CALIDAD
Alfredo Sarmiento
Alejandro Cantú
2020
¿Que es el Control Estadístico de
Procesos? (CEP)
El Control Estadístico de Procesos (SPC en inglés) tiene como objetivo hacer
predecible un proceso en el tiempo. Las herramientas usadas para este fin son
las gráficas de control que permiten distinguir causas especiales de las causas
comunes de variación. Luego de identificarlas con el gráfico, el paso siguiente
es eliminar las causas especiales, ya que son ajenas al desenvolvimiento
natural del proceso con lo que se logra el estado de Proceso Bajo Control
Estadístico; es decir, un proceso predecible y afectado exclusivamente por
causas comunes (aleatorias) de variación.
Es un proceso utilizado para controlar estándares, efectuar mediciones y tomar
medidas correctoras adecuadas mientras se elabora un producto o presta un
servicio.
Es una técnica estadística para controlar y asegurar que los procesos cumplan
con las normas y especificaciones establecidas, bajo el supuesto que todo
procesos tiene cierto nivel de variabilidad.
2
¿Por qué es importante el CEP?
Función de pérdida o costo de calidad [QLF: Quality Loss
Function]:
Tiene la intención de identificar los costos relacionados con las
bajas o no calidad, y da una cuantificación aproximada de cómo
aumenta el costo cuando un producto deja de cumplir con lo que
el cliente demanda.
QL = D2 C
• QL: Pérdida de Calidad
(Productor y consumidor)
• D: Brecha o desviación al
valor objetivo
• C: Costo de la brecha o
desviación
Límite L.
Estudios que componen el CEP
Gráficas de Control Representación gráfica de las variaciones de los
de Variables datos medibles de un proceso a lo largo del tiempo y
permite deducir la estabilidad del proceso y controlar
versus el estándar.
Gráficas de Control Difiere de la gráfica de control de variable, en que se
de Atributos evalúan atributos, normalmente se cuantifican los
productos en “Aceptable” o “Defectuosos”.
Índices de Permite analizar las capacidades o habilidades de un
Capacidad de proceso, consiste en conocer la amplitud de la
Procesos variación natural del proceso para una característica
de calidad especificada.
Muestreo de Estudio que evalúa los lotes y busca determinar si se
Aceptación acepta o rechaza el material o producto evaluado
mediante muestras.
Conceptos claves
Definiciones:
Variabilidad natural: Son la variaciones que tiene un proceso por
múltiples causas aleatorias. Esta variabilidad siempre estará
presente en un proceso, si está dentro de los límites de control el
proceso está estable. (Mejora LP)
Variabilidad imputable: Son las variaciones que tienen causas
específicas (eventos, condiciones, etc.), como por ejemplo
desgaste de la maquina, fatiga de material o seteo incorrecto,
entre otras. (Mejora CP).
Conceptos claves
Cómo se mide la variabilidad:
Media (µ, Me): Es el valor medio, en una distribución de
frecuencia es la medida de la tendencia central.
Desviación Estándar (σ, DS): Es la medida de
dispersión de una distribución de frecuencia.
i : {1, n)
Relación de la Desviación Estándar (SD) con los
histogramas:
99.73%
95.44%
68.26%
-d d
-2d 2d
-3d 3d
-3 σ -2 σ -1 σ X 1σ 2σ 3σ
EJEMPLO DIAGRAMA DE CONTROL
RECHAZAR Tolerancia sup.
Limite control sup.
Valor nominal
diametro perno
Limite control inf.
Tolerancia inf.
RECHAZAR
24 HORAS
Ejemplo Gráficos (X) (R)
SPC-PC IV Evaluation Edition MILLILITERS of SUBSTRATE
Licensed to pH = 7.0
Expires 01/12/00
106
UCL
104
102
INDIV IDUAL S
A V ERA GES
100
PCL=98,652
98
96
94
92 LCL
88,000 112,000
20
Group range: All (1-24)
Auto drop : OFF 16 UCL
CL Ordinate: 3,000
Curve: Johnson Su.
RANGES
12
K-S: 0,464
Cpk : -1,42 Cp : 0,09
8
AVERAGE(m) : 98,652 RBAR
PROCESS SIGMA : 3,724
4
HIGH SPEC : 13,500
% HIGH : 99,9990%
0 LCL
14:00
14:15
14:30
14:45
15:00
15:15
15:30
15:45
16:00
16:15
16:30
16:45
17:01
17:15
17:30
17:45
18:00
18:15
18:30
18:45
19:00
19:15
19:30
19:45
27/11/00 14:31
Conceptos clave
Definiciones:
Muestra: Muestra estadística es un subconjunto de casos
o productos o individuos, de una población estadística.
En diversas aplicaciones interesa que una muestra sea una muestra
representativa y para ello debe escogerse una técnica de muestreo
adecuada que produzca una muestra aleatoria adecuada
(contrariamente se obtiene una muestra sesgada cuyo interés y
utilidad es más limitado dependiendo del grado de sesgo que
presente).
La muestra es por lo tanto el grupo al que se le aplican las pruebas.
Tipos de gráfica y sus componentes
Las más comunes son:
• Gráficas X (de medias)
• Gráficas R (de rangos)
• Gráficas S (de desviaciones estándar)
• Gráficas X (de medidas individuales)
• Eje vertical es la característica
medible
• Eje horizontal son los períodos de
tiempo de toma de muestras
• Límites de control (Superior e
Inferior)
• Línea media o promedio
• Puntos medidos y línea
representativa
• Marcaciones de análisis
Gráficas de medias (X) y rangos (R)
Gráfico X : Gráfico de control de calidad que indica cuando
se producen cambios en la tendencia central de un proceso.
Gráfico R : Gráfico de control que sigue el rango en una
muestra e indica la aparición de una ganancia o pérdida de
uniformidad en la dispersión de un proceso.
Exactitud y Precisión
Precisión
Gráficas de Control
Se puede usar para comparar turnos por ejemplo.
Exactitud y Precisión
Exactitud
Gráficas de Control
Se puede usar para controlar variables específicas por ejemplo.
Límites Gráficas de Control
LSC = Xm + Z σm = Xm + A2R
σm = [σ/√n] (población) = R / d2
LIC = Xm - Z σm = Xm - A2R
Xm es la media de las muestras o el valor objetivo [ µXi ]
σm es la desviación estándar de las muestras
Cada punto es una Z son las desviaciones estándares permisibles
media muestral!
Límites Gráficas de Control
LSC = D4 * R
R es la diferencia entre máx y min de
la o las muestras.
LI C = D3 * R
R es la media de los rangos.
16
Factores para armar las
gráficas
17
Ejemplo Gráfica X - R
Producción de platos de plástico:
En cada turno se controla el diámetro del producto, en este caso el plástico
con la cual se producirá el plato después de decorarlo.
Muestra Lonitud de muestras (cm)
1 30,3 30,2 29,9 30,3 30,1
2 30,0 30,1 29,9 29,8 30,1
3 30,0 30,1 30,2 29,8 30,0
4 29,7 30,1 29,8 30,0 30,0
5 30,0 29,8 30,0 29,9 30,1
6 30,1 30,2 30,3 30,0 29,9
7 30,3 30,0 29,9 29,7 29,9
8 30,2 29,9 30,0 30,0 30,1
9 29,9 30,2 30,0 29,9 30,0
10 29,6 30,1 29,9 30,0 30,0
11 30,3 29,8 30,0 30,1 30,0
12 29,5 29,6 29,8 29,6 30,0
13 30,1 29,9 30,3 29,9 30,2
14 29,8 29,9 30,0 29,9 29,7
15 29,9 30,3 29,9 29,9 30,5
16 29,9 30,1 30,2 30,2 30,1
17 30,1 30,1 29,9 30,1 29,9
18 29,7 29,5 30,0 29,6 29,7
19 30,2 30,0 30,0 29,9 30,0
20 30,1 30,0 30,1 29,9 29,8
21 29,9 30,1 29,9 30,2 30,0
22 30,0 29,9 29,7 30,0 29,8
18
Ejemplo Gráfica X - R
Muestra Lonitud de muestras (cm) Media (Xi) Rango
1 30,3 30,2 29,9 30,3 30,1 30,16 0,4
2 30,0 30,1 29,9 29,8 30,1 29,98 0,3
3 30,0 30,1 30,2 29,8 30,0 30,02 0,4
4 29,7 30,1 29,8 30,0 30,0 29,92 0,4
5 30,0 29,8 30,0 29,9 30,1 29,96 0,3
6 30,1 30,2 30,3 30,0 29,9 30,10 0,4
7 30,3 30,0 29,9 29,7 29,9 29,96 0,6
8 30,2 29,9 30,0 30,0 30,1 30,04 0,3
9 29,9 30,2 30,0 29,9 30,0 30,00 0,3
10 29,6 30,1 29,9 30,0 30,0 29,92 0,5
11 30,3 29,8 30,0 30,1 30,0 30,04 0,5
12 29,5 29,6 29,8 29,6 30,0 29,70 0,5
13 30,1 29,9 30,3 29,9 30,2 30,08 0,4
14 29,8 29,9 30,0 29,9 29,7 29,86 0,3
15 29,9 30,3 29,9 29,9 30,5 30,10 0,6
16 29,9 30,1 30,2 30,2 30,1 30,10 0,3
17 30,1 30,1 29,9 30,1 29,9 30,02 0,2
18 29,7 29,5 30,0 29,6 29,7 29,70 0,5
19 30,2 30,0 30,0 29,9 30,0 30,02 0,3
20 30,1 30,0 30,1 29,9 29,8 29,98 0,3
21 29,9 30,1 29,9 30,2 30,0 30,02 0,3
22 30,0 29,9 29,7 30,0 29,8 29,88 0,3
29,98 0,38
19
Ejemplo Gráfica X - R
= 29,98
= 0,3818
= 29,98 + (0,577 x 0,3818) = 30,2
= 29,98 - (0,577 x 0,3818) = 29,76
= 2,114 x 0,3818 = 0,807
= 0 x 0,3818 = 0
20
Ejemplo Gráfica X - R
Límites Gráficas de Control y Especificaciones
(Tolerancias)
&
Una cosa es la estabilidad estadística de
un proceso, otro tema es el cumplimiento
de las especificaciones.
LES
Esp. = Xi ± LE
LEI
LES y LEI son los límites
especificados superior e
inferior (fijados por el cliente)
Índices de Capacidades de Proceso
Es la variación
tolerada versus la
variación real
Índices de Capacidades de Proceso
Al Cp se le introduce el
concepto de centrado
del proceso
Muestreo de aceptación
Es el proceso de inspección de una muestra de unidades extraídas de
un lote con el propósito de aceptar o rechazar todo el lote.
Este tipo de muestreo se puede tomar como una medida defensiva
para protegerse contra la amenaza del posible deterioro de la calidad
de procesos predecesores.
Fabricación Paquetizado Bodegaje Transporte Recepción
local
e Inspección
Muestreo de aceptación
Curvas características de
Operación OC
27
Veamos un ejemplo de aceptación por variable
En cada turno se controla el peso de productos, para lo
cuál se toman 4 muestras de 9 productos por turno,
supongamos que en 1 día se tienen 3 turnos, veamos
como es el resultado para 1 día, el peso especificado es
de 16 Kg por producto:
# Turno A Turno B Turno C
Muestra
(Media de 9 (Media de 9 (Media de 9
productos) productos) productos)
1 16,1 16,5 16,3
2 16,8 16,4 14,8
3 16,5 15,2 14,1
4 15,5 16,4 17,3
Veamos un ejemplo
Especifica
do 16 16 16 16 16 16 16 16 16 16 16 16
16,1 16,8 16,5 15,5 16,5 16,4 15,2 16,4 16,3 14,8 14,1 17,3
Turnos
Turno A Turno B Turno C
Media
Turno 16,23 16,13 15,63
Media Diferenc
Gral. 15,99 ia 0,01 (Media versus especificado)
20
19 8
18 7
17 6
5
16
4
15
3
14
2
13
1
12
Turno Turno Turno 0
A B C <14 14-14,9 15-15,9 16-16,9 17-17,9 >17,9
Veamos un ejemplo DS 0,95
LSC 17,0
LIC 15,1
18
17
16
15
14
Turno A Turno B Turno C
Veamos un ejemplo
Max Dif 1,4 1,4 3,3 2,0
TA TB TC Me
LSC 4,6
LIC 0,0
5,0
4,0
3,0
2,0
1,0
0,0
TA TB TC
Veamos un ejemplo
Capacidad de proceso
El análisis estadístico resulto bien, Cp 0.576095* 0.351277**
pero la capacidades de proceso no???? Cpk 0.468955* 0.349521**
Hay que trabajar sobre límites de especificación, que normalmente son
analizados con datos históricos de larga data y se definen con desafíos
importantes.
Muestreo estadístico: Inspección
por atributos
Es una forma normalizada de determinar los
planes de muestreo de inspección a ser
realizados para controlar la calidad de ítems o
productos, que pueden ser clasificados como
defectuosos o no defectuosos, de acuerdo a una
especificación determinada.
¿Cuándo se usa?
Cuando se necesita inspeccionar y/o
controlar la calidad de un lote de productos a
través de muestras, generalmente en series
continuas de lotes.
Inspección por atributos (NCh 44 o ISO 2859-1)
Definiciones:
♦ Defecto: falta de conformidad con los requisitos
especificados.
Críticos Mayores Menores
♦ Nivel de calidad aceptable (AQL)
♦ Lote (de inspección)
♦ Muestra
♦ Tipos de inspección
Normal Rigurosa Reducida
♦ Planes de muestreo: tamaño de muestra y los criterios
para determinar la aceptabilidad del lote.
Tamaño de la muestra según lote
Plan de Muestreo
Tarea Individual CEP
Pauta Tarea
37
Resumen: ¿Cómo se implementa carta de control y
estudio de capacidad?
1. Describir proceso y problemática o situación que se percibe del área.
2. Explicar en detalle por qué se cree que la carta de control sería útil para
deducir la situación de mejora.
3. Definir en forma correcta y preliminar los objetivos de la carta de control y
estudio de capacidad.
4. Definir y discriminar las variables del proceso y detallar la información que
pueda ser útil.
5. Preseleccionar de las definiciones anteriores las variables que se deberían
controlar.
6. Priorizar las variables que se cree realmente puedan aportar al estudio de
acuerdo a las definiciones iniciales.
7. Escoger el tipo de carta apropiada.
8. Definir estrategia de subagrupación, para comenzar con el análisis causal.
9. Definir modo de recolección de datos (continuo, periódico, esporádico).
10. Elegir tamaño de muestreo y criterio de medición.
11. Estandarizar la toma de datos.
12. Determinar los límites de control y su revisión futura.
Que se obtiene finalmente
Estable y Inestable pero Definiciones:
Capacidad para cumplir
capaz con capacidad
la especificación, Cpk
Variabilidad natural: Mejora en el
largo plazo con proyectos
estructurados – Seis Sigma.
Estable pero Inestable e
incapaz incapaz Variabilidad imputable: Mejora en
el corto plazo con mejoras
reactivas – Kaizen.
Estabilidad de la variabilidad a
través del tiempo - µ & б
Mejoramiento Continuo
39
Que se obtiene finalmente
Mejoramiento Continuo
40
Fin clase 4