Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Tools de
la AIAG
MDULO 1.
CONTROL
ESTADSTICO
DEL PROCESO
DR. PRIMITIVO REYES
AGUILAR Junio 2010 Mail:
Primitivo_reyes@yahoo.com
/ Pgina Web
www.icicm.com
Cel. 044
55 52 17 49 12
Contenido
1. CONCEPTO DE VARIACIN........................................................................................................................5
Introduccin......................................................................................................................................................5
Componentes de la variacin............................................................................................................................5
Estratificacin...................................................................................................................................................6
Diagrama de Dispersin...................................................................................................................................7
Histogramas......................................................................................................................................................9
Las cartas de control.......................................................................................................................................11
Causas especiales y causas comunes..............................................................................................................12
Causas especiales o asignables:..................................................................................................................12
Causas comunes..........................................................................................................................................13
Tampering o sobreajuste.................................................................................................................................14
Distribucin de probabilidad normal..............................................................................................................15
Propiedades de la distribucin normal estndar.........................................................................................15
rea o probabilidad bajo la curva normal estndar....................................................................................16
Estandarizacin de valores reales a su equivalente Z.................................................................................19
Prueba de normalidad en Minitab...............................................................................................................21
2. CONTROL ESTADSTICO DEL PROCESO...............................................................................................22
Teorema del lmite central..............................................................................................................................22
Introduccin al Control estadstico del proceso.............................................................................................23
Qu es una carta de control?.....................................................................................................................24
Patrones principales de anormalidad en Cartas de Control........................................................................25
Proceso de mejora en el CEP......................................................................................................................28
Cartas de control por variables.......................................................................................................................28
Cartas de control de medias-rangos (X-R).................................................................................................29
Cartas de control para lecturas individuales / Rango mvil (I-MR)..........................................................33
Cartas de control para atributos......................................................................................................................36
Carta de control para fraccin no conforme - p..........................................................................................37
Carta p con tamao de muestra variable.....................................................................................................40
Carta de control np.....................................................................................................................................43
Cartas de control para no conformidades (defectos) c y u..........................................................................46
Tamao de muestra constante - Carta c.....................................................................................................46
Carta u de Defectos por unidad..................................................................................................................50
3. CAPACIDAD DE PROCESOS......................................................................................................................53
Definiciones....................................................................................................................................................53
Introduccin a la capacidad de procesos........................................................................................................53
1. CONCEPTO DE VARIACIN
Introduccin
La variacin representa la diferencia entre las cosas, no hay en la naturaleza
dos cosas EXACTAMENTE IGUALES, lo cual origina el estudio de la estadstica.
La variacin es inherente en todos los procesos, por ejemplo:
Componentes de la variacin
La variacin a largo plazo se denomina variabilidad del producto o
proceso. Hay diferencia entre el promedio del proceso y la variacin de
lote a lote. Puede ser necesario analizar cada lnea de productos por
separado. Tambin se presenta la variacin de tiempo a tiempo, la
variacin de pieza a pieza, la variacin posicional dentro de la misma
pieza, el error de medicin cuando es significativo, y al final solo queda
la variabilidad inherente del proceso, que es la reproducibilidad
instantnea de la mquina bajo condiciones ideales.
Estratificacin
Se utiliza para separar el problema general en los estratos que lo componen,
por ejemplo, por reas, departamentos, productos, proveedores, turnos, etc.
Clasificacin de los datos o factores sujetos a estudio en una serie de grupos
con caractersticas similares.
Por ejemplo: Rechazos en general, rechazos en cada lnea, rechazos en cada
mquina de la lnea.
Diagrama de Dispersin
Se utiliza para analizar la correlacin entre dos variables, se puede encontrar:
Correlacin positiva o negativa, fuerte o dbil o sin correlacin.
Es una herramienta que nos permite estudiar la relacin de dependencia entre
dos o ms variables. El Coeficiente de correlacin r tiene valores entre -1 y 1 y
el coeficiente de determinacin r2 toma valores entre 0 y 1. La ecuacin de
regresin que pasa por los puntos tiene la forma
Y=a+bX
Espesor
20
12
36
28
44
25
32
5
Tiempo
80
97
92
102
103
111
119
123
11
13
X
117
136
Y
Histogramas
Se utilizan para ver la distribucin de frecuencia de los datos
con los
45.70
45.91
46.50
47.09
47.21
47.56
47.93
48.02
48.31
48.55
datos siguientes:
49.36 55.08 62.53
49.95 55.23 62.78
50.02 55.56 62.98
50.10 55.87 63.03
50.10 56.04 64.12
50.72 56.29 64.29
51.40 58.18 65.44
51.41 59.03 66.18
51.77 59.37 66.56
52.43 59.61 67.45
Intervalo
0 -17
18-35
Registro de frecuencias
Frecuencia
10
70.37
71.05
71.14
72.46
72.77
74.03
74.10
76.26
76.69
77.91
Rango =
81.21
82.37
82.79
83.31
85.83
88.67
89.28
89.58
94.07
94.47
36-53
54-71
72-89
90 en
adelante
Conclusiones:
11
12
LIC
LSC
LSC
13
14
Causas comunes
La variabilidad natural siempre existe en cualquier proceso de produccin, no
importa que tan bien diseado est. Esta variabilidad natural es denominada
causas comunes o aleatorias de variabilidad, un proceso que opera en estas
condiciones se dice que est en control estadstico.
15
Tampering o sobreajuste.
El intento de ajustar un proceso normal y estable para reducir su variacin al
final incrementa la variacin alrededor de la media del proceso (Tampering o
sobreajuste).
16
.
.
17
LIE
LSE
19
Ejemplo
a) Determinar el rea bajo la curva de menos infinito a Z = - 1. P(Z<= -1) =
0.1587
20
21
Ejemplo:
a) Determinar el rea bajo la curva de menos infinito a Z = 1. P(Z <= 1) =
0.8413
b) Determinar el rea bajo la curva de menos infinito a Z = 2. P(Z <= 2) =
0.9772
22
EJERCICIO:
Qu porcentaje del rea bajo la curva normal estndar o probabilidad
est incluido dentro de los siguientes rangos?
Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z
a) P(1.2 <= Z <= 2.2) = P(Z <= 2.2) P(Z <= 1.2) =
b) P(-2.1 <= Z <= -0.4) = P(Z <= - 0.4) P(Z <= -2.1) =
c) P( -1.3 <= Z <= 2.7) = P(Z <= 2.7) P(Z <= -1.3) =
d) P( Z >= 2.4) = 1 - P(Z <= 2.4) =
e) P( Z<=-2.9) + P(Z>= 3.1) = P(Z <= -2.9) + [1 - P(Z <=3.1)] =
f) P(Z>= 1.9) = 1 - P(Z <= 1.9) =
Estandarizacin de valores reales a su equivalente Z
Determina el nmero de desviaciones estndar entre algn valor X y la
media de la poblacin Para calcular el valor de Z usamos la siguiente
frmula.
Z
Z1
X1
Z2
X2
X1
Media
Real
X2
23
Desviacin estndar = 1
Z1
Media=0
Z2
3 0 .8 5 %
Z.0 5
Ejemplo: Suponga que un proceso tiene una distribucin normal dada tiene
una media de 20 y una desviacin estndar de 4. Calcule la probabilidad
P (X >=24) = 1 P(X <= 24) =
En la barra de herramientas seleccione el icono de funciones
fx>Estadsticas>Distr.Norm.Estand. OK. El sistema muestra la siguiente
ventana, en la cual llenamos los siguientes datos:
24
25
26
__
X
X1
X-media 1
X2
X-media 2
X3
X-media 3
Shewhart, W.A., Economic Control of Quality of Manufactured Product, Van Nostrand Reinhold Co., 1931,
p. 182
27
Histogram of Media
12
40
10
Frequency
Frequency
30
20
8
6
4
10
2
0
6
Datos
28
3.0
3.6
4.2
4.8
5.4
Media
6.0
6.6
7.2
29
Las cartas de
control pueden reconocer cambios favorables y
desfavorables. Qu tanto se ha mejorado? Se ha hecho algo
inadecuado?
30
Tendencias:
Se pueden presentar tendencias hacia arriba o hacia abajo en las cartas de
control (ascendentes o descendentes), se considera que 7 puntos o ms
indican una situacin fuera de control.
31
32
ENTRADA
PROCESO
SALIDA
SISTEMA DE
EVALUACIN
Verificacin
y seguimiento
33
Deteccin de causa
asignable
Identificar causa
Accin
raz
del
problema
Correctiva PASFC
Subgrupo
1
2
4
3
5
1
09:00 a.m.
Subgrupo
2
5
3
6
7
4
10:00 a.m.
34
Subgrupo
m
3
4
1
5
2
11:00 a.m.
3
4
5
4
3
4
35
Sample Mean
602
601
_
_
X=599.938
600
599
598
LCL=597.629
2
10
Sample
12
14
16
18
UCL=8.465
Sample Range
8
6
_
R=4.003
4
2
0
LCL=0
2
10
Sample
12
14
16
18
36
37
x2
x3
x4
x5
Xmm -+A2*Rm
Xm
Xm
m
LICx
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
16.2 16.0
92
21
38
LSCx Ri
16.56
3 0.80
16.56
3 0.50
16.56
3 0.40
16.56
3 0.50
16.56
3 0.40
16.56
3 0.90
16.56
3 0.40
16.56
3 0.20
16.56
3 0.30
16.56
3 0.50
16.56
3 0.50
16.56
3 0.80
16.56
3 0.50
16.56
3 0.30
16.56
3 0.30
16.56
3 0.30
16.56
3 0.20
16.56
3 0.50
16.56
3 0.40
Rm
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
0.47
LICr LSCr
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
0.99
0
4
16.2
92
16.0 16.56
21
3
Rmed
A2=0.577 io
0.70
0.47
0.47
Rango
12
15
11
14
39
0.99
4
Para la carta I:
LICr 0
y para la carta R:
LICx X E 2 * R )
LSCr D 4 * R
UCL=601.176
I ndividual Value
601
600
_
X=599.548
599
598
LCL=597.920
1
10
20
30
40
50
60
Observation
70
80
90
100
Moving Range
2.4
1
UCL=2.000
1.8
1.2
__
MR=0.612
0.6
0.0
LCL=0
1
10
20
30
40
50
60
Observation
70
80
90
100
Ejercicio
equipos.
40
41
42
___ No
43
pi
Di
ni
__
LSCp = p 3 p (1 p )
n
__
__
LCp = p
__
__
= p 3 p (1 p )
n
__
LICp
cero.
i = 1, 2, 3,....., m
Di
i 1
mn
p
i 1
Una vez hecha la grfica trazando los lmites anteriores, cualquier punto que se
encuentre fuera de control debe ser investigado, si se encuentra una causa
44
Partes
Partes
Partes
defectuos
defectuos
defectuos
Muestra
as
Muestra
os
Muestra
as
1
12
11
5
21
20
2
15
12
6
22
18
3
8
13
17
23
24
4
10
14
12
24
15
5
4
15
22
25
9
6
7
16
8
26
12
7
16
17
10
27
7
8
9
18
5
28
13
9
14
19
13
29
9
10
10
20
11
30
6
Como en total se encontraron 347 partes defectuosas (Suma de Di) o no
conformes, se estima p como sigue:
m
Di
i 1
mn
p
i 1
347
= 0.2313
(30)(50)
Corrida en Minitab
1. Stat > Control Charts > Atrribute charts > P
2. Variable Partes defectuosas Subgroup size 50
3. OK
Los lmites de control usando Minitab son:
LSCp = 0.4102
LCp = 0.2313
LICp = 0.0524
Est en control estadstico el proceso?
45
0.5
1
UCL=0.4102
Proportion
0.4
0.3
P=0.2313
0.2
0.1
LCL=0.05243
0.0
0
10
20
30
Sample Number
Carta de control P para la fraccin de partes defectuosas
46
47
Producci
n
98
104
97
99
97
102
104
101
55
48
50
53
56
49
56
53
52
51
52
47
Pi
Pprom
LIC
LSC
0.20
0.17
0.055
0.282
0.17
0.17
0.058
0.279
0.14
0.17
0.055
0.283
0.16
0.17
0.056
0.281
0.13
0.17
0.055
0.283
0.28
0.17
0.057
0.280
0.20
0.17
0.058
0.279
0.14
0.17
0.057
0.280
0.11
0.17
0.017
0.320
0.13
0.17
0.006
0.331
0.14
0.17
0.010
0.327
0.13
0.17
0.014
0.323
0.16
0.17
0.018
0.319
0.10
0.17
0.008
0.329
0.14
0.17
0.018
0.319
0.17
0.17
0.014
0.323
0.17
0.17
0.013
0.324
0.20
0.17
0.011
0.326
0.17
0.17
0.013
0.324
0.21
0.17
0.005
0.332
LC=Pprom+3*(Pprom*(1Pprom=
0.17
Pprom)/ni))
Si algn LIC es menor a cero, toma el valor de cero.
En Excel graficar la zona verde con una grfica de lnea.
En Minitab, copiar los datos de servicios no conformes y muestras a dos columnas de
Minitab
Stat > Control charts > Attribute charts > p
48
UCL=0.3324
0.30
Proportion
0.25
0.20
_
P=0.1685
0.15
0.10
0.05
LCL=0.0047
0.00
1
11
Sample
13
15
17
19
Asumir que se pueden identificar las causas asignables, eliminar el subgrupo 6 que
sale de control y recalcular los lmites de control con otra corrida
P Chart of Serv_ no_ conf
0.35
UCL=0.3199
0.30
Proportion
0.25
0.20
_
P=0.1596
0.15
0.10
0.05
0.00
LCL=0
1
9
11
Sample
13
15
17
49
19
50
51
Carta de control np
En lugar de tener fracciones no conformes, si el tamao de muestra es
constante, se pueden utilizar directamente el nmero de artculos defectivos o
no conformes np, para evitarle operaciones aritmticas al operador, los
parmetros de esta carta son:
np(i) = Di, np(media) = promedio(Di)
LSC np np 3 np (1 p )
LC np np
LIC np np 3 np (1 p )
LIC
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
LSC
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
52
10.6
1.095
10.6
1.095
10.6
1.095
10.6
1.095
10.6
1.095
10.6
1.095
10.6 P prom=
20.105
20.105
20.105
20.105
20.105
20.105
0.053
53
54
LCc = c
LICc = c - 3
Cmedia
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
5.55
LIC
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
LSC
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
55
5.55
5.55
5.55
5.55
5.55
0
0
0
0
12.62
12.62
12.62
12.62
C Chart of Errores
16
14
UCL=12.58
Sample Count
12
10
8
_
C=5.53
6
4
2
0
LCL=0
1
9
11
Sample
13
15
17
19
No __X__
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen
de control y recalcular los lmites de control. Repetir tantas veces como sea necesario
hasta tener un proceso estable.
C Chart of Errores
UCL=10.22
10
Sample Count
6
_
C=4.13
LCL=0
1
9
Sample
11
13
15
56
57
100
Count
60
100
40
50
0
C1
Count
Percent
Cum %
Percent
80
150
20
C
80
40.0
40.0
B
60
30.0
70.0
D
30
15.0
85.0
A
20
10.0
95.0
Other
10
5.0
100.0
Diagrama de Pareto
Ejercicio: Hacer un diagrama de Pareto con los principales defectos en una
lnea:
Tipo de
Descripcin del defecto
Frecuencia
defecto
A
B
C
D
E
58
ui
ci
ni
u
n
LC u u
LSC u u 3
u
n Si es negativo se toma cero.
U
Defecto
s
Lote
Ui
LC=U+3*raiz(U/ni)
Umedia LIC
LSC
59
110
101
98
105
110
100
98
99
100
100
102
98
99
105
104
100
103
100
98
102
Umedia
0.082
0.109
0.020
0.048
0.136
0.130
0.082
0.071
0.050
0.020
0.039
0.041
0.020
0.048
0.048
0.020
0.029
0.020
0.010
0.059
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.12
0.12
0.13
0.12
0.12
0.12
0.13
0.13
0.12
0.12
0.12
0.13
0.13
0.12
0.12
0.12
0.12
0.12
0.13
0.12
No X_____
Asumir que se pueden identificar las causas asignables, eliminar los puntos que
salen de control y recalcular los lmites de control
60
61
3. CAPACIDAD DE PROCESOS
Definiciones
62
63
LTNS
64
65
LSE
3
Cp superior
Cpi PCR I
66
LIE
3
Cp inferior
67
R
0.0099 por tanto se tiene:
d2
264 200 64
0.67
3(32)
96
Lo cual indica falta de habilidad, la fraccin abajo del lmite inferior es:
ZI
32
68
62 53
53 38
1.5 para el LSC, Cpi PCR I
2.5 para el LIC.
32
32
Siempre se cumple que, Cpk <= Cp, Siendo el Cpk menor cuando el proceso no
est centrado. Los criterios de mnimo Cpk son similares a los del Cp.
C pm
X T
Cp
1V
C pkm
Con Minitab: Con los datos de la carta X-R anterior, una vez que se
encuentra en control:
a) Con los lmites de especificacin reales de la lnea o producto LIE = 15.2
y LSE = 16.6:
69
Con Minitab: Con los datos de la carta I-MR anterior, una vez que se
encuentra en control:
a) si los lmites de especificacin son LIE = 5.95 y LSE = 6.06, determinar lo
siguiente:
En Minitab:
Stat > Quality tools > Capability analysis (Normal)
Data is arranged as a single column: Viscocidad
Subgroup size 1
Lower spec 5.95 Upper spec 6.06
Estimate: Methods of estimate sigma R-Bar
Options: Display Percents o Parts per million
/ Capability Stat Cp, Cpk
o Benchmark Zs
OK OK
b) Determinar la Desviacin estndar (St dev. Within )=
desviacin estndar = Rmedio / d2 =
(d2 = 2.326)
70
Conclusiones _
71
72
El ndice Ppk y Ppu2 = 0.85 lo cual nos dice que el desempeo del proceso no
es capaz ya que
0.85 < 1.33.
Tambin observamos que PPM > USL 3,795 lo cual significa que
aproximadamente 3,795 PPM estarn fuera de los lmites de especificaciones.
Tambin se cuenta con la opcin Six Pack para esta opcin.
En Minitab otras opciones son transformar los datos con los mtodos de Box
Cox o Johnson y despus determinar la capacidad del proceso de manera
tradicional calculando el Cp y el Cpk.
MINITAB: Transformacin de Box Cox
File > Open worksheet > Tiles.mtw
Stat > Control Charts > Box Cox Transformation
Variable Warping Subgroup size 1
OK
2
Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.
73
74