Modulo 9 Graficas de Control Por Data Variable y Capacidad de Un Proceso
Graficas de variables Una grafica de control X-R en realidad !on do! gr"fica! en #na #na re$re!enta lo! $ro%edio! de la! %#e!tra! de la &gr"fica X' ( la otra re$re!enta lo! rango! &gr"fica R' de)en con!tr#ir!e *#nta! (a +#e la gr"fica X no! %#e!tra c#al+#ier ca%)io en la %edia del $roce!o ( la gr"fica R no! %#e!tra c#al+#ier ca%)io en la di!$er!i,n del $roce!o $ara deter%inar la! X ( R de la! %#e!tra! !e )a!an en lo! %i!%o! dato!- El #!o $artic#lar de la grafica X-R e! +#e no! %#e!tra lo! ca%)io! en el .alor %edio ( en la di!$er!i,n del $roce!o al %i!%o tie%$o ade%"! e! #na /erra%ienta efecti.a $ara .erificar anor%alidade! en #n $roce!o din"%ica%ente-
Alg#no! $#nto! i%$ortante! a con!iderar $re.io a la ela)oraci,n de e!ta gr"fica !on0 1 Pro$,!ito de la gr"fica 1 2aria)le a con!iderar 1 Ta%a3o de la %#e!tra 4 CONTROL DE CALIDAD PROFESOR WALTER LOPEZ 1 Tener #n criterio $ara decidir !i con.iene in.e!tigar ca#!a! de .ariaci,n del $roce!o de $rod#cci,n- 1 Fa%iliari5ar a l $er!onal con el #!o de e!ta gr"fica- El $roce!o +#e !e de)e !eg#ir $ara con!tr#ir #na grafica e!0 La con!tr#cci,n de #na gr"fica de rango! ( $ro%edio re!#lta de for%ar #na #nidad tanto de la gr"fica de $ro%edio! co%o de la de rango! con!ta de do! !eccione!
$arte !#$erior !e dedica a lo! $ro%edio! $arte inferior a lo! rango! en el e*e .ertical !e e!ta)lece la e!cala a lo largo del e*e /ori5ontal !e n#%eran la! %#e!tra!-
En la gr"fica !e relacionan e!to! $ro%edio! con lo! inter.alo! d#rante lo! c#ale! !e to%aron la %#e!tra!- En el e*e .ertical !e indican lo! .alore! corre!$ondiente! a lo! .alore! de %#e!tra!- En el e*e /ori5ontal !e !e3alan lo! $eriodo! de tie%$o en lo! +#e !e to%an la! %#e!tra! a !e%e*an5a +#e la de $ro%edio!-
La inter$retaci,n de e!ta grafica de $ro%edio ( rango !eria +#e a $artir de lo! dato! de la grafica de $ro%edio! ( rango! $ode%o! deter%inar el .alor central del $roce!o ( !# a$licaci,n- 6 CONTROL DE CALIDAD PROFESOR WALTER LOPEZ
7ediante e!te $roce!o e!ta )a*o control c#ando no %#e!tra ning#na tendencia ( ade%"! ning8n $#nto !ale de lo! l9%ite!-
Se de!cri)en lo! di!tinto! ti$o! de tendencia +#e !on $atrone! de co%$orta%iento anor%al de lo! $#nto! &ine!ta)ilidad o $roce!o f#era de control e!tad9!tico'
Graficas de medianas y rangos
E! la /erra%ienta e!tad9!tica +#e $er%ite e.al#ar el co%$orta%iento del $roce!o a $artir de la %ediana ( del rango- La e!tr#ct#ra e! la co%8n a toda! la! gr"fica! de control $ara .aria)le!-
La $arte !#$erior regi!tra el .alor %edio de la! caracter9!tica! de calidad en e!t#dio ( la $arte inferior indica la .aria)ilidad de la %i!%a-
El c"lc#lo de la %ediana e! %#( !encillo de %odo +#e #tili5ar e!ta gr"fica $ar %onitorear el $roce!o e! atracti.o $ara el #!#ario- : CONTROL DE CALIDAD PROFESOR WALTER LOPEZ
El #!o de e!ta gr"fica en $roce!o! +#e act#al%ente %#e!tren e!ta)ilidad e!tad9!tica- Co%o toda gr"fica de control el #!#ario o)tendr" de #na %anera contin#a infor%aci,n r"$ida ( eficiente del $roce!o en e!t#dio; $ara .erificar +#e el $roce!o contin#a en control o )ien $ara reconocer la a$arici,n de ca#!a! e!$eciale! de .ariaci,n-
Para el $rocedi%iento de con!tr#cci,n de e!ta gr"fica e! %#( !i%ilar al de la gr"fica de %edia! ( rango!; e!to! e! calc#lando lo! l9%ite! de control l#ego !e grafican lo! $#nto! ( !e integran lo! l9%ite! de control ( l9nea! centrale! $or 8lti%o !e efect8a la lect#ra de la gr"fica a fin de .er !i el $roce!o contin#a e!ta)le o )ien $erci)ir alg#na !it#aci,n de anor%alidad-
Ejemplo de la Grfica X R La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se < CONTROL DE CALIDAD PROFESOR WALTER LOPEZ reemplaza por una estrategia ms econmica de prevencin antes y durante del proceso industrial con el fin de lograr que precisamente estos productos lleguen al consumidor sin defectos. As las variaciones de calidad producidas antes y durante el proceso pueden ser detectadas y corregidas gracias al empleo masivo de Grficas de Control. Segn este nuevo enfoque, e!isten dos tipos de varia"ilidad. #l primer tipo es una varia"ilidad aleatoria de"ido a $causas al azar$ o tam"i%n conocida como $causas comunes$. #l segundo tipo de varia"ilidad, en cam"io, representa un cam"io real en el proceso atri"ui"le a $causas especiales$, las cuales, por lo menos tericamente, pueden ser identificadas y eliminadas. Los grficos de control ayudan en la deteccin de modelos no naturales de variacin en los datos que resultan de procesos repetitivos y dan criterios para detectar una falta de control estadstico. &n proceso se encuentra "a'o control estadstico cuando la varia"ilidad se de"e slo a $causas comunes$. Los grficos de control de S(e)art son "sicamente de dos tipos* grficos de control por varia"les y grficos de control por atri"utos. +ara cada uno de los grficos de control, e!isten dos situaciones diferentes* a, cuando no e!isten valores especificados y ", cuando e!isten valores especificados. Se denominan $por varia"les$ cuando las medidas pueden adoptar un intervalo continuo de valores* por e'emplo, la longitud, el peso, la concentracin, etc. Se denomina $por atri"utos$ cuando las medidas adoptadas no son continuas* = CONTROL DE CALIDAD PROFESOR WALTER LOPEZ e'emplo, tres tornillos defectuosos cada cien, - paradas en un mes en la f"rica, seis personas cada -.., etc. Antes de utilizar las Grficas de Control por varia"les, de"e tenerse en consideracin lo siguiente/ a.0 #l proceso de"e ser esta"le ".0 Los datos del proceso de"en o"edecer a una distri"ucin normal c.0 #l nmero de datos a considerar de"e ser de apro!imadamente 1. a 12 su"grupos con un tama3o de muestras de 4 a 2, para que las muestras consideradas sean representativas de la po"lacin. d.0 Los datos de"en ser clasificados teniendo en cuenta que, la dispersin de"e ser mnima dentro de cada su"grupo y m!ima entre su"grupos e.0 Se de"en disponer de ta"las estadsticas Las etapas que de"en tomarse en cuenta para me'orar el proceso estn esquematizadas en la siguiente figura/ > CONTROL DE CALIDAD PROFESOR WALTER LOPEZ El siuiente ejemplo ense!a c"mo utili#ar estas rficas Grficas de Control 5 y 6, por varia"les 7sin valores especificados, ? CONTROL DE CALIDAD PROFESOR WALTER LOPEZ #n la siguiente ta"la se muestran los pesos de los so"res de un determinado alimento. Cada media (ora se realizan 4 mediciones por muestra, sumando un total de 1. muestras. Los lmites de tolerancia son .,2-8. 7LS9, y .,42:. 7L;9, Con esto se pretende evaluar el comportamiento del proceso y (acer un control del mismo respecto a su localizacin y dispersin, con el o"'eto que el proceso cumpla con las especificaciones preesta"lecidas. @ CONTROL DE CALIDAD PROFESOR WALTER LOPEZ +rimero de"emos calcular las medias tanto de la media de cada muestra 75 do"le raya, como la de su amplitud o recorrido 76, +ara ello utilizamos las siguientes frmulas/ donde 5 7do"le raya, < .,4=>. y 6 7raya, < .,.114 +ara construir los Grficos de Control por varia"les, se tiene que tener en cuenta que al determinar si un proceso est "a'o $control estadstico$, siempre se de"e analizar primero la grfica 6. Como los lmites de control en la grfica 5 7raya,dependen de la amplitud promedio, podran (a"er causas especiales en la grfica 6 que produzcan comportamientos anmalos en la grfica 5 7raya,, an cuando el centrado del proceso est% "a'o control. Para el rfico R$ se tiene %ue& Lmite Central 7LC, < 6 7raya,< .,.114 Lmite Superior de Control 7LSC, donde LSC < .,.2??, el valor de @ se consigue en una ta"la estadstica 7para este caso es 1,1:1 con un tama3o de grupo n < 4,. Lmite ;nferior de Control 7L;C, donde L;C < ., porque para todo proceso en que se considera un n A >, el L;C no se indica en la grfica. A CONTROL DE CALIDAD PROFESOR WALTER LOPEZ #l grfico 6 es el siguiente/ Como se puede apreciar, el grfico 6 no presenta variaciones fuera del lmite superior,por lo tanto la dispersin de los datos es acepta"le para calcular el grfico 5 7raya,. +ara el grfico 5 7raya,, se tiene que/ Lmite Central 7LC, < 5 7do"le raya,< .,4=>. Lmite Superior de Control 7LSC, donde LSC < .,2?--, el valor de A1 se consigue en una ta"la estadstica 7para este casoel valor es .,>1= con un tama3o n <4,. Lmite ;nferior de Control 7L;C, donde L;C < .,4:.> 4B CONTROL DE CALIDAD PROFESOR WALTER LOPEZ #l grfico 5 7raya,es el siguiente/ Como se puede apreciar un punto queda fuera del rango calculado, por lo tanto el proceso se encuentra fuera de control estadstico. #n este caso, (a"ra que investigar y eliminar la causa asigna"le, que podra (a"erse de"ido al uso de algn material defectuoso o una mala lectura del instrumento. #ste dato de"e eliminarse de la grfica y recalcular todo de nuevo pero sin considerar el su"grupo :. Bota.0 #sto no siempre es as, si los puntos fuera de control son de tal magnitud, entonces no queda ms remedio que una vez encontrada y eliminadas las causas en la prctica, (a"ra que repetir el proceso, recogiendo nuevos datos. @espu%s de la correccin, los resultados son/ Grfico 6 corregido 6 7raya, < LC < .,.1-? LSC < .,.21> y L;C < . 44 CONTROL DE CALIDAD PROFESOR WALTER LOPEZ Grfico 5 7raya, corregido 5 7do"le raya, < LC < .,4=>= LSC < .,2?4> y L;C < .,4:?? Los grficos son los siguientes/ Como se puede apreciar en am"os grficos, a(ora el proceso se encuentra en $control estadstico$. Clculo de la Capacidad del +roceso La capacidad del proceso slo puede ser evaluada en el caso de que el proceso se encuentre "a'o control estadstico. y se puede definir como aquellos lmites dentro de los cuales la nica fuente de variacin son las causas comunes o aleatorias del sistema. +or lo tanto, es un estado ideal para el "uen funcionamiento de todo el sistema lograr que todos sus procesos sean esta"les. ;C+ < Cp < ;ndice de Capacidad del +roceso donde LS9 es el lmite superior de tolerancia y L;9 el lmite inferior de tolerancia. Sigma som"rero es la desviacin estndar estimada, y es igual a/ 46 CONTROL DE CALIDAD PROFESOR WALTER LOPEZ #l valor de la constante d1 se o"tiene a partir de ta"las estadsticas. #n este caso d1 < 1,.2= para n < 4. Sigma som"rero < .,.??1 y Cp < ?,?2= Segn el convenio, un proceso/ #s capaz si Cp C < ? Bo es capaz si Cp A ? +or lo tanto, el +6DC#SD #S CA+AE Lo que se de"e conseguir para lograr una me'ora sustancial es que el Cp sea mayor que ?,--. Algunos autores se3alan incluso que un Cp C ?,2 es ms fia"le para dar $seguridad$ acerca de la esta"ilidad del proceso. Sin em"argo, antes de cualquier me'ora de"emos primero calcular el centramiento del proceso. Centramiento del +roceso #s evidente que el valor de Cp no depende del promedio del proceso, ya que este promedio puede ser el resultado de un error sistemtico en el sistema, es decir, que los datos o"tenidos estn ms "a'o o ms alto de la media po"lacional real o del valor que (emos fi'ado como centro. +ara determinar si el proceso est o no centrado e!isten diversas frmulas para resolverlo, una de ellas, a'usta el valor de Cp con un factor 7? F G,, como sigue/ 4: CONTROL DE CALIDAD PROFESOR WALTER LOPEZ CpH < Cp 7? F H,,en la cual/ G < I.,2-8. J .,42:. F 71 ! .,4=>=,I K 7.,2-8. F .42:., G < .,?.. CpH < Cp 7? F H, CpH < ?,?2= ! 7? F .,?.., CpH < ?,1: La frmula para o"tener G se entiende me'or si la rescri"imos de otra manera/ G < 1 I promedio F o"'etivo I K tolerancia Aqu podemos apreciar que si el promedio es igual al o"'etivo, que es lo ideal, el proceso queda totalmente centrado, ya que H < ., y por tanto CpH < Cp. 4<