CONTROL DE CALIDAD

CAPACIDAD DEL PROCESO

Instructor: Ignacio Fonseca Chon

Departamento de Ingeniería Industrial
Edificio 5F Planta Baja

Lunes a Jueves 8:00~8:50am

Aula 5G 108
Semestre 2006 2

OBJETIVOS DE APRENDIZAJE

1. Investigar y analizar la capacidad del proceso usando gráficos de control, histogramas

y gráficas de probabilidad.
2. Comprender la diferencia entre la capacidad del proceso y el proceso potencial.
3. Calcular e interpretar apropiadamente el índice de la capacidad del proceso.
4. Entender el papel de la distribución normal en la interpretación de la mayoria de los
índices de la capacidad del proceso.
5. Calcular los intervalos de confianza para los índices de la capacidad del proceso.
6. Conocer como se comporta y se analiza el experimento de los sistemas de medición
de la capacidad (o de los instrumentos R&R).
7. Conocer como estimar los componentes de variabilidad en un sistema de medición.
8. Conocer como configurar las especificaciones de los componentes en un sistema
incluyendo la interacción de los componentes para asegurarte que los requerimientos
del sistema sean conocidos en su totalidad.
9. Estimar los límites naturales de un proceso de una muestra de datos de dicho proceso.

2
 CAPACIDAD DEL PROCESO

La capacidad del proceso se refiere a la uniformidad del mismo. Obviamente, la

variabilidad de las características críticas de la calidad en el proceso son una medida de la
uniformidad de salida. Existen dos maneras para analizar esta variabilidad:
1. La variabilidad natural o inherente en las características críticas de
la calidad dentro de un tiempo específico; esto es, variabilidad
“instantanea”
2. La variabilidad en las características críticas de la calidad en el
tiempo.
Los límites de tolerancia naturales se definen como sigue:

Definición de Capacidad de Proceso

Definiremos el análisis de la capacidad del proceso como un estudio

de ingeniería para estimar la capacidad del proceso para cumplir con las
especificaciones.
La estimación de la capacidad del proceso puede estar en la condición de una
distribución de probabilidad teniendo una forma, centro (media) y dispersión
(Desviacón estandar) específicas.
Por ejemplo,
•Podemos determinar que el producto de un proceso sigue una distribución
normal con una media de µ=1.0 cm y una desviación estándar de σ=0.001
cm. En este sentido, un análisis de la capacidad del proceso puede llevarse a
cabo sin considerar las especificaciones sobre las características de
calidad.
•De manera alternativa, podemos expresar la capacidad del proceso como un
porcentaje fuera de las especificaciones. Sin embargo, las especificaciones no
son necesarias para el análisis de la capacidad del proceso.
4
 Usos de la capacidad del proceso

Predecir la medida en que el proceso se apegará a las tolerancias.

1. Brindar asistencia a los responsables del desarrollo y diseño del
producto para seleccionar o modificar un proceso.
2. Brindar asistencia para establecer un intervalo entre el muestreo para
monitorear el proceso.
3. Especificar los requerimientos del desempeño para el equipo nuevo.
4. Seleccionar entre proveedores competidores y otros aspectos de la
administración de la cadena de suministro.
5. Planear la secuencia de los procesos de producción cuando exista un
efecto interactivo de los procesos en las tolerancias.
6. Reducir la variabilidad en los procesos de manufactura.

Principales técnicas para el estudio

de la capaciad del proceso

Capacidad del
proceso

Gráficas Índices Estadístico

Histograma Normal: Probabilistico

No Normal
Papel Cp, Cpk Cpc, Cp(q)
Probabilistico
Normal (Pp, Ppk) . DDE
Cpm, Cpkm

6
RAZONES PARA LA POBRE CAPACIDAD DEL PROCESO.

Figura 7-3 Algunas razones de la pobre capacidad del proceso:

(a) Centrado del proceso deficiente (b) Exceso de variabilidad del proceso.

El proceso puede tener

gran potencial en su
capacidad.

7-2 ANALISIS DE LA CAPACIDAD DEL PROCESO USANDO UN

HISTOGRAMA O UNA GRAFICA DE PROBABILIDAD.

Pasos para la recolección de datos:

1. Elegir la máquina o máquinas a ser usadas. Si
los resultados basados en una sola máquina (o
un número reducido de ellas) están siendo
extendidas a una población de máquinas mas
grande, la máquina seleccionada deberá ser
representativa de las que componen la
población. Además, si la máquina contiene
estaciones de trabajo múltiples o cabezas,
puede ser importante recolectar los datos de tal
forma que pueda aislarse la variabilidad de una
cabeza a otra. Esto puede implicar la necesidad
de utilizar el diseño de experimentos.
8
7-2 ANALISIS DE LA CAPACIDAD DEL PROCESO USANDO UN
HISTOGRAMA O UNA GRAFICA DE PROBABILIDAD.

Pasos para la recolección de datos (continuación):

2. Seleccionar las condiciones de operación del proceso.
Cuidadosamente definir las condiciones, tales como la velocidad
de corte, velocidades de alimentación y temperaturas para
futuras referencias. Puede ser importante estudiar los efectos
de variación de estos factores dentro de la capacidad del
proceso.
3. Seleccionar un operador representativo. En algunos estudios,
puede ser importante estimar la variabilidad del operador. En
estos casos, los operadores pueden ser seleccionados de
manera aleatoria de una población de operadores.
4. Monitorear cuidadosamente el proceso de recolección de datos,
y registrar el orden en el tiempo en el cual cada unidad es
producida.

Ejemplo 7-1. Datos para la botella de cristal.

10
 EJEMPLO 7-1
Para ilustrar el uso de un histograma para estimar la capacidad del
proceso, considérese la figura 7-2, la cual presenta un histograma acerca
de la resistencia al estallamiento de 100 botellas de cristal. Los datos son
mostrados en la tabla 7-1. El análisis de las 100 observaciones nos arroja
lo siguiente:
x=264.06 s=32.02
Consecuentemente, la capacidad del proceso podría estimarse como:
x±3s ó
264.04±3(32.02) ≅ 264±96 psi
Además, la forma del histograma implica que la distribución de la
resistencia al estallamiento es aproximadamente normal. De esta
manera, podemos estimar que aproximadamente el 99.73% de las
botellas manufacturadas por este proceso estallarán entre 168 y 360 psi.
Nótese que podemos estimar la capacidad del proceso
independientemente de las especificaciones de la resistencia al
estallamiento.

11

Para ilustrar el uso de la gráfica de probabilidad normal en el estudio de

la capacidad del proceso, considerese las siguientes 20 observaciones
sobre la resistencia al estallamiento de las botellas de cristal: 197, 200,
215, 221, 231, 242, 245, 258, 265, 265, 271, 275, 277, 278, 280, 283,
290, 301, 318, y 346.

Figura 7-4 Gráfica de probabilidad normal de los datos de la

resistencia al estallamiento de botellas.

12
 Deberá tenerse cuidado al usar las gráficas de probabilidad. Si
los datos no vienen de la distribución supuesta, las inferencias sobre la
capacidad del proceso que se hagan a partir de la gráfica pueden tener
ciertos errores. La figura 7-5 presenta una gráfica de probabilidad normal
de número de veces de fallas (en horas) de una válvula en una planta
química. Examinando esta gráfica, podemos observar que la distribución
de fallas no pertenece a una distribución normal.
Una desventaja obvia de las gráficas de probabilidad es que no
tienen un procedimiento objetivo. Es posible que dos analistas lleguen a
diferentes conclusiones usando los mismos datos. Por esta razón, es
comunmente deseable complementar las gráficas de probabilidad con
pruebas basadas estadísticamente mas formales de la bondad del ajuste.
Una buena introducción para estas pruebas estan en Shapiro
(1980). Aumentando la interpretación de una gráfica de probabilidad
normal con la prueba de Shapiro Wilk para la normalidad puede hacer
que el procedimiento se vuelva mucho mas poderoso y objetivo.
• La distribución no puede ser normal; otros tipos de gráficas de
probabilidad pueden ser usadas para determinar la distribución
apropiada. Ver capitulo 2, tambien figura 7-6.

13

7-3 INDICE DE LA CAPACIDAD DEL PROCESO.

14
 Para ilustrar el cálculo de CP, retomando el proceso del diámetro
de los anillos para pistones de automóvil analizado en el ejemplo 5-1
usando gráficos de control x-R. Las especificaciones del diámetro de los
anillos para pistones son LES=2.00 microns y LEI=1.0 microns, y de la
carta de control R estimamos σ=R/d2 =0.1398. De esta manera, nuestra
estimación del ICP CP es:

En en capitulo 5, asumimos que el diámetro de los anillos tiene

una distribución aproximadamente normal (una razonable supocición,
basada en el histograma de la figura 7-7) y la tabla de distribución
normal acumulativa en el apéndice fue usada para estimar que el
proceso produce aproximadamente 350 ppm (partes por millon)
defectuosas.

15

Interpretación/relación práctica del ICP para la proporción del intervalo

de tolerancia usada por el proceso:

Para el proceso de los anillos para pistones tenemos:

16
 Indice de la capacidad del proceso (ICP) unilateral:

17

Interpretación del índice de la capacidad el proceso

(ICP)

18
Suposiciones para la interpretación de los números en
la tabla 7-1

1. Las características de calidad tienen una

distribución normal.
2. El proceso está bajo control estadístico.
3. En el caso de las especificaciones bilaterales, la
media del proceso está centrada entre los
límites de especificaciones superior e inferior.

• La violación de estas supociciones pueden

conducirnos a caer en un grave error usando los
datos de la tabla 7-2

19

Figura 7-3 Valores mínimos recomendados para el índice de la capacidad del

proceso.

20
 4 EJEMPLOS DE CAPACIDAD DEL PROCESO Y ACCIONES TIPICAS
Cp Cantidad total Acciones típicas que se
fuera de espec toman
ificaciones
<1 >5% Control del proceso fuerte
Clasificación del producto
Retrabado

=1 0.3% Control del proceso fuerte

Inspección
1.33 64 ppm Inspección reducida
Uso selectivo de gráficos de
control
1.63 1 ppm Revisión por puntos
selectos
Uso selectivo de gráficos de
control

21

Medición de la capacidad Real

Nótese que el Cpk es simplemente el ICP unilateral

para el límite de especificación mas próximo al
promedio del proceso. Para el proceso mostrado en
la figura 7-8b, tenemos:

22
 • CP no toma en
cuenta si el
proceso esta
centrado.
• Es una medida
de la capacidad
potencial no de la
capacidad actual.

23

Normalidad y el índice de la capacidad el

proceso.

• La suposición de normalidad es crítica para la

interpretación usual de estos índices (como en
la tabla 7-2).
• Para datos que no siguen una distribución
normal las opciones son:
1. Transformar los datos no normales a normales.
2. Extender las definiciones usuales de los ICP
para el manejo de los datos no normales.
3. Modificar las definiciones de los ICP para las
familias generales de distribuciones.
24
Otros tipos de índices de la capacidad
del proceso (Sección 7-3.5)

• Primera generación.
• Segunda generación.
• Tercera generación.
• Muchas de las investigaciones han sido hechas
para desarrollar índices que resuelven algunos de
los problemas básicos.
• No hay mucha evidencia que estos índices sean
usados para algunos avances significativos en
práctica.

25

• Los intervalos de confianza son una importante

manera para expresar la información del ICP.

26
 Ejemplo 7-4
Suponer que un proceso estable tiene los límites de especificación
superior e inferior de LES=62 y LEI=38. Una muestra de tamaño n=20
de este proceso revela que la media del proceso esta centrada
aproximadamente en el punto medio del intervalo de especificación y
que la desviación estándar de la muestra es s=1.75. Por tanto, la
estimación puntual de CP es:

El intervalo de confianza del 95% en CP es encontrado mediante la

ecuación 7-20 como sigue:
El intervalo de confianza
es ancho debido a que el
tamaño de la muestra es
pequeño.

Donde X2(0.975,19)=8.91 y X2(0.025,19)=32.85 y fueron tomadas de la tabla

III del apéndice.

27

Kotz y Lovelace (1998) nos dan un amplio resumen acerca de los

intervalos de confianza para varios ICP.

28
 Ejemplo 7-5
Una muestra de tamaño n=20 de un proceso estable es usado
para estimar Cpk, con el resultado de Ĉpk =1.33. Usando la
ecuacion 7-21 y con un intervalo de confianza aproximadamente
del 95% para calcular Cpk tenemos:

El IC es ancho debido
a que el tamaño de
muestra es muy
pequeño
29

INDICE DEL DESEMPEÑO DEL PROCESO

El índice del desempeño del proceso PP y Ppk , donde, por

ejemplo:

Su uso es recomendado cuando el proceso está fuera de control.

Ahora sabemos que cuando el proceso esta normalmente
distribuído y bajo control, es esencialmente y es
esencialmente debido a que en un proceso estable la
diferencia entre s y es mínima.

30
 INDICE DEL DESEMPEÑO DEL PROCESO

. Sin embargo, nótese que si el proceso no esta bajo control,

los índices PP y Ppk no tienen una interpretación razonable para
la capacidad del proceso, ya que estos no pueden predecir el
rendimiento del proceso. Además, sus propiedades estadísticas
no son determinables, de tal forma que no pueden hacerse
inferencias válidas con respecto a sus verdaderos valores (los
poblacionales). También, Pp y Ppk no ofrecen motivación o
incentivos para que las compañías que los usan pongan sus
procesos bajo control.

31

Kotz y Lovelace (1998) recomiendan ampliamente evitar el uso

de Pp y Ppk , indicando que estos índices son actualmente un paso hacia
atrás en la cuantificación de la capacidad del proceso. Ellos hacen
referencia al uso obligatorio de Pp y Ppk a través de los estándares de
calidad o lineamientos industriales tales como terrorismo estadístico ( i.e.
El uso o mal empleo de los métodos estadísticos junto con las amenazas
y/o intimidaciones para llevar a cabo un objetivo de negocios).
Este autor esta completamente de acuerdo con Kotz y Lovelace.
Los índices del rendimiento del proceso Pp y Ppk son actualmente algo
mas que un paso atrás. Ellos son un desperdicio de la ingeniería y
el esfuerzo de la administración- ellos no dicen nada. A menos
que el proceso sea estable (bajo control), cuando no hay indicio se va a
cargar con información predecible útil acerca de la capacidad del proceso
o nos lleva a cualquier información acerca del futuro rendimiento. En
lugar de usar índices sin sentido, las organizaciones deberían dedicar sus
esfuerzos a desarrollar e implementar un plan efectivo de caracterización
y control del proceso. La industria de semiconductores de Estados Unidos
hizo esto en los 80´s ( en Sematech) con gran éxito. Esto es un
acercamiento mucho mas razonable y efectico para el mejoramiento de
un proceso.
32
 INDICES DE CAPACIDAD: C INDICES DE DESEMPEÑO: P
EspSup − EspInf EspSup − EspInf
Cp = Pp =
6σ 6S

⎧⎛ EspSup − µ ⎞ ⎛ µ − EspInf ⎞⎫ ⎧⎛ EspSup − x ⎞ ⎛ x − EspInf ⎞⎫

C pk = min ⎨⎜ ⎟, ⎜ ⎟⎬ P pk = min ⎨⎜ ⎟, ⎜ ⎟⎬
⎩⎝ 3σ ⎠⎝ 3σ ⎠⎭ ⎩⎝ 3S ⎠⎝ 3S ⎠⎭
EspSup − EspInf EspSup − EspInf
C pm = P pm =
6 σ + ( µ − VM ) 6 S 2 + ( x − VM )
2 2
2

33

7-4 ANALISIS DE LA CAPACIDAD DEL PROCESO USANDO UNA CARTA DE CONTROL.

Tabla 7-5 Datos para la resistencia al estallamiento

de botellas de cristal (psi).

34
 Figura 7-12 Cartas de control x y R para los
datos de la resistencia de las botellas.

35

7-5 ANALISIS DE LA CAPACIDAD DEL PROCESO USANDO DISEÑO DE EXPERIMENTOS.

• Uso de Diseño de
experimentos para
aislar las fuentes de
variabilidad

Figura 7-13 Fuentes de variabilidad en el ejemplo de llenado de

botellas.
36
Fin Evaluación Capacidad del
proceso

37