CONTROL DE CALIDAD

Control Estadístico de Procesos

Evolución del concepto Control de Calidad
Reprocesos
Aviso para actuar
sobre el proceso
Desechos
Concepción
Producto Defectuoso
Tradicional
Materias Primas
Inspección Usuario

Reprocesos

Ajustes constantes basados en muestreo Desechos

selectivo del producto y del proceso.
Concepción Producto Defectuoso

CEP Materias Primas

Inspección Usuario

2
 Control de Procesos
Históricamente ha evolucionado en dos vertientes:

– Control automático de procesos (APC) empresas de

producción continua (empresas químicas)
– Control estadístico de procesos (SPC) en sistemas de
producción en serie (empresas metalmecánicas).

Vamos a concentrarnos en el SPC

3
 Control Estadístico de Procesos
Los objetivos son:

– Monitorear y vigilar el desempeño del proceso en

cuanto a las características de calidad críticas del
producto, para así minimizar la producción
defectuosa  Gráficos de Control.
– Estimar los parámetros del proceso para comparar la
producción con las especificaciones  Estudios de
Capacidad.

En ambos casos, se trata de herramientas por y

para la mejora continua. 4
Causas de la variabilidad en un proceso
Causas Comunes
• Suelen ser muchas y cada
una produce pequeñas
variaciones.
• Son parte permanente del
proceso
• Son difíciles de eliminar y
forman parte del sistema.
• Afectan a todo el conjunto
de máquinas y operarios
Causas Asignables
• Suelen ser pocas pero con
efectos importantes en la
variabilidad.
• Aparecen esporádicamente.
• Son relativamente fáciles de
eliminar
• Por lo general su efecto está
localizado en una(s)
máquina(s) u operario(s).
5
 “Proceso bajo control estadístico”
• Se dice que un proceso está bajo
control estadístico cuando solo está
afectado por causas comunes de
variabilidad. Esto significa que
podemos predecir lo que va a
suceder con el proceso y sus
productos.

• A diferencia del APC, en el SPC el

significado de “control” está más
vinculado con el monitoreo del
sistema que con la actuación sobre
el mismo.
6
 Variables discretas y continuas
Una variable es discreta si toma solo un número contable
de valores. Una variable es contínua si la misma toma un
número incontable de valores.

Variable discreta Variable continua

0 1 2 3 ... 0 1/16 1/4 1/2 1

Por lo tanto, el número de Por lo tanto, el número de
valores es contable valores es incontable

7 6/8/2019
 Estadística Descriptiva
Abarca la agrupación, resumen y presentación de los datos
para permitir su interpretación y poder tomar decisiones
basadas en dicha interpretación.

La estadística descriptiva utiliza

– Técnicas gráficas
– Medidas de descripción numéricas

8 6/8/2019
 Variables Categóricas

Pie chart Gráfico de barras

• Estas son algunas de las representaciones

más utilizadas para variables categóricas.

9 6/8/2019
 Variables cuantitativas
Las variables cuantitativas continuas toman un número
considerable de valores y su representación gráfica
resulta más clara si se agrupan los valores próximos de
la variable.

El gráfico más común de

la distribución de una
variable cuantitativa
continua es un
histograma.

10 6/8/2019
 Medidas de Posición Central:
Usualmente, nuestra atención se centra en dos aspectos
de las medidas de posición central:

Medición del punto central

(promedio)

Medición de la dispersión en
torno al promedio

11 6/8/2019
 Medidas de Posición Central: La Media

Suma de las observaciones

Media =
Número de observaciones

• Es decir, tenemos una muestra de n observaciones: x1, x2,…,xn.

Su media muestral es:

( x1  x 2  ...  x n )
x
n

12 6/8/2019
Medidas de Posición Central: La Mediana
• La mediana (M) es el “valor central” de un
histograma.
• Para hallar la mediana de una distribución
debemos:
1. Ordenar las observaciones en orden ascendente.
2. Si el número de observaciones n es impar, M es la
observación central de la lista ordenada. M se halla
contando (n+1)/2 observaciones desde el comienzo de la
lista.
3. Si el número de observaciones n es par, M es la media
de las dos observaciones centrales de la lista ordenada.

13 6/8/2019
Medidas de Posición Central: La Moda
La moda es el valor que ocurre con mayor frecuencia en
un grupo de observaciones.

La moda Cuando la muestra

es grande, los datos
se agrupan en intervalos
y obtenemos el
Intervalo modal

En un conjunto de observaciones puede haber más de una moda.

14 6/8/2019
 Media y Mediana

 La media es sensible a observaciones extremas.

 La mediana solo es sensible a cambios en su entorno que la

cruzan. Por ello, se dice que la mediana es un estimador
robusto de la tendencia central.

 La media y la mediana de una distribución simétrica se

encuentran muy cerca. Si la distribución es exactamente
simétrica, la media y la mediana coinciden.

 Si la distribución es asimétrica, la media queda desplazada

hacia la cola más larga del histograma de la distribución.

15 6/8/2019
 Distribuciones simétricas y asimétricas
• Una distribución es simétrica si el lado
derecho e izquierdo del histograma con
respecto a la mediana son
aproximadamente iguales.
• Un distribución es asimétrica hacia la
derecha si el lado derecho del histograma
se extiende sobre un mayor número de
valores (intervalos) que el lado izquierdo.
• Una distribución es asimétrica hacia la
izquierda si el lado izquierdo del
histograma se extiende sobre un mayor
número de valores (intervalos) que el
lado derecho.

16 6/8/2019
 Aspecto general de una distribución
La figura muestra la distribución de ventas de libros por individuo
en la feria del libro. Esta distribución es asimétrica hacia la
derecha. Es decir hay muchas ventas de 3 o 4 libros y pocas ventas
de 10 libros.

25
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12

17 6/8/2019
 Medidas de Dispersión

• Caracterizar una distribución solamente a través de una medida

central no es apropiado.

• Las distribuciones del ingreso de dos provincias con el mismo

ingreso medio por hogar son muy distintas si una de ellas tiene
extremos de pobreza y de riqueza, mientras que la otra tiene
poca variación de ingresos entre familias.

• Estamos interesados en la dispersión o variabilidad de los

ingresos, además de estarlo en sus centros.

18 6/8/2019
 Medidas de dispersión
• Rango

Una manera de medir la dispersión es calcular el

recorrido de la distribución empírica, es decir, la
diferencia entre las observaciones máxima y
mínima.

Su mayor ventaja es que se puede calcular

fácilmente, sin embargo, no brinda información
sobre la dispersión existente entre ambos valores
extremos.

19 6/8/2019
 Medidas de Dispersión
• El rango depende sólo de las observaciones
máxima y mínima, que podrían ser
observaciones atípicas.
• Podríamos mejorar nuestra descripción de la
dispersión fijándonos, por ejemplo, también en
la dispersión del 50% de los valores centrales de
nuestros datos.
• Un conjunto de estadísticos de utilidad son los
cuartiles de una distribución.
25% 25% 25% 25%
Q1 Q2 Q3
20
 Medida de Dispersión: La Varianza
La varianza s2 de un conjunto de observaciones es el
promedio de los cuadrados de la desviaciones de las
observaciones respecto a su media. Formalmente:

(x1  x )  (x 2  x)  ...  ( x n  x )
2 2 2
s 
2

n 1

1
• De forma compacta: s  2

n 1
 ( x i  x ) 2

21 6/8/2019
 La Desviación Estándar

• La desviación típica es la raíz cuadrada positiva

de la varianza s2:

1
s
n 1
 (x i  x) 2

22 6/8/2019
En el proceso de fabricación de una armadura metálica se
han medido los espesores obtenidos después del proceso
de estampadp. La especificación de dicho espesor es 10
± 1 𝑚𝑚. Con los datos presentados en la tabla, construir el
histograma y sacar conclusiones.
Solución
1.- Contamos el numero de datos medidos (36 datos)

2.- Calculamos el rango de los datos (MAX-min)

11,4 – 9 = 2,4

3.- Ahora dividimos los datos en diferentes clases. Para ello

resulta muy útil aplacar la siguiente formula:
Clases = 𝑛° 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 = 36 = 6

4.- Se calcula el intervalo H, en el que se encuentra cada

una de las clases:
𝑅𝑎𝑛𝑔𝑜 2,4
H= = = 0,4
𝑁° 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠 6
5.- Con estos datos ya podemos construir la tabla de
frecuencias para cada clase, teniendo en cuenta que los
datos se agrupan en seis tipos de clases y que cada una de
ellas identifica a espesores que abarcan 0,4 mm:
POLIGONO DE FRECUENCIAS
El 95.44% de los valores se
encuentra en 2σ.

2 x 0.2 = 0.4

Como la media es 10, este

porcentaje de valores se
situara entre el intervalo.

9.6 y 10.4 mm
 Gráficos de Control
Se desea estudiar la estabilidad en la producción de una
pieza en la cual su peso es la característica critica. Para ello
se toma el peso de cada pieza obtenida en el proceso cada
5 minutos. El peso medio de la pieza se sitúa en 100 gramos
y su tolerancia es de 100 ± 5 gramos.
Dibujar el gráfico de control si los pesos obtenidos son los
que se muestran.

N° 1 2 3 4 5 6 7 8 9 10
Peso 100 94 98 99 104 106 94 99 102 104
Solución
La línea central se encontrará en la media: LC = 100g
El limite de tolerancia superior es: LTS = 105g
El limite de tolerancia inferior es: LTI = 105g

Con estos datos dibujamos el gráfico de control.

Gráficos de Control por Variables

Aseguramos que el 99.73%

de los valores se encuentran
dentro de estos limites.
 Característica cuantitativa; puede
VARIABLE expresarse mediante un numero real o ser
medida o recogida en una escala continua

Dureza, Peso

Característica cualitativa; se observa si un

articulo posee o no dicha característica.
ATRIBUTO La característica no responde a una escala
de medida y debe ser clasificada dentro
de un conjunto de categorías.

Color, Defecto
 VARIABLE
(Largo del Eje)

ATRIBUTO
(N° de Defectos)
Interpretación de los gráficos de control
• Necesitamos determinar si el proceso está
bajo control, lo cual se traduce en que los
puntos mostrados estén dentro de los límites
de control y presenten un comportamiento
aleatorio.
• Para esto se utilizan una serie de reglas
empíricas, cuya presentación se facilita si el
área dentro de los límites de control se divide
en regiones iguales.

38
Interpretación de los gráficos de control (c)
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra
39
Interpretación de los gráficos de control (c)

• A las reglas empíricas que se utilizan para

determinar si un proceso está bajo control se
les suele denominar reglas de parada.
• Corresponden a sucesos que tienen muy baja
probabilidad de ocurrir si el proceso está bajo
control.
• Cada una de ellas provee información sobre el
tipo de causa asignable que puede estar
afectando al proceso.
40
 Reglas de parada
• Un punto fuera de la zona A. Corresponde a un
cambio repentino en la media o la dispersión del
proceso.
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra
41
 Reglas de parada
• Siete puntos en fila, todos crecientes o
decrecientes. Se presenta cuando hay cambios
paulatinos en la media, debida a desgastes en
herramientas o personal.
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra
42
 Reglas de parada
• Catorce puntos en fila alternando arriba y
abajo. Indica correlación negativa entre los datos
(cuando hay excesos en una, a la siguiente pieza es muy
reducida y viceversa).
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra 43
 Reglas de parada

• Quince puntos en fila en la zona C. El proceso ha

reducido su varianza (hay sobreestabilidad en el
sistema). Es importante investigar la fuente de la
mejora.
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra 44
 Reglas de parada
• Dos de tres puntos consecutivos en la zona A o
más allá. Indican un incremento en la varianza del
proceso.
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra

45
 Reglas de parada
• Estructuras periódicas. Estas están asociadas
normalmente con cambios de turnos, operarios, días de
la semana, etc.
10.5

Zona A
Característica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Mues tra
46
 Reglas de parada

• Nunca trate de explicar la influencia de todos

y cada uno de los eventos que ocurren en la
planta a través de gráficos de control. El
procedimiento correcto es detectar ALARMAS
y luego usar los registros de eventos para
determinar si corresponden a causas
asignables o a causas comunes.

47
Interpretación de los gráficos de control

• El calculo del nivel de significancia para las

reglas de parada que se establezcan es
importante para un correcto análisis. Un
punto que incumple una regla de parada es
una ALARMA pero no necesariamente
significa que nuestro proceso está fuera de
control, ya que si no podemos ligarlo a una
causa asignable puede tratarse del azar.

48
 Tolerancias y capacidad

• La literatura suele distinguir entre dos tipos

de tolerancias:
– Tolerancias de diseño: las cuales son fijadas por
el departamento de ingeniería. Están
relacionadas con el concepto de calidad en el
diseño.
– Tolerancias de naturales: que vienen dadas por
las características de la máquina o proceso.

49
 Tolerancias y capacidad (cont)
• Si las tolerancias naturales de un proceso son
más estrictas que las tolerancias de diseño
entonces es fácil obtener calidad de
conformidad.
• Sin embargo, si las tolerancias de diseño se
vuelven incompatibles con las tolerancias
naturales de nuestro proceso, muy
difícilmente lograremos elaborar productos
que las satisfagan.

50
Capacidad de Proceso y de Máquina
Índice de Capacidad
Índice de Capacidad
 Índice de Capacidad

En general se puede decir que el proceso esta centrado si:

El valor medio del peso de un cereal, el año pasado, fue 0.297
kg, con una desviación estándar de 0.024 kg. Suponiendo que
la distribución es normal, determinar el porcentaje de los
datos que cae abajo del limite inferior de la especificación de
0.274 kg.
Ahora determinar el porcentaje de los datos que caen arriba
de 0.347 kg.
Un fabricante de tornillos produce 5000 tornillos diarios. Las
especificaciones técnicas para el largo es: 100 mm ± 5mm.

Para estudiar la capacidad de proceso se ha medido la

longitud de 5 tornillos cada hora. El numero total de
muestras tomadas para realizar este estudio ha sido de 8,
por lo que el total de unidades a controlar es de 40 y se
muestran a continuación.