Control estadistico de procesos

1. Control estadístico de procesos
Primera Parte

2. Control estadístico de procesos
• Control Estadístico de Proceso o SPC es un
método efectivo para monitorizar un proceso
a través del uso de gráficos de control.
• Los gráficos de control, basándose en técnicas
estadísticas, permiten usar criterios objetivos
para distinguir variaciones de fondo de
eventos de importancia.

3. Control estadístico de procesos
• Recopilando datos de mediciones en
diferentes sitios en el proceso, se pueden
detectar y corregir variaciones en el proceso
que puedan afectar a la calidad del producto o
servicio final, reduciendo desechos y evitando
que los problemas lleguen al cliente.

4. Control estadístico de procesos
Con su énfasis en la detección precoz y
prevención de problemas, SPC tiene una clara
ventaja frente a los métodos de calidad por
inspección, que aplican recursos para detectar
y corregir problemas al final del producto o
servicio.

5. Control estadístico de procesos
El SCP es una herramienta estadística que se utiliza
para conseguir el producto adecuado y a la primera.
Los gráficos de control constituyen el procedimiento
básico del SCP.
Con dicho procedimiento se pretende cubrir 3 objetivos
• Seguimiento y vigilancia del proceso
• Reducción de la variación
• Menos costo por unidad

6. Control estadístico de procesos
En 1924, como resultado de los problemas sobre
variación en los productos fabricados por la
Western Electric Company y diversos estudios
sobre muestreo, comenzaron a desarrollarse
los primeros gráficos de control.
En una memoria del 16 de mayo de 1924 del Dr.
Walter A. Shewart, de los laboratorios Bell,
podemos encontrar el primer gráfico de
control conocido.

7. Control estadístico de procesos
Definición de Proceso:
“Conjunto interrelacionado de recursos y
actividades que transforman inputs (entradas)
en outputs (salidas) para satisfacer las
necesidades de los clientes”

8. Control estadístico de procesos
Existen muchas técnicas para representar
gráficamente los datos de un proceso y poder
así estudiar su patrón de comportamiento.
Shewart propuso utilizar un gráfico lineal
donde los datos están ordenados
temporalmente, indicando además que había
dos causas de variación.

9. Control estadístico de procesos
“Causa aleatoria”
Estas causas son sucesos que provocan
pequeñas fluctuaciones en los datos “ruido de
fondo”, que no afectan al proceso global o
que puede resultar antieconómico corregirlas.
Aunque individualmente contribuyen con una
pequeña fluctuación, juntas determinan un
patrón normal de comportamiento.

10. Control estadístico de procesos
Por el contrario, existen otras causas de variabilidad
que pueden estar, ocasionalmente, presentes y que
actuarán sobre el proceso.
Estas causas se derivan, fundamentalmente, de tres
fuentes:
• Ajuste inadecuado de las máquinas
• Errores de las personas que manejan las máquinas
• Materia prima defectuosa

11. Control estadístico de procesos
La variabilidad producida por estas causas suele
ser grande en comparación con el “ruido de
fondo” y habitualmente sitúa al proceso en un
nivel inaceptable de funcionamiento.
Denominaremos a estas causas “causas
asignables’’

12. Control estadístico de procesos
“causa especial o asignable”.
Estas causas provocan variaciones que
ocasionan una separación significativa de los
datos respecto a la pauta esperada debida a
las causas aleatorias.

13. Control estadístico de procesos
• Un objetivo fundamental del SPC es detectar
rápidamente la presencia de “causas
asignables” para emprender acciones
correctoras que eviten la fabricación de
productos defectuosos.

14. Control estadístico de procesos
El Gráfico de Control es un gráfico en el cual se
representan los valores de algún tipo de
medición realizada durante el funcionamiento
de un proceso continuo, y que sirve para
controlar dicho proceso.

15. Control estadístico de procesos
Los gráficos de control tienen unos límites que
se obtienen a partir de los datos del proceso y
que delimitan las causas aleatorias de las
asignables.
Además, dado que los datos se ordenan
temporalmente, las tendencias y otras pautas
no naturales se pueden observar muy
fácilmente.

16. Control estadístico de procesos
Cuando a un proceso únicamente le afectan causas
aleatorias de variación, podemos decir que el
proceso está bajo control estadístico (o simplemente
bajo control).
• El hecho de que un proceso esté bajo control
estadístico, no implica necesariamente que esté
funcionando correctamente o cumplan con las
especificaciones (capacidad del proceso) y
cumpliendo las necesidades de los clientes

17. Control estadístico de procesos
Proceso
estable
Bajo control
Estadístico
Características
del
proceso
Estabilidad: El proceso sigue
comportamiento consistente esperado.
Capacidad: Los productos cumplen
con las especificaciones requeridas.

18. Control estadístico de procesos
• Si un proceso está fuera de control:
• Las predicciones sobre el futuro tienen una aplicación
práctica mínima.
• No podemos dirigir el proceso puesto que no sabemos que va
a ocurrir después.
• No podemos saber la capacidad de nuestro proceso.
• La mejora de los procesos es complicada.
• Si los clientes saben que el proceso está fuera de control,
pueden ser escépticos sobre nuestra capacidad de ofrecerles
nuestros productos o servicios dentro de sus necesidades, a
tiempo y todas las veces.

19. Control estadístico de procesos
• Hay que eliminar las causas especiales de variación
para conseguir un proceso bajo control y así:
• Calcular la capacidad de cumplir con las necesidades
de los clientes.
• Empezar a mejorar los procesos, reduciendo las
causas aleatorias de variabilidad.
• Predecir el comportamiento del proceso.
• Utilizar el proceso como benchmarking para otras
áreas.

20. Recopilación y Organización de la Información
Los datos son importantes, si pueden contestar
una pregunta y convertirse en información

21. Control estadístico de procesos
Muestreo de Aceptación. Concepto.
Procedimiento mediante el cual se puede decidir
si aceptar o rechazar un lote de productos, de
acuerdo a ciertas especificaciones de calidad.
Aplicación: inspección de materias primas,
productos semi-elaborados y otros
componentes; para determinar si éstos
cumplen con el nivel mínimo exigido.

22. Control estadístico de procesos
¿Qué es un defecto?
Es cualquier discrepancia de una característica
de calidad de su nivel o estado deseado o
estado que ocurre con una severidad
suficiente para causar que el producto o
servicio asociado no satisfaga los
requerimientos de uso planeados
Unidad defectuosa:
Es una unidad con uno o más defectos

23. Control estadístico de procesos
Clasificación de defectos
• Crítico: Vuelven al artículo no solamente
inútil sino peligroso.
• Mayores: Vuelven inútil el artículo
• Menores: Hacen el artículo menos útil de
lo que debería ser pero no necesariamente
inútil.

24. Control estadístico de procesos
Extracción de la muestra
Se requiere un muestreo que de muestras no
sesgadas; tal método es el muestreo
aleatorio simple.
Cuando es factible se puede además
utilizar la estratificación.

25. Control estadístico de procesos
Antes de construir un gráfico de control, tenemos que seguir una
serie de pasos para poder analizar los procesos:
• Analizar la característica de calidad de la que se desea hacer
el gráfico.
• Elegir el tipo de gráfico de control apropiado.
• Elegir los estadísticos para la línea central del gráfico y la
base para calcular los límites de control.
• Elegir un subgrupo racional o muestra.
• Diseñar un sistema para recoger los datos.
• Calcular los límites de control y dar instrucciones adecuadas a
todos los involucrados en el gráfico de control sobre su
significado y la interpretación de sus resultados

26. Control estadístico de procesos
• Definición de los términos
• El gráfico de control tiene:
• Línea Central que representa el promedio histórico
de la característica que se está controlando
• Límites Superior e Inferior que calculado con datos
• históricos presentan los rangos máximos y mínimos
de variabilidad.

27. Control estadístico de procesos
Definición de Términos
Subgrupos
Grupo de mediciones con algún criterio similar obtenidas de un
proceso
Se realizan agrupando los datos de manera que haya máxima
variabilidad entre subgrupo y mínima variabilidad dentro de
cada subgrupo Por ejemplo, si hay cuatro turnos de trabajo
en un día, las mediciones de cada turno podrían constituir un
subgrupo.
Media
Sumatoria de todos los subgrupos divididos entre el numero de
muestras
Rango
Valor máximo menos el valor mínimo

28. Control estadístico de procesos
Elección de la variable
La variable que se elija para los gráficos de
control X y R , tiene que ser una magnitud que
pueda medirse y expresarse con números, tal
como la dimensión, elgrado de dureza,
resistencia a la tracción, peso, etc.

29. Control estadístico de procesos
Elección del criterio de Formación de subgrupos
Los subgrupos deberían elegirse de forma que fueran
lo más homogéneo posible, y que de uno a otro
permitieran la máxima variación.
Un subgrupo debe estar formado por elementos que
estén fabricados lo más cercanos posible en el
tiempo. El siguiente subgrupo, por elementos
fabricados
posteriormente también en un corto espacio de
tiempo, y así sucesivamente; en especial, cuando el
principal objetivo de estos gráficos es detectar los
cambios de la media del proceso.

30. Control estadístico de procesos
Con este esquema de formación de subgrupos, a veces
es aconsejable que el intervalo de toma de muestras
varié un poco con respecto al tiempo estipulado
y que esta variación no sea predecible por el operario.
En cualquier caso , es mejor que el operario no
pueda saber cuáles serán los elementos que
integrarán
la muestra que se va inspeccionar.
El criterio más racional es aquel que se basa en el
orden en que se ha seguido la producción.

31. Control estadístico de procesos
Elección de Tamaño y frecuencia de los Subgrupos
Shewhart sugirió que cuatro elementos era el tamaño
ideal de los subgrupos
Se debe seleccionar subgrupos que la variación entre
ellos sea mínima , es conveniente que estos
subgrupos sean lo más pequeños posible
Cuanto mayor es el tamaño de la muestra, mas
estrechos son limites de control y más fácil resulta
detectar pequeñas variaciones. Pero para este caso
se utilizan otros gráficos utilizando la desviación

32. Control estadístico de procesos
En el terreno estadístico, es conveniente que los limites
de control se establezcan en base, a, por lo menos 25
subgrupos. Además, la experiencia indica que
cuando se inicia un grafico de control, los primeros
subgrupos pueden ser no representativos de lo que
se mida posteriormente

33. Control estadístico de procesos
Supongamos que tenemos una máquina de inyección
que produce piezas de plástico, por ejemplo de PVC.
Una característica de calidad importante es el peso de
la pieza de plástico, porque indica la cantidad de PVC
que la máquina inyectó en la matriz.
Si la cantidad de PVC es poca la pieza de plástico será
deficiente; si la cantidad es excesiva, la producción se
encarece porque se consume más materia prima.

34. Control estadístico de procesos
• En el lugar de salida de las piezas, hay un
operario que cada 30 minutos toma una, la
pesa en una balanza y registra la observación.
• Supongamos que estos datos se registran en
un gráfico de líneas en función del tiempo:

36. Control estadístico de procesos
Observamos una línea quebrada irregular, que
nos muestra las fluctuaciones del peso de las
piezas a lo largo del tiempo. Esta es la
fluctuación esperable y natural del proceso.
Los valores se mueven alrededor de un valor
central (El promedio de los datos), la mayor
parte del tiempo cerca del mismo.

37. Control estadístico de procesos
Pero en algún momento puede ocurrir que
aparezca uno o más valores demasiado
alejados del promedio.
¿Cómo podemos distinguir si esto se produce
por la fluctuación natural del proceso o
porque el mismo ya no está funcionando
bien?

38. Control estadístico de procesos
Todo proceso de fabricación funciona bajo ciertas
condiciones o variables que son establecidas por las
personas que lo manejan para lograr una producción
satisfactoria.

39. Control estadístico de procesos
• Los responsables del funcionamiento del
proceso de fabricación fijan los valores de
algunas de estas variables, que se denominan
variables controlables. Por ejemplo, en el
caso de la inyectora se fija la temperatura de
fusión del plástico, la velocidad de trabajo, la
presión del pistón, la materia prima que se
utiliza (Proveedor del plástico), etc.

40. Control estadístico de procesos
Hay una gran cantidad de variables que sería imposible
o muy difícil controlar.
Estas se denominan variables no controlables.
Por ejemplo, pequeñas variaciones de calidad del
plástico, pequeños cambios en la velocidad del
pistón, ligeras fluctuaciones de la corriente eléctrica
que alimenta la máquina, etc.
Los efectos que producen las variables no controlables
son aleatorios.

41. Control estadístico de procesos
La contribución de cada una de dichas variables
a la variabilidad total es cuantitativamente
pequeña.
Son las variables no controlables las
responsables de la variabilidad de las
características de calidad del producto.

42. Control estadístico de procesos
El uso del control estadístico de procesos implica algunas
hipótesis que describiremos a continuación:
1) Una vez que el proceso está en funcionamiento bajo
condiciones establecidas, se supone que la variabilidad de los
resultados en la medición de una característica de calidad del
producto se debe sólo a un sistema de causas aleatorias, que
es inherente a cada proceso en particular.
2) El sistema de causas aleatorias que actúa sobre el proceso
genera un universo hipotético de observaciones (mediciones)
que tiene una Distribución Normal.
3) Cuando aparece alguna causa asignable provocando
desviaciones adicionales en los resultados del proceso, se dice
que el proceso está fuera de control.

43. Control estadístico de procesos
• La función del control estadístico de procesos es
comprobar en forma permanente si los resultados
que van surgiendo de las mediciones están de
acuerdo con las dos primeras hipótesis.
• Si aparecen uno o varios resultados que contradicen
o se oponen a las mismas, es necesario detener el
proceso, encontrar las causas por las cuales el
proceso se apartó de su funcionamiento habitual y
corregirlas.

44. Control estadístico de procesos
• La puesta en marcha de un programa de
control estadístico para un proceso implica
dos etapas:
1a Etapa: Ajuste del Proceso
2a Etapa: Control del Proceso

45. Control estadístico de procesos
1a Etapa:
Ajuste del
Proceso
Proceso
Ajustado?
2a Etapa:
Control del
Proceso
NO
SI

46. Control estadístico de procesos
• Antes de pasar a la segunda etapa, se verifica si el
proceso está ajustado. En caso contrario, se retorna
a la primera etapa.
• En la 1ª etapa se recogen unas 100-200 mediciones,
con las cuales se calcula el promedio y la desviación
stándard:

47. • Luego se calculan los Límites de Control de la
siguiente manera:
• Estos límites surgen de la hipótesis de que la
distribución de las observaciones es normal.
• En general, se utilizan límites de 2 sigmas o de 3
sigmas alrededor del promedio.
• En la distribución normal, el intervalo de 3,09 sigmas
alrededor del promedio corresponde a una
probabilidad de 0,998.

48. Control estadístico de procesos

49. Control estadístico de procesos
• Se construye un gráfico de prueba y se traza una
línea recta a lo largo del eje de ordenadas (Eje X), a la
altura del promedio (Valor central de las
observaciones) y otras dos líneas rectas a la altura de
los límites de control.

50. Control estadístico de procesos
En el gráfico de prueba se representan los puntos
correspondientes a las observaciones con las que se
calcularon los límites de control y se analiza
detenidamente para verificar si está de acuerdo con
la hipótesis de que la variabilidad del proceso se
debe sólo a un sistema de causas aleatorias o si, por
el contrario, existen causas asignables de variación.

51. Control estadístico de procesos
Primera Parte
FIN