8/8/2017

OMAR CASTELLON 1

CONTROL ESTADISTICO
DE PROCESOS
MODULO 4
GESTIN METROLGICA

OMAR CASTELLN CASTELLN

Omar.castellon@hotmail.com

OMAR CASTELLON 2

GESTIN METROLGICA
MODULO 4
Mtodos y filosofia de los procesos de
control estadstico de la calidad
introduccin a la gestin metrolgica

OMAR CASTELLN CASTELLN

omar.castellon@hotmail.com

1
 8/8/2017

OMAR CASTELLON 3

MODULO ECEP4: GESTION METROLOGICA

CONTENIDO 1. Mtodos y filosofa de los procesos de
control estadstico de la calidad
Introduccin a la gestin de la
metrologa
2. La normativa y legislacin boliviana
3. Trminos de la calidad y vocabulario
internacional
4. Proceso de medicin y calibracin Mtodos
de medicin y calibracin
5. Trazabilidad de las mediciones
6. Confirmacin metrolgica del equipo de
medicin
7. Equipos de seguimiento y medicin
8. Incertidumbre de medicin
9. Determinacin de intervalos de re
calibracin

OMAR CASTELLON 4

Mtodos y filosofia de los procesos

de control estadstico de calidad
MODULO ECEP 4

2
 8/8/2017

OMAR CASTELLON 5

INTRODUCCIN
OBJETIVOS

Presentar las herramientas bsicas del Control

Estadstico del Proceso (CEP)

Describir las bases estadsticas de las grficas de control

de Shewhart

Debatir e ilustrar algunos aspectos prcticos en la

implantacin del CEP

OMAR CASTELLON 6

INTRODUCCIN
Las 7 Herramientas Bsicas:

i. Estratificacin

ii. Hojas de datos

iii. Diagrama de Pareto

iv. Diagrama causa-efecto

v. Diagrama de dispersin

vi. Histograma

vii. Grficas de control

3
 8/8/2017

OMAR CASTELLON 7

INTRODUCCIN
Objetivo principal del CEP
El CEP es una metodologa utilizada para lograr la

estabilidad y mejorar la capacidad del proceso mediante

la aplicacin sistemtica de herramientas de solucin de

problemas para reducir su variacin.

OMAR CASTELLON 8

Causas de variacin aleatorias y

asignables
Tiempo
s1 > s0
t3
m2 < m0 s1 > s0

t2

s0
t1 m1 > m0

s0

LIE m0 LSE Caracterstica de calidad

del proceso

4
 8/8/2017

OMAR CASTELLON 9

Definicin del estado de control

Un proceso se dice que se encuentra bajo control

estadstico si slo se ve afectado por un conjunto de

causas aleatorias de variacin

Si el proceso se encuentra afectado por causas

asignables de variacin, se dice que est fuera de control

OMAR CASTELLON 10

FUNDAMENTOS ESTADSTICOS
DE LAS GRFICAS DE
CONTROL

5
 8/8/2017

OMAR CASTELLON 11

Elementos y principios bsicos de una GC

Grfica de control
Caracterstica
de calidad
LSC
Lmite Superior de Control

LC

Lnea Central

LIC
Lmite Inferior de Control

1 2 3 4 5 6 7 8

Nmero de subgrupo o muestra

OMAR CASTELLON 12

Grficas de control y pruebas de hiptesis

Suponga que en la grfica de control el eje vertical representa el
estadstico muestral x
Si el valor de x cae dentro de los lmites de control, concluimos que la
media del proceso est bajo control.
m m0
Por otra parte, si x excede cualquiera de los lmites de control,
concluimos que la media del proceso est fuera de control.
m m0 Grfica de control del dimetro interno de anillos para pistn

74.02

La prueba de hiptesis 74.015

quedara de la siguiente 74.01

74.005

manera:
x

74

H0 : m m 0
73.995

73.99

H1 : m m 0
73.985

73.98

Regin de rechazo
73.975

73.97

x LIC x LSC 1 2 3 4 5 6 7 8 9
Subgrupo
10 11 12 13 14 15

6
 8/8/2017

OMAR CASTELLON 13

Error tipo I y error tipo II en una grfica de control

Riesgo del proveedor

PError tipo I 2 2
PRechazar H 0 H 0 es verdadera
m m0
Riesgo del cliente
PError tipo II
PFallar al rechazar H 0 H 0 es falsa

m m0
Potencia de la prueba

1 PRechazar H 0 H 0 es falsa

OMAR CASTELLON 14

Modelo general para una grfica de control

Sea w un estadstico muestral que mide cierta caracterstica de

calidad y sean mw y sw la media y la desviacin estndar de w,
respectivamente. Entonces, LC, LSC y LIC son:

LSC = mw + L sw

LC = mw

LIC = mw - L sw

7
 8/8/2017

OMAR CASTELLON 15

Aplicacin de las Grficas de Control

El uso ms importante es mejorar el desempeo del proceso

Entrada Salida
Proceso

Sistema de medicin

Verificacin y Deteccin de
seguimiento causa asignable

Implementacin Identificacin de
de accin la causa raz del
correctiva problema

OMAR CASTELLON 16

Aplicacin de las Grficas de Control

Instrumento de estimacin de ciertos parmetros del

proceso como la media, la desviacin estndar, fraccin

de defectuosos, etc.

Realizacin de estudios de capacidad del proceso

8
 8/8/2017

OMAR CASTELLON 17

Diseo de la Grfica de Control

En la mayora de los problemas de control es comn

apoyarse principalmente en consideraciones estadsticas

para disear las grficas de control, asumiendo los factores
de costo implcitamente.

Recientemente se ha iniciado a examinar el diseo de las

grficas de control desde un enfoque econmico,

considerando el costo de muestreo, de producir artculos
defectuosos, de investigar falsas alarmas, etc.

OMAR CASTELLON 18

Por qu utilizar Grficas de Control?

Son una tcnica comprobada para mejorar la

productividad

Son efectivas para la prevencin de defectos

Previenen ajustes innecesarios del proceso

Proporcionan informacin de diagnstico

Proporcionan informacin sobre la capacidad del

proceso

9
 8/8/2017

OMAR CASTELLON 19

SELECCIN DE LOS
LMITES DE CONTROL

OMAR CASTELLON 20

Lmites de control y errores tipo I y tipo II

Al separar los lmites de control de la lnea central se
reduce el riesgo del error tipo I y se incrementa el
riesgo del error tipo II

LSC2
LSC 2

LSC1
LSC 1

1 < 2 LC
LC
1 > 2

LIC1
LIC 1

LIC2
LIC 2

10
 8/8/2017

OMAR CASTELLON 21

Lmites de control y errores tipo I y tipo II

Al acercar los lmites de control a la lnea central se
incrementa el riesgo del error tipo I y se reduce el riesgo
del error tipo II
LSC

LC

LIC

OMAR CASTELLON 22

Lmites de advertencia en las Grficas de Control

Se recomienda manejar dos conjuntos de lmites de
control:
Lmites de control de accin (a 3 sigma)
Lmites de advertencia (a 2 sigma)

LSC
LSA

LC

LIA
LIC

11
 8/8/2017

OMAR CASTELLON 23

TAMAO DE LA MUESTRA Y
FRECUENCIA DE MUESTREO

OMAR CASTELLON 24

Tamao de la muestra y frecuencia de

muestreo
Al disear una grfica de control se debe especificar tanto
el tamao de la muestra como la frecuencia de muestreo.

n= tamao de la muestra

h= intervalo de tiempo entre muestras

12
 8/8/2017

OMAR CASTELLON 25

Tamao de la muestra
La capacidad de la grfica de control para detectar

cierto tipo de cambios en el proceso depende del

tamao de la muestra.

Si deseamos detectar cambios pequeos se deben

utilizar muestras grandes.

Si deseamos detectar cambios grandes es mejor

utilizar muestras pequeas.

OMAR CASTELLON 26

Curva caracterstica de operacin

Para construir la Curva caracterstica de operacin
se calcula la probabilidad de que el estadstico
muestral caiga entre los lmites de control.

Probabilidad de que el P (LIC x LSC | m m1 m 0 )

estadstico muestral
caiga entre LIC y LSC

m1 LSC

m0 x LC

LIC

13
 8/8/2017

OMAR CASTELLON 27

Frecuencia de muestreo

La situacin ms deseable para detectar los cambios

es tomar muestras grandes de manera frecuente.

Se presenta el problema econmico.

Opciones:

Muestras pequeas en intervalos cortos de tiempo

Muestras grandes en intervalos largos de tiempo.

OMAR CASTELLON 28

Longitud de la corrida promedio (ARL)

Otra forma de enfrentar el problema de decidir sobre
el tamao de muestra y la frecuencia de muestreo es
mediante La Longitud de la Corrida Promedio (ARL)
de la GC.
La ARL es el nmero promedio de puntos que deben
graficarse antes de que un punto indique una
condicin fuera de control.

LSC

LC

LIC

1 2 ... i i+1 ... ARL ...

ARL

14
 8/8/2017

OMAR CASTELLON 29

Longitud de la corrida promedio

La ARL se calcula mediante:
1
ARL
p

donde p es la probabilidad de que cualquier punto

exceda los lmites de control.
La longitud de la corrida promedio cuando el proceso
est bajo control se llama ARL0 y se calcula mediante:
1
ARL 0

La longitud de la corrida promedio cuando el proceso
est fuera de control se llama ARL1 y se calcula
mediante:
1
ARL1
1

OMAR CASTELLON 30

Tiempo promedio entre seales

El Tiempo Promedio de Seal (ATS) es el tiempo que

debe transcurrir en promedio entre una seal de fuera de

control y otra. Si se toma una muestra cada h unidades
de tiempo, entonces el ATS se calcula mediante:

ATS = ARL h

15
 8/8/2017

OMAR CASTELLON 31

SUBGRUPOS
RACIONALES

OMAR CASTELLON 32

Subgrupos racionales
Una idea fundamental al momento de utilizar GC es la

recoleccin de los datos mustrales de acuerdo a lo que

Shewhart llam el concepto de Subgrupos Racionales.

Cuando se aplican las GC a procesos productivos,

frecuentemente se utiliza el orden del tiempo de

produccin, ya que permite detectar causas asignables
que ocurren sobre el tiempo.

16
 8/8/2017

OMAR CASTELLON 33

Enfoques para construir Subgrupos racionales

1- Cada muestra consiste de unidades que se

produjeron al mismo tiempo (o tan prximas como sea
posible). Idealmente se toman unidades consecutivas
de la produccin. Se utiliza para detectar cambios en
el proceso.

OMAR CASTELLON 34

Enfoques para construir Subgrupos racionales

2- Cada muestra consiste de unidades de producto

que son representativas de todas las unidades que se
produjeron desde que se tom la ltima muestra. Con
frecuencia se utiliza para la toma de decisiones sobre
la aceptacin de todas las unidades de producto que
se han producido desde la ltima muestra.

17
 8/8/2017

OMAR CASTELLON 35

ANLISIS DE PATRONES EN
LAS GRFICAS DE CONTROL

OMAR CASTELLON 36

Anlisis de patrones en las Grficas de Control

Puntos fuera de los lmites de control

Corridas
Ciclos

LSC

LC

LIC

18
 8/8/2017

OMAR CASTELLON 37

Reglas de sensibilizacin para las Grficas de Control

1. Uno o ms puntos fuera de los lmites de control
2. Dos de tres puntos consecutivos fuera de los lmites de
advertencia 2-sigma pero dentro de los lmites de control
3. Cuatro de cinco puntos consecutivos ms all de los lmites 1-
sigma
4. Una corrida de ocho puntos consecutivos sobre un lado de la
lnea central
5. Seis puntos en una corrida estable creciente o decreciente
6. Quince puntos en una corrida en la zona C (por arriba y por
abajo de la lnea central)
7. Catorce puntos en una corrida que se alterna arriba y abajo
8. Ocho puntos en una corrida en ambos lados de la lnea central
sin ninguno en la zona C
9. Un patrn inusual o no aleatorio en los datos
10. Uno o ms puntos cerca de un lmite de control o de advertencia

OMAR CASTELLON 38

Implementacin del Control Estadstico del Proceso

Elementos de un programa de CEP exitoso

Liderazgo administrativo

Un enfoque de equipo

Educacin de los empleados a todos los niveles

nfasis en la mejora continua

Un mecanismo para reconocer el xito y

comunicarlo a toda la organizacin

19
 8/8/2017

OMAR CASTELLON 39

GRACIAS POR ATENCIN

MODULO 4

20