Beruflich Dokumente
Kultur Dokumente
Es una herramienta de la calidad (como el diagrama de faceta, causa efecto, las tablas de
inspección, etc.) de muy fácil manejo (una vez implementada y cuando esta implementa-
da) capaz de dar un soporte sin igual, a la línea de producción.
Todas las facetas están sujetas a variación y no hay dos facetas iguales. Aun cuando
haya una pequeña diferencia entre dos piezas elaboradas con un mismo proceso, ellas
son diferentes.
Esta modalidad de enfocar la atribución sobre los procesos y mismos sobre los produc-
tos, es la que ha permitido, en las ultimas décadas el mejoramiento de los procesos fabri-
les.
Él porque del énfasis en estudiar detalladamente los procesos se puede responder con el
siguiente esquema:
Aprueba
Proceso de
Inspeccion
Fabricacion
Rechaza
Control de Producto
ILUSTRACIÓN 1
04/03/09 - Organización Industrial II 2
Detecta fallas.
Hace autopsia
ILUSTRACIÓN 2
Previene fallas.
Vacuna al proceso
En este tipo de controles se tiende al ocultamiento de los defectos y los retrabajos. Gene-
ralmente tiende a generar: retrabajos, *****, detención de líneas, falla en entregas. Mayo-
res costos.
En este tipo de controles se tiende al ocultamiento de los defectos y los retrabajos. Gene-
ralmente tiende a generar un clima de ocultación de la situación.
Permite y facilita la detección de las causas asignables, a fin de ser analizadas y elimina-
das o minimizadas.
Aunque el proceso pueda cumplir con especificaciones, el control continuo de los mismos,
permite la detección de potenciales causas de falla y el perfeccionamiento de los proce-
sos. Por otra parte el innegable que es mas ordenado y ético.
04/03/09 - Organización Industrial II 3
4. Maximizar la productividad.
PROCESO:
* GENTE
* EQUIPOS SALIDA
* MATERIALES
* METALES
2. CONCEPTO DE VARIACION
La variación es un hecho natural y por ende es una realidad en la vida industrial. No existe
ningún registro de valores de cualquier fenómeno natural, que no presente variaciones de
una medición a la otra.
Este concepto trae aparejado la necesidad de identificar un forma sistemática las piezas
buenas de las malas, a través de abundantes tareas de inspección. Pero este concepto
anticuado no ayuda a:
Todo proceso mostrara una variación, lo importante es definir si esta variación es contro-
lada o descontrolada.
Son numerosos y difíciles de distinguir dado que individualmente provocan una pequeña
variación, es decir, generalmente se corresponden a una gran variedad de pequeñas cau-
sas.
04/03/09 - Organización Industrial II 6
Según Stewhart: “un fenómeno podrá definirse como controlado, cuando a través de la
experiencia, podemos predecir, al menos dentro de algunos limites, cual será su variación
futura. Esta predicción dentro de determinados limites, significa, que al menos aproxima-
damente, el fenómeno observado caerá dentro de esos limites”.
Se dice mas formalmente que un proceso productivo se halla “en estado de control es-
tadístico”, cuando operan solamente causas comunes de variación.
Hay una diferencia fundamental entre estos dos caminos, mientras en el primero se busca
mantener un proceso estabilizado y “acotar la variación”, en el segundo se busca mejorar
cambiando el proceso para “estrechar la variación”.
Por otra parte estos dos caminos tienen un punto en común, el paso inicial será determi-
nar que tipo de variación muestra el proceso, será descontrolada o controlada.
La técnica mas potente pasa esta determinación son las “cartas de control” ideadas por el
Dr. Shewtart, con el objetivo de verificar el “estado de control” del proceso en estudio.
04/03/09 - Organización Industrial II 7
niendo bajo control estadístico, el segundo paso es EVALUAR LA APTITUD DEL PROCESO:
Estos gráficos son métodos sensibles para señalar la presencia de causas especiales de
variación, de tal forma de tomar acción sobre el proceso y que **** va a su estado de con-
trol estadístico, como así también para suministrar evidencia de que un proceso ha estado
operando bajo control estadístico, de manera de determinar la aptitud del mismo para
cumplir con las especificaciones.
Existen una variedad de cartas especificas, diseñadas cada una en función del tipo de
decisiones a tomar, de la naturaleza de los datos y del tipo de medida estadística utiliza-
da.
Las cartas utilizan los datos de la performance del proceso, generalmente ellos consisten
de grupos de mediciones, llamados subgrupos racionales, extraídos de la producción y
conservada el orden de los datos.
En el caso ideal, las causas comunes solamente estarán presentes en un proceso ope-
rando en forma estable y predecible. Un proceso que opera sin causas especiales de va-
riación es considerado “en control estadístico”.
B) Medir la variación ***** del proceso, resultando de las causas comunes de variación y
ayudar a obtener la capacidad necesaria para cumplir con los requisitos especificados.
Es necesario aclarar que las cartas de control no nos dicen porque ó donde actúan las
causas especiales de variación, por lo tanto deben realizarse análisis tecnológicos com-
plementarios para identificar como se generan esas causas especiales. El beneficio del
control estadístico de procesos pueden resumirse en los siguientes puntos:
Por otra parte sabemos que no todos los fenómenos ocurren con distribuciones nor-
males. En tales casos además de conformidad con otras distribuciones, tales como la
binomial, Poisson, T de ******, etc., pueden ocurrir distorsiones.
Es decir, que las distribuciones verdaderas pueden ser asimétricas, ***** y así en ade-
lante. En cada una de esos casos posibles, la probabilidad de ocurrencia es distinta de
la que corresponde a la normal.
La búsqueda de causas asignables puede estar justificada por la real presencia de las
mismas o puede ser una falsa alarma.
ERROR TIPO I: Considerar que un proceso esta fuera de control cuando en realidad no
lo esta, encarando una innecesaria acción de búsqueda de causa asignable.
ERROR TIPO II: Considerar que un proceso esta bajo control cuando realmente no lo
esta, no realizando la búsqueda de la causa asignable presente.
04/03/09 - Organización Industrial II 10
3 x
mx
3 x
Cuando un punto cae fuera de la franja de 3 se dice que el proceso se encuentra fuera
de control o sin control; sabemos que este punto es posible, aunque poco frecuente. Es-
tamos por lo tanto corriendo un riesgo, del orden de 0,13% de presentar un problema que
no existe.
Por variables entendemos casos en que controlamos el proceso por mediciones, por
ejemplo masa o contenido de embalajes; esta característica presenta variación continua,
limitada solamente por la resolución y por la sensibilidad de instrumentos y de metodolog-
ía.
1 Los criterios son aplicables a gráficos del tipo Shewhart, para los casos de X
(media, también X00) y X (individual). Se supone conformidad con al función de
distribución normal. Los criterios 1, 2, 5 y 6 son aplicables a cada una de las
04/03/09 - Organización Industrial II 13
mitades nada más (superior y/o inferior) del gráfico. Los criterios 3, 4, 7 y 8
valen para el gráfico como un todo.
5 Los 4 primeros criterios pueden ser complementados por los dos siguientes,
siempre que sea económicamente justificable la obtención de una decisión
más rápida. La probabilidad de una decisión incorrecta pasa a ser de (cerca
de) 0,02
8 Un punto que puede ser válido para varios criterios recibe una x y solamente
una.
9 Una x indica que el proceso no está bajo control estadístico. Eso quiere decir
que el punto crítico es el último de aquellos, en una secuencia dada (o acaso
un único punto, como el criterio 1), cuya existencia sería poco probable si el
proceso estuviera bajo control.
10 Los criterios expuestos son los básicos pero no deben impedir que los usua-
rios (o analistas) se queden alertas, para detectar comportamientos irregula-
res, que puedan indicar la presencia de causas especiales en los respectivos
procesos.
significado de los límites de control, debemos estudiar las variaciones debidas al mues-
treo. Tomamos, por ejemplo, los promedios y hagamos el planteo del problema de la si-
guiente manera: supongamos estar en presencia de un universo de la magnitud x, la cual
sabemos que tiene una distribución de probabilidades que responde a la ley de Gauss y
cuyos parámetros son X’ y ’.
xi
X
n
Nos preguntamos: ¿este promedio, calculado en la muestra, coincidirá con la media del
universo? Podemos responder que, en general, no habrá coincidencia. Ahora tomemos
una segunda muestra y calculamos su media. Nos preguntamos, nuevamente, si coinci-
dirá la media de esta muestra con la media de la muestra anterior o con la media del uni-
verso. Y nuevamente la respuesta es negativa, en general.
Así podríamos seguir sacando muestras, todas de tamaño n, y veríamos que los prome-
dios ya calculados en las muestran son todos iguales a pesar de que la media del univer-
so es siempre la misma. Es decir, que hay variaciones debidas al muestreo. La figura 19
trata de visualizar lo que hemos dicho.
Admitido que existen las variaciones debidas al muestreo, querríamos saber si éstas se
producen en forma arbitraria o si tienen una distribución de probabilidades bien definidas.
Se demuestra que si los valores individuales (x en este caso), tienen una distribución
gaussiana, los promedios calculados en muestras de tamaño n, también tendrán una dis-
tribución de Gauss. Este hecho es muy importante, porque ahora sabemos que los pro-
medios varían, por razones de muestreo, de acuerdo a una distribución de probabilidades
conocida. Es indudable que esta aseveración resulta de considerar infinitas muestras de
igual tamaño (m ; n = constante).
04/03/09 - Organización Industrial II 15
Supongamos que hemos tomado m muestras, cada una de tamaño n y calculado el pro-
medio de cada una de ellas. Si ahora calculamos la media de los promedios hallados,
según la expresión:
x
x
m
quisiéramos saber si esta media de los promedios (x) coincidirá con la media del universo
de los valores individuales (x’). También acá contestamos que, como regla general, no
habrá coincidencia, pero intuimos que ña media de los promedios (o gran promedio) es-
tará probablemente, más cerca de x’ que el promedio de una única muestra. Si ahora
consideramos infinitas muestras (m ; n = contante), resultará indudable que la media
de los promedios será igual a la media de los valores individuales, es decir:
lim x x
m
Esta es la relación que buscábamos entre la media de los promedios y la media de los
valores individuales.
La relación existente entre la desviación normal de los promedios, que indicamos con ’x,
y la desviación normal de los valores individuales ( ’) es:
'
lim x
m n
No es el objeto de este curso demostrar esta relación, pero resulta de sumo interés anali-
zarlas; además, ya la habíamos visto antes. Recordemos que la desviación normal es un
parámetro medidor de dispersión.
De la expresión anterior vemos que los promedios estarán más dispersos, cuanto más
dispersos estén los valores individuales, y viceversa. Si ’ fuese cero, es decir, todos los
valores individuales iguales, todos los promedios de n valores serán iguales ( x = 0).
También de la misma expresión deducimos que los promedios se hallaran siempre menos
dispersos que los valores individuales.
Esto confiere a los promedios una mayor sensibilidad que la de los valores individuales.
En efecto para un mismo apartamiento la probabilidad de hallar un promedio con ese
apartamiento (o mayor) es menor que la de hallar un valor individual de esa condición con
lo cual obtenemos más información es de alguna manera inversamente proporcional a la
probabilidad.
Además, observemos que si n = 1, cada promedio coincide con el valor individual, y resul-
tan lógicamente ambas desviaciones normales iguales. Si n tiende a infinito, ocurre que
04/03/09 - Organización Industrial II 16
según la expresión dada la desviación normal de los promedios se anula. Esto es razona-
ble porque si n la muestra es la población total de valores individuales y siempre
hallaremos el mismo promedio (x’).
En la figura 20 se han trazado en una misma escala las distribuciones de los valores indi-
viduales y de los promedios de 4 piezas.
Distribuc ión de
los prom edios de
4 piezas ' '
x 2
n
x
x
x
Este criterio es el que se ha adoptado para la fijación de los límites de control. Es decir,
cuando hallemos, en nuestro caso, un promedio de n piezas, fuera de x 3 x , podemos
suponer con una seguridad del 99,8% que se ha producido un cambio en la medida de los
valores individuales; o sea que estamos casi seguros de hallarnos en presencia de una
causa asignable, debiendo intervenir en el proceso de fabricación.
A continuación se detallan estas relaciones para el intervalo (R), la mediana (Me) y la des-
viación normal ( ) de las muestras. No se realizará la demostración de las expresiones
por no corresponder al alcance del texto.
Consideraremos el intervalo. Las relaciones con los parámetros del universo de los valo-
res individuales resultan:
R = d2 · ’
R = d3 · ’
Donde:
Estas expresiones son válidas para n 25, y en la tabla IX del Apéndice se hallan los va-
lores de d2 y d3, para cada tamaño de muestra.
Me x
' '
Me 1,25
2 n n
Estas expresiones son válidas para cualquier tamaño de muestra. Finalmente, para las
desviaciones normales tendremos:
c2 '
'
2n
Además, los límites de control sin valores especificados, proveen un método satisfactorio
para realizar ensayos de consistencia. Esto también se verá en el ejemplo citado.
Entrando en el tema en si, observemos que por no haber valores especificados no dispo-
nemos de datos para el calculo de los limites de control. Sin embargo, podemos efectuar
muestreos para obtenerlos o bien basarnos en resultados anteriores. Es como si le pre-
guntáramos al proceso que valores produce.
Para no complicar demasiado el tema, trataremos por separado el caso de tener tosas las
muestras de igual tamaño (caso recomendado por su sencillez) y el caso en el cual las
muestras son de tamaño diferente.
Como dijimos anteriormente, nos referimos a un gráfico x ,R. Veamos el caso en el cual
las muestras son de igual tamaño. Hemos dicho que necesitamos recoger valores, es de-
cir, promedios e intervalos. Para no tener demasiada incertidumbre se aconseja basarse
en mas de 20 sub-grupos. En algunos casos especiales y con el objeto de dar mayor flui-
dez al control se pueden tomar base 10 muestras, pero no es aconsejable en general.
m m
xj Ri
i 1 i 1
x y la media de intervalos, según la siguiente expresión: R .
m m
Con estos valores podemos calcular los limites de control. Comenzamos por el intervalo;
mas adelante se verá la conveniencia de comenzar por este parámetro. Según se expues-
to en el párrafo 5.4. los limites del intervalo serán:
Línea Superior R
Limite Central R 3 R
Línea Inferior R 3 R
La media de los intervalos ( R ) la hemos calculado, así que la línea central será directa-
mente ese valor. Ahora veamos los limites:
R
R 3 R R 3d 3 ' R 3d 3 por ser R d2 '
d2
d
Limite Superior: R1 3 3
d2
04/03/09 - Organización Industrial II 19
d
Limite Inferior: R1 3 3
d2
Las cantidades que figuran entre paréntesis son constantes que sólo dependen del tama-
ño de la muestra. En la tabla IX del Apéndice figuran los valores D3 y D4, que son:
d
D4 1 3 3
d2
d
D3 1 3 3
d2
Limite Superior D4 R
Línea Central R
Limite Inferior D3 R
d
1 3 3
d2
con lo cual el limite de los intervalos resultaría negativo, y por la definición del intervalo,
que es:
R = xmax. - xmin
Ahora trataremos los limites y la línea central para el gráfico de promedios. De acuerdo a
lo dicho en el párrafo 5.4 los limites de control para el gráfico de promedios son:
Limite Superior x +3 x
Línea central x
Limite inferior x -3 x
' 3 R
x 3x x 3
n n d2
04/03/09 - Organización Industrial II 20
x A2 R
donde A2 es una constante, que solo depende del tamaño de la muestra, y que figura en
la tabla IX dada en el Apéndice. Indudablemente, es:
3
A2
d2 n
Limite superior x A2 R
Línea Central
x
Limite Inferior x A2 R
Nos queda tratar el caso en el cual el tamaño de la muestra no es el mismo en todos los
subgrupos.
Veamos la obtención de la media de los promedios. Como las muestras son de distinto
tamaño, debemos calcular la media ponderada de los promedios. Esto se logra utilizando
la siguiente expresión:
n1 x
x
x1
1 m R1
e
m d 21
Es decir, que al intervalo de cada subgrupo se lo debe divisor por el factor de correspon-
diente a su tamaño de muestra, obteniéndose así, una estimación de ’ que llamaremos
e. Luego se debe hallar el promedio de estas estimaciones.
Así obtenidos los datos necesarios, la línea central para el grafico de intervalos será:
04/03/09 - Organización Industrial II 21
R d2 e
Con la precaución de utilizar las constantes apropiadas para cada tamaño de muestra, se
trazarán los limites de control de acuerdo a las expresiones dadas.
En la tabla X del Apéndice se dan las expresiones necesarias para calcular los limites de
control para los diversos tipos de gráficos, en función de los datos disponibles en cada
caso. El criterio E 3 E , donde E es cualquier parámetro que queramos controlar, es el
que se ha adoptado para lograr las expresiones dadas en dicha tabla.
Linea Central = R
Siendo:
04/03/09 - Organización Industrial II 22
D3; D4 = Factores dados por la tabla 1 del capitulo anterior, en función del ta-
maño de muestra “n”.
CARTA DE MEDIAS ( x )
Linea Central = x
Siendo:
A2 = Factor dado por la tabla 1 del capitulo anterior en función del tamaño de muestra
“n”.
4. INFORMACIÓN DEL ENTORNO: Se debe asentar en la hoja de datos todas las referencias
básicas que identifiquen al proceso.
7. MEDIAS Y RANGOS: Calcular las medias y rangos para cada subgrupo y registrar los va-
lores en los lugares previstos de la hoja de datos.
8. MARCACIÓN DE LOS PUNTOS EN LOS GRÁFICOS: Se deberá establecer una escala en cada
carta adecuada para la interpretación de los datos y marcar los puntos.
9. ANÁLISIS DE LOS RANGOS: Es recomendable comenzar el análisis por los rangos pro
tener una influencia sobre las medias. Se calculará el R-barra, media de todos los ran-
gos muestrales. Luego se calcularán los Límites de Control tentativos.
10. TRAZADO DE LA LÍNEA CENTRAL Y LOS LÍMITES DE CONTROL DE R: utilizando las fórmulas
vistas en el punto anterior.
11. ANÁLISIS DE CONSISTENCIA DE LOS RANGOS: Aplicar los test de causas asignables y veri-
ficar si hay puntos que indiquen fuera de control, si los hay se debe buscar la causa
asignable. Si la causa especial es hallada se deberá anular el R dudoso y recalcular
los limites. Si no hay explicación para el punto dudoso se toma como parte de la po-
blación y se lo mantiene. Una vez consolidada la situación de los rangos se definen los
limites y se cierra el análisis, aunque haya posteriormente problemas en el análisis de
las medias.
12. ANÁLISIS DE LAS MEDIAS: Si hubiera algún punto anulado en la etapa anterior, se recal-
cularán los limites y la línea central de la carta x .
13. TRAZADO DE LA LÍNEA CENTRAL Y LOS LIMITES DE CONTROL DE x : Utilizando las formulas
vistas en el punto anterior.
14. ANÁLISIS DE LA CONSISTENCIA DE LAS MEDIAS: Aplicar los tests de causas asignables y
verificar si hay puntos que indiquen estados de fuera de control, si los hay se deberá
anular el punto dudoso y recalcular los limites, esta determinación no afecta a los limi-
tes de los rangos ya establecidos.
15. ACCIÓN SOBRE LAS CONDICIONES DE FUERA DE CONTROL: Toda situación de fuera de con-
trol estadístico identificada en estas etapas, merecerá alguna acción para encontrar la
causa especial y eliminarla.
16. LIMITES DE CONTROL A USAR EN PRODUCCIÓN: Cumplidas las etapas indicadas, se de-
berá decidir los limites a usar en producción sobre la base de los resultados obtenidos.
El camino más lógico es el de adoptar los Limites de Control calculados en las etapas
12) y 15).
17. REVISIÓN DE LOS LIMITES DE CONTROL: Estos limites deberán revisarse al menos cada
20 a 30 subgrupos. En tanto el proceso tienda a empeorar la distancia entre limites de
control tenderá a ampliarse. Cuando el proceso tiende a mejorar la distancia entre limi-
tes de control se achica. También corresponde una revisión de limites cuando se han
encontrado y eliminado causas especiales.
18. REGISTRO DE NOVEDADES: se deberá anotar ene l mismo las acciones tomadas para
solucionar anormalidades tales como:
PARADA DE MÁQUINA;
04/03/09 - Organización Industrial II 24
Si la carta de control esta operando, es decir, si hay confirmado los limites de control y el
proceso esta produciendo, cada indicación de causa asignable debe estar investigada de
inmediato y si es posible se aplica de inmediato la acción correctiva en el proceso que
elimine la causa asignable de variación.
R
ˆ
d2
5.1.5. Ejemplo.
Se adjunta una carta de control x - R a titulo de ejemplo, donde se han calculado los limi-
tes en base a los datos de los subgrupos que se hallan indicados en la misma carta.
04/03/09 - Organización Industrial II 25
04/03/09 - Organización Industrial II 26
04/03/09 - Organización Industrial II 27
Lotes o “batch” evaluados por una sola medición en la inspección, análisis o ensayo.
Procesos donde se presenten tendencias o ciclos cortos que hay que evaluar rápida-
mente.
Si esta carta se compra con la de medias se concluye que la carta de valores individuales
presenta las siguientes restricciones:
Es menos sensible para detectar los eventuales cambios o perturbaciones que afecten
al proceso.
La forma en que trabajan las cartas “X” en combinación con la carta “R”, es similar al caso
de las x - R. Aquí surge la duda respecto como tomar los subgrupos y calcular los ran-
gos. El uso del método convencional, genera un tramite lento al considerar lotes sucesi-
vos hasta tener las “n” mediciones de un subgrupo y calcular el rango.
R2 = 8 – 6 = 2
R3 = 6 – 9 = 3 (valor absoluto)
Línea Central = R m
Donde:
Línea Central = x
Donde:
E2 = Factor dado en la tabla 1 (Std. A1/1987), en función del tamaño del subgrupo
“n”.
En la hoja siguiente se muestra una carta de control x – Rm, con sus limites de control
calculados a partir de los datos indicados.
La media del proceso puede desplazarse drásticamente y la detección puede ser tard-
ía.
04/03/09 - Organización Industrial II 29
Rm
ˆ
d2
Donde:
Estas cartas de control se aplican en casos análogos a los indicados para las cartas “X –
Rm”, donde no es factible usar la carta de medias para muestras de n unidades conven-
cionales.
En este caso se calculan las “medias móviles” en forma similar a la vista para los rangos
móviles.
La carta “ x m – Rm” es mejor que la carta de valores individuales debido a que las medias
aumentan la sensibilidad para detectar “desplazamientos” en la tendencia central del pro-
ceso.
Los limites son iguales a los dados para el caso de las cartas “X-Rm”.
L.C. = Rm
L.C.I. = D4 R m
L.C.I. = D3 R m
Línea Central = x m
Donde:
ˆ = R m/d2
Capacidad de proceso = 6 ˆ
Línea General ( x ) = X
Los factores A3; B3; B4; están dados por la tabla 1 mostrada anteriormente, extraída del
Std. A1/1987 de ANSI/ASQC.
5.5.1. Atributos:
Son características de un producto que no son medidas como variables ya sea porque
corresponden a aspectos cualitativos ó porque supone un costo muy elevado.
Debido a ello, al igual en el caso de variables, es necesario que existan *** nociones, en
control estadístico por atributos es necesario que existan defectos o unidades defectuo-
sas. (Rechazos).
04/03/09 - Organización Industrial II 33
Los datos por atributos provienen de situaciones donde no es fáctico hacer medicio-
nes, por lo cual se aplican MODELOS O CRITERIOS.
Para que el sistema de control por atributos sea efectivo, es necesario minimizar las
variaciones de criterio.
4. Evalúe la evolución.
5. Capacitar al personal.
Unidades Defectos
Rechazadas
Fotocopias manchadas.
Gráfico P.
Muestra proporciones de no-conformidad (rechazos) calculadas del muestreo de tamaño
VARIABLE. Se aconseja no pasar del promedio 25%.
Gráfica np
Muestra el numero de unidades rechazadas, tomadas de muestreos de tamaño constante.
Gráfico c
Muestra el numero de motivos de rechazo encontradas en muestreos de tamaño constan-
te.
Gráfico u.
Muestra la proporción de no conformidades encontradas en muestreos de tamaño varia-
ble, aunque se aconseja no pasar del tamaño promedio 25%.
K
P
n
K = piezas defectuosas.
n = tamaño de la muestra.
Ahora tomemos de ese universo una muestra de tamaño n y calcularemos en ella la frac-
ción defectuosa (p), teniendo el cociente entre la cantidad de defectuosos (K) y el tamaño
de la muestra (n).
Nos preguntamos si la fracción defectuosa hallada en la muestra coincidirá con la del uni-
verso. Es lógico responder que, en general, p no coincidirá con p’.
Tomemos otra muestra y verificamos lo mismo, además, tampoco coincidirá con la ante-
rior.
04/03/09 - Organización Industrial II 35
Pi
P es de esperar que se cumpla: Lim P p ' , donde m es la cantidad de muestras.
m m
Con lo que se pueda llegar a la conclusión de que la fracción defectuosa tendrá una dis-
tribución de probabilidades cuya media es, justamente la fracción defectuosa del universo
(p’).
La distribución de la que hablamos se puede tomar como una distribución Gaussiana, cu-
ya desviación normal es:
p' 1 p'
Tp
n
Esto nos brinda la oportunidad de seguir con el mismo criterio para determinar los limites
de control: 3
Se debe anotar:
Unidades inspeccionadas N.
np
Proporción de rechazos P
n
Si el producto np’ 10, también se puede según con ese criterio para fijar los limites de
control, pero el riesgo del equipo productos aumenta algo. En los casos prácticos este
riesgo no es mayor del 1% como regla general.
Entonces, si suponemos que se ESPECIFICA el trabajo p’, los limites de control para un
gráfico de control de fracción defectuosa (comúnmente llamado GRAFICO P) serian:
P' 1 P'
L.S . p' 3
n
L.C. P'
P' 1 P'
L.I . P' 3
n
04/03/09 - Organización Industrial II 36
np 1 np 2 ... np m
P
n1 n2 ... nm
P1 P
L.S . P 3
n
L.C. P
P1 P
L.I . P 3
n
n n2 ... nm
Donde n es el promedio de la muestra: n = Si p es bajo puede suceder
m
que LS < O, en tal caso no hay límite inferior de control. También puede suceder en casos
en que n sea muy pequeño. En estos casos no es recomendable el uso de este gráfico.
Estos límites de control deberían ser recalculados cada vez que el tamaño de la muestra
varíe mas de 25%.
Cortos intervalos de tiempo permiten un rápido feed-back, pero se contraponen con nece-
sidades de grandes tamaño de muestras t tiempos de muestreo y análisis largos.
NÚMERO DE MUESTRAS:
Los periodos de toma de muestra deben ser lo suficientemente largos como para detectar
todas las fuentes de variación del proceso. Es deseable incluir 20 ó mas muestras para
hacer una evaluación de la estabilidad del proceso y de serlo una estimación de su per-
formance.
GRÁFICO NP
Cada unidad se registra una sola vez, no importa el n de defectos que tenga.
Es necesario que el tamaño de la muestra sea grande (mas de 200 unidades) y constan-
te.
En la practica suele ser para los operadores mas fácil de informar el número de uni-
dades rechazadas que la proporción.
RECOLECCIÓN DE DATOS.
El tamaño de las muestras debe ser lo suficientemente grande que permitan que va-
rios motivos de rechazo aparezcan en cada muestra.
K’ = np’
K' 3 K
K n P
P' 1 P'
K n np ' 1 p '
n
K'
K K' 1
n
K'
L.S . K" 3 K ' 1
n
L.C. K'
K'
L.I . K' 3 K' 1
n
K'
p'
n
P’< 0,1
04/03/09 - Organización Industrial II 38
K'
Con lo cual se puede despreciar el factor 1 , resultando entonces:
n
k =n p
K
y que se obtiene según: K para el caso de muestras de igual tamaño. Si el tama-
m
ño de la muestra no es constante (caso no recomendado), el promedio de piezas defec-
Ki
tuosas en la muestra ( k ) se calcula según: K n .
ni
Es decir, que se suman todas las piezas defectuosas halladas en todas las muestras y se
divide por el total de piezas controladas, con lo cual se obtiene p . Luego, para cada
muestra se multiplica este valor hallado por el correspondiente tamaño de la muestra.
6.1. Introducción
Las cartas de control por atributos son usadas cuando la característica en consideración
es evaluada respecto a si es BUENA – MALA, PASA – NO PASA, etc. Estas cartas pueden ser
usadas en los casos que se presente una fracción o porcentaje, o en los casos de conte-
os.
La carta por atributos es aplicable sobre una variable que pueda medirse, pero que se ha
elegido un calibre PASA – NO PASA por economía o simplificación.
Una consideración importante antes de iniciar una carta por atributos, es asegurarse que
el propósito de la carta esta disponible y es debidamente interpretada.
CARTA “U”: Controla el número de no-conformidades por unidad (o defectos por uni-
dad).
Se define:
04/03/09 - Organización Industrial II 39
No conforme: una unidad del producto o servicio que contiene al menos una no-
conformidad.
6. Seleccionar la frecuencia de muestreo: Por ejemplo cada hora, diario, cada parte, cada
envío.
7. Recolección de datos.
Ejemplo:
O también:
Además es importante que el tamaño de la muestra sea suficientemente grande para que
la carta tenga sensibilidad.
La Media resulta:
p1 p
Limite de Control Superior = L.C.S. = p 3
n
p1 p
Limite de Control Inferior = L.C.I. = p 3
n
Si en los sucesivos subgrupos los tamaños son desiguales, los desvíos estándar serán
cambiantes y por lo tanto los limites de control se acercan o se distancian de la línea cen-
tral. Esto suele resultar tedioso para el utilizador de la carta p.
Para remediar este problema distintos autores sugieren tomar limites de control unificados
o fijos, considerando un valor medio de los tamaños de los subgrupos, siempre que ellos
no varíen mas del 20% del valor p-barra. De ese modo en las fórmulas vistas ara los limi-
tes de control bastara reemplazar n por n-barra (valor medio de los n considerados).
Con este enfoque solo será necesario calcular exactamente los limites de control para
puntos que caigan cerca de los limites de control correspondientes, considerando si el “ni”
es mayor o menor que el n-barra según corresponda.
Los L.C. han sido mal calculados o los puntos mal graficados;
d) Casos de Series: rige el criterio ya visto de seis puntos sucesivos por arriba o por de-
bajo de la línea central es sospechoso, mereciendo una investigación.
6.2.5. Ejemplo:
Se adjunta una carta de control “p”, a titulo de ejemplo, donde se han calculado los apro-
piados limites de control.
04/03/09 - Organización Industrial II 43
26
24
22
20
18 LC = 16,9
16
14
12
10
8 LSC = 5,7
6
4 LIC = 1,3
2
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 31
FECHA TOTAL
Hora Turno
Cent.
98 104 97 99 97 102 104 101 55 48 50 53 56 49 56 53 52 51 52 47
Controlada (h)
Cantidad
20 18 14 16 13 29 21 14 6 6 7 7 9 5 8 9 9 10 9 10
Defectuosos
Porcentajes
20,4 17,3 16,4 16,2 13,4 28,4 20,2 13,9 10,9 12,5 14,0 13,4 16,1 10,2 14,7 17,0 17,3 12,6 16,3 21,3
defectuosos
L.S.C. = n p + 3 np 1 np / n
L.C. = n p
L.C.I. = n p - 3 np 1 np / n
Por ejemplo:
c1 c2 ... ck
c
k
Donde:
L.C.S. = c + 3 C
L.C. = c
L.C.I.= c - 3 C
04/03/09 - Organización Industrial II 46
04/03/09 - Organización Industrial II 47
c1 c2 ... ck
u
n1 n2 ... nk
Donde:
L.C.S. = u + 3 u /n
L.C. = u
L.C.I. = u - 3 u /n
7.1. Concepto.
Se entiende que la capacidad del Proceso es la medida de la facultad de un proceso pro-
ductivo, para realizar las características de calidad dentro del intervalo de tolerancia espe-
cificado.
CAPACIDAD DEL PROCESO: Es una medida estadística de la variabilidad inherente del pro-
ceso para una característica dada.
NOTA: Las normas para medir la capacidad de proceso no han logrado consenso hasta
ahora (1987), por lo cual cuando se use el término “capacidad de proceso”, es esencial
definir la forma de medición aplicada.
Rigurosamente para determinar la verdadera capacidad del proceso se requiere que este
funcione en estado de control estadístico, pero algunos métodos de calculo asumen, sin
comprobación alguna, que dicho estado existe o que una limitada presencia de causas
asignables es tolerada.
Los estudios profundos de capacidad de proceso pueden realizarse en base a una planifi-
cación estadística a lo largo de un tiempo suficiente para identificar las fuentes de varia-
ción, si composición e influencia. Modernamente el uso de la información ha permitido un
avance considerable en la precisión y rapidez de estos estudios.
a) Elección de las características de producto y/o parámetros del proceso, objetos del
estudio (factores predominantes). Por ejemplo:
Características funcionales;
Pieza a pieza;
Línea a línea;
Tiempo a tiempo;
Lote a lote.
7.4.1. Indice Cp
Este índice esta dado por el cociente entre la “Tolerancia total especificada” sobre la “ca-
pacidad del proceso”.
Cp = (LES – LEI) / 6
Donde:
6 = Capacidad de proceso.
El índice Cp difundido por Ford M.C. entre sus proveedores, indica el grado de aptitud de
la variación del proceso, para obtener productos dentro de especificación, siempre que el
proceso esté centrado (o fuera fácilmente centrable).
El índice Cpk esta dado por el cociente entre; la diferencia entre la media del proceso y su
mas próximo limite especificado, sobre la mitad de la capacidad del proceso.
Donde:
Este índice también fue impulsado por Ford M.C. basado en el siguiente enfoque: si la
distribución del proceso se ubica dentro del rango especificado aún en el caso más desfa-
vorable, cuando la media esta desplazada hacia su mas próximo limite especificado, es
obvio que también satisfacerá al limite especificado mas alejado.
CPK < 0: PROCESO INACEPTABLE – LA MEDIA ESTA FUERA DEL RANGO DE LOS
LIMITES ESPECIFICADOS.
CPK = CP: LA MEDIA DEL PROCESO COINCIDE CON EL CENTRO DEL RANGO DE LA TOLE-
RANCIA TOTAL. EN CUANTO HAYA CIERTO DESCENTRADO SE TENDRA CPK <
CP; EL CASO OPUESTO CPK > CP ES IMPOSIBLE.
El índice Cpk resulta útil para estudiar la “performance del proceso” que contempla la real
variación del proceso en un periodo relativamente largo, lo que permite la influencia de
diversas fuentes de variación.
CPU = (LES - ) / 3 Cuando solo esta dado el LES = Limite Especificado Superior;
CPL = ( - LEI) / 3 Cuando solo esta dado el LEI = Limite Especificado Inferior.
Siendo:
La interpretación de los distintos valores que pueden adoptar los índices CPU y CPL, es
similar a los del Cpk.
Estos índices fueron desarrollados en Japón, y dado que tienen en cuenta la ubicación del
proceso y la mitad de la capacidad del proceso, permiten llegar a otra definición del índice
Cpk:
W = (LES – LEI)
M = (LES – LEI) / 2
D = |M - | ; valor absoluto
Se define:
El valor k se usa en Japón como un índice para describir cuan descentrado esta el proce-
so, y también para llegar a otra definición de Cpk:
Cpk = Cp (1 – K)
Donde se cumple:
Como su nombre lo indica este método se usa para la evaluación de la variación presente
en la salida del proceso sobre una corta tirada de piezas. Será requerido en estos casos
un aceptable “potencial de proceso” al inicio de la producción para alcanzar una buena
capacidad en la serie larga, pero eso no esta garantido.
Se considera una regla práctica, esperar que la variación en la tirada larga crezca 1/3 de-
bido a esas fuentes de variación. Por lo tanto a fin de tener un proceso aceptable en la
serie larga, es mas dura la existencia en los estudios de serie corta. Es usual que en esta
se pida que una dispersión de +/- 3 caiga dentro de especificación.
Además, de una buena capacidad en la serie corta, será necesario contar con un adecua-
do control para lograr aceptable capacidad en originales. A diferencia de la serie corta
donde se median piezas sucesivas, en el estudio largo serán tomadas muestras a lo largo
de un periodo suficientemente largo para incluir la influencia de las fuentes de variación
citadas.
Los estudios largos son generalmente encarados con gráficos de control por variables, a
fin de verificar en principio de estado de control estadístico del proceso y una vez cumpli-
da esta condición se podrán analizar los datos que surjan del gráfico y determinar la ca-
pacidad del proceso en la serie larga.
En la práctica se tendrá que estimar estos parámetros mediante los estadísticos: MEDIA
(X-BARRA); DESVIACIÓN ESTANDAR (S), y por estimar los índices teóricos. Este concepto tie-
04/03/09 - Organización Industrial II 53
La tabla siguiente provee una guía de aplicación con un lenguaje útil para la comprensión
de todo el personal involucrado en el uso de esta técnica.
Indices de Capacidad
32 6o
LÍMITE SUP. ESPEC. = 30 MM. 31
30
29 6o
28
28
NOMINAL = 27 MM. 27 6o
26
25
LÍMITE INFERIOR ESPEC. = 24 MM.
24 6o
23
30 27 27 24 30 29 30 32 24 24
Z min 9 3 6 0
33 33 33 33 33