Beruflich Dokumente
Kultur Dokumente
de la AIAG
MDULO 1.
CONTROL
ESTADSTICO DEL
PROCESO
2
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Contenido
1. CONCEPTO DE VARIACIN ..................................................................................................................... 5
Introduccin.................................................................................................................................................... 5
Componentes de la variacin .......................................................................................................................... 5
Estratificacin ................................................................................................................................................. 6
Diagrama de Dispersin ................................................................................................................................. 7
Histogramas .................................................................................................................................................. 10
Las cartas de control ..................................................................................................................................... 12
Causas especiales y causas comunes ............................................................................................................ 13
Causas especiales o asignables: ................................................................................................................ 13
Causas comunes ....................................................................................................................................... 14
Tampering o sobreajuste............................................................................................................................... 15
Distribucin de probabilidad normal ............................................................................................................ 16
Propiedades de la distribucin normal estndar ....................................................................................... 17
rea o probabilidad bajo la curva normal estndar .................................................................................. 17
Estandarizacin de valores reales a su equivalente Z ............................................................................... 21
Prueba de normalidad en Minitab ............................................................................................................. 23
2. CONTROL ESTADSTICO DEL PROCESO ............................................................................................. 24
Teorema del lmite central ............................................................................................................................ 24
Introduccin al Control estadstico del proceso ............................................................................................ 26
Qu es una carta de control? ................................................................................................................... 26
Patrones principales de anormalidad en Cartas de Control ...................................................................... 27
Proceso de mejora en el CEP .................................................................................................................... 30
Cartas de control por variables ..................................................................................................................... 31
Cartas de control de medias-rangos (X-R) ............................................................................................... 31
Cartas de control para lecturas individuales / Rango mvil (I-MR) ......................................................... 36
Cartas de control para atributos .................................................................................................................... 39
Carta de control para fraccin no conforme - p ........................................................................................ 40
Carta p con tamao de muestra variable ................................................................................................... 43
Carta de control np ................................................................................................................................... 47
Cartas de control para no conformidades (defectos) c y u ......................................................................... 50
Tamao de muestra constante - Carta c ................................................................................................... 50
Carta u de Defectos por unidad ................................................................................................................ 54
3. CAPACIDAD DE PROCESOS ................................................................................................................... 57
Definiciones.................................................................................................................................................. 57
Introduccin a la capacidad de procesos ...................................................................................................... 57
3
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
4
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
1. CONCEPTO DE VARIACIN
Introduccin
La variacin representa la diferencia entre las cosas, no hay en la naturaleza dos cosas
EXACTAMENTE IGUALES, lo cual origina el estudio de la estadstica.
Tiempo de vuelo de
Mxico a Acapulco Tiempo que toma ir al
trabajo
Componentes de la variacin
La variacin a largo plazo se denomina variabilidad del producto o proceso. Hay diferencia
entre el promedio del proceso y la variacin de lote a lote. Puede ser necesario analizar
cada lnea de productos por separado. Tambin se presenta la variacin de tiempo a
tiempo, la variacin de pieza a pieza, la variacin posicional dentro de la misma pieza, el
error de medicin cuando es significativo, y al final solo queda la variabilidad inherente del
proceso, que es la reproducibilidad instantnea de la mquina bajo condiciones ideales.
5
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Estratificacin
Se utiliza para separar el problema general en los estratos que lo componen, por ejemplo, por
reas, departamentos, productos, proveedores, turnos, etc. Clasificacin de los datos o factores
sujetos a estudio en una serie de grupos con caractersticas similares.
Por ejemplo: Rechazos en general, rechazos en cada lnea, rechazos en cada mquina de la lnea.
6
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Diagrama de Dispersin
Se utiliza para analizar la correlacin entre dos variables, se puede encontrar: Correlacin positiva
o negativa, fuerte o dbil o sin correlacin.
Es una herramienta que nos permite estudiar la relacin de dependencia entre dos o ms
variables. El Coeficiente de correlacin r tiene valores entre -1 y 1 y el coeficiente de determinacin
r2 toma valores entre 0 y 1. La ecuacin de regresin que pasa por los puntos tiene la forma
Y=a+bX
15 15
10
Y
Y
10
5
5
0
0 5 10 15 20 25
Sin Correlacin 0
0 5 10 15 20 25
X 25 X
20
15
Correlacin 10
Y
5
Correlacin
25
Positiva 0 Negativa
0 5 10 15 20 25 25
20
X 20
15
15
Y
10
Y
10
5
5
0
0 5 10 15 20 25 0
0 5 10 15 20 25
X
X
7
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
En Excel se puede obtener esta grfica con la grfica de dispersin y agregando la lnea de
tendencia lineal y el coeficiente de determinacin R^2.
Ejercicio: Un jefe de mantenimiento reuni los datos siguientes de los tiempos de reparacin de
un equipo con base a la experiencia del personal del tcnico.
8
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
8 10 123
9 11 117
10 13 136
X Y
9
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Histogramas
Se utilizan para ver la distribucin de frecuencia de los datos
18
16
14
12
10
8 Frec.
6
4
2
0
15-24 25-34 35-44 45-54 55-64 65-75
10
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
2 18-35
3 36-53
4 54-71
5 72-89
6 90 en
adelante
Conclusiones:
En Excel se puede obtener esta grfica con la opcin de Anlisis de datos, Histograma y
seleccionando la columna de datos y de lmites superiores de clases o celdas.
Histogram
40
Frequency
30
20
10
Frequency
0
17 35 53 71 89 106 More
Bin
11
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Cartas de control
12.5 Lmite
Superior de
11.5 Control
10.5
9.5 Lnea
Central
8.5
Lmite
Inferior de
7.5
Control
0 10 20 30
Carta de control
Escuche la Voz del Proceso Regin de control,
M captura la variacin
E
natural del proceso
D
I original
D LSC
A
S
C
A LIC
L Tendencia del proceso
I
D El proceso ha cambiado
A
Causa Especial
identificada
D
TIEMPO
12
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
LIC LSC
LSC
Proceso fuera de control, con causas especiales presentes, el proceso no es predecible
Las causas especiales normalmente provocan que los procesos sean INESTABLES y salgan de
control estadstico.
Ejemplo de variacin
anormal en el tiempo:
13
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Causas comunes
La variabilidad natural siempre existe en cualquier proceso de produccin, no importa que tan
bien diseado est. Esta variabilidad natural es denominada causas comunes o aleatorias de
variabilidad, un proceso que opera en estas condiciones se dice que est en control estadstico.
Prediccin
Tiempo
Cuando slo se tienen presentes en el proceso causas comunes, entonces logramos un PROCESO
ESTABLE, con un patrn de comportamiento consistente y normal en el tiempo, de esta forma se
pueden determinar los lmites de control dentro de los cuales se tendr la variabilidad natural de
este proceso estable el 99.73% del tiempo (por estar los lmites de control a tres sigmas).
UCL
LCL
14
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Esta variacin no puede ser reducida sin cambios fundamentales en el proceso por la direccin
(cambio de maquinaria, nuevos materiales, etc.)
Tampering o sobreajuste.
El intento de ajustar un proceso normal y estable para reducir su variacin al final incrementa la
variacin alrededor de la media del proceso (Tampering o sobreajuste).
Tampering
Al manejar de Mxico a Acapulco, mantener la
velocidad entre 90 y 110 Km/hr.
Pisar el freno se se exceden los 110 Km / hr.
Pisar el acelerador si la velocidad es menor a 90 Km / hr.
El trmino sobre ajuste o Tamperingse refiere a los ajustes que se hacen al proceso de
produccin que no son estadsticamente apropiados, dado que el proceso es estable:
15
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
.
.
Pero ellas forman un patrn, tal que si es estable, se denomina distr. Normal
16
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Cuando se incluyen todos los datos de un proceso o poblacin, sus parmetros se indican con
letras griegas, tales como: promedio o media = (mu), y desviacin estndar (indicador de la
dispersin de los datos) = s (sigma). Para el caso de estadsticos de una muestra se tiene media =
X y desv. est.= s.
X
x-3s x-2s x-s x x+s x+2s x+s3
s
s
s3.9
s3.9 = 5, ss == 33
= 5,
ss == 5.0
5.0 == 9,
9, s=
s= 66
== 14,
14, ss== 1010
LIE LSE
17
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Existe una relacin del porcentaje de probabilidad o rea bajo la curva normal a la desviacin
estndar. En la figura observamos por ejemplo que el rea bajo la curva para 1s tiene un
68.26%
95.46%
99.73%
Lo anterior se puede calcular con la Tabla de distribucin normal o con Excel (Fx
=distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z).
En la tabla normal, se busca el valor de Z y se encuentra el rea bajo la curva. La primera tabla
sirve para determinar el rea o probabilidad que se encuentra fuera del lmite inferior de
especificacin, para Z menores a cero. La segunda tabla proporciona valores de rea bajo la curva
para Zs mayores a cero. En cada una se muestran ejemplos de su uso.
18
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Ejemplo
a) Determinar el rea bajo la curva de menos infinito a Z = - 1. P(Z<= -1) = 0.1587
b) Determinar el rea bajo la curva de menos infinito a Z = - 2. P(Z<= - 2) = 0.0228
c) Determinar el rea bajo la curva entre Z >= -2. hasta Z <= -1. P(- 2 <= Z<= -1) = 0.1259
En Excel: Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z).
19
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Ejemplo:
a) Determinar el rea bajo la curva de menos infinito a Z = 1. P(Z <= 1) = 0.8413
b) Determinar el rea bajo la curva de menos infinito a Z = 2. P(Z <= 2) = 0.9772
c) Determinar el rea bajo la curva de Z = 1 a Z = 2.
P(1 <= Z <= 2) = 0.9772 0.8413 = 0.1369
d) Determinar el rea total que representa P(Z<=-2) + P(Z>= 2.5)
En Excel Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z.
En Excel = 1 - distr.norm.estand(Z) proporciona el rea desde Z hasta ms infinito.
20
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
EJERCICIO:
Qu porcentaje del rea bajo la curva normal estndar o probabilidad est incluido
dentro de los siguientes rangos?
Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z
a) P(1.2 <= Z <= 2.2) = P(Z <= 2.2) P(Z <= 1.2) =
b) P(-2.1 <= Z <= -0.4) = P(Z <= - 0.4) P(Z <= -2.1) =
c) P( -1.3 <= Z <= 2.7) = P(Z <= 2.7) P(Z <= -1.3) =
d) P( Z >= 2.4) = 1 - P(Z <= 2.4) =
e) P( Z<=-2.9) + P(Z>= 3.1) = P(Z <= -2.9) + [1 - P(Z <=3.1)] =
f) P(Z>= 1.9) = 1 - P(Z <= 1.9) =
X X1 X2
Z Z1 Z2
s s s
DISTRIBUCIN NORMAL CON DATOS REALES
X1 Media X2
Real
DISTRIBUCIN NORMAL ESTANDARIZADA
Desviacin estndar = 1
Z1 Media=0 Z2
Estandarizacin de datos reales para clculo de rea
21
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Ejemplo: El departamento de personal de una empresa requiere que los solicitantes a un puesto
en cierta prueba alcancen una calificacin de 500. Si las calificaciones de la prueba se distribuyen
normalmente con media 485 y desviacin estndar s 30 Qu porcentaje de los
solicitantes pasar la prueba?
485
30.85%
Z.05
rea bajo la curva de Distribucin normal
Ejemplo: Suponga que un proceso tiene una distribucin normal dada tiene una media de 20 y una
desviacin estndar de 4. Calcule la probabilidad
P (X >=24) = 1 P(X <= 24) =
22
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
El resultado de la frmula = 0.8413. , dado que esta es la probabilidad P(X 24), la probabilidad
buscada es: P(X > 24) = 1 - 0.8413= 0.1587
EJERCICIO:
Un producto tiene un peso promedio de 75 Kgs. con una desviacin estndar de 10Kgs.
a) Cul es la probabilidad de que un producto pese ms de 85Kgs.?
b) Cul es la probabilidad de que un producto pese menos de 55Kgs.?
c) Cul es la probabilidad de que el producto pese entre 60 y 80 Kgs.?.
d) Cul es la probabilidad de que el producto pese entre 55 y 70 Kgs.?
e) Cul es la probabilidad de que el producto pese entre 85 y 100Kgs.?
El P value debe ser mayor a 0.05 para que los datos sean normales
23
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
s
s
__
X n
Donde n es el tamao de la muestra y s es la desviacin estndar de la poblacin.
Seleccionando muestras de tamao n y calculando la X-media o promedio en cada una se tiene:
X1 X2 X3
X-media 1 X-media 2 X-media 3
Distribucin de las medias muestrales - Normal
1
Shewhart, W.A., Economic Control of Quality of Manufactured Product, Van Nostrand Reinhold Co., 1931,
p. 182
24
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
12
40
10
30
8
Frequency
Frequency
6
20
4
10
2
0 0
2 4 6 8 3.0 3.6 4.2 4.8 5.4 6.0 6.6 7.2
Datos Media
25
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Cartas de control
12.5 Lmite
Superior de
11.5 Control
10.5
9.5 Lnea
Central
8.5
Lmite
Inferior de
7.5
Control
0 10 20 30
26
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Cartas de Control
Causa
especial
Causas
normales o
comunes
DEFINICION
Es una ayuda grfica para el control de las variaciones
de los procesos administrativos y de manufactura.
Patrones de anormalidad
en la carta de control
Escuche la Voz del Proceso Regin de control,
M captura la variacin
E
natural del proceso
D
I original
D LSC
A
S
C
A LIC
L Tendencia del proceso (7P)
I
D Corrida del Proceso (7P)
A
Causa Especial
identifcada
D
TIEMPO
27
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Una carta de control indicar una condicin fuera de control cuando uno o ms puntos se
encuentren ms all de los lmites de control.
Tendencias:
Se pueden presentar tendencias hacia arriba o hacia abajo en las cartas de control (ascendentes o
descendentes), se considera que 7 puntos o ms indican una situacin fuera de control.
28
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
29
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
las medias en la carta de control. Es decir, se tiene aprox. el 68% de los puntos dentro del tercio
medio de la carta de control. Si se trata de ajustar el proceso cuando solo la variacin comn est
presente, podemos incurrir en Sobre ajustes o Tampering.
SISTEMA DE
EVALUACIN
30
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Para elaborar la carta, inicialmente se toman al menos 25 subgrupos con muestras de cinco partes
cada cierto periodo (por ejemplo cada hora).
Para elaborar la carta, inicialmente se toman al menos 25 subgrupos con muestras de cinco partes
cada cierto periodo (por ejemplo cada hora), se determinan los lmites de control preliminares, se
identifican situaciones fuera de control, se investigan las causas y se toman acciones preventivas
para prevenir la reincidencia y se recalculan los lmites de control futuros.
Ejemplo: Se toman varios datos de hilos y se construye una carta
de medias rangos con m = subgrupos, donde el rango se calcula
tomando el valor mayor menos el valor menor del subgrupo, con n =
5.
Por ejemplo:
Subgrupo Subgrupo Subgrupo
Variables 1 2 m
X1 2 5 3
X2 4 3 4
X3 3 6 1
X4 5 7 5
X5 1 4 2
09:00 a.m. 10:00 a.m. 11:00 a.m.
Media 3 5 3
Rango 4 4 4
Se obtiene una media de medias X y un rango promedio R, para proceder a determinar los lmites
de control como sigue: Las constantes para n = 5 de esta carta son A2 = 0.577, D3 = 0, D4 = 2.114.
31
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
LSCx = X + A2 x R
LICx = X - A2 x R
Para el caso de los rangos, la lnea central es R . los lmites de control para el rango son:
LSCr= D4 x R
LICr = 0
_
_
X=600.23
600
598 LC L=597.986
2 4 6 8 10 12 14 16 18 20
Sample
8 U C L=8.225
Sample Range
_
4 R=3.890
0 LC L=0
2 4 6 8 10 12 14 16 18 20
Sample
32
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
601
Sample M ean
_
_
600 X=599.938
599
598
LC L=597.629
2 4 6 8 10 12 14 16 18
Sample
U C L=8.465
8
Sample Range
_
4 R=4.003
0 LC L=0
2 4 6 8 10 12 14 16 18
Sample
33
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
34
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Ejercicio: Obtener una carta de Medias Rangos X-R, Se monitorean cada hora subgrupos de 5
dimetros de una parte metlica con los siguientes resultados:
a) Obtener una carta de control X-R de medias rangos. Est el proceso en control estadstico?
En Excel (seleccionar la informacin de la carta X verde y despus la del rango R amarillo, usar
el asistente de grficas, grfica de lneas, ajustar escalas y colores)
b) Si no est en control, asumir que se pueden identificar las causas asignables, y que se toman
acciones para prevenir su recurrencia, eliminar el subgrupo 4 (seleccionar el rengln 4 y borrarlo
en Minitab) recalcular los lmites de control con otra corrida.
35
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
600
_
X=599.548
599
598 LC L=597.920
1
1 10 20 30 40 50 60 70 80 90 100
O bser vation
2.4
1
U C L=2.000
M oving Range
1.8
1.2
__
0.6 M R=0.612
0.0 LC L=0
1 10 20 30 40 50 60 70 80 90 100
O bser vation
Ejercicio Hacer una carta I-MR utilizando las fichas de ejemplo por equipos.
36
No. DE GRAFICA FECHA DE INICIO FECHA DE TERMINO
GRAFICA DE CONTROL DE LECTURAS INDIVIDUALES
Cp. : CPK:
NOMBRE DE PARTE No. DE PARTE REA OPERACIN MAQUINA CARACTERSTICA CALIBRADOR T. MUESTRA FRECUENCIA TIPO DE EVALUA.
% Z Sup.: % Z Inf.:
UNIDADES NOMINAL L.S.E. L.I.E. X L.S.C.x L.I.C.x R L.S.C. R L.I.C. R % NC:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
INSTRUCCIONES
x 1.- Encierre en un crculo los patrones
anormales de comportamiento ( puntos fuera
de los lmites de control, tendencias,
adhesiones, etc).
LECTURAS
o propuestas para corregir la falla.
37
B) Falta de material
C) Ajuste de lnea / mquina
D) Cambio de modelo
E) Fin de turno
INICIALES F) Otro (indicar)
RANGOS
FECHA
CONSTANTES
HORA
X E2 D2 D3 D4
VALORES
R 2.67 1.13 0 3.27
P. Reyes / junio 2010
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Carta de control I-MR: se muestran a continuacin los siguientes datos de mediciones individuales de
una viscosidad de un elemento (constantes para n = 2, E2 = 2.66, D3 = 0, D4 = 3.27):
=Xm -+ E2*Rm
Viscocidad Xm LICx LSCx D3*Rm =D4*Rm
6.00 6.00 5.92 6.08 Rango Rm LICr LSCr
5.98 6.00 5.92 6.08 0.02 0.033 0 0.109
5.97 6.00 5.92 6.08 0.01 0.033 0 0.109
6.01 6.00 5.92 6.08 0.04 0.033 0 0.109
6.15 6.00 5.92 6.08 0.14 0.033 0 0.109
6.00 6.00 5.92 6.08 0.15 0.033 0 0.109
5.97 6.00 5.92 6.08 0.03 0.033 0 0.109
6.02 6.00 5.92 6.08 0.05 0.033 0 0.109
5.96 6.00 5.92 6.08 0.06 0.033 0 0.109
6.00 6.00 5.92 6.08 0.04 0.033 0 0.109
5.98 6.00 5.92 6.08 0.02 0.033 0 0.109
5.99 6.00 5.92 6.08 0.01 0.033 0 0.109
6.01 6.00 5.92 6.08 0.02 0.033 0 0.109
6.03 6.00 5.92 6.08 0.02 0.033 0 0.109
5.98 6.00 5.92 6.08 0.05 0.033 0 0.109
5.98 6.00 5.92 6.08 0.00 0.033 0 0.109
6.01 6.00 5.92 6.08 0.03 0.033 0 0.109
5.99 6.00 5.92 6.08 0.02 0.033 0 0.109
5.99 6.00 5.92 6.08 0.00 0.033 0 0.109
5.98 6.00 5.92 6.08 0.01 0.033 0 0.109
6.01 6.00 5.92 6.08 0.03 0.033 0 0.109
5.99 6.00 5.92 6.08 0.02 0.033 0 0.109
5.98 6.00 5.92 6.08 0.01 0.033 0 0.109
5.99 6.00 5.92 6.08 0.01 0.033 0 0.109
6.00 6.00 5.92 6.08 0.01 0.033 0 0.109
Promedio Xm =abs(Xj Xi) = Rango i Rm
En Excel (seleccionar la informacin de la carta X verde y despus la del rango R amarillo, usar
el asistente de grficas, grfica de lneas, ajustar escalas y colores)
38
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
b) En caso de que no se encuentre en control estadstico eliminar el punto que sale de control (se
asume que se identifica la causa y se toman acciones para prevenir su recurrencia seleccionar el
punto 5 y borrarlo con DEL) para estar en control y recalcular los lmites, repetir corrida en
Minitab.
Muchas caractersticas de calidad no pueden ser representadas con nmeros, solo por cualidades
(pasa no pasa) denominados atributos. En tales casos cada artculo o servicio completo se clasifica
como conforme o no conforme a especificaciones y/o estndares, es decir como defectivo o no
defectivo, no defectuoso o defectuoso, bueno o malo, discrepante o no discrepante.
El producto puede ser funcional pero puede tener defectos o no conformidades, que pueden ser
corregidas con retrabajo o no se pueden corregir y ser desperdicio.
En estas cartas de control se recomienda un tamao de muestra de al menos 50 partes.
39
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Di
pi
ni
La distribucin de este estadstico sigue la distribucin binomial por tanto los lmites de control de
la carta p son:
__ __
__
p(1 p )
LSCp = p 3
n
__
LCp = p
__ __
__
p(1 p )
LICp = p 3
n Si el LIC es negativo, toma el valor de cero.
Cuando la fraccin defectiva del proceso es desconocida, se estima de los datos observados en m
muestras iniciales, cada una de tamao n, por lo general se toman 20 a 25 de estas. As si D i son
unidades no conformes en la muestra i , la fraccin defectiva de la muestra i - sima estar dada
como:
pi = Di / n i = 1, 2, 3,....., m
y el promedio de las fracciones individuales no conformes cuando p es desconocida es:
m m
Di p i
p i 1
i 1
mn m
Una vez hecha la grfica trazando los lmites anteriores, cualquier punto que se encuentre fuera
de control debe ser investigado, si se encuentra una causa asignable o especial, deben tomarse
medidas correctivas para prevenir su recurrencia, los puntos correspondientes a la situacin fuera
de control se eliminan y se calculan de nuevo los lmites de control preliminares.
40
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Como en total se encontraron 347 partes defectuosas (Suma de Di) o no conformes, se estima
p como sigue:
m m
D i p i
347
p i 1
i 1
= = 0.2313
mn m (30)(50)
Corrida en Minitab
1. Stat > Control Charts > Atrribute charts > P
2. Variable Partes defectuosas Subgroup size 50
3. OK
41
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
0.5 1
1
0.4 UCL=0.4102
Proportion
0.3
P=0.2313
0.2
0.1
LCL=0.05243
0.0
0 10 20 30
Sample Number
De la carta de control se observa que las muestras 15 y 23 estn fuera de los lmites de control, de
tal forma que el proceso est fuera de control. Eliminando estos puntos y adems el punto 21 se
tiene el proceso dentro de control con una fraccin defectiva promedio del 20.8%.
0.3
Proportion
0.2 P=0.2081
0.1
LCL=0.03590
0.0
0 10 20 30
Sample Number
42
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
43
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Subgroups in Produccin
OK
P Chart of Serv_no_conf
0.35
UCL=0.3324
0.30 1
0.25
Proportion
0.20
_
P=0.1685
0.15
0.10
0.05
0.00 LCL=0.0047
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes
a. Asumir que se pueden identificar las causas asignables, eliminar el subgrupo 6 que
sale de control y recalcular los lmites de control con otra corrida
P Chart of Serv_no_conf
0.35
UCL=0.3199
0.30
0.25
Proportion
0.20
_
0.15 P=0.1596
0.10
0.05
0.00 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes
44
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
45
GRAFICA DE CONTROL POR ATRIBUTOS No. GRAFICA FECHA INICIO FECHA TERMINO
MODELO No. PARTE AREA OPERACIN MAQUINA / LINEA CARACTERISTICA CALIBRADOR T. MUESTRA FRECUENCIA TIPO DE EVALUACION UNIDADES
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RECOMENDACIONES
1.- Encierre en un crculo los patrones
anormales de comportamiento
46
FECHA DEFECTOS
HORA
INICIALES A
CANT. INSP. B
CANT. RECH. C
% RECH. D
A E
B D
C G
D H
E
D
G
P. Reyes / junio 2010
H
FALTA DE
REGISTRO
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Carta de control np
En lugar de tener fracciones no conformes, si el tamao de muestra es constante, se pueden
utilizar directamente el nmero de artculos defectivos o no conformes np, para evitarle
operaciones aritmticas al operador, los parmetros de esta carta son:
np(i) = Di, np(media) = promedio(Di)
LSC np np 3 np(1 p)
LCnp np
LICnp np 3 np(1 p)
si es negativo toma del valor de cero.
47
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
En Minitab
Stat > Control charts > Attribute charts > np
Variable Defectuosas
Subgroups size 200
OK
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen de
control y recalcular los lmites de control. Repetir tantas veces como sea necesario hasta
tener un proceso estable.
48
GRAFICA DE CONTROL POR ATRIBUTOS No. GRAFICA FECHA INICIO FECHA TERMINO
MODELO No. PARTE AREA OPERACIN MAQUINA / LINEA CARACTERISTICA CALIBRADOR T. MUESTRA FRECUENCIA TIPO DE EVALUACION UNIDADES
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RECOMENDACIONES
1.- Encierre en un crculo los patrones
anormales de comportamiento
49
FECHA DEFECTOS
HORA
INICIALES A
CANT. INSP. B
CANT. RECH. C
% RECH. D
A E
B D
C G
D H
E
D
G
H
FALTA DE
REGISTRO
P. Reyes / junio 2010
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
LSCc = c + 3 c
LCc = c
50
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
1 5.55 0 12.62
6 5.55 0 12.62
Promedio 5.55
En Excel grafica la zona verde.
En Minitab
Stat > Control charts > Attribute charts > C
Variable Errores
OK
C Chart of Errores
16 1
14 1
UCL=12.58
12
10
Sample Count
6 _
C=5.53
4
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen de
control y recalcular los lmites de control. Repetir tantas veces como sea necesario hasta
tener un proceso estable.
C Chart of Errores
10 UCL=10.22
8
Sample Count
_
4 C=4.13
0 LCL=0
1 3 5 7 9 11 13 15
Sample
51
GRAFICA DE CONTROL POR ATRIBUTOS No. GRAFICA FECHA INICIO FECHA TERMINO
MODELO No. PARTE AREA OPERACIN MAQUINA / LINEA CARACTERISTICA CALIBRADOR T. MUESTRA FRECUENCIA TIPO DE EVALUACION UNIDADES
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RECOMENDACIONES
1.- Encierre en un crculo los patrones
anormales de comportamiento
52
FECHA DEFECTOS
HORA
INICIALES A
CANT. INSP. B
CANT. RECH. C
% RECH. D
A E
B D
C G
D H
E
D
G
H
FALTA DE
REGISTRO
P. Reyes / junio 2010
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
La capacidad del proceso se determina con el nmero de errores mximo aceptable. Por
ejemplo si el LSE = 5, la media es 4.13 y la probabilidad de Poisson para encontrar cero
defectuosos es: =Poisson(5, 4.13, 1) = 0.7644 o 76.44%
Para la investigacin de los defectos se sugiere realizar un Diagrama de Pareto con los defectos
registrados en la carta de control, para tomar acciones.
200 100
80
150
60
Percent
Count
100
40
50
20
0 0
C1 C B D A Other
Count 80 60 30 20 10
Percent 40.0 30.0 15.0 10.0 5.0
Cum % 40.0 70.0 85.0 95.0 100.0
Diagrama de Pareto
Ejercicio: Hacer un diagrama de Pareto con los principales defectos en una lnea:
Tipo de defecto Descripcin del defecto Frecuencia
A
B
C
D
E
53
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Frecuencia %
Conclusiones:
ci
ui
ni
u
LSC u u 3
n
LCu u
u
LSC u u 3
n Si es negativo se toma cero.
Ejemplo: Obtener una carta u para los Defectos encontrados en lotes de Partes variables:
LC=U-
U +3*raiz(U/ni)
Defectos Lote Ui Umedia LIC LSC
54
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
55
GRAFICA DE CONTROL POR ATRIBUTOS No. GRAFICA FECHA INICIO FECHA TERMINO
MODELO No. PARTE AREA OPERACIN MAQUINA / LINEA CARACTERISTICA CALIBRADOR T. MUESTRA FRECUENCIA TIPO DE EVALUACION UNIDADES
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
RECOMENDACIONES
1.- Encierre en un crculo los patrones
anormales de comportamiento
56
FECHA DEFECTOS
HORA
INICIALES A
CANT. INSP. B
CANT. RECH. C
% RECH. D
A E
B D
C G
D H
E
D
G
H
P. Reyes / junio 2010
FALTA DE
REGISTRO
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
3. CAPACIDAD DE PROCESOS
Definiciones
Proceso: ste se refiere a alguna combinacin nica de mquinas, herramientas, mtodos,
materiales y personas involucradas en la produccin.
Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada en el
desempeo probado, para lograr resultados que se puedan medir.
Capacidad del proceso: Es la aptitud del proceso para producir productos dentro de los
lmites de especificaciones de calidad.
Capacidad medida: Esto se refiere al hecho de que la capacidad del proceso se cuantifica a
partir de datos que, a su vez, son el resultado de la medicin del trabajo realizado por el
proceso.
Capacidad inherente: Se refiere a la uniformidad del producto que resulta de un proceso
que se encuentra en estado de control estadstico, es decir, en ausencia de causas
especiales o atribuibles de variacin.
Variabilidad natural: Los productos fabricados nunca son idnticos sino que presentan
cierta variabilidad, cuando el proceso est bajo control, solo actan las causas comunes de
variacin en las caractersticas de calidad.
Valor Nominal: Las caractersticas de calidad tienen un valor ideal ptimo que es el que
desearamos que tuvieran todas las unidades fabricadas pero que no se obtiene, aunque
todo funcione correctamente, debido a la existencia de la variabilidad natural.
57
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
2. La variabilidad en el tiempo.
Los lmites de tolerancia natural del proceso, superior (LTNS) e inferior (LTNI) , se encuentran en
4 s, o sea:
LTNS = + 4 s
LTNI = - 4 s
Para un proceso normal, los lmites de tolerancia naturales incluyen 99.9936% de la variable, slo
(64 ppm) de la salida del proceso se encontrar fuera de estos lmites de tolerancia naturales. Sin
embargo, si el proceso no es normal, el porcentaje puede diferir grandemente. Esto se
esquematiza en la figura siguiente:
58
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Ancho 9
Nigels Trucking Co.
59
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
1
P 100
Cp
60
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
LSE LIE
Cps PCRS Cp superior Cpi PCRI Cp inferior
3s 3s
61
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
62
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Ejemplo:
Para el caso de anillos de pistones, donde el LSE = 74.05mm y el LIE= 73.95mm y de la carta R se
R
estim s 0.0099 por tanto se tiene:
d2
264 200 64
Cp 0.67
3(32) 96
Lo cual indica falta de habilidad, la fraccin abajo del lmite inferior es:
63
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
Se recomienda que para procesos existentes el mnimo Cp sea de 1.33 y de 1.67 para procesos
crticos, el ideal es 2.0. El Cpk toma en cuenta la localizacin relativa de la media del proceso
respecto a los lmites de especificaciones.
Ejemplo:
Para un proceso donde los lmites de especificacin sean LSE=62, LIE=38, la media del proceso sea
=53 y su desviacin estndar s=2, se tiene:
62 53 53 38
Cps PCRS 1.5 para el LSC, Cpi PCRI 2.5 para el LIC.
32 32
Por tanto, el ndice de capacidad real es:
Siempre se cumple que, Cpk <= Cp, Siendo el Cpk menor cuando el proceso no est centrado. Los
criterios de mnimo Cpk son similares a los del Cp.
X T
Si V donde T es el centro de las especificaciones.
s
Cp LSE LIE
C pm
1V 2 6 s 2 ( T ) 2
Cpk
C pkm
T
2
1
s
Con Minitab: Con los datos de la carta X-R anterior, una vez que se encuentra en control:
a) Con los lmites de especificacin reales de la lnea o producto LIE = 15.2 y LSE = 16.6:
En Minitab:
Stat > Quality tools > Capability analysis (Normal)
64
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
c) Determinar los lmites de tolerancia natural del proceso (Media de medias +-4*sigma):
LTNI = Media de medias 4*sigma =
LTNS = Media de medias + 4*sigma =
Con Minitab: Con los datos de la carta I-MR anterior, una vez que se encuentra en control:
a) si los lmites de especificacin son LIE = 5.95 y LSE = 6.06, determinar lo siguiente:
En Minitab:
Stat > Quality tools > Capability analysis (Normal)
Data is arranged as a single column: Viscocidad
Subgroup size 1
Lower spec 5.95 Upper spec 6.06
Estimate: Methods of estimate sigma R-Bar
Options: Display Percents o Parts per million / Capability Stat Cp, Cpk
o Benchmark Zs
OK OK
b) Determinar la Desviacin estndar (St dev. Within )=
desviacin estndar = Rmedio / d2 = (d2 = 2.326)
Media (Mean) =
c) Limites de tolerancia natural del Proceso (variacin natural del proceso):
LTNI = Media - 4* Desv. Estandar =
LTNS = Media + 4* Desv. Estandar =
65
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
g) Potencial Cp =
Ejemplo:
De una carta de control X - R (con subgrupos de n = 5), despus de que el proceso se estabiliz
quedando slo con causas comunes, se obtuvo lo siguiente:
Xmedia de medias = 264.06 Rmedio = 77.3
Ejercicio : De una carta de control X - R (con tamao de subgrupo n = 5), despus de que el
proceso se estabiliz quedando slo con causas comunes (LIE = 36, LSE = 46) se obtuvo lo
siguiente:
Xmedia de medias = 40 Rmedio = 5
a) Determinar la desviacin estndar del proceso
d) Determinar el Cp
e) Determinar el Cpk
f) Determinar el Cpm
66
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
g) Determinar el Cpkm
h) Establecer conclusiones de los resultados anteriores
Generar 100 datos aleatorios en Minitab con Factor de forma = 1, Factor de escala = 1 con
5. Calc > Random data > Weibull
6. Generate 100 Store in columns C1 Shape parameter 1.2 Scale parameter 1 Threshold
parameter 0 OK
Considerando Lmites de especificaciones LIE = 0 y LSE = 3.5
USL
P rocess Data O v erall C apability
LS L * Pp *
Target * PPL *
USL 3.50000 PPU 0.85
S ample M ean 0.82279 P pk 0.85
S ample N 100
E xp. O v erall P erformance
S hape 1.24929
P P M < LS L *
S cale 0.88470
P P M > U S L 3795.26
O bserv ed P erformance P P M Total 3795.26
P P M < LS L *
P P M > U S L 10000
P P M Total 10000
67
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010
El histograma no muestra evidencia de alguna discrepancia seria entre el modelo y los datos, ya
que la curva muestra buen ajuste. Sin embargo observamos que algunos datos caen fuera del
lmite superior de especificacin. Lo cual quiere decir que en algunos casos la deformacin ser
mayor a 3.5 mm.
El ndice Ppk y Ppu2 = 0.85 lo cual nos dice que el desempeo del proceso no es capaz ya que
0.85 < 1.33.
Tambin observamos que PPM > USL 3,795 lo cual significa que aproximadamente 3,795 PPM
estarn fuera de los lmites de especificaciones.
Tambin se cuenta con la opcin Six Pack para esta opcin.
En Minitab otras opciones son transformar los datos con los mtodos de Box Cox o Johnson y
despus determinar la capacidad del proceso de manera tradicional calculando el Cp y el Cpk.
MINITAB: Transformacin de Box Cox
File > Open worksheet > Tiles.mtw
Stat > Control Charts > Box Cox Transformation
Variable Warping Subgroup size 1
OK
Lower C L 0.052120
15 Upper C L 0.642093
10
Limit
0
-2 -1 0 1 2 3 4 5
Lambda
Para normalizar la variable anormal, se eleva a la potencia indicada en Best Value (0.5) y este valor
es cero, se toma el logaritmo natural de la variable. En ambos casos tambin se deben transformar
los lmites de especificaciones.
2
Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.
68