Beruflich Dokumente
Kultur Dokumente
calidadtotal@hotmail.com
2017 -
0 1
CONTROL ESTADSTICO DEL PROCESO
(CEP)
OBJETIVOS: Al finalizar el curso, el participante ser
capaz de:
4
1. Importancia de la mejora continua
DIMENSIONES DE LA CALIDAD
Desempeo
Confiabilidad
Durabilidad
Serviciabilidad
Esttica
Caractersticas
Imagen del producto
Conformancia
Tiempo de entrega
Precio
Servicio al cliente
5
1. Importancia de la mejora continua
CALIDAD Y MEJORAMIENTO
TIPOS DE DATOS
Atributos: No medibles, apariencia, defectivos
7
1... Antecedentes histricos
11
4...Mtodos de calidad para
Manufactura Delgada
Control estadstico del proceso: Previene que
ocurran problemas potenciales
12
1... Inspecciones de calidad
13
1... Mtodos estadsticos para la
mejora
LAS CARTAS DE CONTROL
Tcnica util para el monitoreo de procesos
Permiten identificar situaciones anormales (causas
especiales originadas por cambios en las 5Ms)
Sirven para prevenir la produccin de defectivos
15 Carta X
LCS
LSC
10
Promedio
MEDIA
LIC
LCI
5
Perfil
0
14
1... Mtodos estadsticos para la
mejora
DISEO DE EXPERIMENTOS
Tcnica util para identificar las variables clave que
afectan a la variabilidad de productos p procesos
Permite variar en forma sistemtica los factores y
analizar su efecto
Variables de Caracterstica
Entrada/Factores de calidad
Proceso
15
1... Mtodos estadsticos para la
mejora
MUESTREO DE ACEPTACIN
Tcnica que permite calificar lotes de productos
como conformes o no conformes, por medio de una
muestra representativa sin inspeccionar al 100%
MUESTRA OK?
LOTE
16
1... Administracin por Calidad
Total
Feigenbaum (Control de calidad total)
Ishikawa (CWQC)
Taguchi (Diseos robustos)
17
1..El Sistema de Calidad
El Sistema de Calidad se debe Establecer,
Documentar e Implantar en forma Efectiva:
QS 9000 ISO 9000:2015
Poltica
1. Manual
Documentos de Calidad
controlados Implantacin de
2. Procedimientos la poltica
El Cmo de los
3. Instructivos procedimientos
Planes de Calidad
18
1... Administracin por Calidad
Total
MODELOS Creacin de valor a las partes interesadas
Premio Nacional de Calidad -Mxico
Premio Malcolm Baldrige EUA
Premio Europeo a la calidad Europa
Premio Deming - Japn
Premios Estatales a la calidad - Mxico
Sistemas de gestin de calidad:
ISO 9000:2015
QS 9000
ISO 16949
VDA 6.1
19
1... El CEP y la Administracin
por Calidad Total
20
1... Los costos de calidad
CROSBY: La calidad se mide con el costo de calidad
COSTOS DE PREVENCIN
Planeacin de calidad (manuales), Entrenamiento
COSTOS DE APRECIACIN
Inspecciones, pruebas y materiales de prueba
COSTOS DE FALLA INTERNA
Desperdicios, retrabajos, reinspecciones
COSTOS DE FALLA EXTERNA
Garantas, reclamaciones, demandas legales,
penalizaciones, campaas
COSTOS DE OPORTUNIDAD
Prdidas de ventas por falta de producto de
buena calidad
21
2. Mtodos y filosofa
del control estadstico de
proceso (CEP)
22
2. Mtodos y filosofa del CEP
No existen en la naturaleza
dos cosas exactamente iguales,
ni siquiera los gemelos, por tanto la
variacin es inevitable y es analizada por
la Estadstica
23
2...La Estadstica
La estadstica nos proporciona mtodos para organizar
y resumir informacin, usndola para obtener diversas
conclusiones
24
2..Definiciones
Poblacin: Es la coleccin de todos los elementos (piezas,
personas, etc.). En nuestro caso sera un nmero infinito de
mediciones de las caractersticas bajo estudio.
27
2...Histograma de Frecuencia
M
E
D
Media I
C
I
O
N
TAMAO TAMAO TAMAO E
S
LIE LSE
DEFINICION
Un Histograma es la organizacin de un nmero de
datos muestra que nos permite visualizar al
proceso de manera objetiva.
29
2..Las distribuciones pueden variar en:
30
2...Medidas de Tendencia central
Fi*Xi Donde,
Xi 1 i
Fi = Frecuencia de cada medicin
Fi xi = Valor de cada medicin
individual
- Usa todos los datos
- Le afectan los extremos
Valor Valor
mnimo mximo
DEFINICION:
Es una ayuda grfica para ver la variabilidad
de los datos.
32
2...Medidas de variabilidad o
Dispersin Desviacin Estndar
n n
n-1 n
33
2..Medidas de
Dispersin- Rango, CV
Rango: Valor Mayor Valor menor
3. Introducir uno por uno los datos con la tecla DATA o DT (si se
repiten con una frecuencia, introducirlos las veces
necesarias)
35
2...Mtodo Manual
37
2...Ejercicio de Histogramas
Datos:
38
2...Histogramas con Datos agrupados
El Histograma es una grfica de las frecuencias que
presenta los diferentes datos o valores de mediciones
agrupados en celdas y su frecuencia.
CLASE FRECUENCIA
1-5 7
6-10 12
11-15 19
16-20 16
21-25 8
26-30 4
39
2...Definiciones - datos agrupados
Lmite inferior y superior de clase
Son los numeros ms pequeos y ms grandes respectivamente que
pertenecen a las clases (del ejemplo, 1 y 5; 6 y 10; 11 y 15; 16 y 20; 21 y 25; 26 y 30)
Marcas de clase
Son los puntos medios de las clases (del ejemplo 3, 8, 13, 18, 23 y 28)
Fronteras de clase
Se obtienen al incrementar los lmites superiores de clase y al decrementar los
inferiores en una cantidad igual a la media de la diferencia entre un lmite
superior de clase y el siguiente lmite inferior de clase (en el ejemplo, las fronteras
de clase son 0.5, 5.5, 10.5, 15.5, 20.5, 25.5 y 30.5)
Ancho de clase
Es la diferencia entre dos lmites de clase inferiores consecutivas(en el ejemplo,
es 5).
40
Construccin del histograma - datos agrupados
Paso 1. Contar los datos (N)
Paso 2. Calcular el rango de los datos R = (Valor mayor- valor menor)
19 21 25 33 30 27 31 25 35
37 44 43 42 39 43 40 38 37
36 42 41 44 32 45 46 47 45
54 52 50 48 49 47 48 49 47
52 51 50 49 58 59 61 62 63
59 61 66 76 70
42
2...Construccin del histograma
Paso 2. Rango R = 76 - 16 = 60
Paso 5. Lm. de clase: 15-24, 25- 34, 35- 44, 45- 54, 55 - 64, 65-74, 75-94
Paso 6. Nmero de datos: 2 7 14 17 7 2 1
Marcas de clase 19.5 29.5 39.5 49.5 59.5 69.5 79.5
18
16
14
12
10
8 Frec.
6
4
2
0
15-24 25-34 35-44 45-54 55-64 65-75
44
2...Clculo de la media - datos agrupados
Fi*Xi
Donde,
x i 1 i
Fi = Frecuencia de cada observacin
Fi xi = Valor de cada marca de clase
46
2...Histograma en Excel
Despus de correr la utileria de Histogramas con Excel
se obtuvieron los siguientes resultados (BIN RANGE: 15,
25, 35, 45, 55, 65, 75).
Bin Frequency
15 0
25 4
35 6
45 15
55 15
65 7
75 2
More 1
47
2...Histograma en Excel
Accesar el menu de anlisis de datos con TOOLS
o HERRAMIENTAS, DATA ANALYSIS o ANALISIS DE
DATOS, HISTOGRAMS o HISTOGRAMAS
Histogram
20
Frequency
10 Frequency
0
Bin
49
Ejercicio
Datos:
50
2...La Distribucin
Normal
51
2...La distribucin Normal
La distribucin normal es una distribucin de
probabilidad que tiene media 0 y desviacin
estndar de 1.
Para la muestra
53
2...La distribucin Normal Estndar
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
X
x-3 x-2 x- x x+ x+2 x+3
z
-3 -2 -1 0 1 2 3
54
2...Caractersticas de la distribucin normal
68%
34% 34%
+1s
95%
+2s
99.73%
+3s 55
2...El valor de z
Determina el nmero de desviaciones estndar
entre algn valor x y la media de la poblacin, .
Donde es la desviacin estndar de la
poblacin.
z= x-
56
2...Proceso con media =100
y desviacin estndar = 10
68%
34% 34%
90 110
13.5%
68%
13.5%
34% 34%
95%
80 120
2.356%
13.5%
68%
13.5%
2.356%
34% 34%
99.73%
70 130
57
LIE LSE
Especificacin Especificacin
inferior superior
s _
xi
X
59
2...reas bajo la curva normal
El tiempo de vida de las bateras del conejito tiene
una distribucin aproximada a la normal con una
media de 85.36 horas y una desviacin estndar
de 3.77 horas.
Area
-1.42 0
63
2...rea bajo la curva normal
85.36 86 87
0 1
64
2...rea bajo la curva normal
65
2...Ejercicios
Considere
Considere una
una media
media dede peso
peso de
de estudiantes
estudiantes de
de 75
75
Kgs.
Kgs. con
con una
una desviacin
desviacin estndar
estndar de
de 10Kgs.
10Kgs.
Contestar
Contestar lo
lo siguiente:
siguiente:
1.
1. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que un
un estudiante
estudiante pese
pese
ms
ms de
de 85Kgs.?
85Kgs.?
2.
2. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que un
un estudiante
estudiante pese
pese
menos
menos dede 50Kgs.?
50Kgs.?
3.
3. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que pese
pese entre
entre 60
60 yy 80
80
Kgs.?.
Kgs.?.
4.
4. Cul
Cul es
es la
la probabilidad
probabilidad de
de que
que pese
pese entre
entre 55
55 yy 70
70
Kgs.?
Kgs.? 66
2... Las 7 herramientas
estadsticas
Hoja de verificacin para anotar frecuencia de
ocurrencias de los eventos (con signos |, X, *,
etc.)
68
2... Las 7 herramientas
estadsticas
Diagrama de flujo para identificar los
procesos, las caractersticas crticas en cada
uno, la forma de evaluacin, los equipos a usar,
los registros y plan de reaccin, se tienen:
Diagramas de flujo de proceso detallados
Diagramas fsicos de proceso
Diagramas de flujo de valor
69
2... Causas de variacin y bases
estadsticas del CEP
Causas de variacin
Causas comunes o aleatorias, reducidas slo por la
direccin
Causas especiales (causadas por 6Ms), eliminadas
por personal involucrado en la operacin.
70
2... Beneficios de las cartas de
control
Herramienta para mejorar la productividad
71
2.. Diseo de la carta de
control
Lmites de control
De acuerdo a Shewhart a + - 3-sigma
En Europa se usan l.imites de prevencin a + -2
sigma
En Europa se usan Lmites Probabilsticos a + -
0.1% (+ - 3.09 sigma)
SISTEMA DE RECONOCIMIENTO
73
2... Cartas de Control por
Variables
MEDIAS RANGOS (subgrupos de 5 - 9 partes cada x
horas, para estabilizar procesos)
74
2... Estabilizacin del proceso
con cartas de control
1. IDENTIFICAR LA CARACTERSTICA A
CONTROLAR, EN BASE A UN AMEF (anlisis del
modo y efecto de falla)
77
2... Cartas de Control por
Atributos
c Nmero de defectos
Se cuentan los defectos que tienen cada unidad de
inspeccin de tamao n constante en productos
complejos TV, computadoras
78
2... Cartas de Control tipo p
p - FRACCIN DEFECTIVA CON n CONSTANTE
CARTA DE CONTROL np
79
2... Cartas de Control tipo p
p - CON n PROMEDIO
p - ESTANDARIZADA
80
2... Cartas de Control tipo c, u
c - CARTA DE CONTROL PARA DEFECTOS
- Cambio de tamao de la unidad de inspeccin
U para Demritos
En base a la clasificacin de defectos A
(crticos), B (funcionales), C (menores)
81
3. Cartas de control
por variables
82
3. CONTENIDO
4. Ejercicios de aplicacin
83
3.1 Teorema del Lmite Central
84
3.1Teorema del Lmite
Central
La distribucin de las medias de las muestras
tienden a distribuirse en forma normal
85
3.1..Teorema del Lmite
Central
La distribucin de las medias de las muestras
tienden a distribuirse en forma normal
86
3.1Teorema del Lmite
Central
87
3.1Teorema del Lmite Central
PREMISAS
Si la variable aleatoria X tiene cualquier distribucin con media
y desviacin estndar .
CONCLUSIONES
La distribucin de todas las medias o promedios de las muestras
X-media, tienden a distribuirse normalmente
88
3.1Teorema del Lmite Central
CONCLUSIONES (cont..)
89
3.2 Teora de las
Cartas de Control
90
PROPSITO
Introducir los tipos bsicos de Cartas de Control
Estadstico del Proceso (CEP)
91
3.2 Qu es una Carta de
Control?
Una Carta de Control es como un historial del proceso...
... En donde ha estado.
... En donde se encuentra.
... Hacia donde se puede dirigir
92
3.2 Reglas Bsicas
Se debe medir la caracterstica del proceso adecuada
en la carta.
CAUSAS COMUNES
Siempre estn presentes
Slo se reduce con acciones de mejora mayores
Su reduccin es responsabilidad de la direccin
SEGN DEMING
El 85% de las causas de la variacin son causas
comunes, responsabilidad de la direccin
14 95
3.2 Variacin Causas comunes
Lmite Lmite
inf. de sup. de
especs. especs.
Objetivo
15 96
3.2 Causas Especiales
CAUSAS ESPECIALES
Ocurren espordicamente
Son ocasionadas por variaciones anormales
(6Ms)
Medicin, Medio ambiente, Mano de obra,
Mtodo, Maquinaria, Materiales
Slo se reduce con acciones en el piso o lnea
Su reduccin es responsabilidad del operador
por medio del Control Estadstico del Proceso
SEGN DEMING
El 15% de las causas de la variacin son causas
especiales y es responsabilidad del operador
16 97
3.2 Variacin Causas especiales
Lmite
inf. de
especs.
Lmite
sup. de
especs.
Objetivo
17 98
3.2 Anatoma de una Carta de Control
Carta
C de for
Chart control
Pitted S
15 1
Respuesta
LSC
3.0SL=12.76
Sample Count
10
Estadstico
5 Promedio
C=5.640
(o lnea central)
0 -3.0SL=0.000
0 5 10 15 20 25
LIC
Sample Number Lmite Inferior de Control
Nmero de Muestra
Corridas
7 puntos consecutivos de un lado de X-media.
Adhesin a la media
15 puntos consecutivos dentro de la banda de 1 sigma
del centro.
Otros
2 de 3 puntos fuera de los lmites a dos sigma
100
3.2 Patrn de Carta
en Control Estadstico
101
3.2 Tipos de Cartas de control
Las cartas de control se dividen en dos categoras,
diferenciadas por el tipo de datos bajo estudio-
variables y atributos.
103
3.3 Construccin de Cartas
de Control para variables
104
3.3.Carta X, R (Datos variables)
105
3.3.Carta X, R (Continuacin)
Procedimiento:
Identificar la caracterstica crtica a controlar y
tamao de subgrupo (n = 3 a 6)
Anlisis:
108
3.3.Carta X, R (Continuacin)
Ejemplo 1: Psi en un componente. Se toman muestras de
Cinco componentes cada da.
Da Muestra1 Muestra2 Muestra3 Muestra4 Muestra5
1 55 75 65 80 80
2 90 95 60 60 55
3 100 75 75 65 65
4 70 110 65 60 60
5 55 65 95 70 70
6 75 85 65 65 65
7 120 110 65 85 70
8 65 65 90 90 60
9 70 85 60 65 75
10 100 80 65 60 80
n = # muestras en un subgrupo/da = 5
k = # de subgrupos (das) = 10
X = 74.6 R = 36.0
109
3.3.Carta X, R (en Excel)
Ejemplo 1:
Grfica Xbar/R para Muestra1-Muestra5
Medias
100
3.0SL=95.36
90
80
X=74.60
70
60
50 -3.0SL=53.84
Subgroup 0 1 2 3 4 5 6 7 8 9 10
80 3.0SL=76.12
Rangos
70
60
50
40 R=36.00
30
20
10
0 -3.0SL=0.000
1 1
95 1 1 1
85 3.0SL=87.56
75 X=77.18
65 1 -3.0SL=66.80
1 1
55 1
45 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
50 1
Rangos
40 3.0SL=38.06
30
20 R=18.00
10
0 -3.0SL=0.000
112
3.3..Hacer una carta X-R y concluir:
MUESTRA VALORES
1 12 12 13 15 12
2 15 17 16 17 18
3 13 18 14 14 15
4 10 12 11 10 11
5 13 16 15 16 15
6 15 12 13 15 11
7 15 16 15 16 15
8 15 17 15 17 14
9 22 17 16 17 14
10 16 15 17 15 18
11 16 18 16 16 16
12 15 16 17 17 14
13 17 15 16 15 16
14 16 15 18 18 16
15 17 19 17 15 17
16 19 17 15 15 17
17 16 19 16 15 14
18 16 15 17 16 18
19 17 13 17 15 14
20 19 18 17 15 16
113
3.3.Carta X, S
114
3.3.Carta X, S (Continuacin)
Terminologa
k = nmero de subgrupos n = nmero de muestras en cada subgrupo
x = promedio para un subgrupo
x = promedio de todos los promedios de los subgrupos
S = Desviacin estndar de un subgrupo
S = Desviacin est. promedio de todos los subgrupos
x1 + x2 + x3 + ...+ xN
x = n 5 6 7 8 9 10
x1 + x2 + xn3 + ...+ xN B4 2.09 1.97 1.88 1.82 1.76 1.72
x =
k B3 0.00 0.03 0.12 0.18 0.24 0.28
LSCX = x + A3 S A3 1.43 1.29 1.18 1.10 1.03 0.98
LICX = x - A3 S C4 .940 .952 .959 .965 .969 .973
LSCS = B4 S
LICs = B3 S (usar estos factores para calcular Lmites de Control
115
3.3.Carta de Individuales (Datos variables)
116
3.3.Carta X, R (Continuacin)
Terminologa
k = nmero de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x1 + x2 + x3 + ...+ xN
x =
n n 2
LSCX = x + E2 R D4 3.27
LICX = x - E2 R
D3 0
LSCR = D4 R
LICR = D3 R E2 2.66
(usar estos factores para calcular Lmites de Control n = 2)
117
3.3. Ejemplo: Carta I (en Excel)
12.35
3.0SL=12.30
12.25 6
6 6
12.15
12.05 X=12.03
11.95
11.85 8
11.75 -3.0SL=11.75
1
11.65
0 5 10 15
Nmero de Observacin
118
3.3. Ejercicios de Cartas I o X, R
Hacer dos cartas X-R y concluir:
MUESTRA 1 MUESTRA 2
MUESTRA 1 MUESTRA 2
1 12 2.832
2 15 2.802 11 16
3 13 2.952 2.97
4 10 2.80 12 15
5 13 2.95 2.95
6 15 2.92 13 17
7 15 2.95 2.95
8 15 2.92 14 16
9 22 2.93 2.86
10 16 2.93 15 17
2.89
16 19
2.86
119
4. Cartas de Control
para atributos
120
4. Cartas de control para atributos
Datos de Atributos
Tipo Medicin Tamao de Muestra ?
p Fraccin de partes defectuosas, Constante o variable > 30
defectivas o no conformes
15
Lmite Superior de Control 1
3.0SL=12.76
Sample Count
10
Lnea Central
C=5.640
5
0
Lmite Interior de Control
-3.0SL=0.000
0 5 10 15 20 25
Sampl e Number
Nmero de Muestras
Terminologa
n = tamao de cada muestra (por ejemplo,
produccin semanal)
np = nmero de unidades defectuosas en cada
muestra
p = proporcin (porcentaje) de defectos en cada
muestra -
(fraccin defectiva) 123
4. Carta p (Atributos)
p (1- p) p (1- p)
LSC = p + 3 LIC = p - 3
n n
# de Fraccin de
componentes Componentes componentes
n
inspeccionados np
defectuososp defectuosos
7 0 0.000
7 0 0.000
K = 13 semanas 15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 2 0.143
12 2 0.167
8 1 0.125
125
4...Carta p (Cont..)
0.4
3.0SL= 0.4484 LSC
Proporci
0.3
n
0.2
0.1 P= 0.1128 p
0.0 -3.0SL= 0.000
LIC
0 5 10
Nmero de muestra
127
4...Carta np (Atributos)
128
4...Carta np (Cont..)
10 3.0 LSC=10.03
No. De fecetivos
5
Np =4.018 np
Terminologa
c = Nmero de defectos encontrados en cada
unidad o unidades constantes de inspeccin
k = nmero de muestras
131
4... Carta c (Atributos)
c1 + c2 + c3 + ...+ ck
c=
k
LSC = c + 3 c LIC = c - 3 c
132
4... Carta c (cont..)
Ejemplo: Nmero de defectos encontrados en una unidad de inspeccin que
consta de 50 partes de cada lote de 75 piezas durante 25 semanas (K = 11).
Carta C
15 1
Nmero de defectos
5 C = 5.640 C
0 -3.0L IC=0.000
0 5 10 15 20 25
Nmero de Muestras
Ejemplos:
Se toma una muestra de tamao constante de tableros PCB por
semana, identificando defectos visuales por tablero.
Terminologa
n = tamao de cada muestra en unidades de inspeccin
(por ejemplo, produccin semanal)
c = Nmero de defectos encontrados en cada muestra
de unidades de inspeccin
u = defectos por unidad (DPU)
k = nmero de muestras
c = # de defectos en una muestra de n unidades de
inspeccin
n = Nmero de unidades de inspeccin en cada muestra
u = c / n = DPU = Nmero de defectos por unidad
136
4... Carta u (cont...)
LSC = u + 3 u LIC = u - 3 u
ni ni
Nota: Recalcular los lmites en cada tamao de muestra (ni)
Se puede tomar n promedio o estandarizar para tener Lmites de control
constantes
137
4... Carta u (cont..)
1
6
5
LSC
3.0L SC=5.066
4
U = 4.197 u
-3.0L IC=3.328
3
LIC
2 1
0 5 10
Nmero de Muestras
k=20 semanas
140
4... Carta u (cont..)
Ejemplo 2:
Grfica U para Defectos
Nmero de efectos
7 3.0L SC
=6.768
LSC
6
5 U=4.979 u
4
-3.0L IC=3.190
3 LIC
2
0 10 20
Nmero de Muestras
142
5. Cartas de Control especiales
CARTAS ESPECIALES
Cartas de Precontrol
Cartas para desgaste de herramienta
Cartas para procesos de salida mltiple
145
5.3-5 Cartas de Control
especiales
CARTAS DE PRECONTROL (ARCOIRIS)
Se basa en lmites de especificacin, dividiendo el
rango de especificaciones en cuatro partes, las dos
intermedias son verdes, las de la orilla amarillas y
las que salen de lmites, rojas. Se monitorea slo
una pieza.
148
Cartas especiales de control
149
Cartas de sumas acumuladas
CuSum
150
Grfica de Sumas
acumuladas
( CuSum )
- Se usa para registrar al centro del proceso.
- Se corre en tndem (una tras otra)
- Es ms sensible que la grfica X al movimiento de los
pequeos cambios sostenidos en el centro del proceso.
- Es ms sensible que la grfica X al movimiento de
separacin gradual del centro del proceso.
- Es menos sensible que la grfica X al desplazamiento
grande e nico del centro del proceso.
- Se puede aplicar a las Xs o a las Xs individuales
151
Carta de sumas acumuladas
CuSum
Son ms eficientes que las cartas de Shewhart
para detectar pequeos corrimientos en la media
del proceso (2 sigmas o menos)
X
(X
i 1
i 0 )... X desv.es tan dar.de.las.medias
152
Carta de sumas acumuladas CuSum
Con Mscara en V
La carta de control CuSum se obtiene graficando los
valores de Sm o Sm como funcin de m.
153
Carta CuSum parmetros de la
mscara en V
h = Intervalo de decisin Valor medio del ancho de mscara
en el punto de origen
k = Corrimiento a ser detectado en sigmas Pendiente de
los brazos de la mscara en V
f = Respuesta inicial rpida - Identifica puntos fuera de
control en el arranque
T = Meta o especificacin nominal; n = Tamao de subgrupo
154
Ejemplo de carta Cusum
con Mscara en V
1- 4.925
CUSUM Chart for Cusum
2- 4.675
3- 4.725
4- 4.350 4
5- 5.350 3
2
6- 5.225
Cumulative Sum
1
7- 4.770 0 0
8- 4.525 -1
-2
9- 5.225
-3
10- 4.600 -4
11- 4.625 -5
12- 5.150 -6
0 5 10 15
13- 5.325
Subgroup Number
14- 4.945
15- 5.025
16- 5.223 Target = 5, sigma = 1, h = 2, k =0.5, Vmask
155
Continuacin de ejemplo
con mscara en V
Cumulative Sum
0 0
Agregando 4
Puntos adicionales
-5
Se observa que se
Salen los puntos 0 10 20
Subgroup Number
16, 17 y 18
Requiriendo accin
Target = 5, sigma = 1, h = 2, k =0.5, Vmask
156
Carta CuSum Slo un Lmite
inferior o superior
CSi =
valor del nivel alto
de la Cusum de iun lado superior en
CIi min
tiempo i
0, CI i 1 xi
T k
n
C i Si
j 1
x j ( 0 K )
CSi min 0, CSi 1 xi T k
n
0 media.objetivo
1 media.no.aceptable 0
1 0
Datos graficados = CIi,CSi
K k
2 2 n
LIC h
Lnea central = n0
Ci 0.cuando.cambia.el.signo
LSC h
n 157
Cata CuSum slo un Lmite
superior o inferior
1- 4.925
CUSUM Chart for Cusum
2- 4.675 17. 5.463
3- 4.725 18. 5.875
Upper CUSUM
4- 4.350 19. 6.237
5- 5.350 20. 6.841 2 2
Cumulative Sum
6- 5.225 1
7- 4.770
0
8- 4.525
9- 5.225 -1
10-
4.600 -2 Lower CUSUM
-2
11-
0 10 20
4.625
Subgroup Number
12-
5.150
13- Target = 5, sigma = 1, h = 2, k =0.5, One Sided
5.325 FIR = 1 sigma, Reset after each signal 158
Carta CuSum Forma tabular para
un solo lmite inf. sup.
Los lmites para cada valor se calculan dependiendo de si
es hacia el lado superior Sh o hacia el inferior Sl
S H (i ) max 0, xi ( 0 K ) S H (i 1)
S L (i ) max 0, xi ( 0 K ) S H (i 1)
S H (0) S L (0) 0
N H . y.N L No. periodos.en.que.Sh.o.Sl.son. 0
Como ejemplo si K = 0.5 y 0 = 10 y X1 = 9.45, Sh(1) =
max [0, 9.45 10.5 + 0] = 0 etc..
159
Carta CuSum Forma tabular para
un solo lmite inf. sup.
Period Xi Xi- Sh(i) Nh
o 10.5
1 9.45 -1.05 0 0 En este caso el
Valor de H es 5
2 7.99 -2.51 0 0
S H (i ) max 0, xi ( 0 K ) S H (i 1)
3 9.29 -1.21 0 0
S L (i ) max 0, xi ( 0 K ) S H (i 1)
4 11.66 1.16 1.16 1
H
5 12.16 1.66 2.82 2
6 10.18 -0.32 2.50 3
7 8.04 -2.46 0.004 4
Mscara en V
8 11.46 0.96 1.00 5
9 9.20 -1.30 0 0 160
Carta EWMA de promedios
mviles ponderados
exponencialmente
161
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Monitorea un proceso promediando los datos de
tal forma que les da cada vez menos peso
conforme son removidos en el tiempo
162
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Es ms sensible que la grfica X al movimiento de
los pequeos cambios sostenidos en la media del
proceso.
163
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Seleccionando un factor de ponderacin la carta puede ser
sensible a corrimientos graduales pequeos en la media del
proceso. El estadstico EWMA es:
EWMAt Yt (1 ) EWMAt 1 t 1, 2,.., n
2
S
S EWMA
2
n 2
EWMAo es la media (meta) de los datos histricos
S es la desviacin estndar de los datos histricos para n
grande
Yt es la observacin en el tiempo t
n es el nmero de observaciones monitoreadas incluyendo 0
0 < <=1 es una constante que determina la memoria de
EWMA
164
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
determina la tasa en la cual los datos antiguos
entran en el clculo del estadstico EWMA.
165
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Los lmites de control se determinan como sigue:
Y 52 47 53 49.3 50.1 47 51
167
Carta EWMA del
ejemplo
Xewma
1- 52.0
2- 47.0
3- 53.0
EWMA Chart for X
4- 49.3 53
UCL=52.59
5- 50.1 52
6- 47.0
51
7- 51.0
EW MA
8- 50.1 50 Mean=50
9- 51.2 49
10- 50.5
48
11- 49.6
LCL=47.41
12- 47.6 47
13- 49.9 0 10 20
Sample Number
14- 51.3
15- 47.8
168
Carta EWMA
Los puntos a graficar son los siguientes :
Z0 = X
_
Z1 = X1 + (1- Z0)
_
Z2 = _ X2 +(1- Z1 )
Z3 = X3 +(1- Z2)
Observa que Z es un promedio ponderado de X i y de todas las
Z4 = X4 + (1- Z3)
Xs anteriores.
Con
La tpica forma de una grfica EWMA se muestra Z = EWMA
a continuacin.
UCL
Los clculos, especialmente de los
lmites de control, son tan complejos
XII
169
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Si la desviacin estndar se estima de la carta X-R
entonces los lmites de control se determinan
como sigue:
LSC X A2 R
(2 )
LIC X A2 R
(2 )
170
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Esta carta proporciona un PRONOSTICO del
siguiente valor de la media, lo cual es muy
importante para el caso de control automatizado.
171
Carta de Promedios Mviles
Ponderados Exponencialmente
(EWMA)
Se puede desarrollar una ecuacin para el clsico
control PROPORCIONAL, INTEGRAL y DIFERENCIAL
(PID). Donde los parmetros de las lambdas 1, 2 y
3 se seleccionan para obtener el mejor
desempeo de pronstico
173
Carta de control de Promedios
Mviles
Monitorea un proceso promediando los ltimos W
datos. Con valores individuales se usa W = 2
174
Carta de control de Promedios
Mviles
xt xt 1 ...... xt w 1
Mt
w
2
Var ( Mt )
nw
3 3
LSC x para.n.0 t w LSC x
nw nt
3 3
LIC x para.n.0 t w LIC x
nw nt
7- 6.0 10 Mean=10
8- 10.0 LCL=7.879
9- 10.5
10- 14.5 5
11- 9.5
0 5 10 15
12- 12.0
Sample Number
13- 12.5
14- 10.5
15- 8.0 176
6. Anlisis de capacidad
de proceso
177
6. CONTENIDO
Introduccin
1. Capacidad a partir de
histogramas
179
6.1 Objetivos de la capacidad del
proceso
1. Predecir que tanto el proceso cumple
especificaciones
4. Seleccionar proveedores
s _
Xi
X
183
6.1 Procedimiento
Ancho 9
Nigels Trucking Co.
185
6.1 Capacidad del proceso Fraccin defectiva
La capacidad en funcin de la fraccin defectiva del Proceso se calcula
En funcin de la fraccin defectiva para cada lado del rango de Especificacin.
Rango medio
Desv. Est. =
Constante d2 de acuerdo al tamao de subgrupo en X-R
Los valores de Z inferior y Z superior se calculan de acuerdo a las frmulas
Siguientes:
186
6.1 Capacidad del proceso Cp y Cpk
La capacidad potencial del Proceso (Cp) es una medida de la
variacin del proceso en relacin con el rango de Especificacin.
Tolerancia LSE - LIE
Cp = =
Variacin del proceso 6 Desviaciones STD.
188
6.1.. Ejemplo
Se tomaron los datos siguientes:
189
6.1.. Ejemplo (cont)
Agrupando los datos en celdas se tiene:
190
6.1.. Ejemplo (cont)
191
6.1.. Ejemplo (cont)
194
6.2 Ventajas
0.84
0.5
Desv. Estndar
Fraccin
Defectiva
LIE X Media Xj
198
Pi = ( I - 0.5 ) / N
Pi
0.999
0.998
0.995
0.99
0.98
0.97
0.96
0.94
0.90
0.84
0.80
0.75
0.70
0.60
0.50
0.40
0.30
0.25
0.20
0.16
0.10
0.08
0.04
0.02
0.01
0.005
0.002
0.001
Normal distribution probability paper Xi 199
N o rm a l P ro b a b i li ty P lo t
.999
.99
.95
Probability
.80
.50
.20
.05
.01
.001
201
6.2 Ejercicio
Tomando los datos siguientes (Xj), calcular la
probabilidad (Pj), graficar en papel norma, ajustar
valores con una recta, determinar la media, desv.
Estndar, si las especificaciones son LIE = 1200 y
LSE = 1800 determinar la fraccin defectiva, el Cp y el
Cpk.
1210 2105
1275 2230
1400 2250
1695 2500
202
6.3 Capacidad a partir
de cartas de control
203
EN CASOS ESPECIALES COMO ESTOS
DONDE LAS VARIACIONES PRESENTES SON
TOTALMENTE INESPERADAS
TENEMOSUN PROCESO INESTABLE o IMPREDECIBLE. ?
? ?
? ?
? ?
204
6.3 Proceso en control
SI LAS VARIACIONES PRESENTES SON IGUALES,
SE DICE QUE SE TIENE UN PROCESO ESTABLE.
LA DISTRIBUCION SERA PREDECIBLE EN EL TIEMPO
Prediccin
Tiempo
205
6.3 Control y Capacidad de Proceso
Control de Proceso:
Capacidad de Proceso:
206
6.3 Proceso en control estadstico
La distribucin de la mayora de las caractersticas medidas forman una curva en
forma de campana o normal, si no hay causas especiales presentes, que alteren
la normalidad . cuales son las causas comunes?
x Area entre 0 y 1s
-Probabilidad de Ocurrencia
Distribucin
del Proceso
_
x = media
34% 34% s= sigma; es la
desviacin
estndar; medida
de la variacin
14 % 14 % del proceso.
2% 2%
-3s -2s -1s x +1s +2s 3s
99.73% 207
6.3.. Desviacin Estndar del proceso
= R = S
d2 c4
Donde,
Donde,
=
= Desviacin
Desviacinestndar
estndarde
dela
lapoblacin
poblacin
dd2 ==Factor
Factorque
quedepende
dependedel
deltamao
tamaodel
delsubgrupo
subgrupoen
enla
lacarta
cartade
de
2
control
controlXX--RR
CC4 ==Idem
Idemal
alanterior
anteriorpara
parauna
unacarta
cartaXX--SS
4
NOTA:
NOTA: En
Enuna
unacarta
cartapor
porindividuales,
individuales,d2
d2se
setoma
tomapara
parann==22yy
RangoMedio=Suma rangos / (n -1) 208
6.3 Capacidad del proceso
Cp = (LSE - LIE) / 6
209
6.3 Ejemplo (carta X - R)
212
6.4 Capacidad de los
sistemas de medicin
213
6.4 Definiciones
Exactitud
Desviacin respecto del valor verdadero del promedio de
las mediciones
Valor verdadero:
Valor correcto terico / estndares NIST
Sesgo
Distancia entre el valor promedio de todas las mediciones
y el valor verdadero. Error sistemtico o desviacin
Estabilidad
La variacin total en las mediciones obtenidas durante un
perodo de tiempo prolongado
Linealidad
Diferencia en los valores de la escala, a travs del rango
de operacin esperado del instrumento de medicin.
Precisin
Medicin de la variacin natural en mediciones repetidas 214
6.4 Posibles Fuentes de la
Variacin del Proceso
Variacin total del proceso,
observada
Variacin
dentro de la Variacin originada
Reproducibilidad
muestra por el calibrador
Calibracin
REPETIBILIDAD
216
6.4 Definicin de la Reproducibilidad
Operador-B
Operador-C
Operador-A
Reproducibilidad
219
6.4 Definicin del Sesgo
Valor
Verdadero
Sesgo
220
6.4 Definicin de la Estabilidad
Tiempo 2
Tiempo 1
221
6.4 Definicin de la Linealidad
Valor Valor
verdadero verdadero
Sesgo Sesgo
Menor mayor
222
6.4 Estabilidad del Calibrador
Cmo Calcularla
223
Error R&R = RPT2 + REPR2
Para la fase de control del proyecto,
Precisin en relacin a la variacin slo substituya la Tolerancia por
Variacin Total.
total
TV= R&R + PV
%R&R = R&R *100 PV= variacin de parte = Rp x K3
Var. Total
Identificar qu porcentaje de la variacin total debe
absorberse como error de medicin.
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qu tan
crtico es el grado de la medicin.
>30%. Inaceptable!
224
EL VALOR DEL R&R ES UN PORCENTAJE DE LA VARIACION TOTAL DEL
PROCESO:
La dimensin verdadera de
las partes se encuentra en VARIACIN DE PARTE
algn lugar de la la regin A PARTE
sombreada
Lo que fue
medido
226
6.4 Mtodos de estudio del error R&R:
10 partes NO son un tamao de muestra significativo para una opinin slida sobre el
EQUIPO DE MEDICIN a menos que
Los operadores deben haber sido debidamente entrenados para realizar las mediciones
Se debe medir con mucho cuidado en el mismo punto de las partes, con una limpieza
absoluta en el medidor y partes.
228
6.4 Proc. para realizar un estudio de
R&R
1. Ajuste el calibrador, o asegrese de que ste haya
sido calibrado.
229
6.4 Proc. para realizar un estudio de
R&R
5. Contine hasta que todos los operadores hayan medido
las muestras una sola vez (Este es el ensayo 1).
6. Repita los pasos 3-4 hasta completar el nmero
requerido de ensayos
7. Utilice el formato proporcionado para determinar las
estadsticas del estudio R&R
Repetibilidad
Reproducibilidad
%R&R
Desviaciones estndar de cada uno de los conceptos
mencionados
Anlisis del % de R&R contra Variacin Total y contra
tolerancia
8. Analice los resultados y determine los pasos a seguir, si
los hay.
230
6.4 Ejemplo:
231
6.4 Mtodo corto
233
1. Clculo de las X-medias
Operador A Operador B
Pieza # 1er. Intento 2o. Intento Rango 1er. Intento 2o. Intento Rango Prom. Lecturas
1 9.376 9.358 9.354 9.361 9.362
2 9.372 9.320 9.372 9.372 9.359
3 9.378 9.375 9.278 9.277 9.327
4 9.405 9.388 9.362 9.370 9.381
5 9.345 9.342 9.338 9.339 9.341
6 9.390 9.360 9.386 9.370 9.377
7 9.350 9.340 9.349 9.349 9.347
8 9.405 9.380 9.394 9.381 9.390
9 9.371 9.375 9.384 9.385 9.379
10 9.380 9.368 9.371 9.376 9.374
Totales 93.772 93.606 93.588 93.580
Xmedia -A 9.3689 Xmedia-B 9.3584
234
2. Clculo de los Rangos
Operador A Operador B
Pieza # 1er. Intento 2o. Intento Rango 1er. Intento 2o. Intento XmediaP
Rango Prom. Lecturas
1 9.376 9.358 0.018 9.354 9.361 0.007 9.362
2 9.372 9.320 0.052 9.372 9.372 0.000 9.359
3 9.378 9.375 0.003 9.278 9.277 0.001 9.327
4 9.405 9.388 0.017 9.362 9.370 0.008 9.381
5 9.345 9.342 0.003 9.338 9.339 0.001 9.341
6 9.390 9.360 0.030 9.386 9.370 0.016 9.377
7 9.350 9.340 0.010 9.349 9.349 0.000 9.347
8 9.405 9.380 0.025 9.394 9.381 0.013 9.390
9 9.371 9.375 0.004 9.384 9.385 0.001 9.379
10 9.380 9.368 0.012 9.371 9.376 0.005 9.374
Totales 93.772 93.606 0.174 93.588 93.580 0.052
Xmedia - A 9.3689 Xmedia - B 9.3584
Rmedio-A
Rmedio A 0.0174 Rmedio-B
Rmedio B 0.0052
Rango de 0.0630
Xpartes
LSCR = D4 x Rmedia Probar que ningn rango salga de control 235
3. Identificacin de Parmetros del Estudio y Clculos
Totales 93.772 93.606 0.174 93.588 93.580 0.052
RmediaA 9.3689 XmediaB 9.3584
RmedioA 0.0174 RmedioB 0.0052 Rpartes
Rpartes 0.0630
Rango
de
Ancho de tolerancia====> 0.25 X-media mx.=> 9.3689
Medias
r Nmero de intentos => 2 X-media min => 9.3584 de
n Nmero de partes ==> 10 Diferencia 0.0105
partes
Nmero de operadores 2 de X-medias
EV = R x K1 = 0.0515
238
6.4 Clculo de R&R
PV = Rparte x K3 = 0.1021
239
6.4 Clculo de R&R
243
7. CONTENIDO
2. Trabajo en equipo
5. Ejemplos
244
7.1 Proceso de Cambio organizacional
245
7.1 Organizaciones tradicionales
246
7.1 Organizaciones modernas
247
7.1 Organizacin Multifuncional
Team
Gerencial
Patrocinadores
Normas de trabajo
Mtodos para la medicin del trabajo: estudios
de tiempo, muestreos, estndares
Curvas de aprendizaje
249
7.1 Equipos Kaizen
250
7.1 Estrategias para
Recursos Humanos
Eliminar continuamente actividades que no
agregan valor
Reducir el nmero de categoras ampliando
alcance de los puestos
Proporcionar recomendaciones a la Alta Direccin
sobre mtodos para aplanar la organizacin
252
7... Consejos para
administradores
1. Mantener actitud positiva.
253
7... Consejos para
administradores
9. Tener empata con la gente.
- Reclutamiento y seleccin.
- Orientacin.
255
7.2 Equipos de trabajo
OBJETIVOS
256
7.2 Introduccin
HAY TRES PUNTOS IMPORTANTES EN RELACION A:
EQUIPOS DE TRABAJO
O
CIRCULOS DE CALIDAD
OBJETIVOS
3.- LA FORMACION DE UNA DEL
CULTURA EQUIPO
257
7.2 Qu es un...?
CIRCULO DE CALIDAD?
EQUIPO DE TRABAJO?
en estrecha interrelacion,
interaccin y comunicacin
dirigidas hacia un
OBJETIVO COMUN
259
7.2.. Anlisis de Fuerzas
EQUIPO
DE
TRABAJO
DESINTEGRACION
DEL EQUIPO
LOGRO DE METAS Y DE
OBJETIVOS COMUNES
260
7.2 Ejemplos de fuerzas negativa
INCAPAZ DE
PRIORIDADES DE OBJETIVO PARTICIPAR EN LOS
DEPARTAMENTO INTERESES DEL
DEL EQUIPO
EQUIPO
CONFLICTO DE OBJETIVOS
EQUIPO PERSONALES
261
7.2 El objetivo del equipo
EL
ELOBJETIVO
OBJETIVODEL
DELEQUIPO
EQUIPOELIMINA
ELIMINALAS
LASFUERZAS
FUERZASNEGATIVAS
NEGATIVAS
1.-Este objetivo debe ser definido por todos los integrantes del
Equipo y este debe ser medible y con fecha de cumplimiento.
________________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
262
7.2 QUE PUEDO HACER YO PARA AYUDAR
A LOGRAR LOS OBJETIVOS DEL EQUIPO...?
1.-__________________________________________________________
__________________________________________________________
__________________________________________________________
2.-__________________________________________________________
__________________________________________________________
__________________________________________________________
3.-__________________________________________________________
__________________________________________________________
__________________________________________________________
4.-__________________________________________________________
__________________________________________________________
__________________________________________________________
263
7.2 Normas de los equipos
SEGURIDAD
LA SEGURIDAD OTROS LA CALIDAD
EL MANTENIMIENTO DEL
MANTENIMIENTO EQUIPO LA PRODUCCION
264
7.2 Normas de los equipos
1.- Ser puntual y asistir a todas las reuniones ( a menos que el
equipo acuerde lo contrario ).
2.- Nunca enojarse se tenga o no razn.
3.- Cumplir con las asignaciones.
4.- Cumplir con las fechas compromiso., etc.
1.- __________________________________________
2.- __________________________________________
3.- __________________________________________
265
7.2 Responsabilidades del equipo
PROMOVER EL ESPIRITU
DE COLABORACION EN
LOS INTEGRANTES DEL
EQUIPO A TRAVES DE:
COOPERACION
ASISTENCIA COMUN
266
7.2 Organizacin de los equipo
267
7.2 Organizacin de los equipos
EN DONDE SE REUNEN...?
1.-SE REUNEN EN UN LUGAR ESPECIAL
EN EL AREA DE TRABAJO
268
7.2 Organizacin de los equipos
269
7.2 De quin necesitan apoyo . . . ?
270
7.2 El lder del equipo
LIDER:
ES AQUEL QUE GUIA, ENSEA Y DA EL EJEMPLO A SU
EQUIPO DE MEJORA CONTINUA. DEBEN TENER....
FLEXIBILIDAD
PACIENCIA
HONESTIDAD
HABILIDAD DE COMUNICARSE
Y
ELIMINAR
ELIMINAREL
ELFRACASO
FRACASO
HACIENDO
HACIENDOPOSIBLE
POSIBLELO
LOIMPOSIBLE
IMPOSIBLE
271
7.2 De quin necesitan apoyo
EQUIPOS DE
MEJORA CONTINUA
LIDER DE EQUIPO
EQUIPO DE TRABAJO
DE APOYO
EQUIPO GERENCIAL
272
7.2 Problemas comunes
274
7.2 Problemas comunes
275
7.2 Problemas comunes
276
7.3 Manejo efectivo de
Juntas y reuniones
277
7.3 Tipos de reuniones
Para control y mejora (30-60 min.)
Asignar tareas y responsabilidades.
Contribuir a procesos de solucin de problemas.
278
7.3 Tipos de reuniones
De memorandum (5 10 min.)
Avisos escritos de diversa ndole.
279
7.3 Funcin del coordinador
280
7.3 Funciones del coordinador
1.- Pedir ideas a todo el grupo y en forma Individual.
2.- Mantener la junta en el tema.
282
7.3 Ejercicio
NOTAS
Como se comporto el equipo . . . ?
___________________________________________________
____________________________________________________
____________________________________________________
____________________________________________________
283
7.3 Ejercicio
Como se comportaron los integrantes . . . ?
____________________________________________________
____________________________________________________
____________________________________________________
____________________________________________________
Por que . . . ?
____________________________________________________
____________________________________________________
____________________________________________________
284
7.4 Solucin de problemas por
medio de la Ruta de Calidad
285
7.4 Los 11 pasos de la Ruta de la
calidad
1. Seleccin del problema
2. Razn de la seleccin
3. Establecimiento de objetivos
4. Programa de actividades
5. Diagnstico de la situacin actual
6. Identificacin de causas
7. Anlisis de soluciones
8. Implantacin de soluciones
9. Verificacin de soluciones
10. Prevencin de la reincidencia y estandarizacin
11. Reflexiones y tareas futuras
286
7.4 La ruta de la calidad
1.- SELECCIN DEL TEMA
10.- PREVENCION DE LA
ACTUAR REINCIDENCIA POR INICIATIVA
A HACER
11.- REFLEXION Y TAREAS
UN EJEMPLO
FUTURAS
INMEDIATAMENTE
287
7.4 Beneficios de la ruta de la
calidad
288
1. Seleccin del problema
289
1. Seleccin del problema
- Comprensin de elementos
situacionales.
- Identificacin de factores de
variabilidad.
290
1. Seleccin del problema
291
1. Seleccin del problema
Seguridad Calidad
Entrega Costo
Moral
2 GUOQCSTORY.PPT
292
2. Razn de la Seleccin
Porque?
3 GUOQCSTORY.PPT
293
2. Razn de la Seleccin
*Expresar los antecedente, la importancia y la prioridad de los
problemas.
Entre todos los integrantes del equipo pueden evaluar las razones
arriba descritas mediante las 7 herramientas bsicas, las 7 nuevas
herramientas, etc; y enfocarse en un solo tema.
4 GUOQCSTORY.PPT
294
2. Razn de la Seleccin
Ejemplo 1: Se enfoca el tema de manera multilateral con la matriz de evaluacin
Criterio de evaluacin 3 puntos 2 puntos 1 punto
Evaluacin
DEVOLUCIONES 12 Puntos
1er. lugar
10 Puntos
ENTREGAS TARDIAS 2o. lugar
10 Puntos
DOCS. INADEC. 2o. lugar
9 Puntos
NIVEL SERVICIO 3er. lugar
295
Ejemplo2 : Utilizacin de la grfica lineal y el diagrama de Pareto.
n = 5,000
x = 0.48 %
% de incidencia
(%)
1
0.51 0.53
0.47
0.8 0.45 0.46 0.46
6/mayo-11 13 - 16 20 - 24 27 - 31 3/junio - 7 10 - 15
0.4
n = 170
0
170 100
% ACUMULADO
160
140
80
120
30 %
100
51 60
80 31 27 25 20
60 16 40
CONTAMINACION
ALTURA MAYOR
ADHESION
MULTIPLE
40
Y MENOR
CORTE
CORTE
DOBLE
PORO
BAJA
20
20
0 0
Al verificar el grado de incumplimiento respecto al 0.3% del objetivo de grupo y adems de investigar
las causas de incumplimiento se encontr que DOBLE CORTE" es el ms problemtico,
por lo que se seleccion como tema.
5 GUOQCSTORY.PPT
296
3. Establecimiento de objetivos
PUNTO CRITICO ACTIVIDADES
* Aclarar la meta del valor del objetivo. * Indicar el objetivo con valores en forma numrica
en lo posible.
* No plasmar simplemente los deseos y * El objetivo debe tener relacin con el
expectativas en el objetivo, si no esta- efecto esperado .
blecer un objetivo factible de manera es-
calonada.
* El objetivo debe de ser concreto.
* Establecer un objetivo con fundamento, Ejemplo:
no se debe tomar una decisin de impulso QU? ****** Reducir el defectuoso en productos A
(sin analizar).
HASTA CUNDO?****De Mayo del 97 a
(Punto clave para establecer el valor Abril del 98
objetivo). HASTA CUANTO?****Bajar hasta 1%
* Definirlo tomando en cuenta las polticas menos del 1% promedio de defectuoso.
de la empresa.
Establecer un objetivo que tenga relacin con la seleccin del tema y razn de la seleccin.
297
Ejemplo n 1 Establecimiento del
Objetivo con fundamento
IGUALAR AL
(%) 8 x 1 NIVEL PAIS
6 1
2 2 IGUALAR AL
4 3 2
4 PASADO
2 3 IGUALAR A
OTRAS LINEAS
0 4 ESTABLECER
10 11 12 1 2 3 4 EN BASE A LA
POLITICA
6 MESES
El objetivo debe ser establecido en consenso OBJETIVO
FINAL 298
Ejemplo n 3: Establecimiento gradual del objet
CONDICION ACTUAL
(%) 6
VP 5
E E
4
3 OBJ. PRIMARIO
NR 2
T D 1 OBJ. SECUNDARIO 0%
A I 0 1 2 3 4 5 6
SD
OBJETIVO FINAL
A
S PERIODO DE TIEMPO
7 GUOQCSTORY.PPT
299
4. Programa de actividades
ASIGNACION DE LAS TAREAS
POR QUE ? QUE ? QUIEN ? CUANDO ? COMO ? DONDE ?
PROPOSITO CONCEPTO DE ACT. RESP. FECHA
CONOCER LA HOJA DE
COMPRENDER LA
SITUACION Juan Prez may-97 CHEQUEO Y Mquina
SITUACION ACTUAL
ACTUAL GRAFICA
DIAGRAMA DE
QUE ESTA
ANALISIS TODOS JUN. 97 CAUSA Y Reunin
MAL ?
EFECTO
COMO SE PLAN DE
ACCIONES
PUEDE TODOS JUN. 97 ACCIONES Reunin
CORRECTIVAS
MEJORAR ? CORRECTIVAS
SE PUEDE
CONFIRMAR EFECTO TODOS JUL. 97 GRAFICA Mquina
MEJORAR ?
CAMBIO DE ING.
EMISION DEL
PROCEDIMIENTOS Y PRODUCT JUL. 97 Mquina
CAMBIO
PREVENCION ESPECIFICACIONES O.
DE
REINCIDENCIA REFLEXION DE LAS
LLUVIA DE
ACTIVIDADES Y TODOS ene-98 Reunin
IDEAS
TAREAS FUTURAS
8 GUOQCSTORY.PPT
300
5. Diagnstico de la situacin actual
PUNTO CRITICO ACTIVIDADES
Observar de manera exhaustiva la condicin real de * Investigar a fondo de manera que se pueda
lo problemtico y checar a travs de los datos. dar el siguiente paso (anlisis).
Investigar la diferencia en las variaciones del * Investigar clasificando por tiempo, proceso, turno
comportamiento de los fenmenos. operador, mtodo de operacin, material, lote,
procedimiento, tipo de mquina, clima,
Lo que se busca es confirmar la condicin real no temperatura, humedad, operacin, estndar
encontrar las ideas de solucin.
* De inmediato ver fsicamente las cosas en campo, siendo realista, mostrar grficamente lo investigado de
tal forma que se vean fcilmente las diferencias, problemas, etc. Usar las 7Hs, concluir e iniciar anlisis.
EJEMPLO No. 1 PARETO 100%
100
80%
80 60%
60 40%
40
20%
20
0
O
N
IO
O
S
ZA
AS
IO
AD
80% VITALES
O
ET
C
C
AN
TR
SU
EJ
C
PL
LU
O
U
20% TRIVIALES
D
M
IV
O
Q
O
O
TA
U
EV
PR
C
EQ
D
IN
301
6. Identificacin de causas
DIAGRAMA DE CAUSA EFECTO
ISHIKAWA O ESPINA DE PESCADO
302
6. Identificacin de causas
Determinar las causas raz.
1. Anlisis de posibles causas.
2. Relacin causa-efecto.
3. Uso de herramientas.
4. Cuantificacin de posibles
causas
5. Seleccin de causas reales.
6. Experimentacin y prueba de
hiptesis y causas probables.
7. Determinacin de causas
reales.
303
6. Identificacin de causas
PUNTO CRITICO ACTIVIDADES
- Identificar las posibles causas verdaderas - En base al conocimiento de la situacin actual,
(factores) del anlisis de la situacin actual identificar las posibles causas verdaderas o factores
- Se utiliza el diagrama de causa-efecto (Ishikawa) VERIFICAR CADA UNO DE LOS FACTORES
como una alternativa de anlisis - Repetir la pregunta "porqu" 4-5 veces
- Buscar la causa(s) real(es) desde los factores. - Ir a piso a verificar fsicamente cuantas veces
- Hay casos en que se pueden conseguir los efec- sea necesario, sobre todo observar bien.
tos (resultados) de un anlisis al investigar a fon- - Analizar a fondo involucrando al jefe inmediato,
do la situacin actual. staff y las reas relacionadas.
* Identificar las causas reales en forma resumida. No se debe tratar de solucionar un problema diciendo
excusas. Ejemplo: "Es la primera vez que aparece, "No tenemos experiencia", etc.
MAQUINARIA MANO DE OBRA
FALTA AIRE FALTA CAPACITACION
BARRA SOPORTE DE RETROALIMENTACION FALTA DE COMPROMISO
PAPEL DESALINEADO
ROLLOS PESADOS LINEA DE
APLICACIN DE PAPEL
BOLSA DAADA
PAPEL MANUAL MAL CORTE PAPEL
PAPEL FUERA DE MAT. FRESCO
NO SE MIDEN ESPESORES
ESPESOR
POCO ESPESOR NO SE SIGUE EL PROC:
MATERIAL
FLUJO DE PAPEL EN APLICACIN DE
LA PARTE SUPERIOR CINTA
DEL MOLDE INCORRECTO
METODO
304
7. Anlisis de soluciones
1. Definicin de soluciones.
2. Evaluacin de stas.
5. Desarrollo de plan de
implementacin.
305
7. Anlisis de soluciones
PUNTO CRITICO ACTIVIDADES
* Eliminar la causa real que se encontr como resul- * Planear las medidas correctivas para cada una
tado del anlisis. (no eliminar los fenmenos) de las causas encontradas a travs del anlisis.
* Recabar todas las ideas de los miembros del gru- * Dividir las medidas correctivas en dos tipos:
po, jefe inmediato y personas relacionadas. 1) Medida contingente provisional
* Pensar medidas fsicas, ms que personales, pa- 2) Medida correctiva. sobre las causas raz
ra que la accin correctiva sea estable y sin para prevenir la reincidencia
variacin. (poka-yoke)
Evaluar las ideas de Kaizen. Hacer una evaluacin de efectos, factibilidad, economa, grado de tecnologa,
operatividad, seguridad, etc. Elaborar propuesta operativa y preparar los recursos requeridos.
EJEMPLO No. 1:
Factibilidad
Evaluacin
Prioridad
FECHA
Efecto
3 PUNTOS
LIDER
2 PUNTOS 1. CONTROLAR
1 PUNTO ESPESORES EN MAQ.
5 J Prez. Junio 97
A. CONTROL DE
2. VERIFICAR 4 OPERADORES
Junio 97
ESPESORES
DE PLSTICO ESPESORES Junio 97
ANTES DE DE 3 OPERADORES
3. CAMBIAR
LINEA CONSTRUIR
MATERIAL
DE
PAPEL 1. MODIFICACION AL Julio
B. MODIFICAR 5
APLICACIN
APLICADOR DEL PAPEL J. Prez 97
DE PAPEL. Julio
2. CAMBIAR ANCHO DE 4 J. Prez 97
PAPEL
14 GUOQCSTORY.PPT
306
8. Implantacin de soluciones
15 GUOQCSTORY.PPT
307
8. Implantacin de
soluciones
1. Explicacin de implementacin.
2. Descripcin de reas afectadas.
3. Descripcin de obstculos.
4. Anlisis cuantitativo de impacto.
5. Anlisis cuantitativo de situacin
mejorada vs. situacin actual.
6. Medicin de efectos secundarios.
7. Uso de herramientas .
308
8. Implantacin de soluciones
PUNTO CRITICO ACTIVIDADES
* Realizar las medidas como se habian acordado * Antes de aplicar las medidas correctivas
* Verificar si no hay efectos secundarios * Probar las ideas de mejora, investigar efectos
* Dar capacitacion y entrenamiento. secundadarios que puedan afectar al producto o reas*
Los equipos implantan las acciones correctivas y despus poner en prctica las luciones.
* Obtener la aprobacin de las reas relacionadas, turno o puesto, Jefe inmediato etc. Es decir,
Comunicar a todos los involucrados de la mejora a realizar.
EJEMPLO 1
LISTADO DE LAS MEDIDAS CORRECTIVAS
A QUE? - COMO?
NO CUANDO DONDE RESU JUICIO QUIEN
TOPE PROC. DE LTAD
LIMPIEZA O
AUNQUE SE DA
BARRA DE EFECTO J. PREZ
1 JULIO 97 APLICACION NO ES PERSISTENTE
309
8. Implantacin de soluciones
PARA LA LINEA DE PAPEL:
APLICACIN
ANTERIOR
DEL PAPEL
310
9. Verificacin de soluciones
PUNTO CRITICO ACTIVIDADES
* Verificar hasta obtener efectos estables ampliando * Hacer anlisis comparativo antes y despus
los datos histricos en grficas de la etapa de * En caso de aplicar varias medidas
correctivas
"razn de seleccin del tema" , Verificar los efectos intangibles sin omisiones
* Comparar el efecto en grfica entre antes y despus
de KAIZEN respecto al objetivo. confirmar el efecto sobre cada concepto de
(relacin humana, capacidad, trabajo en equipo, contramedidas.
entusiasmo, rea de trabajo alegre).
* Determinar los beneficios monetarios, indirectos e intangibles.Investigar si existen reas y operaciones
similares tanto dentro como fuera de la planta, para aplicar las mismas contramedidas. Dar reconocimiento.
Ejemplo 1.
% 2.5
2.33
D 2.19
2.1 2.14
2.22 %D < 1 %
2 2
E 1.9
1.8 1.76
1.7
F 1.5
1.6
1.5
E 1.32
1.4
1.3
1.2
C 1
0.9 0.94
1.1
1
0.99 0.94
0.87
T 0.79
U 0.5
S
0
O may-97 jun-97 jul -97 ago-97 sep-97 oct-97 nov-97 di c-97 ene-98 feb-98 Mzo-98
311
abr-98
Ejemplo 3.
9.5
10
8 6.85
6
3.3 3.27
%
4 2.66
2 0.9
0
MONCKS C. DUMFRIES COREA BRASIL JAPON MEXICO
312
10. Prevencin de la reincidencia
Estandarizacin
5W
Por Cun
1H Qu Donde Quin Cmo
1 Medidas qu do
correctiva
What Where When Who How
s
Why
2
CORRECTA CHE
INTEGRAR
APLICACIN QUE
TOPE APLICA J.
DE PAPEL. TOPE JULIO O
DOR PEREZ
DE 97 VISU
PAPEL AL
TISSUE
INST.PARA
ELABORAR PARA APLICAR PROCESO PRO
PROCEDIMIEN ESTANDARIZAR AGOSTO ING. DE
DE PAPEL DEL CEDI-
TO LAS 97 PRODUC
TISSUE USUARIO MIEN
OPERACIONES TO
TO
316
11. Reflexiones
Anlisis de resultados
1. Comparacin cuantitativa.
2.Evaluacin cuantitativa de
resultados intangibles.
3. Anlisis del impacto econmico
4. Presentacin de resultados
Conclusiones
1. Evaluacin objetiva.
2. Descripcin de problemas
pendientes.
3. Descripcin del plan de accin. 317
11. Reflexiones y tareas futuras
318
11. Reflexiones y tareas futuras
PUNTOS CRITICOS ACTIVIDADES
* Aclarar la diferencia entre la planeacin y el resul- * Aclarar los puntos positivos y negativos.
tado. Reflexionar sobre la satisfaccin lograda. * Registrar las actividades tomando en cuenta
* Resumir los planes futuros en forma concreta. el efecto fsico, QC Story, administracin de
* Aprovechar puntos positivos de resultado y apren- grupo, juntas, herramientas, programa,
der de puntos negativos. asignacin de funciones, entusiasmo
EJEMPLO:
A) Efecto fsico. A
B) Participacin. J B
C) Aprovechamiento
del mtodo QC.
D) Trabajo en equipo. I C
E) % Participacin en
juntas.
F) Puntualidad H
G) Asignacin de D
funciones.
H) Mejora de G
conocimiento. E
F
I) % de cumplimiento
de programa.
J) No. de juntas. Grfica de Radar
319
7.5 Ejemplos
320
8. Mtodos de muestreo
321
Muestreo aleatorio estadstico
Muestra n
Lote N
322
Muestreo de aceptacin
323
Tipos de muestreo de
aceptacin
Muestreo por atributos
Muestreo simple
Muestreo doble
Muestreo mltiple
324
Formacin de lotes y
muestreo
Los lotes deben ser homogneos es decir
haberse producido bajo las mismas condiciones
de manufactura
325
Muestreo por atributos
326
Muestreo simple por atributos
Se define por su tamao de muestra n y el
nmero de aceptacin c mxima de partes
defectivas (N tamao de lote)
n tamao.de.muestra
c criterio.de.aceptacion
d defectivos.encontrados.en.la.muestra
p fraccion.defectiva.en.el .lote
c
n!
Pa P (d c) p (1 p )
d n d
d 0 d !( n d )!
329
Muestreo simple por atributos
Variar la p de 0.005, 0.01 0.09 y
Obtener la curva OC Tipo A, N <= 10n.
Se usa la distribucin Hipergeomtrica
330
Diseo de un plan de
muestreo
con una curva OC especfica
Si se quiere un plan en el cual p1 = 0.01 y alfa =
0.05, p2=0.06 y beta = 0.1 se procede como
sigue:
9 lotes son
Entrada de 100 aceptados a pesar
n =200
lotes de cierto de tener un 2%
proveedor con Pa c=1
defectivo:
N=10,000 y
Es decir ingresan
p = 0.02
P=0.02 88,820 piezas OK
AOQ
Y 1800 piezas KO
334
Inspeccin rectificadora
Variar la p de 0.005, 0.01 0.09 y
Obtener la curva ATI para N grande
Se usa la distr. Binomial o de Poisson
N=5,000
N=1,000
p
336
Planes de muestreo doble
Bajo ciertas circunstancias es necesario
tomar una segunda muestra para tomar una
decisin. Muestras n1 y n2 con criterios de
aceptacin c1Inspeccionar
y c2 1a.
Muestra con n1=50
d1 = # de defectivos Si
Si
d1 > c2 = 3
d1<=c1=1
1< d1 <= 3 Rechazar lote
Aceptar lote Inspeccionar 2a.
Muestra con n2=50
d2 = # de defectivos
Si d1 + d2 Si d1+d2 > c2
<= c2 =3 Con c2 = 3
Aceptar lote Rechazar lote
337
Curva OC Muestreo doble
Pa Probabilidad de rechazo
con Primera muestra
Probabilidad de
Aceptacin con
Probabilidad de
Muestras combinadas
Aceptacin con
Primera muestra
p
338
Curva OC Muestreo doble
Probabilidad de aceptacin en el muestreo doble
339
Curva OC Muestreo doble
Probabilidad de rechazo
Pr Pr P
I
r
II
2
50!
Pr 1
I
(0.05) d 1 (1 0.05)50d 1
d 1 0 d1!(50 d1)!
Pr P (1) Pr (2)
II
r
II II
PrII (1) P d1 2, d 2 1 P d1 2 * 1 P d 2 1
PrII (2) P d1 3, d 2 1 P d1 3 * P 1 P d 2 0
340
Curva ASN Average Sample
Number
ASN bajo inspeccin completa
341
Curva ASN Average Sample
Number
ASN bajo inspeccin recortada en 2a. Muestra al tener d >c2
c2
ASN n1 P (n1, j ) n 2 PL (n 2, c 2 j
j c11
c2 j 1
PM (n2 1, c 2 j 2)
p
P(n1, j ) probabilidad .de. j.defectivos.en.muestra.n1
PL (n2, c 2 j ) prob.de.obser var.c 2 j.o.menos.defectivos.en.muestra.n2
PM (n2 1, c 2 j 2) prob.de.obser var.c 2 j 2.defectivos.en.muestra.n 2 1
342
Curvas de ASN para diferentes planes
de muestreo: simple, doble y doble
recortado
Plan: n1=60, n2=120, c1=2, c2=3
120
ASN
Inspeccin doble
completa
Inspeccin
90
simple
Inspeccin
recortada
60
0.02 0.04 0.06 0.08 0.10 0.12
p
343
Diseo de planes de muestreo dobles
344
Curva AOQ y ATI Muestreo doble
345
Muestreo mltiple
346
Muestreo secuencial
347
Muestreo secuencial
Se toma una secuencia de muestras de un lote
n dependiendo de los resultados de la
inspeccin
X ACEPTACION h1 sn Curva OC
1-Alfa
X RECHAZO h2 sn
h2/(h1+h2)
p 2 (1 p1 )
k log
p1 (1 p 2 )
Beta
1 p1
s log k
p1 s p2
1 p2
1 Calcular ecuaciones
h2 log k
para:
1 p
C p log 2 (1 p) log
1 p2
A log B log
p1 1 p1
1
351
Uso de tablas de muestreo
MIL-STD-105E
ANSI Z1.4, ISO 2859
352
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
Requiere informacin de:
Tamao del lote N
Doble
Mltiple
Inspeccin reducida
Inspeccin estricta
354
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
Iniciando con Inspeccin normal, proporciona
informacin de:
Tamao de muestra n
Criterio de aceptacin Aceptar con
Criterio de rechazo Rechazar con
358
Planes de muestreo Dodge -
Romig
Planes para proteccin en AOQL (average outgoing
quality limit) o mxima fraccin defectiva que se desea
ingresar a la empresa despus de aplicar un plan de
muestreo
359
Muestreo por variables
360
Muestreo por variables
361
Muestreo simple por variables
Mtodo I Distancia k de X a Lim.
Esp.
Se define por su tamao de muestra n y el nmero de
aceptacin k distancia mnima de la media de la muestra
al lmite de especificacin LIE o LSE.
Z = (LIE-Xm)/s
1.05 1.1 1.15 1.2 1.25 1.3 Dimensin X
362
Muestreo simple por variables
Mtodo I Distancia k de X a Lim.
Esp.
Pa
1 Curva caracterstica de
0.8 Operacin dado una
0.5 Tamao de muestra n
0.3 y un criterio de aceptacin k
0.1
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
363
Determinacin de la fraccin
defectiva en la muestra por el
Pasos:
Mtodo II
1.Se toma una muestra de tamao n
2. Se mide la caracterstica de inters
3. Se calcula la Media y la desv. Estandar de la muestra
4. Se determina el valor de Qi y Qs en funcin de especs. LIE, LSE
4. Se determina el valor de P(Qt) = P(Qi) + P(Qs) bajo la normal
LIE X LSE
Aceptar el lote
Si P(Qtot) <= M
Qi Qs
s
P(Qi) P(Qs)
364
Frmulas
QZ n
(n 1)
X LIE
QLIE n /(n 1)
LSE X
QLSE n /(n 1)
372