Temario

Dirección de Operaciones
Decisiones estratégicas
Control Estadístico del Proceso
Especialización en Ingeniería Gerencial
Maestría en Administración de Negocios
 Variabilidad de proceso
 Causas de variabilidad
 Control estadístico de proceso
- Ventajas de un proceso bajo control estadístico
 Gráficos de Control
- Objetivo
- Diseño de un gráfico de control
- Tipos de Gráficos de control
 Gráficos de control por variables
 Gráficos de control por atributos

DO 04 D - UTN 2019 1 2

Causas comunes Causas asignables

VARIABILIDAD DEL PROCESO (Variación aleatoria) (Variación específica)
Descripción
 Suelen ser muchas y cada una  Suelen ser pocas pero de efectos
produce pequeñas variaciones. importantes.
ENTRADAS LSE LIE  Son parte del diseño del proceso y  Aparecen esporádicamente en el
por lo tanto de la capacidad del proceso, son transitorias y
PROCESO mismo. localizadas en áreas u operaciones
PERSONAS específicas.
MATERIALES  No resulta económico su detección y  Son fácilmente identificables y su
no se pueden eliminar sin hacer eliminación casi siempre tiene una
MÉTODOS cambios básicos en el proceso. justificación económica.

MÁQUINAS  Es responsabilidad de la dirección  Son relativamente fáciles de

disminuir sus efectos. eliminar por parte de operarios
ENTORNO técnicos.
Interpretación
RESULTADO
 Si sólo hay variación aleatoria el  Con una variación específica
proceso no debe ajustarse, y es presente el proceso debe
REDUCIR LA VARIABILIDAD suficientemente estable para investigarse y corregirse, y no es
MEJORAR LA CALIDAD predecir la calidad de sus resultados suficientemente estable para utilizar
o realizar estudios de optimización los procedimientos de muestreo
3 del proceso. para pronósticos.
 Control Estadístico del Proceso ¿Proceso “bajo control estadístico”?

• Consiste en monitorear y vigilar el desempeño del Se dice que un proceso está bajo control estadístico
proceso en cuanto a las características de calidad cuando sólo está afectado por causas comunes de
críticas del producto, para controlar la variabilidad del variabilidad. Esto significa que podemos predecir lo
mismo y así minimizar la producción defectuosa. que va a suceder con el proceso y sus productos.

• Se apoya en los Gráficos de Control. El significado de “control” está más vinculado con el
seguimiento del sistema que con la actuación sobre
• Permite mejorar tanto la calidad como la el mismo.
productividad.

5 6

Ventajas de un proceso bajo

control estadístico Gráficos de control
• Permite asegurar que las diferencias entre
unidades que corresponden al proceso en
estudio han sido reducidas al mínimo. • Desarrollados por el Dr. Walter A. Shewhart en
• El muestreo e inspección puede reducirse al los años 20’s.
mínimo  ventajas económicas.
• Se puede predecir casi con seguridad el • Se trata de diagramas en los que se representa
porcentaje de producción que se encuentra
dentro de determinados límites.
el comportamiento de un proceso en el
tiempo a través de los valores de un
• Se tiene una base firme para juzgar si conviene
cambiar los límites de especificación. estadístico asociado con una característica de
• Para un comprador, se puede simplificar la calidad del producto.
aceptación del producto ante la evidencia de
control por parte del fabricante.
7 8
 Gráficos de control Gráficos de control - Descripción
Dato de una característica de calidad Línea Central
• Objetivo : 3.5

– Facilitar la vigilancia del proceso para así LSC

3.3

detectar rápidamente la presencia de causas

DEdeCALIDAD
calidad
asignables y minimizar la producción 3.1

Caracteristica
defectuosa.

CSRACTERÍSTICA
2.9

• Están pensados para ser usados directamente 2.7

LIC

por los propios operadores, de modo que las 2.5

acciones se tomen rápidamente. MUESTRAS

Tiempo (Tiempo) Límites de control
Número de muestra superior e inferior

Los gráficos están basados sobre la idea de que la distribución de

datos representados sigue la distribución Normal
9
10

Diseño del Gráfico de Control Diseño del Gráfico de Control

2. El tamaño de la muestra
Aspectos a considerar:
• Es deseable un tamaño de muestra pequeño para minimizar la
1. La base de muestreo probabilidad de variaciones dentro de la muestra debidas a causas
especiales.
Subgrupos racionales • Además, el costo del muestreo debe mantenerse bajo.
La base racional para la formación de los • En la práctica, para datos medidos, se ha encontrado que muestras de
aprox. 5 funcionan bien en la detección de desplazamientos en los
subgrupos es el orden de producción procesos de 2 desvíos estándar o mayores.
• Para datos de atributos, el tamaño debe determinarse estadísticamente,
2. El tamaño de la muestra particularmente si la proporción real de los no conformes (p) es
pequeña. Si p es pequeña, n debe ser lo suficientemente grande como
3. La frecuencia de muestreo para tener la probabilidad de detectar por lo menos un no conforme.
4. La ubicación de los límites de control

11 12
 Diseño del Gráfico de Control Diseño del Gráfico de Control
3. La frecuencia de muestreo 4. Ubicación de Límites de Control
• No existen reglas claras para la frecuencia del muestreo.  Se establecen de manera de controlar la
• Las muestras deben estar lo suficientemente cerca una de otra probabilidad de cometer el error de concluir que
para que se tenga la oportunidad de detectar cambios en las el proceso está fuera de control cuando de
características del proceso tan pronto como sea posible, hecho no lo está.
reduciendo el riesgo de producir volúmenes grandes de producto
no conforme. Detectar los fuera de
• Sin embargo, no deben estar tan cerca que el costo del muestreo control tan pronto como
sobrepase las ventajas que se pueden obtener. sea posible después de
 Se busca:
• Esta decisión dependerá de la aplicación individual y del volumen su ocurrencia
de producción.
Tener tan pocas falsas
alarmas como sea
posible.
13 14

Diseño del Gráfico de Control Diseño del Gráfico de Control

4. Ubicación de Límites de Control 4. Ubicación de Límites de Control
Límite Control Superior

LCS= Media aritmética + z . Desviación típica Adoptando z = 3:

Línea Central LCS

LC= Media aritmética 99.73%
LC Por lo tanto α = 0.27%

LCI Si el proceso está bajo control, sólo 27

muestras de 10000 indicarán falsas alarmas

Límite Control Inferior

LCI= Media aritmética - z . Desviación típica µ-3σ µ µ+3σ

15 16
 Diseño del Gráfico de Control CEP: Tres tipos de resultados
Durante el control del proceso, se corre el riesgo de cometer
un error de evaluación respecto al estado de control:
(a) Bajo control y capaz.
Error de tipo I: Concluir que el proceso no es estable Proceso con sólo causas
comunes de variación y
cuando sí lo es  Falsa alarma capaz de producir dentro
Frecuencia de los límites de control
establecidos.
Error de tipo II: Concluir que el proceso está bajo Límite inferior de
Límite superior de control
control
control cuando no lo está.
(b) Bajo control pero incapaz.
Proceso bajo control (sólo están
P ( Error tipo I ) = α y P ( Error tipo II ) = β presentes causas comunes de
variación), pero incapaz de
producir dentro de los límites de
control establecidos.
La ubicación de los límites de control, el tamaño y la
frecuencia de la muestra influyen sobre la probabilidad
(c) Fuera de control.
de cometer cada tipo de error Proceso fuera de control, con
Tamaño causas asignables de
(peso, longitud, velocidad, etc.) variación.
Los gráficos de control se construyen de modo que
estas probabilidades sean lo más pequeñas posible
17 18

Tipos de Gráficos de Control Gráficos de control por variables

• Dos diferentes categorías:
– Gráficos de control por variables
 datos medidos  Gráficos de promedios y rangos
(X-barra,R)
– Gráficos de control por atributos
 fracción defectuosa (pasa/ no-pasa)
 cantidad de defectos  Gráficos de promedios y desvío
estándar (X-barra,σ
σ)

19 20
Gráficos de control por variables Gráficos de control por variables
Construcción Construcción
Gráfico X-barra Caso B) : Se desconocen los parámetros poblaciona les
k
Caso A) : Se conocen los parámetros poblaciona les ( µ , σ )
X 1 + X 2 + ... + X k X
i

Línea Central (LC) = X = µ µˆ = X = = i =1

k k
Límite Control Superior X (LCS X ) = X + 3σ X i = número de muestra, j = número de observació n
k = cantidad de subgrupos (k = 20 ó 25)
 X = µ
 n = cantidad de observacio nes por muestra, n = 4 ó 5
σ = σ
 X R i
 n σ estimada a partir de R : σˆ =
R
, R = i

σ d2 k
LCS X = µ + 3 = µ + Aσ
n Luego : L C = X

Límite Control Inferior X (LCI ) = µ − Aσ σX σˆ R

X LCS X
= X+3 = X+3 = X+3 = X + A2 R
n n d2 n
A: valor de tabla – Norma IRAM 14 en función de n
21 LCI X = X − A2 R 22
A2: valor de tabla – Norma IRAM 14 en función de n

Ecuaciones para calcular los límites 3σ

σ
en gráficos de control de Shewhart por Gráficos (X-barra, R)
variables
35.00 + 37.00 + 33.00 + 34.00 + 36.00
X3 = = 35.00
Método Gráfica X Gráfica R Gráfica σ 5
ki Xi Ri
Se conoce LC = µ LC = d2 σ LC = c2 σ
Muestra Observaciones en la muestra Media Rango
µyσ LCSX = µ + A σ LCSR = D2 σ LCSσ = B2 σ R 3 = 37.00 − 33.00 = 4.00 1 33,00 29,00 31,00 32,00 33,00 31,60 4,00
2 33,00 31,00 35,00 37,00 31,00 33,40 6,00
LCIX = µ - A σ LCIR = D1 σ LCIσ = B1 σ 3 35,00 37,00 33,00 34,00 36,00 35,00 4,00
4 30,00 31,00 33,00 34,00 33,00 32,20 4,00
5 33,00 34,00 35,00 33,00 34,00 33,80 2,00
µ y σ se LC = X LC = R Ejemplo 1.- 6 38,00 37,00 39,00 40,00 38,00 38,40 3,00
7 30,00 31,00 32,00 34,00 31,00 31,60 4,00
estiman a LCSX = X + A2 R LCSR = D4 R Se muestran datos correspondientes 8 29,00 39,00 38,00 39,00 39,00 36,80 10,00
partir de X y LCI = X - A R LCI = D R a la apertura del álabe (en 9 28,00 33,00 35,00 36,00 43,00 35,00 15,00
X 2 R 3 10 38,00 33,00 32,00 35,00 32,00 34,00 6,00
R milímetros) para un componente de 11 28,00 30,00 28,00 32,00 31,00 29,80 4,00
la turbina de un avión. 12 31,00 35,00 35,00 35,00 34,00 34,00 4,00
13 27,00 32,00 34,00 35,00 37,00 33,00 10,00
µ y σ se LC = X LC = σ Se pueden ver los cálculos 14 33,00 33,00 35,00 37,00 36,00 34,80 4,00
15 35,00 37,00 32,00 35,00 39,00 35,60 7,00
estiman a LCSX = X + A1 σ LCSσ = B4 σ preliminares en la misma tabla. 16 33,00 33,00 27,00 31,00 30,00 30,80 6,00
partir de X y LCI = X – A σ LCIσ = B3 σ 17 35,00 34,00 34,00 30,00 32,00 33,00 5,00
X 1 18 32,00 33,00 30,00 30,00 33,00 31,60 3,00
σ 19 25,00 27,00 34,00 27,00 28,00 28,20 9,00
20 35,00 35,00 36,00 33,00 30,00 33,80 6,00
23 Promedios: 33,32 24
5,80
 Gráficos (X-barra, R) Gráficos (X-barra, R)
n d2 A2 d3 D3 D4
2 1,128 1,880 0,853 0,000 3,267 Los límites de control son, en este caso,
• Valor de las constantes d2, 3 1,693 1,023 0,888 0,000 2,575
4 2,059 0,729 0,880 0,000 2,282 – Para el gráfico de medias:
d3, A2, D3 y D4 para 5
6
2,326
2,534
0,577
0,483
0,864
0,848
0,000
0,000
2,115
2,004
distintos tamaños de los 7
8
2,704
2,847
0,419
0,373
0,833
0,820
0,076
0,136
1,924
1,864
LIC = X − A2 R = 33,32 − 0,577 ⋅ 5,8 = 29,95
9 2,970 0,337 0,808 0,187 1,816
subgrupos racionales. 10 3,078 0,308 0,797 0,223 1,777 LSC = X + A2 R = 33,32 + 0,577 ⋅ 5,8 = 36,65
11 3,173 0,285 0,787 0,256 1,744
12
13
3,258
3,336
0,266
0,249
0,778
0,770
0,284
0,308
1,716
1,692
LC = 33,32
14 3,407 0,235 0,763 0,329 1,671
15 3,472 0,223 0,756 0,348 1,652
16
17
3,532
3,588
0,212
0,203
0,750
0,744
0,640
0,379
1,636
1,621
– Para el gráfico de rangos
18 3,640 0,194 0,739 0,392 1,608
19
20
3,689
3,735
0,187
0,180
0,734
0,729
0,404
0,414
1,596
1,586
LSC = D 4 R = 2,115 ⋅ 5,8 = 12,27
21 3,778 0,173 0,724 0,425 1,575 LIC = D 3 R = 0 ⋅ 5,8 = 0
22 3,819 0,167 0,720 0,434 1,566
23 3,858 0,162 0,716 0,443 1,557 LC = 5,8
24 3,895 0,157 0,712 0,452 1,548
25 3,931 0,153 0,708 0,459 1,541
25 26

Gráficos (X-barra, R)
Las muestras 6, 8, 11 y 19 están fuera de control en
Gráficos (X-barra, R)
gráfico de medias y la 9 lo está en el gráfico de rangos.
40

• Las muestras 6, 8, 11 y 19 están fuera de control en

38

gráfico de medias y la 9 lo está en el gráfico de

Apertura promedio del alabe

LSC=36.67
36

rangos.
34

LC=33.32
32
30

LIC=29.98
28

5 10

Muestra
15 20
• Cuando se estudian las causas asignables, éstas
llevan a una herramienta defectuosa en el área de
15

LSC=12.27
moldeo. Los límites deben ser recalculados
Rango de apertura del alabe

excluyendo estas observaciones atípicas,

10

LC=5.80
obteniéndose así un nuevo gráfico.
5
0

27 28
5 10 15 20
Muestra
 Gráficos (X-barra, R)
Puntos no utilizados en el cálculo
de los nuevos límites de control
29
Pasos de implantación de Gráficos por
variables (X-barra , R)
I. Decisiones antes de preparar las gráficas de control
I.1. Elección de la variable
I.2. Elección base de formación de subgrupos
I.3. Decisión acerca del tamaño y frecuencia de los
subgrupos
I.4. Definición del método y formatos para el registro
de datos
I.5. Determinación del método de medición
II. Iniciación de las gráficas de control
II.1. Realización y registro de las mediciones y otros
datos pertinentes
II.2. Cálculo del promedio X y el rango R para cada
subgrupo
II.3. Trazado de las gráficas X y R 30

Pasos de implantación de Gráficos Gráficos de medias y desviaciones

para variables (X-barra , R) estándar ( X, σ)
III. Determinación de los límites de control de prueba

III.1. Cálculo de X y R • Se utiliza el mismo gráfico de medias anterior, pero

ahora se estudia la dispersión usando un gráfico de las
III.2. Cálculo de los límites de control
desviaciones estándar de cada subgrupo.
III.3. Trazado de los límites de control y las líneas
centrales en las gráficas para las siguientes
• La desviación muestral es un mejor estimador de la
mediciones
variabilidad, pero más difícil de calcular. Se prefiere en
procesos con subgrupos racionales grandes (10 o más)
IV. Obtención de conclusiones preliminares con las o en procesos automatizados.
gráficas

V. Continuidad en el empleo de las gráficas

V.1. Revisión de los valores de LC y límites de

control para de X y R
31 32
Interpretación de los gráficos de control Interpretación de los gráficos de control

• Se necesita determinar si el proceso está bajo

control, lo cual se traduce en que los puntos
mostrados estén dentro de los límites de control y

10.5
Zona A

presenten un comportamiento aleatorio.

Característica de Calidad
Zona B

• Para esto se utiliza una serie de reglas empíricas, Zona C

10.0
cuya presentación se facilita si el área dentro de los Zona C

límites de control se divide en regiones iguales. Zona B

9.5
Zona A

5 10 15 20 25

Muestra

33 34

Interpretación de los gráficos de control Interpretación de las gráficas de control

Patrón 1 Patrón 2 Patrón 3 Patrón 4

Un punto fuera Dos puntos de 4 puntos de 5 8 puntos
• A las reglas empíricas que se utilizan para de los límites 3 al mismo al mismo lado consecutivos al
X lado de
X A de
L.S B
mismo lado de C
determinar si un proceso está bajo control se les L.S
. A
L.S
. A X A
. X
L.S
. A
B B
suele denominar reglas de parada. B
L.C. C
B
L.C. C L.C. C L.C. C
C C C C X
B B B B
• Corresponden a sucesos que tienen muy baja A A A X A
L.I. X L.I. X L.I. L.I.
probabilidad de ocurrir si el proceso está bajo
control.
Patrón 5 Patrón 6 Patrón 7 Patrón 8
15 puntos 8 puntos 14 puntos 6 puntos
• Cada una de ellas provee información sobre el tipo consecutivos en seguidos a los 2 seguidos seguidos
la zona C lados de L.C. y alternados creciendo y
de causa asignable que puede estar afectando al L.S ninguno
L.S en C L.S decreciendo
L.S
X
. A . A . A . A
proceso. B B
X
B X B
L.C. C L.C. C L.C. C L.C. C
C C C C
B X B B B
A A A A X
L.I. L.I. L.I. L.I.
35 36