Control estadstico de

procesos

Control estadstico de procesos

(CEP)
Mide el funcionamiento de un proceso.
Se utilizan las matemticas (estadstica).
Es necesario una recoleccin, organizacin e
interpretacin de los datos.
Objetivo: proporcionar una seal estadstica
cuando aparezcan causas de variacin
imputables.
Se usa para:

controlar el proceso de produccin y

examinar las muestras de los productos finalizados.

Tipos de control estadstico de

procesos
Control estadstico
de calidad
Proceso de
control

Grficos para
variables

Grficos para
atributos

Muestreo de
aceptacin

Variables

Atributos

Caractersticas de calidad
Variables
Caractersticas que se
pueden medir (por
ejemplo, el peso o la
longitud).
Pueden ser nmeros
enteros o fracciones.
Muchas variables
aleatorias.

Atributos
Caractersticas centradas en
los defectos.
Los productos se clasifican en
productos buenos o
malos, o se cuentan los
defectos que tengan.

Por ejemplo, una radio funciona o

no.

Variables aleatorias
categricas o discretas.

Control estadstico de procesos

(CEP)
Es una tcnica estadstica que se usa para asegurar
que los procesos cumplen con los estndares.
Todos los procesos estn sujetos a ciertos grados
de variabilidad.

Causas naturales: Variaciones aleatorias.

Causas imputables: Problemas corregibles.

Maquinaria de desgaste, trabajadores no cualificados, material de

baja calidad.

Objetivo: Identificar las causas imputables.

Se usan los grficos de control de procesos.

Control de procesos: tres tipos de

resultados
(a) Bajo control y capaz.
Proceso con slo causas
naturales de variacin y
capaz de producir dentro de
los lmites de control
establecidos.

Frecuencia
Lmite inferior de control

Lmite superior de control

(b) Bajo control pero incapaz.
Proceso bajo control (slo estn
presentes causas naturales de
variacin), pero incapaz de producir
dentro de los lmites de control
establecidos.
(c) Fuera de control.

Tamao
(peso, longitud, velocidad, etc.)

Proceso fuera de control, con

causas imputables de variacin.

Relacin entre la distribucin de la

poblacin y la distribucin de las
muestras
Distribucin de las medias de las muestras

Tres distribuciones de poblacin

Beta

Media de las medias de las muestras = x

x
Desviacin estndar
= x =
de las medias de las
n
muestras

Normal

Uniforme
- 3 x - 2 x - 1 x

+ 1 x + 2 x + 3 x

(media)
95,5% permanece dentro de 2x
99,73% de todo x permanece dentro de 3x

La distribucin de las medias en el

muestreo y la distribucin del proceso
Distribucin de las
medias en el muestreo
Distribucin de
las medias en el
proceso

x=
(media)

Grficos del proceso de control

Valor de muestra

Representacin de la muestra de datos en el tiempo

80
Valor
de muestra
UCL

60
40

Media

20

LCL

0
1

13

Tiempo

17

21

Objetivos de los grficos de

control

Mostrar los cambios que se han producido en

los datos.

Por ejemplo, las tendencias.

Realizar las correcciones antes de que el proceso est fuera

de control.

Mostrar las causas de las variaciones en los

datos.

Causas imputables.

Los datos situados fuera de los lmites de control o la

tendencia en los datos.

Causas naturales.

Variaciones aleatorias alrededor de la media.

Fundamento terico de los

grficos de control
Teorema central del lmite
A medida que
aumente el
tamao de las
muestras,

la distribucin tender
a seguir una curva de
distribucin normal,
sin tener en cuenta la
distribucin de la
poblacin.

X
X

Fundamento terico de los

grficos de control
Teorema central del lmite
Desviacin estndar

Media

X =

x =

X =

x
n

Tipos de grficos de control

Varios datos
numricos

Grficos
de control

Datos numricos
categricos o discretos

Grfico de
variables

Grfico de
atributos

Grfico

Grfico

Grfico
P

Grfico

Pasos del control estadstico de

procesos
Salida

Producir un bien

No

Proporcionar un servicio

Tomar una muestra

Causas
imputables?
S

Examinar la muestra

Detener el proceso

Crear
grfico de control

Descubrir el porqu

Grfico X
Es un grfico de control de variables.

Intervalo o informacin numrica en escala.

Muestra la media de las muestras a lo largo

del tiempo.
Muestra la media del proceso.
Ejemplo: Pesar muestras de caf, calcular la
media de las muestras y representarlo en un
grfico.

Lmites de control del grfico X

UCL x = x + A 2 I
LCL x = x - A 2 I

x =

xi

i =1

De la Tabla
S6.1

Media de la
muestra en
el tiempo i

Intervalo
de la
muestra en
el tiempo i

I =
Nmero de
muestras

I i

i =1

Factores para calcular los lmites

de los grficos de control
Tamao de la
muestra, n

Factor de la
media, A2

Intervalo
superior, D4

Intervalo
inferior, D 3

1,880

3,268

1,023

2,574

0,729

2,282

0,577

2,115

0,483

2,004

0,419

1,924

0,076

0,373

1,864

0,136

0,337

1,816

0,184

10

0,308

1,777

0,223
0.184

Grfico I
Es un grfico de control de variables.

Intervalo o informacin numrica en escala.

Muestra el intervalo de las muestras a lo

largo del tiempo.

Diferencia entre el valor ms grande y el ms

pequeo de la muestra que se haya examinado.

Controla la variabilidad del proceso.

Ejemplo: Pesar muestras de caf, calcular el
intervalo de las muestras y representarlo en
un grfico.

Lmites de control del grfico I

= D 4I

UCL I

De la Tabla S6.1

= D 3I

LCL I

I i

= i =1
n

Intervalo de
muestras en el
tiempo i
Nmero de
muestras

Pasos que se deben seguir cuando

se utilicen los grficos de control
Tomar de 20 a 25 muestras de n = 4 o n =5 de un
proceso estable y calcular la media.
Calcular las medias totales, fijar de forma
aproximada los lmites de control y calcular los
lmites de control superior e inferior. Si el proceso
an no es estable, utilcese la media deseada en
lugar de la media total para calcular los lmites.
Representar las medias y los intervalos de las
muestras en sus respectivos grficos de control y
determinar si permanecern fuera de los lmites
aceptables.

Pasos que se deben seguir cuando

se utilicen los grficos de control
Examinar los puntos o trazados que indican que el
proceso est fuera de control. Determinar las causas
de las variaciones.
Recoger ms muestras y volver a comprobar los
lmites de control.

EJEMPLO

N MUESTRAS
1
2
3
4
5

1
0,5014
0,5021
0,5018
0,5008
0,5041

OBSERVACIN
2
0,5022
0,5041
0,5026
0,5034
0,5056

IDEAL DE 20 A 25

3
0,5009
0,5024
0,5035
0,5024
0,5034

4
0,5027
0,502
0,5023
0,5015
0,5047
PROM

I
0,0018
0,0021
0,0017
0,0026
0,0022
0,0021

x
0,50180
0,50265
0,50255
0,50203
0,50445
0,5027

GRAFICO X
UCL x = x + A 2 I

0,5027+0,729(0.0021)=0.5042

LCL x = x - A 2 I

0,5027-0,729(0.0021)=0.5012

0,5050
0,5040
0,5030

Serie1

0,5020
0,5010
0

SI SE CONOCE DESV STAND

UCL = X + Z DESV X
LCL = X + Z DESV X

UCL= 0,527+3 x (0,0012/ 2)

X + Z ( DEV

n)

Grficos I
UCL I

= D 4I

LCL I

= D 3I

UCL =2,282(0,0021)=0,00479
LCL = 0(0,0021)=0

Grfico p
Es un grfico de control de atributos.

Datos categricos en escala.

Por ejemplo, bueno-malo.

Muestra el tanto por ciento de los artculos

defectuosos.
Ejemplo: Contar el nmero de sillas
defectuosas, dividirlo entre el total de las sillas
que se han examinado y representarlo en un
grfico.

Una silla puede ser defectuosa o no defectuosa.

Lmites de control del grfico p

UCL

LCL

= p+z

p (1 - p )
n

= p-z

p (1 - p )
n

n =

ni

i =1

xi

Nmero de artculos
defectuosos en la
muestra i

ni

Tamao de la
muestra i

p =

z = 2 para lmites del 95,5%;

z = 3 para lmites del 99,7%

i =1
k

i =1

Ejemplo
Un gerente de banco revisa 2500 boletas de
deposito al azar cada semana
Semanas
1
2
3
4
5
6
7
8
9
10
11
12
Total

Defectos
15
12
19
2
19
4
24
7
10
17
15
3
147

Proporcin defectos
15/2500
0,0048
0,0076
0,0008
0,0076
0,0016
0,0096
0,0028
0,004
0,0068
0,006
0,0012

UCL

LCL

= p+z

p (1 - p
n

= p-z

p (1 - p )
n

P=total defectos/n de observaciones

P= 147/(12x2500)=0,0049
UCL = 0,0049+3(0,0014)=0,0091
LCL = 0,0049- 3(0,0014)=0,0007

0,012
0,01
0,008
0,006
0,004
0,002
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13

Grfico c
Es un grfico de control de atributos.

Datos cuantitativos escasos.

Muestra el nmero de registros defectuosos

que hay en una unidad.

Una unidad puede ser una silla, una lmina de

acero, un automvil, etc.
El tamao de la unidad tiene que ser constante.

Ejemplo: Contar el nmero de registros

defectuosos (rasguos, astillas, etc.) en
cada silla de una muestra de 100 sillas y
representarlo en un grfico.

Lmites de control del grfico c

UCLc = c + 3

LCLc = c - 3

ci

c = i=1
k

Utiliza 3 para
lmites del 99,7%

Nmero de registros
defectuosos en la
unidad i
Nmero de unidades
de la muestra

Ejemplo
Un peridico tiene 20 defectos en promedio, los dos primeros
tienen 27 y 5 defectos respectivamente.
20+2(raiz de 20)=28.94
20- 2(raiz de 20)=11.06
El primero esta dentro de control, el segundo est fuera de
control, pero es favorable

Capacidad del proceso Cpk

-x
,o
C pk = Lmite de especificacin superior
3

x - Lmite de especificacin inferior

3
donde x = media del proceso
= desviacin estndar de la poblacin del proceso
Supone que el proceso:
est bajo control.
tiene una distribucin normal.

ejemplo
Una fabrica de ampolletas produce ampolletas con
una vida promedio de 900 horas y una desviacin
estndar de 48 horas. Las especificaciones de diseo
son 1000 horas +/- 200
Cp = 1200-8007(sigma 6 x 48)= 1.39
Especificacin inferior 900-800/(3x48)=0,69
Especificacin superior 1200-900/(3x48)=2.08

Significados de las medidas Cpk

Cpk = nmero negativo
Cpk = cero
Cpk = entre cero y 1
Cpk = 1
Cpk mayor de 1

Qu es el muestreo de
aceptacin?
Es un tipo de test de calidad utilizado para los
materiales comprados al exterior o los
productos acabados.

Por ejemplo, componentes y materiales comprados.

Procedimiento:

Tomar una o ms muestras de forma aleatoria de un

lote (cargamento) de productos.
Examinar cada uno de los productos de la muestra.
Decidir si se rechaza todo el lote basndose en los
resultados de la inspeccin.

Qu es un plan de aceptacin?
Es un conjunto de procedimientos para
inspeccionar los materiales comprados al
exterior o los productos acabados.
Identifica:
el tipo de muestra,
el tamao de la muestra (n) y
el criterio (c) utilizado para rechazar o aceptar un
lote.

El productor (proveedor) y el consumidor

(comprador) deben negociar.

Curva de caracterstica operativa

Representa la capacidad de un plan de
aceptacin para discriminar entre lotes
buenos y lotes malos.
Muestra la probabilidad de que el plan
acepte lotes de diferentes niveles de calidad.

Curva OC
Inspeccin 100%
P(Aceptar todo el lote)
100%

0%

Quedarse con

Devolver todo

todo el lote

el lote

Lmite

6 7 8 9 10
% de defectos en el lote

Curva OC con menos de un

muestreo del 100%
P(Aceptar todo el lote)
La probabilidad no es del 100%:
riesgo de quedarse con
productos defectuosos o
devolver productos de buena
calidad.
Devolver todo el
lote

100%

Quedarse
con todo el
lote

0%

3
4
Lmite

10

% de defectos en el lote

AQL y LTPD
Nivel de calidad aceptable (AQL):

Nivel de calidad de un lote de buena calidad.

El productor (proveedor) no quiere los lotes con
menos registros defectuosos de los que haya
rechazado el AQL.

Porcentaje de defectuosos para la tolerancia

de un lote (LTPD):

Nivel de calidad de un lote que consideramos

malo.
El consumidor (comprador) no quiere lotes con
ms registros defectuosos de los que acepta el
LTPD.

Riesgo del productor y del

consumidor
Riesgo del productor ():

Probabilidad de que un buen lote sea rechazado.

Probabilidad de rechazar un lote cuando la parte
defectuosa sea AQL.

Riesgo del consumidor ():

Probabilidad de que se acepte un mal lote.
Probabilidad de aceptar un lote cuando la parte
defectuosa sea LTPD.

Curva de caracterstica operativa

(OC) que muestra los riesgos
100
95

= 0,05 riesgo del productor en AQL

75
Probabilidad
de aceptacin

50

25

= 0,10
Riesgo del
consumidor
en la LTPD

10
0

1
Lotes
buenos

2
AQL

Zona de indiferencia

Porcentaje
de defectos

8
LTPD

Lotes malos

Curvas OC para distintos planes

de muestras
P(Aceptar todo el lote)
n = 50, c = 1

100%

n = 100, c = 2

0%

3 4 5 6 7 8
AQL
LTPD
% de defectos en el lote

10

Calidad media de salida

AOQ =

( Pd )( Pa )( N - n )
N

Donde: Pd = porcentaje real de unidades defectuosas del lote

Pa = probabilidad de aceptar el lote
N = nmero de elementos del lote
n = nmero de elementos de la muestra

Desarrollo de un plan de muestras

Negociar con el productor (proveedor) y el
consumidor (comprador).
Ambas partes tratan de minimizar los
riesgos.

Afecta al tamao de la muestra y al criterio del

lmite.

Mtodos:

Tablas MIL-STD-105D.
Tablas Dodge-Romig.
Ecuaciones estadsticas.

Control estadstico de procesos: identificacin y

reduccin de la variabilidad del proceso
Lmite inferior
de
especificacin

Lmite superior
de
especificacin
(a) Muestreo de
aceptacin

(b) Control
estadstico de
control

(c) cpk >1