Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DEL PROCESO
P. Reyes 1
CONTROL ESTADÍSTICO DEL PROCESO (CEP)
P. Reyes 2
CONTENIDO
1. Importancia de la mejora continua
2. Métodos y filosofía del CEP
P. Reyes 4
1. Importancia de la mejora continua
• DIMENSIONES DE LA CALIDAD
– Desempeño
– Confiabilidad
– Durabilidad
– Serviciabilidad
– Estética
– Características
– Imagen del producto
– Conformancia
– Tiempo de entrega
– Precio
– Servicio al cliente
P. Reyes 5
1. Importancia de la mejora continua
CALIDAD Y MEJORAMIENTO
TIPOS DE DATOS
Atributos: No medibles, apariencia, defectivos
P. Reyes 7
1... Antecedentes históricos
P. Reyes 8
1... CEP en Occidente – Western Electric
• 1924: WALTER SHEWHART realizó experimentos en
base al Teorema del Límite Central y desarrolló las
Cartas de Control del CEP
P. Reyes 9
1... CEP en Japón
P. Reyes 11
4...Métodos de calidad para
Manufactura Delgada
• Control estadístico del proceso: Previene que ocurran
problemas potenciales
P. Reyes 12
1... Inspecciones de calidad
P. Reyes 13
1... Métodos estadísticos para la mejora
• LAS CARTAS DE CONTROL
– Técnica util para el monitoreo de procesos
– Permiten identificar situaciones anormales (causas
especiales originadas por cambios en las 5M’s)
– Sirven para prevenir la producción de defectivos
15 Carta X
LCS
LSC
10
MEDIA
Promedio
LIC
LCI
5
Perfil
0
P. Reyes 14
1... Métodos estadísticos para la mejora
• DISEÑO DE EXPERIMENTOS
– Técnica util para identificar las variables clave que
afectan a la variabilidad de productos p procesos
– Permite variar en forma sistemática los factores y analizar
su efecto
Variables de Característica
Entrada/Factores de calidad
Proceso
P. Reyes 15
1... Métodos estadísticos para la mejora
• MUESTREO DE ACEPTACIÓN
– Técnica que permite calificar lotes de productos como
conformes o no conformes, por medio de una muestra
representativa sin inspeccionar al 100%
MUESTRA ¿OK?
LOTE
P. Reyes 16
1... Administración por Calidad Total
• Ishikawa (CWQC)
• Taguchi (Diseños robustos)
P. Reyes 17
1..El Sistema de Calidad
El Sistema de Calidad se debe Establecer,
Documentar e Implantar en forma Efectiva:
QS 9000 ISO 9000:2000
Política
1. Manual
Documentos de Calidad
controlados Implantación de
2. Procedimientos la política
El “Cómo” de los
3. Instructivos procedimientos
Planes de Calidad
1... Administración por Calidad Total
P. Reyes 19
1... El CEP y la Administración
por Calidad Total
P. Reyes 20
1... Los costos de calidad
• CROSBY: La calidad se mide con el costo de calidad
• COSTOS DE PREVENCIÓN
– Planeación de calidad (manuales), Entrenamiento
• COSTOS DE APRECIACIÓN
– Inspecciones, pruebas y materiales de prueba
• COSTOS DE FALLA INTERNA
– Desperdicios, retrabajos, reinspecciones
• COSTOS DE FALLA EXTERNA
– Garantías, reclamaciones, demandas legales,
penalizaciones, campañas
• COSTOS DE OPORTUNIDAD
– Pérdidas de ventas por falta de producto de buena
calidad
P. Reyes 21
2. Métodos y filosofía
del control estadístico de proceso
(CEP)
P. Reyes 22
2. Métodos y filosofía del CEP
No existen en la naturaleza
dos cosas exactamente iguales,
ni siquiera los gemelos, por tanto la variación es
inevitable y es analizada por la Estadística
P. Reyes 23
2...La Estadística
“La estadística nos proporciona métodos para organizar y
resumir información, usándola para obtener diversas
conclusiones”
P. Reyes 24
2..Definiciones
Población: Es la colección de todos los elementos (piezas,
personas, etc.). En nuestro caso sería un número infinito de
mediciones de las características bajo estudio.
P. Reyes 27
2...Histograma de Frecuencia
M
E
D
Media I
C
I
O
N
TAMAÑO TAMAÑO TAMAÑO E
S
LIE LSE
DEFINICION
• Un Histograma es la organización de un número de datos
muestra que nos permite visualizar al proceso de manera
objetiva.
P. Reyes 29
2..Las distribuciones pueden variar en:
P. Reyes 30
2...Medidas de Tendencia central
Fi*Xi Donde,
X=i =1 i
Fi = Frecuencia de cada medición
Fi xi = Valor de cada medición
individual
- Usa todos los datos
- Le afectan los extremos
Valor Valor
mínimo máximo
DEFINICION:
• Es una ayuda gráfica para ver la variabilidad de los
datos.
P. Reyes 32
2...Medidas de variabilidad o
Dispersión – Desviación Estándar
n n
n-1 n
P. Reyes 33
2..Medidas de
Dispersión- Rango, CV
Rango: Valor Mayor – Valor menor
P. Reyes 34
2..Uso de Calculadora científica
3. Introducir uno por uno los datos con la tecla DATA o DT (si se repiten
con una frecuencia, introducirlos las veces necesarias)
5. Limpiar los registros estadísticos con SHIFT y AC, antes de iniciar una
nueva operación
P. Reyes 35
2...Método Manual
o
P. Reyes 37
2...Ejercicio de Histogramas
Datos:
P. Reyes 38
2...Histogramas con Datos agrupados
El Histograma es una gráfica de las frecuencias que presenta
los diferentes datos o valores de mediciones agrupados en
celdas y su frecuencia.
CLASE FRECUENCIA
1-5 7
6-10 12
11-15 19
16-20 16
21-25 8
26-30 4
P. Reyes 39
2...Definiciones - datos agrupados
Límite inferior y superior de clase
Son los numeros más pequeños y más grandes respectivamente que
pertenecen a las clases (del ejemplo, 1 y 5; 6 y 10; 11 y 15; 16 y 20; 21 y
25; 26 y 30)
Marcas de clase
Son los puntos medios de las clases (del ejemplo 3, 8, 13, 18, 23 y 28)
Fronteras de clase
Se obtienen al incrementar los límites superiores de clase y al decrementar los
inferiores en una cantidad igual a la media de la diferencia entre un límite
superior de clase y el siguiente límite inferior de clase (en el ejemplo, las fronteras
de clase son 0.5, 5.5, 10.5, 15.5, 20.5, 25.5 y 30.5)
Ancho de clase
Es la diferencia entre dos límites de clase inferiores consecutivas(en el ejemplo,
es 5). P. Reyes 40
Construcción del histograma - datos agrupados
Paso 1. Contar los datos (N)
Paso 2. Calcular el rango de los datos R = (Valor mayor- valor menor)
19 21 25 33 30 27 31 25 35
37 44 43 42 39 43 40 38 37
36 42 41 44 32 45 46 47 45
54 52 50 48 49 47 48 49 47
52 51 50 49 58 59 61 62 63
59 61 66 76 70
P. Reyes 42
2...Construcción del histograma
Paso 2. Rango R = 76 - 16 = 60
Paso 5. Lím. de clase: 15-24, 25- 34, 35- 44, 45- 54, 55 - 64, 65-74, 75-94
Paso 6. Número de datos: 2 7 14 17 7 2 1
Marcas de clase 19.5 29.5 39.5 49.5 59.5 69.5 79.5
18
16
14
12
10
8 Frec.
6
4
2
0
15-24 25-34 35-44 45-54 55-64 65-75
P. Reyes 44
2...Cálculo de la media - datos agrupados
Fi*Xi Donde,
x= i =1 i
Fi = Frecuencia de cada observación
Fi xi = Valor de cada marca de clase
P. Reyes 46
2...Histograma en Excel
Después de correr la utileria de Histogramas con Excel se
obtuvieron los siguientes resultados (BIN RANGE: 15, 25, 35, 45,
55, 65, 75).
Bin Frequency
15 0
25 4
35 6
45 15
55 15
65 7
75 2
More 1
P. Reyes 47
2...Histograma en Excel
Accesar el menu de análisis de datos con TOOLS o
HERRAMIENTAS, DATA ANALYSIS o ANALISIS DE
DATOS, HISTOGRAMS o HISTOGRAMAS
P. Reyes 48
2...Histograma en Excel
Histogram
Frequency
20
10 Frequency
0
15
25
35
45
55
65
75
.
Bin
P. Reyes 49
Ejercicio
Datos:
P. Reyes 50
2...La Distribución
Normal
P. Reyes 51
2...La distribución Normal
La distribución normal es una distribución de probabilidad
que tiene media 0 y desviación estándar de 1.
Para la muestra
X
m-3 m-2 m- m m+ m+2 m+3
P. Reyes 53
2...La distribución Normal Estándar
La desviación estándar
sigma representa la
distancia de la media al
punto de inflexión de la
curva normal
X
x-3 x-2 x- x x+ x+2 x+3
z
-3 -2 -1 0 1 2 3
P. Reyes 54
2...Características de la distribución normal
68%
34% 34%
+1s
95%
+2s
99.73%
+3s
P. Reyes 55
2...El valor de z
Determina el número de desviaciones estándar entre
algún valor x y la media de la población, m. Donde es
la desviación estándar de la población.
z= x-m
P. Reyes 56
2...Proceso con media =100
y desviación estándar = 10
68%
34% 34%
90 110
13.5%
68%
13.5%
34% 34%
95%
80 120
2.356%
13.5%
68%
13.5%
2.356%
34% 34%
99.73%
70 130
P. Reyes 57
LIE LSE
Especificación Especificación
inferior superior
s _
xi
X
P. Reyes 59
2...Áreas bajo la curva normal
El tiempo de vida de las baterías del conejito tiene una
distribución aproximada a la normal con una media de
85.36 horas y una desviación estándar de 3.77 horas.
P. Reyes 60
2...Cálculos con Excel
Distribución normal estándar con media = 0 y desviación estándar =
1: Para Z = (X - Xmedia ) / s
1. El área desde menos infinito a un valor de Z se obtiene como
sigue:
- Colocarse en una celda vacía
- Accesar el menú de funciones con Fx, STATISTICAL o
ESTADÍSTICAS, NORMSDIST o DISTSNORM, dar el valor de Z y se
obtendrá el área requerida Z
Area
-1.42 0
P. Reyes 63
2...Área bajo la curva normal
85.36 86 87
0 1
P. Reyes 64
2...Área bajo la curva normal
P. Reyes 65
2...Ejercicios
Considere una media de peso de estudiantes de 75 Kgs. con
una desviación estándar de 10Kgs. Contestar lo siguiente:
1. ¿Cuál es la probabilidad de que un estudiante pese más de
85Kgs.?
P. Reyes 66
2... Las 7 herramientas estadísticas
• Hoja de verificación – para anotar frecuencia de
ocurrencias de los eventos (con signos |, X, *, etc.)
P. Reyes 67
2... Las 7 herramientas estadísticas
• Diagrama de Causa efecto – para identificar las
posibles causas a través de una lluvia de ideas, la cual
se debe hacer sin juicio previos y respetando las
opiniones.
P. Reyes 68
2... Las 7 herramientas estadísticas
• Diagrama de flujo – para identificar los procesos, las
características críticas en cada uno, la forma de
evaluación, los equipos a usar, los registros y plan de
reacción, se tienen:
– Diagramas de flujo de proceso detallados
– Diagramas físicos de proceso
– Diagramas de flujo de valor
P. Reyes 69
2... Causas de variación y bases
estadísticas del CEP
• Causas de variación
– Causas comunes o aleatorias, reducidas sólo por la
dirección
– Causas especiales (causadas por 6M’s), eliminadas por
personal involucrado en la operación.
P. Reyes 70
2... Beneficios de las cartas de control
• Herramienta para mejorar la productividad
P. Reyes 71
2.. Diseño de la carta de control
• Límites de control
– De acuerdo a Shewhart a + - 3-sigma
– En Europa se usan l.imites de prevención a + -2 sigma
– En Europa se usan Límites Probabilísticos a + - 0.1%
(+ - 3.09 sigma)
P. Reyes 72
2... Factores de éxito para
la implantación del CEP
• LIDERAZGO GERENCIAL, SER PARTE DE UN PROGRAMA
MAYOR
• SISTEMA DE RECONOCIMIENTO
P. Reyes 73
2... Cartas de Control por Variables
• MEDIAS RANGOS (subgrupos de 5 - 9 partes cada x horas,
para estabilizar procesos)
P. Reyes 74
2... Estabilización del proceso
con cartas de control
1. IDENTIFICAR LA CARACTERÍSTICA A CONTROLAR, EN
BASE A UN AMEF (análisis del modo y efecto de falla)
P. Reyes 75
2... Cartas de Control por Variables -
Metodología de implantación
5. CALCULAR LÍMITES PRELIMINARES DE CONTROL A 3
SIGMA
P. Reyes 76
2... Cartas de Control por Atributos
p – Fracción defectiva n Constante
Se toman muestras de tamaño n constante con 30 o más
partes en forma periódica y se determina la fracción
defectiva – se utiliza para productos simples (botellas).
P. Reyes 77
2... Cartas de Control por Atributos
c – Número de defectos
Se cuentan los defectos que tienen cada unidad de
inspección de tamaño n constante en productos
complejos – TV, computadoras
P. Reyes 78
2... Cartas de Control tipo p
• p - FRACCIÓN DEFECTIVA CON n CONSTANTE
• CARTA DE CONTROL np
P. Reyes 79
2... Cartas de Control tipo p
• p - CON n PROMEDIO
• p - ESTANDARIZADA
P. Reyes 80
2... Cartas de Control tipo c, u
• c - CARTA DE CONTROL PARA DEFECTOS
- Cambio de tamaño de la unidad de inspección
• U para Deméritos
– En base a la clasificación de defectos A (críticos), B
(funcionales), C (menores)
P. Reyes 81
3. Cartas de control
por variables
P. Reyes 82
3. CONTENIDO
4. Ejercicios de aplicación
P. Reyes 83
3.1 Teorema del Límite Central
P. Reyes 84
3.1Teorema del Límite Central
• La distribución de las medias de las muestras tienden
a distribuirse en forma normal
50
40
30
20 Frec.
10
0
1 2 3 4 5 6 7 8 9
P. Reyes 85
3.1..Teorema del Límite
Central
• La distribución de las medias de las muestras tienden
a distribuirse en forma normal
10
8
6
4 Frec.
2
0
3.5 4.5 5.5 6.5
P. Reyes 86
3.1Teorema del Límite Central
P. Reyes 87
3.1Teorema del Límite Central
PREMISAS
• Si la variable aleatoria X tiene cualquier distribución con
media m y desviación estándar .
CONCLUSIONES
• La distribución de todas las medias o promedios de las
muestras X-media, tienden a distribuirse normalmente
P. Reyes 88
3.1Teorema del Límite Central
CONCLUSIONES (cont..)
P. Reyes 89
3.2 Teoría de las
Cartas de Control
P. Reyes 90
PROPÓSITO
• Introducir los tipos básicos de Cartas de Control
Estadístico del Proceso (CEP)
P. Reyes 91
3.2 ¿Qué es una Carta de Control?
• Una Carta de Control es como un historial del proceso...
... En donde ha estado.
... En donde se encuentra.
... Hacia donde se puede dirigir
P. Reyes 92
3.2 Reglas Básicas
Se debe medir la característica del proceso adecuada en la
carta.
P. Reyes 94
3.2 Causas comunes o normales
CAUSAS COMUNES
-Siempre están presentes
-Sólo se reduce con acciones de mejora mayores
-Su reducción es responsabilidad de la dirección
SEGÚN DEMING
- El 85% de las causas de la variación son causas
comunes, responsabilidad de la dirección
P. Reyes 14 95
3.2 Variación – Causas comunes
Límite Límite
inf. de
sup. de
especs. especs.
Objetivo
P. Reyes 15 96
3.2 Causas Especiales
CAUSAS ESPECIALES
- Ocurren esporádicamente
- Son ocasionadas por variaciones anormales (6Ms)
- Medición, Medio ambiente, Mano de obra,
Método, Maquinaria, Materiales
- Sólo se reduce con acciones en el piso o línea
- Su reducción es responsabilidad del operador por
medio del Control Estadístico del Proceso
SEGÚN DEMING
- El 15% de las causas de la variación son causas
especiales y es responsabilidad del operador
P. Reyes 16 97
3.2 Variación – Causas especiales
Límite
inf. de
especs.
Límite
sup. de
especs.
Objetivo
P. Reyes 17 98
3.2 Anatomía de una Carta de Control
Carta
C de for
Chart control
Pitted S
15 1
Respuesta
3.0SL=12.76
LSC
Sample Count
10
Límite Superior de Control
5 Promedio
C=5.640
(o línea central)
0 -3.0SL=0.000
0 5 10 15 20 25
LIC
Sam pl e Num ber Límite Inferior de Control
Número de Muestra
Corridas
7 puntos consecutivos de un lado de X-media.
Adhesión a la media
15 puntos consecutivos dentro de la banda de 1 sigma del
centro.
Otros
2 de 3 puntos fuera de los límites a dos sigma
P. Reyes 100
3.2 Patrón de Carta
en Control Estadístico
P. Reyes 101
3.2 Tipos de Cartas de control
• Las cartas de control se dividen en dos categorías,
diferenciadas por el tipo de datos bajo estudio- variables y
atributos.
P. Reyes 103
3.3 Construcción de Cartas
de Control para variables
P. Reyes 104
3.3.Carta X, R (Datos variables)
P. Reyes 105
3.3.Carta X, R (Continuación)
Procedimiento:
Identificar la característica crítica a controlar y tamaño de
subgrupo (n = 3 a 6)
Análisis:
P. Reyes 108
3.3.Carta X, R (Continuación)
Ejemplo 1: Psi en un componente. Se toman muestras de
Cinco componentes cada día.
Día Muestra1 Muestra2 Muestra3 Muestra4 Muestra5
1 55 75 65 80 80
2 90 95 60 60 55
3 100 75 75 65 65
4 70 110 65 60 60
5 55 65 95 70 70
6 75 85 65 65 65
7 120 110 65 85 70
8 65 65 90 90 60
9 70 85 60 65 75
10 100 80 65 60 80
n = # muestras en un subgrupo/día = 5
k = # de subgrupos (días) = 10
X = 74.6 R = 36.0
P. Reyes 109
3.3.Carta X, R (en Excel)
Ejemplo 1:
Gráfica Xbar/R para Muestra1-Muestra5
Medias
100
3.0SL=95.36
90
80
X=74.60
70
60
50 -3.0SL=53.84
Subgroup 0 1 2 3 4 5 6 7 8 9 10
80
Rangos
70 3.0SL=76.12
60
50
40 R=36.00
30
20
10
0 -3.0SL=0.000
105 1 1
95 1 1 1
85 3.0SL=87.56
75 X=77.18
65 1 -3.0SL=66.80
1 1
55 1
45 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
50 1
Rangos
40 3.0SL=38.06
30
20 R=18.00
10
0 -3.0SL=0.000
P. Reyes 112
3.3..Hacer una carta X-R y concluir:
MUESTRA VALORES
1 12 12 13 15 12
2 15 17 16 17 18
3 13 18 14 14 15
4 10 12 11 10 11
5 13 16 15 16 15
6 15 12 13 15 11
7 15 16 15 16 15
8 15 17 15 17 14
9 22 17 16 17 14
10 16 15 17 15 18
11 16 18 16 16 16
12 15 16 17 17 14
13 17 15 16 15 16
14 16 15 18 18 16
15 17 19 17 15 17
16 19 17 15 15 17
17 16 19 16 15 14
18 16 15 17 16 18
19 17 13 17 15 14
20 19 18 17 15 16
P. Reyes 113
3.3.Carta X, S
P. Reyes 114
3.3.Carta X, S (Continuación)
Terminología
k = número de subgrupos n = número de muestras en cada subgrupo
x = promedio para un subgrupo
x = promedio de todos los promedios de los subgrupos
S = Desviación estándar de un subgrupo
S = Desviación est. promedio de todos los subgrupos
x1 + x2 + x3 + ...+ xN
x = n 5 6 7 8 9 10
n
x1 + x2 + x3 + ...+ xN B4 2.09 1.97 1.88 1.82 1.76 1.72
x =
k B3 0.00 0.03 0.12 0.18 0.24 0.28
LSCX = x + A3 S A3 1.43 1.29 1.18 1.10 1.03 0.98
LICX = x - A3 S C4 .940 .952 .959 .965 .969 .973
LSCS = B4 S
LICs = B3 S (usar estos factores para calcular Límites de Control
P. Reyes 115
3.3.Carta de Individuales (Datos variables)
P. Reyes 116
3.3.Carta X, R (Continuación)
Terminología
k = número de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x1 + x2 + x3 + ...+ xN
x =
n
n 2
LSCX = x + E2 R D4 3.27
LICX = x - E2 R
D3 0
LSCR = D4 R
LICR = D3 R E2 2.66
12.35
3.0SL=12.30
12.25 6
6 6
12.15
12.05 X=12.03
11.95
11.85 8
11.75 -3.0SL=11.75
1
11.65
0 5 10 15
Número de Observación
P. Reyes 118
3.3. Ejercicios de Cartas I o X, R
Hacer dos cartas X-R y concluir:
MUESTRA 1 MUESTRA 2 MUESTRA 1 MUESTRA 2
1 12 2.832 11 16 2.97
2 15 2.802 12 15 2.95
3 13 2.952 13 17 2.95
4 10 2.80 14 16 2.86
5 13 2.95 15 17 2.89
6 15 2.92 16 19 2.86
7 15 2.95 17 16 2.85
8 15 2.92 18 16 2.78
9 22 2.93 19 17 2.89
10 16 2.93 20 19 2.78
P. Reyes 119
4. Cartas de Control
para atributos
P. Reyes 120
4. Cartas de control para atributos
Datos de Atributos
Tipo Medición ¿Tamaño de Muestra ?
p Fracción de partes defectuosas, Constante o variable > 30
defectivas o no conformes
Carta C
C Chart for Pitted S
15
Límite Superior de Control
1
3.0SL=12.76
Sample Count
10
Línea Central
C=5.640
5
0
Límite Interior de Control
-3.0SL=0.000
0 5 10 15 20 25
Número de Muestras
Terminología
n = tamaño de cada muestra (por ejemplo, producción
semanal)
np = número de unidades defectuosas en cada muestra
p = proporción (porcentaje) de defectos en cada muestra -
(fracción defectiva)
k = número de muestras
P. Reyes 123
4. Carta p (Atributos)
p (1- p) p (1- p)
LSC = p + 3 LIC = p - 3
n n
# de Fracción de
componentes Componentes componentes
n
inspeccionados np
defectuososp defectuosos
7 0 0.000
7 0 0.000
K = 13 semanas 15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 2 0.143
12 2 0.167
8 1 0.125
P. Reyes 125
4...Carta p (Cont..)
Ejemplo:
Gráfica P para Fracción Defectiva
0.5
0.4
3.0SL= 0.4484 LSC
Proporci
0.3
ón
0.2
0.1 P= 0.1128 p
0.0 -3.0SL= 0.000
LIC
0 5 10
Número de muestra
Observe como el LSC varía conforme el tamaño (n) de cada muestra varía.
¿Por qué el LIC es siempre cero?
¿Qué pasó en la muestra 7? (33.3% defectos)
¿Qué oportunidades para mejorar existen?,
¿Podemos aprender algo de las muestras 1, 2, 6, 8, y 10?
¿Podría este proceso ser un buen proyecto de mejora?
P. Reyes 126
4... Carta np (Atributos)
P. Reyes 127
4...Carta np (Atributos)
P. Reyes 128
4...Carta np (Cont..)
Ejemplo 1: en un proceso se inspeccionan K = 15 lotes tomando n = 4000
partes de cada lote, se rechazan algunas partes por tener defectos, como sigue:
n np
# de partes
# de partes inspeccionadas defectuosas
4000 2
4000 3
4000 3
4000 2
4000 4
4000 2
4000 3
4000 3
4000 6
4000 8
4000 3
4000 4
4000 4
4000 7
4000 6
K=15 lotes P. Reyes 129
4... Carta np (Cont...)
Ejemplo 1:
Carta np de número de defectivos o defectuosos
10 3.0 LSC=10.03
No. De fecetivos
5
Np =4.018 np
c1 + c2 + c3 + ...+ ck
c=
k
LSC = c + 3 c LIC = c - 3 c
P. Reyes 132
4... Carta c (cont..)
Ejemplo: Número de defectos encontrados en una unidad de inspección que
consta de 50 partes de cada lote de 75 piezas durante 25 semanas (K = 11).
Carta C
15 1
Número de defectos
5 C = 5.640 C
0 -3.0L IC=0.000
0 5 10 15 20 25
Número de Muestras
Ejemplos:
• Se toma una muestra de tamaño constante de tableros PCB por
semana, identificando defectos visuales por tablero.
Terminología
n = tamaño de cada muestra en unidades de inspección
(por ejemplo, producción semanal)
c = Número de defectos encontrados en cada muestra
de unidades de inspección
u = defectos por unidad (DPU)
k = número de muestras
c = # de defectos en una muestra de n unidades de
inspección
n = Número de unidades de inspección en cada muestra
u = c / n = DPU = Número de defectos por unidad
P. Reyes 136
4... Carta u (cont...)
LSC = u + 3 u LIC = u - 3 u
ni ni
Nota: Recalcular los límites en cada tamaño de muestra (ni)
Se puede tomar n promedio o estandarizar para tener Límites de control
constantes
P. Reyes 137
4... Carta u (cont..)
Ejemplo 1: Un proceso de soldadura suelda 50 PCBs por semana
Los defectos visuales observados se registran
cada semana.
n c u
Defectos
# PCB Visuales
Soldados Observados DPU
50 305 6.1
50 200 4.0
50 210 4.2
50 102 2.0
50 198 4.0
50 167 3.3
50 187 3.7
50 210 4.2
50 225 4.5
50 247 4.9
50 252 5.0
50 215 4.3
k=12 semanas
P. Reyes 138
4... Carta u (Cont.)
Ejemplo 1:
1
6
5
LSC
3.0L SC=5.066
4
U = 4.197 u
-3.0L IC=3.328
3
LIC
2 1
0 5 10
Número de Muestras
k=20 semanas
P. Reyes 140
4... Carta u (cont..)
Ejemplo 2:
Gráfica U para Defectos
Número de efectos
7 3.0L SC
=6.768
LSC
6
5 U=4.979 u
4
-3.0L IC=3.190
3 LIC
2
0 10 20
Número de Muestras
P. Reyes 142
5. Cartas de Control especiales
• CARTAS PARA CORRIDAS CORTAS (medias – rangos,
pequeños lotes de producción de productos similares)
• CARTAS ESPECIALES
– Cartas de Precontrol
– Cartas para desgaste de herramienta
– Cartas para procesos de salida múltiple
P. Reyes 144
5.2 Cartas de Control Modificadas
y de Aceptación
• CARTA DE CONTROL MODIFICADAS
Se utilizan para control de la fracción defectiva cuando
el Cpk es grande >=2, cuidando no salir de
especificaciones y no interesa tanto el control bajo
límites de control
P. Reyes 145
5.3-5 Cartas de Control especiales
• CARTAS DE PRECONTROL (ARCOIRIS)
– Se basa en límites de especificación, dividiendo el rango
de especificaciones en cuatro partes, las dos intermedias
son verdes, las de la orilla amarillas y las que salen de
límites, rojas. Se monitorea sólo una pieza.
P. Reyes 146
5 Cartas de Control
especiales por variables
• CARTA DE CONTROL CUSUM
(Detecta pequeñas corridas de media < 1.5 sigma con n
= 1)
- Método tabular
- Mascarilla en V
P. Reyes 148
Cartas especiales de control
P. Reyes 149
Cartas de sumas acumuladas
CuSum
P. Reyes 150
Gráfica de Sumas acumuladas
( CuSum )
- Se usa para registrar al centro del proceso.
- Se corre en tándem (una tras otra)
- Es más sensible que la gráfica X al movimiento de los
pequeños cambios sostenidos en el centro del proceso.
- Es más sensible que la gráfica X al movimiento de separación
gradual del centro del proceso.
- Es menos sensible que la gráfica X al desplazamiento grande e
único del centro del proceso.
- Se puede aplicar a las Xs o a las Xs individuales
P. Reyes 151
Carta de sumas acumuladas CuSum
m
Sm = ( X i - m0 )...m0 = media.en.control.estimada
i =1
m
1
Sm=
'
X
(X
i =1
i - m0 )... X = desv.es tan dar.de.las.medias
P. Reyes 152
Carta de sumas acumuladas CuSum – Con
Máscara en V
– La carta de control CuSum se obtiene graficando los
valores de Sm o S’m como función de m.
1
7- 4.770 0 0
8- 4.525 -1
9- 5.225 -2
-3
10- 4.600
-4
11- 4.625 -5
12- 5.150 -6
13- 5.325 0 5 10 15
Subgroup Number
14- 4.945
15- 5.025
16- 5.223 Target = 5, sigma = 1, h = 2, k =0.5, Vmask
P. Reyes 155
Continuación de ejemplo –
con máscara en V
Cumulative Sum
0 0
Agregando 4
Puntos adicionales
Se observa que se
-5
Requiriendo acción
Target = 5, sigmaP. Reyes
= 1, h = 2, k =0.5, Vmask 156
Carta CuSum– Sólo un Límite
inferior o superior
Cumulative Sum
6- 5.225
1
7- 4.770
8- 4.525 0
9- 5.225
-1
10- 4.600
11- 4.625 -2 Lower CUSUM
-2
12- 5.150 0 10 20
14- 4.945
15- 5.025 Target = 5, sigma = 1, h = 2, k =0.5, One Sided
16- 5.223 FIR = 1 sigma,P.Reset
Reyes after each signal 158
Carta CuSum – Forma tabular para un
solo límite inf. ó sup.
• Los límites para cada valor se calculan dependiendo de
si es hacia el lado superior Sh o hacia el inferior Sl
S H (i ) = max 0, xi - ( m0 - K ) + S H (i - 1)
S L (i ) = max 0, - xi + ( m0 - K ) + S H (i - 1)
S H (0) = S L (0) = 0
N H . y.N L = No. periodos.en.que.Sh.o.Sl.son. 0
• Como ejemplo si K = 0.5 y µ0 = 10 y X1 = 9.45, Sh(1)
= max [0, 9.45 – 10.5 + 0] = 0 etc..
P. Reyes 161
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
• Monitorea un proceso promediando los datos de tal
forma que les da cada vez menos peso conforme son
removidos en el tiempo
P. Reyes 163
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
– Seleccionando un factor de ponderación la carta puede ser
sensible a corrimientos graduales pequeños en la media del
proceso. El estadístico EWMA es:
EWMAt = Yt + (1 - ) EWMAt -1 - - - -t = 1, 2,.., n
2
S
S EWMA =
2
n 2-
– EWMAo es la media (meta) de los datos históricos
– S es la desviación estándar de los datos históricos para n grande
– Yt es la observación en el tiempo t
– n es el número de observaciones monitoreadas incluyendo 0
– 0 < <=1 es una constante que determina la memoria de
EWMA
P. Reyes 164
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
– determina la tasa en la cual los datos “antiguos”
entran en el cálculo del estadístico EWMA.
Y 52 47 53 49.3 50.1 47 51
P. Reyes 167
Carta EWMA del ejemplo
Xewma
1- 52.0
2- 47.0
3- 53.0 EWMA Chart for X
4- 49.3 53
UCL=52.59
5- 50.1 52
6- 47.0
51
7- 51.0
EW MA
8- 50.1 50 Mean=50
9- 51.2
49
10- 50.5
48
11- 49.6
LCL=47.41
12- 47.6 47
13- 49.9 0 10 20
Sample Number
14- 51.3
15- 47.8
P. Reyes 168
Carta EWMA
• Los puntos a graficar son los siguientes :
Z0 = X
Z1 =_ X1 +(1- Z0)
Z2 =_ X2 + (1-
Z1 )
_
Z3 = X3 + (1-
Z2)
Z4 = X4 + (1- Z3)
• Observa que Z es un promedio ponderado deCon
X i yZde
= EWMA
todas
las Xs anteriores.
• La típica forma de una gráfica EWMA se muestra a
continuación. UCL
Los cálculos, especialmente de los
límites de control, son tan complejos
XII
P. Reyes 169
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
• Si la desviación estándar se estima de la carta X-R
entonces los límites de control se determinan como
sigue:
LSC = X + A2 R
(2 - )
LIC = X - A2 R
(2 - )
P. Reyes 170
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
• Esta carta proporciona un PRONOSTICO del siguiente
valor de la media, lo cual es muy importante para el caso
de control automatizado.
P. Reyes 171
Carta de Promedios Móviles Ponderados
Exponencialmente (EWMA)
• Se puede desarrollar una ecuación para el clásico control
PROPORCIONAL, INTEGRAL y DIFERENCIAL (PID).
Donde los parámetros de las lambdas 1, 2 y 3 se
seleccionan para obtener el mejor desempeño de
pronóstico
P. Reyes 173
Carta de control de Promedios Móviles
P. Reyes 174
Carta de control de Promedios Móviles
xt + xt -1 + ...... + xt - w+1
Mt =
w
2
Var ( Mt ) =
nw
3 3
LSC = x + - - para.n.0 t w - - LSC = x +
nw nt
3 3
LIC = x - - - para.n.0 t w - - LIC = x -
nw nt
7- 6.0 10 Mean=10
8- 10.0
LCL=7.879
9- 10.5
10- 14.5 5
11- 9.5
12- 12.0 0 5 10 15
Sample Number
13- 12.5
14- 10.5
15- 8.0
P. Reyes 176
6. Análisis de capacidad
de proceso
P. Reyes 177
6. CONTENIDO
Introducción
P. Reyes 178
6.1 Introducción
P. Reyes 179
6.1 Objetivos de la capacidad del proceso
1. Predecir que tanto el proceso cumple especificaciones
4. Seleccionar proveedores
s _
Xi
X
P. Reyes 183
6.1 Procedimiento
Ancho 9´
Nigel´s Trucking Co.
P. Reyes 185
6.1 Capacidad del proceso – Fracción defectiva
La capacidad en función de la fracción defectiva del Proceso se calcula
En función de la fracción defectiva para cada lado del rango de Especificación.
Rango medio
Desv. Est. =
Constante d2 de acuerdo al tamaño de subgrupo en X-R
Los valores de Z inferior y Z superior se calculan de acuerdo a las fórmulas
Siguientes:
P. Reyes 186
6.1 Capacidad del proceso – Cp y Cpk
La capacidad potencial del Proceso (Cp) es una medida de la
variación del proceso en relación con el rango de Especificación.
Tolerancia LSE - LIE
Cp = =
Variación del proceso 6 Desviaciones STD.
P. Reyes 188
6.1.. Ejemplo
Se tomaron los datos siguientes:
P. Reyes 189
6.1.. Ejemplo (cont…)
Agrupando los datos en celdas se tiene:
P. Reyes 190
6.1.. Ejemplo (cont…)
35
30
25
20
15 Frec.
10
5
0
170- 210- 250- 290- 330-
189 229 269 309 349
P. Reyes 191
6.1.. Ejemplo (cont…)
P. Reyes 192
6.1.. Ejercicio
Calcular la capacidad del proceso con la distribución de
frecuencias siguiente considerando LIE = 530 y LSE = 580:
P. Reyes 194
6.2 Ventajas
P. Reyes 195
6.2..Procedimiento
0.84
0.5
Desv. Estándar
Fracción
Defectiva
LIE X Media Xj
P. Reyes 198
Pi = ( I - 0.5 ) / N
Pi
0.999
0.998
0.995
0.99
0.98
0.97
0.96
0.94
0.90
0.84
0.80
0.75
0.70
0.60
0.50
0.40
0.30
0.25
0.20
0.16
0.10
0.08
0.04
0.02
0.01
0.005
0.002
0.001
P. Reyes
Normal distribution probability paper Xi 199
N o rm a l P ro b a b i li ty P lo t
.999
.99
.95
Probability
.80
.50
.20
.05
.01
.001
P. Reyes 201
6.2 Ejercicio
Tomando los datos siguientes (Xj), calcular la probabilidad (Pj),
graficar en papel norma, ajustar valores con una recta,
determinar la media, desv. Estándar, si las especificaciones son
LIE = 1200 y LSE = 1800 determinar la fracción defectiva,
el Cp y el Cpk.
1210 2105
1275 2230
1400 2250
1695 2500
P. Reyes 203
EN CASOS ESPECIALES COMO ESTOS
DONDE LAS VARIACIONES PRESENTES SON
TOTALMENTE INESPERADAS
TENEMOSUN PROCESO INESTABLE o “IMPREDECIBLE”. ?
? ?
? ?
? ?
P. Reyes 204
6.3 Proceso en control
SI LAS VARIACIONES PRESENTES SON IGUALES,
SE DICE QUE SE TIENE UN PROCESO “ESTABLE”.
LA DISTRIBUCION SERA “PREDECIBLE” EN EL TIEMPO
Predicción
Tiempo
P. Reyes 205
6.3 Control y Capacidad de Proceso
Control de Proceso:
Capacidad de Proceso:
P. Reyes 206
6.3 Proceso en control estadístico
La distribución de la mayoría de las características medidas forman una curva en
forma de campana o normal, si no hay causas especiales presentes, que alteren
la normalidad . ¿cuales son las causas comunes?
x Area entre 0 y 1s
-Probabilidad de Ocurrencia
Distribución
del Proceso
_
x = media
34% 34% s= sigma; es la
desviación
estándar; medida
de la variación
14 % 14 % del proceso.
2% 2%
-3s -2s -1s x +1s +2s 3s
99.73% P. Reyes 207
6.3.. Desviación Estándar del proceso
=R o =S
d2 c4
Donde,
= Desviación estándar de la población
d2 = Factor que depende del tamaño del subgrupo en la carta de
control X - R
C4 = Idem al anterior para una carta X - S
NOTA: En una carta por individuales, d2 se toma para n = 2 y
RangoMedio=Suma rangos / (n -1)
P. Reyes 208
6.3 Capacidad del proceso
Cp = (LSE - LIE) / 6
P. Reyes 209
6.3 Ejemplo (carta X - R)
P. Reyes 212
6.4 Capacidad de los
sistemas de medición
P. Reyes 213
6.4 Definiciones
Exactitud
Desviación respecto del valor verdadero del promedio de las
mediciones
Valor verdadero:
Valor correcto teórico / estándares NIST
Sesgo
Distancia entre el valor promedio de todas las mediciones y el
valor verdadero. Error sistemático o desviación
Estabilidad
La variación total en las mediciones obtenidas durante un
período de tiempo prolongado
Linealidad
Diferencia en los valores de la escala, a través del rango de
operación esperado del instrumento de medición.
Precisión
Medición de la variación natural en mediciones repetidas
P. Reyes 214
6.4 Posibles Fuentes de la
Variación del Proceso
Variación total del proceso,
observada
Variación
dentro de la Variación originada
Reproducibilidad
muestra por el calibrador
Calibración
REPETIBILIDAD
P. Reyes 216
6.4 Definición de la Reproducibilidad
Operador-B
Operador-C
Operador-A
Reproducibilidad
P. Reyes 219
6.4 Definición del Sesgo
Valor
Verdadero
Sesgo
P. Reyes 220
6.4 Definición de la Estabilidad
Tiempo 2
Tiempo 1
P. Reyes 221
6.4 Definición de la Linealidad
Valor Valor
verdadero verdadero
Sesgo Sesgo
Menor mayor
P. Reyes 222
6.4 Estabilidad del Calibrador
Cómo Calcularla…
P. Reyes 223
Error R&R = RPT2 + REPR2
Para la fase de control del proyecto,
• Precisión en relación a la variación sólo substituya la Tolerancia por
total Variación Total.
TV= R&R + PV
%R&R = R&R *100 PV= variación de parte = Rp x K3
Var. Total
• Identificar qué porcentaje de la variación total debe absorberse
como error de medición.
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qué tan crítico es
el grado de la medición.
>30%. ¡Inaceptable!
P. Reyes 224
EL VALOR DEL R&R ES UN PORCENTAJE DE LA VARIACION TOTAL DEL
PROCESO:
La dimensión verdadera de
las partes se encuentra en VARIACIÓN DE PARTE
algún lugar de la la región A PARTE
sombreada…
Lo que fue
medido
P. Reyes 226
6.4 Métodos de estudio del error R&R:
P. Reyes 228
6.4 Proc. para realizar un estudio de R&R
P. Reyes 229
6.4 Proc. para realizar un estudio de R&R
5. Continúe hasta que todos los operadores hayan medido las
muestras una sola vez (Este es el ensayo 1).
6. Repita los pasos 3-4 hasta completar el número requerido de
ensayos
7. Utilice el formato proporcionado para determinar las estadísticas
del estudio R&R
– Repetibilidad
– Reproducibilidad
– %R&R
– Desviaciones estándar de cada uno de los conceptos
mencionados
– Análisis del % de R&R contra Variación Total y contra
tolerancia
8. Analice los resultados y determine los pasos a seguir, si los hay.
P. Reyes 230
6.4 Ejemplo:
P. Reyes 231
6.4 Método corto
P. Reyes 233
1. Cálculo de las X-medias
Operador A Operador B
Pieza # 1er. Intento 2o. Intento Rango 1er. Intento 2o. Intento Rango Prom. Lecturas
1 9.376 9.358 9.354 9.361 9.362
2 9.372 9.320 9.372 9.372 9.359
3 9.378 9.375 9.278 9.277 9.327
4 9.405 9.388 9.362 9.370 9.381
5 9.345 9.342 9.338 9.339 9.341
6 9.390 9.360 9.386 9.370 9.377
7 9.350 9.340 9.349 9.349 9.347
8 9.405 9.380 9.394 9.381 9.390
9 9.371 9.375 9.384 9.385 9.379
10 9.380 9.368 9.371 9.376 9.374
Totales 93.772 93.606 93.588 93.580
Xmedia -A 9.3689 Xmedia-B 9.3584
P. Reyes 234
2. Cálculo de los Rangos
Operador A Operador B
Pieza # 1er. Intento 2o. Intento Rango 1er. Intento 2o. Intento XmediaP
Rango Prom. Lecturas
1 9.376 9.358 0.018 9.354 9.361 0.007 9.362
2 9.372 9.320 0.052 9.372 9.372 0.000 9.359
3 9.378 9.375 0.003 9.278 9.277 0.001 9.327
4 9.405 9.388 0.017 9.362 9.370 0.008 9.381
5 9.345 9.342 0.003 9.338 9.339 0.001 9.341
6 9.390 9.360 0.030 9.386 9.370 0.016 9.377
7 9.350 9.340 0.010 9.349 9.349 0.000 9.347
8 9.405 9.380 0.025 9.394 9.381 0.013 9.390
9 9.371 9.375 0.004 9.384 9.385 0.001 9.379
10 9.380 9.368 0.012 9.371 9.376 0.005 9.374
Totales 93.772 93.606 0.174 93.588 93.580 0.052
Xmedia - A 9.3689 Xmedia - B 9.3584
Rmedio-A
Rmedio A 0.0174 Rmedio-B
Rmedio B 0.0052
Rango de 0.0630
Xpartes
LSCR = D4 x Rmedia Probar que ningún rango salga de control 235
P. Reyes
3. Identificación de Parámetros del Estudio y Cálculos
Totales 93.772 93.606 0.174 93.588 93.580 0.052
RmediaA 9.3689 XmediaB 9.3584
Rpartes
RmedioA 0.0174 RmedioB 0.0052
Rpartes 0.0630
Rango
de
Ancho de tolerancia====> 0.25 X-media máx.=> 9.3689
Medias
r Número de intentos => 2 X-media min => 9.3584 de
n Número de partes ==> 10 Diferencia 0.0105
partes
Número de operadores 2 de X-medias
EV = R x K1 = 0.0515
P. Reyes 238
6.4 Cálculo de R&R
PV = Rparte x K3 = 0.1021
P. Reyes 239
6.4 Cálculo de R&R
P. Reyes 243
7. CONTENIDO
2. Trabajo en equipo
5. Ejemplos
P. Reyes 244
7.1 Proceso de Cambio organizacional
P. Reyes 245
7.1 Organizaciones tradicionales
Patrocinadores
Facilitador de Facilitador de
Facilitador de
Procesos / Procesos de
Mantenimiento /
Proyectos Recursos Humanos
Proyectos
Tipos de equipos: Kaizen, Tarea, Proyectos, CCC,
P. Reyes
celdas de mfra., unidades de negocio 248
7.1 Reestructuración organizacional
• Normas de trabajo
• Métodos para la medición del trabajo: estudios de
tiempo, muestreos, estándares
• Curvas de aprendizaje
P. Reyes 249
7.1 Equipos Kaizen
P. Reyes 250
7.1 Estrategias para
Recursos Humanos
• Eliminar continuamente actividades que no agregan
valor
• Reducir el número de categorías ampliando alcance de
los puestos
• Proporcionar recomendaciones a la Alta Dirección sobre
métodos para aplanar la organización
P. Reyes 252
7... Consejos para administradores
1. Mantener actitud positiva.
P. Reyes 253
7... Consejos para administradores
9. Tener empatía con la gente.
- Reclutamiento y selección.
- Orientación.
P. Reyes 255
7.2 Equipos de trabajo
• OBJETIVOS
P. Reyes 256
7.2 Introducción
HAY TRES PUNTOS IMPORTANTES EN RELACION A:
EQUIPOS DE TRABAJO
O
CIRCULOS DE CALIDAD
OBJETIVOS
3.- LA FORMACION DE UNA DEL
CULTURA EQUIPO
P. Reyes 257
7.2 ¿Qué es un...?
CIRCULO DE CALIDAD?
EQUIPO DE TRABAJO?
en estrecha interrelacion,
interacción y comunicación
dirigidas hacia un
OBJETIVO COMUN
P. Reyes 259
7.2.. Análisis de Fuerzas
EQUIPO
DE
TRABAJO
DESINTEGRACION
DEL EQUIPO
LOGRO DE METAS Y DE
OBJETIVOS COMUNES
P. Reyes 260
7.2 Ejemplos de fuerzas negativas
INCAPAZ DE
PRIORIDADES DE OBJETIVO PARTICIPAR EN LOS
DEPARTAMENTO INTERESES DEL
DEL
EQUIPO
EQUIPO
CONFLICTO DE OBJETIVOS
EQUIPO PERSONALES
P. Reyes 261
7.2 El objetivo del equipo
EL OBJETIVO DEL EQUIPO ELIMINA LAS FUERZAS NEGATIVAS
1.-Este objetivo debe ser definido por todos los integrantes del
Equipo y este debe ser medible y con fecha de cumplimiento.
________________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
P. Reyes 262
7.2 ¿QUE PUEDO HACER YO PARA AYUDAR
A LOGRAR LOS OBJETIVOS DEL EQUIPO...?
1.-__________________________________________________________
__________________________________________________________
__________________________________________________________
2.-__________________________________________________________
__________________________________________________________
__________________________________________________________
3.-__________________________________________________________
__________________________________________________________
__________________________________________________________
4.-__________________________________________________________
__________________________________________________________
__________________________________________________________
P. Reyes 263
7.2 Normas de los equipos
SEGURIDAD
LA SEGURIDAD OTROS LA CALIDAD
EL MANTENIMIENTO DEL
MANTENIMIENTO EQUIPO LA PRODUCCION
P. Reyes 264
7.2 Normas de los equipos
1.- Ser puntual y asistir a todas las reuniones ( a menos que el
equipo acuerde lo contrario ).
2.- Nunca enojarse se tenga o no razón.
3.- Cumplir con las asignaciones.
4.- Cumplir con las fechas compromiso., etc.
1.- __________________________________________
2.- __________________________________________
3.- __________________________________________
P. Reyes 265
7.2 Responsabilidades del equipo
PROMOVER EL ESPIRITU
DE COLABORACION EN
LOS INTEGRANTES DEL
EQUIPO A TRAVES DE:
COOPERACION
ASISTENCIA COMUN
P. Reyes 266
7.2 Organización de los equipos
P. Reyes 267
7.2 Organización de los equipos
¿EN DONDE SE REUNEN...?
1.-SE REUNEN EN UN LUGAR ESPECIAL
EN EL AREA DE TRABAJO
P. Reyes 268
7.2 Organización de los equipos
P. Reyes 269
7.2 ¿De quién necesitan apoyo . . . ?
P. Reyes 270
7.2 El líder del equipo
LIDER:
ES AQUEL QUE GUIA, ENSEÑA Y DA EL EJEMPLO A SU
EQUIPO DE MEJORA CONTINUA. DEBEN TENER....
FLEXIBILIDAD
PACIENCIA
HONESTIDAD
HABILIDAD DE COMUNICARSE
Y
ELIMINAR EL FRACASO
HACIENDO POSIBLE LO IMPOSIBLE
P. Reyes 271
7.2 De quién necesitan apoyo
EQUIPOS DE
MEJORA CONTINUA
LIDER DE EQUIPO
EQUIPO DE TRABAJO
DE APOYO
EQUIPO GERENCIAL
P. Reyes 272
7.2 Problemas comunes
P. Reyes 273
7.2 Problemas comunes
P. Reyes 274
7.2 Problemas comunes
P. Reyes 275
7.2 Problemas comunes
P. Reyes 276
7.3 Manejo efectivo de
Juntas y reuniones
P. Reyes 277
7.3 Tipos de reuniones
• Para control y mejora (30-60 min.)
– Asignar tareas y responsabilidades.
– Contribuir a procesos de solución de problemas.
P. Reyes 278
7.3 Tipos de reuniones
• De memorandum (5 – 10 min.)
– Avisos escritos de diversa índole.
P. Reyes 279
7.3 Función del coordinador
P. Reyes 280
7.3 Funciones del coordinador
1.- Pedir ideas a todo el grupo y en forma Individual.
2.- Mantener la junta en el tema.
P. Reyes 282
7.3 Ejercicio
NOTAS
¿ Como se comporto el equipo . . . ?
___________________________________________________
____________________________________________________
____________________________________________________
____________________________________________________
P. Reyes 283
7.3 Ejercicio
¿ Como se comportaron los integrantes . . . ?
____________________________________________________
____________________________________________________
____________________________________________________
____________________________________________________
¿ Por que . . . ?
____________________________________________________
____________________________________________________
____________________________________________________
P. Reyes 284
7.4 Solución de problemas por
medio de la Ruta de Calidad
P. Reyes 285
7.4 Los 11 pasos de la Ruta de la
calidad
1. Selección del problema
2. Razón de la selección
3. Establecimiento de objetivos
4. Programa de actividades
5. Diagnóstico de la situación actual
6. Identificación de causas
7. Análisis de soluciones
8. Implantación de soluciones
9. Verificación de soluciones
10. Prevención de la reincidencia y
estandarización
11. Reflexiones y tareas futuras
P. Reyes 286
7.4 La ruta de la calidad
1.- SELECCIÓN DEL TEMA
10.- PREVENCION DE LA
ACTUAR REINCIDENCIA POR INICIATIVA
A HACER
11.- REFLEXION Y TAREAS
UN EJEMPLO
FUTURAS
INMEDIATAMENTE
P. Reyes 287
7.4 Beneficios de la ruta de la
calidad
P. Reyes 288
1. Selección del problema
P. Reyes 289
1. Selección del problema
P. Reyes 291
1. Selección del problema
Seguridad Calidad
Entrega Costo
Moral
P. Reyes
2 GUOQCSTORY.PPT
292
2. Razón de la Selección
¿Porque?
P. Reyes
3 GUOQCSTORY.PPT
293
2. Razón de la Selección
*Expresar los antecedente, la importancia y la prioridad de los
problemas.
Entre todos los integrantes del equipo pueden evaluar las razones
arriba descritas mediante las 7 herramientas básicas, las 7 nuevas
herramientas, etc; y enfocarse en un solo tema.
P. Reyes
4 GUOQCSTORY.PPT
294
2. Razón de la Selección
Ejemplo 1: Se enfoca el tema de manera multilateral con la matriz de evaluación
Criterio de evaluación 3 puntos 2 puntos 1 punto
Evaluación
DEVOLUCIONES 12 Puntos
1er. lugar
10 Puntos
ENTREGAS TARDIAS 2o. lugar
10 Puntos
DOCS. INADEC. 2o. lugar
9 Puntos
NIVEL SERVICIO 3er. lugar
P. Reyes 295
Ejemplo2 : Utilización de la gráfica lineal y el diagrama de Pareto.
n = 5,000
x = 0.48 %
% de incidencia
(%)
1
0.51 0.53
0.45 0.47 0.46
0.8 0.46
objetivo del grupo 0.3%
0.6
6/mayo-11 13 - 16 20 - 24 27 - 31 3/junio - 7 10 - 15
0.4
n = 170
0
170 100
% ACUMULADO
160
140
80
120
30 %
100
51 60
80 31 27 25 20
60 16 40
CONTAMINACION
ALTURA MAYOR
ADHESION
MULTIPLE
Y MENOR
40
CORTE
CORTE
DOBLE
PORO
BAJA
20
20
0 0
Al verificar el grado de incumplimiento respecto al 0.3% del objetivo de grupo y además de investigar
las causas de incumplimiento se encontró que ”DOBLE CORTE" es el más problemático,
296
por lo que se seleccionó como tema.
P. Reyes
5 GUOQCSTORY.PPT
3. Establecimiento de objetivos
PUNTO CRITICO ACTIVIDADES
* Aclarar la meta del valor del objetivo. * Indicar el objetivo con valores en forma numérica
en lo posible.
* No plasmar simplemente los deseos y * El objetivo debe tener relación con el
expectativas en el objetivo, si no esta- efecto esperado .
blecer un objetivo factible de manera es-
calonada.
* El objetivo debe de ser concreto.
* Establecer un objetivo con fundamento, Ejemplo:
no se debe tomar una decisión de impulso ¿QUÉ? ****** Reducir el defectuoso en productos A
(sin analizar).
¿HASTA CUÁNDO?****De Mayo del 97 a
(Punto clave para establecer el valor Abril del 98
objetivo). ¿HASTA CUANTO?****Bajar hasta 1% ó
* Definirlo tomando en cuenta las políticas menos del 1% promedio de defectuoso.
de la empresa.
Establecer un objetivo que tenga relación con la selección del tema y razón de la selección.
P. Reyes 297
Ejemplo n° 1 Establecimiento del
Objetivo con fundamento
IGUALAR AL
(%) 8 x 1 NIVEL PAIS
6 1
2 2 IGUALAR AL
4
4 3 2
PASADO
2 3 IGUALAR A
OTRAS LINEAS
0 4 ESTABLECER
10 11 12 1 2 3 4 EN BASE A LA
POLITICA
6 MESES
El objetivo debe ser establecido en consenso OBJETIVO
P. Reyes
FINAL 298
Ejemplo n° 3: Establecimiento gradual del objetivo
CONDICION ACTUAL
(%) 6
V P
5
4
E E 3 OBJ. PRIMARIO
N R 2
1 OBJ. SECUNDARIO 0%
T D
A I 0 1 2 3 4 5 6
S D OBJETIVO FINAL
A
S
PERIODO DE TIEMPO
P. Reyes
7 GUOQCSTORY.PPT
299
4. Programa de actividades
ASIGNACION DE LAS TAREAS
POR QUE ? QUE ? QUIEN ? CUANDO ? COMO ? DONDE ?
PROPOSITO CONCEPTO DE ACT. RESP. FECHA
CONOCER LA HOJA DE
COMPRENDER LA
SITUACION Juan Pérez may-97 CHEQUEO Y Máquina
SITUACION ACTUAL
ACTUAL GRAFICA
DIAGRAMA DE
¿QUE ESTA
ANALISIS TODOS JUN. 97 CAUSA Y Reunión
MAL ?
EFECTO
¿COMO SE PLAN DE
ACCIONES
PUEDE TODOS JUN. 97 ACCIONES Reunión
CORRECTIVAS
MEJORAR ? CORRECTIVAS
¿SE PUEDE
CONFIRMAR EFECTO TODOS JUL. 97 GRAFICA Máquina
MEJORAR ?
CAMBIO DE ING.
EMISION DEL
PROCEDIMIENTOS Y PRODUCT JUL. 97 Máquina
CAMBIO
PREVENCION ESPECIFICACIONES O.
DE
REINCIDENCIA REFLEXION DE LAS
LLUVIA DE
ACTIVIDADES Y TODOS ene-98 Reunión
IDEAS
TAREAS FUTURAS
P. Reyes
8 GUOQCSTORY.PPT
300
5. Diagnóstico de la situación actual
PUNTO CRITICO ACTIVIDADES
Observar de manera exhaustiva la condición real de * Investigar a fondo de manera que se pueda
lo problemático y checar a través de los datos. dar el siguiente paso (análisis).
Investigar la diferencia en las variaciones del * Investigar clasificando por tiempo, proceso, turno
comportamiento de los fenómenos. operador, método de operación, material, lote,
procedimiento, tipo de máquina, clima,
Lo que se busca es confirmar la condición real no temperatura, humedad, operación, estándar
encontrar las ideas de solución.
* De inmediato ver físicamente las cosas en campo, siendo realista, mostrar gráficamente lo investigado de
tal forma que se vean fácilmente las diferencias, problemas, etc. Usar las 7H’s, concluir e iniciar análisis.
EJEMPLO No. 1 PARETO 100%
100
80%
80 60%
60 40%
40
20%
20
0
80% VITALES
20% TRIVIALES
P. Reyes 301
6. Identificación de causas
DIAGRAMA DE CAUSA EFECTO
ISHIKAWA O ESPINA DE PESCADO
P. Reyes 302
6. Identificación de causas
Determinar las causas raíz.
1. Análisis de posibles causas.
2. Relación causa-efecto.
3. Uso de herramientas.
4. Cuantificación de posibles
causas
5. Selección de causas reales.
6. Experimentación y prueba de
hipótesis y causas probables.
7. Determinación de causas reales.
P. Reyes 303
6. Identificación de causas
PUNTO CRITICO ACTIVIDADES
- Identificar las posibles causas verdaderas - En base al conocimiento de la situación actual,
(factores) del análisis de la situación actual identificar las posibles causas verdaderas o factores
- Se utiliza el diagrama de causa-efecto (Ishikawa) VERIFICAR CADA UNO DE LOS FACTORES
como una alternativa de análisis - Repetir la pregunta "porqué" 4-5 veces
- Buscar la causa(s) real(es) desde los factores. - Ir a piso a verificar físicamente cuantas veces
- Hay casos en que se pueden conseguir los efec- sea necesario, sobre todo observar bien.
tos (resultados) de un análisis al investigar a fon- - Analizar a fondo involucrando al jefe inmediato,
do la situación actual. staff y las áreas relacionadas.
* Identificar las causas reales en forma resumida. No se debe tratar de solucionar un problema diciendo
excusas. Ejemplo: "Es la primera vez que aparece“, "No tenemos experiencia", etc.
1. Definición de soluciones.
2. Evaluación de éstas.
5. Desarrollo de plan de
implementación.
P. Reyes 305
7. Análisis de soluciones
PUNTO CRITICO ACTIVIDADES
* Eliminar la causa real que se encontró como resul- * Planear las medidas correctivas para cada una
tado del análisis. (no eliminar los fenómenos) de las causas encontradas a través del análisis.
* Recabar todas las ideas de los miembros del gru- * Dividir las medidas correctivas en dos tipos:
po, jefe inmediato y personas relacionadas. 1) Medida contingente provisional
* Pensar medidas físicas, más que personales, pa- 2) Medida correctiva. sobre las causas raíz
ra que la acción correctiva sea estable y sin para prevenir la reincidencia
variación. (poka-yoke)
•Evaluar las ideas de Kaizen. Hacer una evaluación de efectos, factibilidad, economía, grado de tecnología,
operatividad, seguridad, etc. Elaborar propuesta operativa y preparar los recursos requeridos.
EJEMPLO No. 1:
Evaluación
Factibilidad
Prioridad
FECHA
3 PUNTOS
Efecto
LIDER
2 PUNTOS 1. CONTROLAR
1 PUNTO ESPESORES EN MAQ.
5 J Pérez. Junio 97
A. CONTROL DE
ESPESORES
2. VERIFICAR 4 OPERADORES Junio 97
P. Reyes
14 GUOQCSTORY.PPT
306
8. Implantación de soluciones
P. Reyes
15 GUOQCSTORY.PPT
307
8. Implantación de soluciones
1. Explicación de implementación.
P. Reyes 308
8. Implantación de soluciones
PUNTO CRITICO ACTIVIDADES
* Realizar las medidas como se habian acordado * Antes de aplicar las medidas correctivas
* Verificar si no hay efectos secundarios * Probar las ideas de mejora, investigar efectos
* Dar capacitacion y entrenamiento. secundadarios que puedan afectar al producto o áreas*
Los equipos implantan las acciones correctivas y después poner en práctica las luciones.
* Obtener la aprobación de las áreas relacionadas, turno o puesto, Jefe inmediato etc. Es decir,
Comunicar a todos los involucrados de la mejora a realizar.
EJEMPLO 1
LISTADO DE LAS MEDIDAS CORRECTIVAS
¿A QUE? - ¿COMO?
NO CUANDO DONDE RESU JUICIO QUIEN
TOPE PROC. DE LTAD
LIMPIEZA O
AUNQUE SE DA
BARRA DE EFECTO J. PÉREZ
1 JULIO 97 APLICACION NO ES PERSISTENTE
P. Reyes 309
8. Implantación de soluciones
PARA LA LINEA DE PAPEL:
APLICACIÓN
ANTERIOR
DEL PAPEL
P. Reyes
9. Verificación de soluciones
PUNTO CRITICO ACTIVIDADES
* Verificar hasta obtener efectos estables ampliando * Hacer análisis comparativo antes y después
los datos históricos en gráficas de la etapa de * En caso de aplicar varias medidas
correctivas
"razón de selección del tema" , Verificar los efectos intangibles sin omisiones
* Comparar el efecto en gráfica entre antes y después
de KAIZEN respecto al objetivo. confirmar el efecto sobre cada concepto de
(relación humana, capacidad, trabajo en equipo, contramedidas.
entusiasmo, área de trabajo alegre).
* Determinar los beneficios monetarios, indirectos e intangibles.Investigar si existen áreas y operaciones
similares tanto dentro como fuera de la planta, para aplicar las mismas contramedidas. Dar reconocimiento.
Ejemplo 1.
% 2.5
2.33
D 2.19
2.1 2.14
2.22 %D < 1 %
2
E
2
1.9
1.8 1.76
F 1.5
1.7
1.6
1.5
E 1.32
1.4
1.3
1.2
C 1
0.9 0.94
1.1
1
0.99 0.94
0.87
T 0.79
U 0.5
S
311
0
O may-97 jun-97 jul -97 ago-97
P. Reyes
sep-97 oct-97 nov-97 di c-97 ene-98 feb-98 Mzo-98 abr-98
Ejemplo 3.
9.5
10
8 6.85
6 3.3 3.27
%
4 2.66
2 0.9
0
MONCKS C. DUMFRIES COREA BRASIL JAPON MEXICO
P. Reyes 312
10. Prevención de la reincidencia –
Estandarización
5W
Por Cuán
1H Qué Donde Quién Cómo
Medidas qué do
1
correctiva
What Where When Who How
s
Why
2
CORRECTA CHE
INTEGRAR
APLICACIÓN QUE
TOPE APLICA J.
DE PAPEL. TOPE JULIO O
DOR PEREZ
DE 97 VISU
PAPEL AL
TISSUE
INST.PARA
ELABORAR PARA
APLICAR PROCESO PRO
PROCEDIMIEN ESTANDARIZAR AGOSTO ING. DE
DE PAPEL DEL CEDI-
TO LAS 97 PRODUC
TISSUE USUARIO MIEN
OPERACIONES TO
TO
P. Reyes
11. Reflexiones
Análisis de resultados
1. Comparación cuantitativa.
2.Evaluación cuantitativa de resultados
intangibles.
3. Análisis del impacto económico
4. Presentación de resultados
Conclusiones
1. Evaluación objetiva.
2. Descripción de problemas pendientes.
3. Descripción del plan de acción.
P. Reyes 317
11. Reflexiones y tareas futuras
P. Reyes 318
11. Reflexiones y tareas futuras
PUNTOS CRITICOS ACTIVIDADES
* Aclarar la diferencia entre la planeación y el resul- * Aclarar los puntos positivos y negativos.
tado. Reflexionar sobre la satisfacción lograda. * Registrar las actividades tomando en cuenta
* Resumir los planes futuros en forma concreta. el efecto físico, QC Story, administración de
* Aprovechar puntos positivos de resultado y apren-grupo, juntas, herramientas, programa,
der de puntos negativos. asignación de funciones, entusiasmo
EJEMPLO:
A) Efecto físico. A
B) Participación. J B
C) Aprovechamiento
del método QC.
D) Trabajo en equipo. I C
E) % Participación en
juntas.
F) Puntualidad H
G) Asignación de D
funciones.
H) Mejora de G
conocimiento.
E
F
I) % de cumplimiento
de programa.
J) No. de juntas. Gráfica de Radar
P. Reyes 319
7.5 Ejemplos
P. Reyes 320
8. Métodos de muestreo
P. Reyes 321
Muestreo aleatorio estadístico
Muestra n
Lote N
P. Reyes 322
Muestreo de aceptación
P. Reyes 324
Formación de lotes y muestreo
P. Reyes 325
Muestreo por atributos
P. Reyes 326
Muestreo simple por atributos
• Se define por su tamaño de muestra n y el número de
aceptación c máxima de partes defectivas (N tamaño de
lote)
n = tamaño.de.muestra
c = criterio.de.aceptacion
d = defectivos.encontrados.en.la.muestra
p = fraccion.defectiva.en.el.lote
c
n!
Pa = P (d c ) = p (1 - p )
d n-d
d = 0 d !( n - d )!
P. Reyes 329
Muestreo simple por atributos
Variar la p de 0.005, 0.01 – 0.09 y
Obtener la curva OC Tipo A, N <= 10n.
Se usa la distribución Hipergeométrica
P. Reyes 330
Diseño de un plan de muestreo
con una curva OC específica
• Si se quiere un plan en el cual p1 = 0.01 y alfa = 0.05,
p2=0.06 y beta = 0.1 se procede como sigue:
9 lotes son
Entrada de 100 aceptados a pesar
n =200
lotes de cierto de tener un 2%
proveedor con Pa c=1
defectivo:
N=10,000 y
Es decir ingresan
p = 0.02
P=0.02 88,820 piezas OK
AOQ
Y 1800 piezas KO
P. Reyes 334
Inspección rectificadora
Variar la p de 0.005, 0.01 – 0.09 y
Obtener la curva ATI para N grande
Se usa la distr. Binomial o de Poisson
N=5,000
N=1,000
p
P. Reyes 336
Planes de muestreo doble
• Bajo ciertas circunstancias es necesario tomar una
segunda muestra para tomar una decisión.
Muestras n1 y n2 con criterios de aceptación c1 y
c2 Inspeccionar 1a.
Muestra con n1=50
d1 = # de defectivos Si
Si
d1 > c2 = 3
d1<=c1=1
1< d1 <= 3 Rechazar lote
Aceptar lote Inspeccionar 2a.
Muestra con n2=50
d2 = # de defectivos
Si d1 + d2 Si d1+d2 > c2
<= c2 =3 Con c2 = 3
Aceptar lote Rechazar lote
P. Reyes 337
Curva OC – Muestreo doble
Pa Probabilidad de rechazo
con Primera muestra
Probabilidad de
Aceptación con
Probabilidad de
Muestras combinadas
Aceptación con
Primera muestra
p
P. Reyes 338
Curva OC – Muestreo doble
Probabilidad de aceptación en el muestreo doble
P. Reyes 339
Curva OC – Muestreo doble
Probabilidad de rechazo
Pr = P + P
r
I
r
II
2
50!
P = 1-
I
(0.05) d 1 (1 - 0.05)50-d 1
d 1= 0 d1!(50 - d1)!
r
P = P (1) + P (2)
r
II
r
II
r
II
P. Reyes 340
Curva ASN – Average Sample Number
ASN bajo inspección completa
P. Reyes 341
Curva ASN – Average Sample Number
ASN bajo inspección recortada en 2a. Muestra al tener d >c2
c2
ASN = n1 + P(n1, j ) n2 PL (n2, c2 - j +
j = c1+1
c2 - j + 1
+ PM (n2 + 1, c2 - j + 2)
p
P(n1, j ) = probabilidad .de. j.defectivos.en.muestra.n1
PL (n2, c 2 - j ) = prob.de.obser var.c2 - j.o.menos.defectivos.en.muestra.n2
PM (n2 + 1, c 2 - j + 2) = prob.de.obser var.c2 - j + 2.defectivos.en.muestra.n2 + 1
P. Reyes 342
Curvas de ASN para diferentes planes de
muestreo: simple, doble y doble recortado
Plan: n1=60, n2=120, c1=2, c2=3
120
ASN
Inspección doble
completa
Inspección
90
simple
Inspección
recortada
60
0.02 0.04 0.06 0.08 0.10 0.12
p
P. Reyes 343
Diseño de planes de muestreo dobles
P. Reyes 344
Curva AOQ y ATI – Muestreo doble
P. Reyes 345
Muestreo múltiple
P. Reyes 347
Muestreo secuencial
• Se toma una secuencia de muestras de un lote n
dependiendo de los resultados de la inspección
1-Alfa
X RECHAZO = h2 + sn
h2/(h1+h2)
p 2 (1 - p1 )
k = log
p1 (1 - p 2 )
Beta
1 - p1
s = log k p1 s p2
1 - p2
1- Calcular ecuaciones
h2 = log k
para:
P. Reyes 350
Fórmulas muestreo secuencial
Número promedio de muestras inspeccionadas
A B Número de muestras que
ASN = Pa + (1 - Pa ) inspecciona el cliente
C C
unicamente
1- p 1 - p2
C = p log 2 + (1 - p) log
A = log B = log
p1 1 - p1
1-
P. Reyes 351
Uso de tablas de muestreo
MIL-STD-105E
ANSI Z1.4, ISO 2859
P. Reyes 352
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
• Requiere información de:
– Tamaño del lote N
– Doble
– Múltiple
– Inspección reducida
– Inspección estricta
P. Reyes 354
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
• Iniciando con Inspección normal, proporciona información
de:
– Tamaño de muestra n
– Criterio de aceptación Aceptar con
– Criterio de rechazo Rechazar con
P. Reyes 355
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
• Ejemplo: Si N = 2,000 y AQL = 0.65%, Nivel de
inspección II
P. Reyes 359
Muestreo por variables
P. Reyes 360
Muestreo por variables
Z = (LIE-Xm)/s
1.05 1.1 1.15 1.2 1.25 1.3 Dimensión X
P. Reyes 362
Muestreo simple por variables
Método I – Distancia k de X a Lim. Esp.
Pa
1 Curva característica de
0.8 Operación dado una
0.5 Tamaño de muestra n
0.3 y un criterio de aceptación k
0.1
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
P. Reyes 363
Determinación de la fracción
defectiva en la muestra por el Método II
Pasos:
1.Se toma una muestra de tamaño n
2. Se mide la característica de interés
3. Se calcula la Media y la desv. Estandar de la muestra
4. Se determina el valor de Qi y Qs en función de especs. LIE, LSE
4. Se determina el valor de P(Qt) = P(Qi) + P(Qs) bajo la normal
LIE X LSE
Aceptar el lote
Si P(Qtot) <= M
Qi Qs
s
P(Qi) P(Qs)
P. Reyes 364
Fórmulas
Q=Z n
(n - 1)
X - LIE
QLIE = n /( n - 1)
LSE - X
QLSE = n /( n - 1)
P. Reyes 368
Tablas de muestreo ANSI Z1.9
• Ejemplo: Si N = 2,000 y AQL = 0.65%, Nivel de inspección
II
P. Reyes 369
Tablas de muestreo ASQC-Z1.9
Método I con el valor de K
• Ejemplo: Si N = 40 y AQL = 1%, Nivel de inspección II teniendo
un Límite Superior de especificaciones LSE = 209
X A - 0.30 X A - 0.30
= = +1.645 - -(95%)
0.10
n n
X A - 0.40
= -1.282 - -(10%)
0.10
n
n=9
X A = 0.356
P. Reyes 372