verfügbare Formate

ANALISIS DE CAPACIDAD DE PROCESOS

Cuando se controla un proceso estadísticamente y se llega a afirmar que

El análisis al que se hace referencia se conoce con el nombre de ANÁLI-

Antes de discutir la evaluación e interpretación de estos índices, es conve-

1.- LIMITES DE ESPECIFICACIONES.-

Los términos Límites de Especificaciones y Límites de Tolerancias se usan

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 54

Sin embargo, el glosario sugiere que las TOLERANCIAS se refieran sola-

ES = VALOR NOMINAL + TOLERANCIA

Los Límites de Especificaciones pueden ser de tipo BILATERAL (un Límite

LIMITE INFERIOR DE ESPECIFICACIÓN: Es un límite que define la fronte-

LIMITE SUPERIOR DE ESPECIFICACIÓN: Es un límite que define la fron-

2.- LIMITES NATURALES DE UN PROCESO.-

En muchos procesos productivos son considerados los llamados límites

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 55

de la población; si la distribución subyacente de la característica de calidad es co-

es decir que se espera que el 99,73% de la población estará entre “ µ − 3σ ” y

A continuación vamos a presentar la relación entre los Límites de Especifi-

CONFLICTO TIPO I: Los Límites Naturales son demasiado amplios

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 56

1) Cambio en la variabilidad del proceso.- Cuando se va a tomar alguna

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 57

Competitividad” pág. 261; entre muchas menciona: mala iluminación, máquinas

2) Cambio de los límites de especificaciones.- Por lo general quienes

3) Realizar inspección 100%.- Puede suceder que no sea posible cam-

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 58

procedimiento temporal mientras se continúan haciendo esfuerzos hasta lograr

4) Ajuste del centrado .- Esta acción está orientada a lograr un ajuste en el

CONFLICTO TIPO II: Centrado incorrecto del proceso para Caracterís-

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 59

ción, en particular la Especificación Superior (ES), la cual es menor que el Límite

En este tipo de conflicto se recomiendan las siguientes acciones.

1) Modificar el centrado de la distribución.- Con esta acción se pretende

siendo EI y ES las especificaciones inferior y superior, respectivamente, y σ x un

estimado de la desviación estándar de la distribución subyacente. Obviamente, si

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 60

Una reducción de la dispersión permitirá cumplir con la especificación, aún

2) Cambio del límite de especificación.- Para esta acción tienen validez

3) Realizar inspección 100%.- En este caso también es pertinente lo plan-

CONFLICTO TIPO III: Límites de especificaciones demasiado amplias.-

CONFLICTO TIPO III

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 61

resultados satisfactorios en forma individual o en combinación con otros compo-

3.- DETERMINACIÓN DEL CENTRADO OPTIMO DE UN PROCESO.-

El modelo que se desarrolla a continuación tiene como objetivo encontrar el

Definamos los siguientes parámetros:

P = Precio Unitario de Venta.

La variable Beneficio (B) se define como:

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 62

En el planteamiento anterior podemos notar que si la pieza no tiene reparación

El objetivo es encontrar el centrado “ µ ∗ ” que maximice el Beneficio Espera-

E(B) = K1 × P( X < EI) + K × P(EI ≤ X ≤ ES) + K2 × P( X > ES)

Estandarizando la variable “X”, la expresión anterior quedará como

Siendo Φ (∗) la Función de Distribución Acumulada de la Normal Estándar “Z”.

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 63

La ecuación anterior se puede re-escribir como

Derivando respecto a µ e igualando a cero, y recordando que la derivada de la

Simplificando y tomando logaritmos queda

PREPARADO POR: ING. RAFAEL R. GRATEROL V. 64

Desarrollando los cuadrados, simplificando y despejando “ µ ” se obtiene que

Analizando la ecuación anterior podemos concluir lo siguiente:

• Si K1 = K 2 , es decir, que las consecuencias en ambos casos (X< EI

• Si K1 < K 2 entonces el centrado del proceso estará a la derecha

• Si K1 > K 2 , entonces el centrado del proceso estaría a la izquierda