SlideShare una empresa de Scribd logo
1 de 58
Control estadístico de procesos
Segunda Parte
Control estadístico de procesos
Cuando las observaciones sucesivas tienen una
distribución normal, la mayor parte de los puntos se
sitúa muy cerca del promedio, algunos pocos se
alejan algo más y prácticamente no hay ninguno en
las zonas más alejadas.
Es difícil decir como es el gráfico de un conjunto de
puntos que siguen un patrón aleatorio de
distribución normal, pero sí es fácil darse cuenta
cuando no lo es.
Control estadístico de procesos
• Veamos algunos ejemplos de patrones No
Aleatorios:
• Una sucesión de puntos por encima
Control estadístico de procesos
• por debajo de la línea central.
Control estadístico de procesos
• Una serie creciente de 6 ó 7 observaciones...
Control estadístico de procesos
• o una serie decreciente
Control estadístico de procesos
Varios puntos
por fuera de los
límites de control
Patrón 1. Cambios en el nivel del
proceso
Introducción de nuevos trabajadores
Cambios en los métodos de
inspección
Mayor o menor atención de los
trabajadores
El proceso ha mejorado o
empeorado
Representa un cambio en el
promedio del proceso o en su
variación media.
Un punto fuera de los límites de
control o una tendencia clara y
larga que los puntos consecutivos
caen en un solo lado de la línea
central
Patrón 2. Tendencias en el
nivel del proceso
Deterioro o desajuste gradual
del equipo
Desgaste de las herramientas
de corte
Acumulación de desperdicios
en las tuberías
Calentamiento de máquinas
Cambios graduales del medio
ambiente
Tendencia: 6 o + valores
consecutivos crecientes o
decrecientes
Desplazamiento: 7 valores
consecutivos o + se ubican
a un lado o al otro del
promedio
Patrón 3. Ciclos recurrentes
(periodicidad)
Cambios periódicos en el ambiente
Diferencias en los dispositivos de
medición o de prueba
Rotación regular de máquinas u
operarios
Efecto sistemático producido por 2
máquinas, operarios o materiales
quese usan alternadamente
Desplazamientos cíclicos de un
proceso que se detectan cuando
se dan flujos de puntos
consecutivos que tienden a
crecer y luego decrecer en forma
similar
Patrón 4. Mucha variabilidad
Sobre control o ajustes innecesarios
en el proceso
Diferencias sistemáticas en la
calidad del material o en los
métodos de prueba
Control de 2 o más procesos en la
misma carta con diferentes
promedios
Señal de que existe una causa
asignable de mucha variación.
Se manifiesta mediante la alta
proporción de puntos cerca de
los límites de control, a ambos
lados de la línea central, y pocos
o ninguno en la parte central
Patrón 5. Falta de variabilidad
(estatificación)
Equivocación en el cálculo de
los límites de control
Agrupamiento en una misma
muestra a datos
provenientes de universos con
medias bastantes diferentes
que al combinarse
se compensan unas con otras.
Carta de control inapropiada
para el estadístico graficado
Una señal de que hay algo
especial en el proceso es
que prácticamente todos los
puntos se concentren en la
parte central del gráfico
Control estadístico de procesos
• Si no se descubren causas asignables entonces
se adoptan los límites de control calculados
como definitivos, y se construyen cartas de
control con esos límites.
Control estadístico de procesos
• Si sólo hay pocos puntos fuera de control (2 ó 3),
estos se eliminan, se recalculan la media, desviación
stándard y límites de control con los restantes, y se
construye un nuevo gráfico de prueba.
• Cuando las observaciones no siguen un patrón
aleatorio, indicando la existencia de causas
asignables, se hace necesario investigar para
descubrirlas y eliminarlas. Una vez hecho esto, se
deberán recoger nuevas observaciones y calcular
nuevos límites de control de prueba,
comenzando otra vez con la primera etapa.
Control estadístico de procesos
En la 2ª etapa, las nuevas observaciones que van
surgiendo del proceso se representan en el
gráfico, y se controlan verificando que estén
dentro de los límites, y que no se produzcan
patrones no aleatorios.
Control estadístico de procesos
• Como hemos visto, el 99,8 % de las observaciones
deben estar dentro de los límites de 3,09 sigmas
alrededor de la media.
• Esto significa que sólo una observación en 500 puede
estar por causas aleatorias fuera de los límites de
control.
• Cuando se encuentra más de un punto en 500 fuera
de los límites de control, significa que el sistema de
causas aleatorias que provocaba la variabilidad
habitual de las observaciones ha sido alterado por la
aparición de una causa asignable que es
necesario descubrir y eliminar.
Control estadístico de procesos
• En ese caso, el supervisor del proceso debe
detener la marcha del mismo e investigar con
los que operan el proceso hasta descubrir la(s)
causas que desviaron al proceso de su
comportamiento habitual. Una vez eliminadas
las causas del problema, se puede continuar
con la producción normal.
Control estadístico de procesos
• Si el proceso está bajo control, además de
situarse los puntos dentro de los límites de
control, todos los puntos del gráfico
presentarán una posición originada por el azar
sin la presencia de patrones especiales de
variabilidad.
Control estadístico de procesos
• No hay que confundir los límites de control con los límites de
tolerancia.
• Los límites de tolerancia son los valores de una determinada
característica que separan valores correctos e incorrectos de
la misma (fijados normalmente por el proyectista para que el
producto funcione adecuadamente)
• Los límites de control son aquellos entre los cuales el
estadístico considerado (sean valores individuales, medias,
medianas, recorridos desviaciones típicas, sumas acumuladas,
etc.) tiene una probabilidad muy alta de situarse cuando el
proceso está bajo control (no hay causa asignable).
Control estadístico de procesos
Cuando un proceso (que
suponemos sigue una
distribución Normal) se
desplaza respecto a sus
valores nominales o
aumenta su dispersión,
genera más elementos
defectuosos (más
elementos fuera de los
límites de tolerancia).
Control estadístico de procesos
Los gráficos de control se clasifican en dos tipos:
Variables y Atributos.
Si la característica de calidad puede medirse y
expresarse como un número la llamamos
variable. En tales casos es conveniente
describir la característica de calidad con una
medida de tendencia central y una medida de
dispersión mediante los llamados gráficos de
control por variables.
Control estadístico de procesos
• Los gráficos X son los más ampliamente
utilizados para controlar la tendencia central
mientras que los gráficos de rango (recorrido)
y de desviación típica se utilizan para
controlar la dispersión.
Control estadístico de procesos
Gráficos de Control por variables
Existen distintos tipos de Gráficos de Control por
variables: Individuales y Rango (X y R): se utiliza para
procesos con poca variación y/o cuyo muestreo es
costoso.
X-R: Controla el subgrupo de 10 o menos mediciones.
Mediana y Rango: controla el proceso en base a su
distribución, considerando el valor central y no la
media o promedio.
X-S: controla el proceso en base a subgrupos de más
de 10 elementos.
Control estadístico de procesos
Gráficos de control para variables
Ventajas
La mayoría de los procesos tienen operaciones y características
que son medibles.
La medición de la variable brinda información precisa sobre el
proceso.
El tener precisión en las mediciones permite, con menor
cantidad de muestras, interpretar el comportamiento del
proceso y tomar acciones preventivas en caso de ser
necesario.
Estos gráficos pueden explicar los datos del proceso en término
de la variación a corto plazo (rango o dispersión) y la
performance típica (posición central).
Gráficos de Control por Variables
para Mediciones Individuales
Gráficos de Control por Variables
para Subgrupos
Control estadístico de procesos
• Muchas características cualitativas no se
miden en una escala cuantitativa. En estos
casos, juzgaremos si una unidad de producto
es o no conforme si posee ciertos atributos o
contando el número de defectos que
aparecen en cada unidad de producto. Los
gráficos de control para estas características
se denominan gráficos de control por
atributos.
Control estadístico de procesos
En muchas ocasiones una línea de producción tiene
dificultades con dos o más características de calidad,
las cuales pueden o no ser llevadas a una escala de
medición.
Ante esta situación, se pueden aplicar los gráficos para
atributos, los cuales permiten el control de varias
características a la vez.
Los datos del tipo atributo respecto a una
característica de calidad solo tiene dos valores:
Bueno / Malo, Pasa / No Pasa ,
Defectuoso / No defectuoso Aprobado / Rechazado
Control estadístico de procesos
Gráficas de Control Por Atributos
Proceso en control
Método visual para monitorear un proceso se relaciona a la
ausencia de causas especiales en el proceso.
Gráfica p
Proporción de unidades defectuosas
Gráfica np
Número de unidades defectuosas por muestra constante
Gráfica c
Número de defectos por muestra constante
Gráfica u
Número de defectos por unidad
Control estadístico de procesos
Gráficas de Control Por Atributos
Gráfica p (Distribución Binomial)
Representa el porcentaje de fracción defectuosa.
Tamaño de muestra (n) varía.
Principales objetivos
Descubrir puntos fuera de control
Proporcionar un criterio para juzgar si lotes sucesivos
pueden considerarse como representativos de un
proceso
Puede influir en el criterio de aceptación
Control estadístico de procesos
Gráfica np (Distribución Binomial)
Se utiliza para graficar las unidades
disconformes Tamaño de muestra es
constante
Principales objetivos:
Conocer las causas que contribuyen al proceso.
Obtener el registro histórico de una o varias
características de una operación con el
proceso productivo.
Control estadístico de procesos
Gráficas de Control Por Atributos
Gráfica c (Distibución de Poisson)
Estudia el comportamiento de un proceso considerando el
número de defectos encontrados al inspeccionar una unidad
de producción.
El artículo es aceptable aunque presente cierto número de
defectos.
La muestra es constante
Principales objetivos
Reducir el costo relativo al proceso.
Determinar que tipo de defectos no son permitidos en
un producto
Control estadístico de procesos
Gráficas de Control Por Atributos
Gráfica u (Distibución de Poisson)
Puede utilizarse como:
Sustituto de la gráfica c cuando el tamaño de la muestra (n) varía
Estas se usan para controlar y analizar un proceso por los
defectos de un producto, tales como rayones en placas de
metal, número de soldaduras defectuosas de un televisor o
tejido desigual en telas.
Una gráfica c referida al número de defectos, se usa para un
producto cuyas dimensiones son constantes, mientras que una
gráfica u se usa para un producto de dimensión variable
Gráfica de Control por Atributos
Gráfica de Control
de Atributos
Piezas Defectuosas Defectos por pieza
Gráfica p Gráfica np Gráfica u Gráfica c
Calcular los Límites de Control
Control estadístico de procesos
Gráficas de Control Por Atributos
Ventajas
Resume varios aspectos de la calidad del
producto; es decir si es aceptable o no
Son fáciles de entender
Provee evidencia de problemas de calidad
Control estadístico de procesos
Gráficas de Control Por Atributos
Desventajas
Interpretación errónea por errores de los datos o los
cálculos utilizados
El hecho de que un proceso se mantenga bajo control
no significa que sea un buen proceso, puede estar
produciendo constantemente un gran número de no
conformidades.
Control estadístico de procesos
Controlar una característica de un proceso no significa
necesariamente controlar el proceso. Si no se define
bien la información necesaria y las características del
proceso que deben ser controladas, tendremos
interpretaciones erróneas debido a informaciones
incompletas.
ANÁLISIS DE LA CAPACIDAD
Capacidad del Proceso y Tolerancia
Si bien el ingeniero puede definir las especificaciones
sin tomar en cuenta el alcance del proceso, la
adopción de ese criterio puede tener consecuencias
graves.
• CASO 1: 6σ < USL - LSL
• CASO 2: 6σ = USL - LSL
• CASO 3: 6σ > USL - LSL
Caso I
Tolerancia > Capacidad
Caso II
Tolerancia = Capacidad
Caso III
Tolerancia < Capacidad
Control estadístico de procesos
• Capacidad del Proceso
La capacidad real de un proceso no se puede
calcular sino hasta que las gráficas x y R han
logrado obtener la mejora óptima de la
calidad sin necesidad de hacer una
considerable inversión en equipo nuevo o en
adaptación a éste.
• La capacidad del proceso es igual a 6σ cuando
el proceso está bajo control estadístico
Control estadístico de procesos
• Procedimiento rápido utilizando el rango
• Tome 20 sub grupos, cada uno de tamaño 4 y
un total de 80 mediciones Calcule el campo de
valores, R, de cada sub grupo
• Calcule el campo promedio,
• Calcule el valor de la desviación estándar de
la población
La capacidad del proceso será igual a 6σ
Control estadístico de procesos
Índice de Capacidad
Cp = USL – LSL / 6σ
»donde:
• Cp= Índice de la capacidad
• USL-LSL= Especificación superior menos la
especificación inferior
• 6σ= Capacidad del proceso
Control estadístico de procesos
Control estadístico de procesos
• Medición del Desempeño, Cpk
El índice de Cpk
muestra que tan bien
cumplen las
especificaciones los
productos fabricados
Control estadístico de procesos
Cp y Cpk
El valor de Cp no cambia cuando cambia el centro del
proceso
Cp=Cpk cuando el proceso se centra
Cpk siempre es igual o menor que Cp
El valor de Cpk=1 es un estándar normal consagrado
por la práctica. Indica satisfacción con las
especificaciones
El valor Cpk menor que 1 es indicativo de que
mediante el proceso se obtiene un producto que no
satisface las especificaciones
Control estadístico de procesos
Cp y Cpk
El valor de Cp menor que 1 es indicación de
que el proceso no es capaz
Si Cpk es 0 es indicación de que el promedio
es igual a uno de los límites de la
especificación
Un valor Cpk negativo indica que el promedio
queda fuera de las especificaciones
Control estadístico de procesos
• El Sistema de control tiene tres componentes:
• Una norma o meta, las cuales se definen durante los
procesos de planificación y diseño.
Establecen que se debe alcanzar. Estas normas y metas se
definen en las características de calidad, medibles, como por
ejemplo, las dimensiones de las piezas, el número de piezas
defectuosas, tiempos de espera, etc.
• Un medio de medición del éxito, necesitamos métodos para
medir esas características de calidad. Las mediciones nos
dicen qué se ha alcanzado en realidad.
• La comparación de los resultados reales con la norma junto
con retroalimentación, como base de la acción correctiva.
Las acciones a tomar frente al proceso persiguen tres
metas:
1. Poner el proceso bajo control Cuando el proceso
desarrolla una variación sin control, hay que
identificar las causas a las que principalmente se
debe dicha variación. Una vez que se han
identificado dichas causas, se procede a suprimirlas o
a contrarrestar sus efectos hasta lograr que el
proceso sea consistente, esto es, hasta que tenga
una variación controlada. Por tanto, controlar un
proceso significa remover las causas especiales de
variación a fin de que el proceso sea consisten-
te.
2. Reducir la variación
Una vez que se han tomado acciones para que el
proceso desarrolle una variación controlada,
deben emprenderse acciones sobre el proceso
mismo, a fin de reducir su variación. Lo que en
este caso importa es que el producto logre la
mayor uniformidad posible, teniendo como
punto de referencia el valor meta.
3. Lograr que sean cada vez más los productos
que estén más cerca del valor meta (calidad
clase mundial).
Beneficios de la utilización de gráficos
Los gráficos de control son una herramienta
efectiva para entender la variación de los
procesos y ayudan a conseguir el control
estadístico.
Dan información fiable de cuando se debería
ajustar el proceso y cuando no.
Beneficios de la utilización de gráficos
Cuando un proceso está bajo control, su rendimiento será
predecible.
Por lo que, tanto el productor como el cliente, serán conscientes
de los niveles de calidad de los productos o servicios.
Un proceso bajo control estadístico puede ser mejorado a través
de la reducción de la variabilidad natural o aleatoria.
Los gráficos de control proporcionan un lenguaje común para
comunicar información sobre el rendimiento de los procesos.
Control estadístico de procesos
Segunda Parte
FIN

Más contenido relacionado

La actualidad más candente

Taller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoTaller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoSandra Liliana
 
Interpretacion graficas de control
Interpretacion graficas de controlInterpretacion graficas de control
Interpretacion graficas de controlstemur
 
Cartas de control
Cartas de controlCartas de control
Cartas de controlEduardo Ray
 
Cartas de control
Cartas de controlCartas de control
Cartas de controlEna Ucles
 
Analisis de la operacion
Analisis de la operacionAnalisis de la operacion
Analisis de la operacionbencastillo13
 
Analisis de Capacidad de procesos
Analisis de Capacidad de procesosAnalisis de Capacidad de procesos
Analisis de Capacidad de procesosLaura Bernal
 
Estudio R & R Mejia
Estudio R & R  MejiaEstudio R & R  Mejia
Estudio R & R Mejiaguruclef01
 
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La DemandaAdministracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La Demandaguestb9bf58
 
1 metodologia-taguchi-u21
1 metodologia-taguchi-u211 metodologia-taguchi-u21
1 metodologia-taguchi-u21Alfredo Pagaza
 
Graficos de control
Graficos de controlGraficos de control
Graficos de controlLaura Bernal
 
Unidad 5-administracion-de-almacenes
Unidad 5-administracion-de-almacenesUnidad 5-administracion-de-almacenes
Unidad 5-administracion-de-almacenesEdgardo Gomez
 
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTROEmma Maria Jose
 

La actualidad más candente (20)

Taller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoTaller p y np sandra liliana patiño
Taller p y np sandra liliana patiño
 
Interpretacion graficas de control
Interpretacion graficas de controlInterpretacion graficas de control
Interpretacion graficas de control
 
tableros ergonomia
tableros ergonomiatableros ergonomia
tableros ergonomia
 
Cartas de control
Cartas de controlCartas de control
Cartas de control
 
Cartas de control
Cartas de controlCartas de control
Cartas de control
 
Estratificación
EstratificaciónEstratificación
Estratificación
 
Gráficas de control
Gráficas de controlGráficas de control
Gráficas de control
 
Graficos de control
Graficos de controlGraficos de control
Graficos de control
 
Metodologia de la distribucion en planta
Metodologia de la distribucion en plantaMetodologia de la distribucion en planta
Metodologia de la distribucion en planta
 
Gráficos de control
Gráficos de controlGráficos de control
Gráficos de control
 
Analisis de la operacion
Analisis de la operacionAnalisis de la operacion
Analisis de la operacion
 
Control Estadistico De Procesos
Control Estadistico De ProcesosControl Estadistico De Procesos
Control Estadistico De Procesos
 
Analisis de Capacidad de procesos
Analisis de Capacidad de procesosAnalisis de Capacidad de procesos
Analisis de Capacidad de procesos
 
Estudio R & R Mejia
Estudio R & R  MejiaEstudio R & R  Mejia
Estudio R & R Mejia
 
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La DemandaAdministracion De Operaciones I Unidad Ii Pronosticos De La Demanda
Administracion De Operaciones I Unidad Ii Pronosticos De La Demanda
 
1 metodologia-taguchi-u21
1 metodologia-taguchi-u211 metodologia-taguchi-u21
1 metodologia-taguchi-u21
 
Graficos de control
Graficos de controlGraficos de control
Graficos de control
 
Diagrama de ensamble
Diagrama de ensambleDiagrama de ensamble
Diagrama de ensamble
 
Unidad 5-administracion-de-almacenes
Unidad 5-administracion-de-almacenesUnidad 5-administracion-de-almacenes
Unidad 5-administracion-de-almacenes
 
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
2.1 METODOLOGIAS PARA LA CREACION DE CADENAS DE SUMINISTRO
 

Similar a Control estadistico de procesos segunda parte

Uc18 graficos control_shewart trb
Uc18 graficos control_shewart trbUc18 graficos control_shewart trb
Uc18 graficos control_shewart trbLuispin
 
Control estadístico de procesos.pdf
Control estadístico de procesos.pdfControl estadístico de procesos.pdf
Control estadístico de procesos.pdfKevinCan3
 
Control estadistico de la calidad
Control estadistico de la calidadControl estadistico de la calidad
Control estadistico de la calidadYaretzy Cota
 
Control estadistico-de-la-calidad
Control estadistico-de-la-calidadControl estadistico-de-la-calidad
Control estadistico-de-la-calidadJCS95
 
Control estadistico-de-la-calidad
Control estadistico-de-la-calidadControl estadistico-de-la-calidad
Control estadistico-de-la-calidadPaola Payán
 
Control estadistico
Control estadisticoControl estadistico
Control estadistico892906
 
Control estadistico de la calidad
Control estadistico de la calidadControl estadistico de la calidad
Control estadistico de la calidadYaretzy Cota
 
Gráficas de Control
Gráficas de Control  Gráficas de Control
Gráficas de Control BUAP
 
SPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros Yáñez
SPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros YáñezSPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros Yáñez
SPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros YáñezErnaldo Conejeros Yánez
 
Control estadístico de procesos_2023-1 (1).pdf
Control estadístico de procesos_2023-1 (1).pdfControl estadístico de procesos_2023-1 (1).pdf
Control estadístico de procesos_2023-1 (1).pdfAstridRiveraGuerrero1
 

Similar a Control estadistico de procesos segunda parte (20)

Uc18 graficos control_shewart trb
Uc18 graficos control_shewart trbUc18 graficos control_shewart trb
Uc18 graficos control_shewart trb
 
Ce ps 2-08.01.2011-parte x
Ce ps 2-08.01.2011-parte xCe ps 2-08.01.2011-parte x
Ce ps 2-08.01.2011-parte x
 
Control estadístico de procesos.pdf
Control estadístico de procesos.pdfControl estadístico de procesos.pdf
Control estadístico de procesos.pdf
 
Control estadistico de la calidad
Control estadistico de la calidadControl estadistico de la calidad
Control estadistico de la calidad
 
Control estadistico-de-la-calidad
Control estadistico-de-la-calidadControl estadistico-de-la-calidad
Control estadistico-de-la-calidad
 
Control estadistico-de-la-calidad
Control estadistico-de-la-calidad Control estadistico-de-la-calidad
Control estadistico-de-la-calidad
 
Control estadistico-de-la-calidad
Control estadistico-de-la-calidadControl estadistico-de-la-calidad
Control estadistico-de-la-calidad
 
Control estadistico
Control estadisticoControl estadistico
Control estadistico
 
Control estadistico de la calidad
Control estadistico de la calidadControl estadistico de la calidad
Control estadistico de la calidad
 
Unidad1[1]
Unidad1[1]Unidad1[1]
Unidad1[1]
 
Control estadistico de procesos
Control estadistico de procesosControl estadistico de procesos
Control estadistico de procesos
 
Gráficos de control
Gráficos de controlGráficos de control
Gráficos de control
 
Control estadistico de procesos
Control estadistico de procesosControl estadistico de procesos
Control estadistico de procesos
 
Gráficas de Control
Gráficas de Control  Gráficas de Control
Gráficas de Control
 
Protocolo 4
Protocolo 4Protocolo 4
Protocolo 4
 
Grafica de control
Grafica de controlGrafica de control
Grafica de control
 
SPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros Yáñez
SPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros YáñezSPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros Yáñez
SPC básico para Mejorar la Calidad y productividad Ernaldo Conejeros Yáñez
 
Control estadístico de procesos_2023-1 (1).pdf
Control estadístico de procesos_2023-1 (1).pdfControl estadístico de procesos_2023-1 (1).pdf
Control estadístico de procesos_2023-1 (1).pdf
 
Control estadístico de procesos 2020
Control estadístico de procesos 2020Control estadístico de procesos 2020
Control estadístico de procesos 2020
 
7 herramientas de la calidad
7 herramientas de la calidad7 herramientas de la calidad
7 herramientas de la calidad
 

Más de Primala Sistema de Gestion

Norma iso 28000 sistema de gestion de seguridad la cadena de suministros v...
Norma iso  28000  sistema de gestion de seguridad  la cadena de suministros v...Norma iso  28000  sistema de gestion de seguridad  la cadena de suministros v...
Norma iso 28000 sistema de gestion de seguridad la cadena de suministros v...Primala Sistema de Gestion
 
Panorama sobre la gestion de activos modelos conceptuales v 2020
Panorama sobre la gestion de activos modelos conceptuales v 2020Panorama sobre la gestion de activos modelos conceptuales v 2020
Panorama sobre la gestion de activos modelos conceptuales v 2020Primala Sistema de Gestion
 
Accion sobre los activos gestion de activos y sga v 2020
Accion sobre los activos  gestion de activos y sga v 2020Accion sobre los activos  gestion de activos y sga v 2020
Accion sobre los activos gestion de activos y sga v 2020Primala Sistema de Gestion
 

Más de Primala Sistema de Gestion (20)

Iso sistema integrado de gestion v 2020
Iso  sistema integrado de gestion v 2020Iso  sistema integrado de gestion v 2020
Iso sistema integrado de gestion v 2020
 
Reseña historica de ISO v 2020
Reseña historica de ISO v 2020Reseña historica de ISO v 2020
Reseña historica de ISO v 2020
 
Lean manufacturing kanban v 2020
Lean manufacturing  kanban v 2020Lean manufacturing  kanban v 2020
Lean manufacturing kanban v 2020
 
Lean manufacturing smed v 2020
Lean manufacturing smed v 2020Lean manufacturing smed v 2020
Lean manufacturing smed v 2020
 
Lean nivelado v 2020
Lean nivelado v 2020Lean nivelado v 2020
Lean nivelado v 2020
 
Lean jit v 2020
Lean jit v 2020Lean jit v 2020
Lean jit v 2020
 
Lean tpm v 2020
Lean  tpm v 2020Lean  tpm v 2020
Lean tpm v 2020
 
Lean manufacturing celularizacion v 2020
Lean manufacturing  celularizacion v 2020Lean manufacturing  celularizacion v 2020
Lean manufacturing celularizacion v 2020
 
Lean hk nk 2020
Lean hk nk 2020Lean hk nk 2020
Lean hk nk 2020
 
Lean jidoka 2020
Lean jidoka 2020Lean jidoka 2020
Lean jidoka 2020
 
Lean manufacturing gestion visual v 2020
Lean manufacturing gestion  visual  v 2020Lean manufacturing gestion  visual  v 2020
Lean manufacturing gestion visual v 2020
 
Lean poka yoke v 2020
Lean poka yoke  v 2020Lean poka yoke  v 2020
Lean poka yoke v 2020
 
La fabrica visual v 2020
La fabrica visual v 2020La fabrica visual v 2020
La fabrica visual v 2020
 
Iso norma iso 45001 presentacion v 2020
Iso  norma iso 45001 presentacion v 2020Iso  norma iso 45001 presentacion v 2020
Iso norma iso 45001 presentacion v 2020
 
Iso norma iso 45001 analisis v 2020
Iso norma iso 45001 analisis v 2020Iso norma iso 45001 analisis v 2020
Iso norma iso 45001 analisis v 2020
 
Norma iso 28000 sistema de gestion de seguridad la cadena de suministros v...
Norma iso  28000  sistema de gestion de seguridad  la cadena de suministros v...Norma iso  28000  sistema de gestion de seguridad  la cadena de suministros v...
Norma iso 28000 sistema de gestion de seguridad la cadena de suministros v...
 
Iso 22301 sgcn bcms v 2020
Iso 22301 sgcn bcms v 2020Iso 22301 sgcn bcms v 2020
Iso 22301 sgcn bcms v 2020
 
Gestion de activos rs y ods v 2020
Gestion de activos rs y ods v 2020Gestion de activos rs y ods v 2020
Gestion de activos rs y ods v 2020
 
Panorama sobre la gestion de activos modelos conceptuales v 2020
Panorama sobre la gestion de activos modelos conceptuales v 2020Panorama sobre la gestion de activos modelos conceptuales v 2020
Panorama sobre la gestion de activos modelos conceptuales v 2020
 
Accion sobre los activos gestion de activos y sga v 2020
Accion sobre los activos  gestion de activos y sga v 2020Accion sobre los activos  gestion de activos y sga v 2020
Accion sobre los activos gestion de activos y sga v 2020
 

Último

182305655-Manual-Torno-Cnc-Muy-Completo.pdf
182305655-Manual-Torno-Cnc-Muy-Completo.pdf182305655-Manual-Torno-Cnc-Muy-Completo.pdf
182305655-Manual-Torno-Cnc-Muy-Completo.pdfmanualvaca7
 
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdfESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdffredyflores58
 
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdfTR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdfFRANCISCOJUSTOSIERRA
 
Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............osoriosantiago887
 
Ejercicio 1 - Edificio en Galerías - Pro.
Ejercicio 1 - Edificio en Galerías - Pro.Ejercicio 1 - Edificio en Galerías - Pro.
Ejercicio 1 - Edificio en Galerías - Pro.MariaJoseLopez914893
 
Parciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeñoParciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeñomonicabetancur29
 
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIALFUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIALPamelaGranda5
 
thinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msdsthinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msdsfioticona20395
 
Teoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizacionesTeoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizacionesCarlosRozo19
 
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdfS03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdfroycordovabocanegra7
 
Trabajos en Altura - USO DEL ARNES .ppt
Trabajos en Altura  - USO DEL ARNES .pptTrabajos en Altura  - USO DEL ARNES .ppt
Trabajos en Altura - USO DEL ARNES .pptdantechaveztarazona
 
Ecuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios ResueltosEcuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios ResueltosManuel Alejandro Vivas Riverol
 
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2ErnestoContreras39
 
gestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyectogestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyectoclopez37
 
S02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdf
S02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdfS02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdf
S02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdfGERSONYT1
 
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdfNOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdflinderlauradelacruz
 
JC Etapas del desarrollo de la industria minera.pptx
JC Etapas del desarrollo de la industria minera.pptxJC Etapas del desarrollo de la industria minera.pptx
JC Etapas del desarrollo de la industria minera.pptxJuanCorcuera3
 
Marcas de Fuego debido a la combustión de materiales afectados por un incendi...
Marcas de Fuego debido a la combustión de materiales afectados por un incendi...Marcas de Fuego debido a la combustión de materiales afectados por un incendi...
Marcas de Fuego debido a la combustión de materiales afectados por un incendi...JeisonArango3
 
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADOIPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADOEdisonRebattaRojas1
 

Último (19)

182305655-Manual-Torno-Cnc-Muy-Completo.pdf
182305655-Manual-Torno-Cnc-Muy-Completo.pdf182305655-Manual-Torno-Cnc-Muy-Completo.pdf
182305655-Manual-Torno-Cnc-Muy-Completo.pdf
 
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdfESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
 
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdfTR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
 
Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............
 
Ejercicio 1 - Edificio en Galerías - Pro.
Ejercicio 1 - Edificio en Galerías - Pro.Ejercicio 1 - Edificio en Galerías - Pro.
Ejercicio 1 - Edificio en Galerías - Pro.
 
Parciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeñoParciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeño
 
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIALFUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
 
thinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msdsthinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msds
 
Teoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizacionesTeoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizaciones
 
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdfS03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
 
Trabajos en Altura - USO DEL ARNES .ppt
Trabajos en Altura  - USO DEL ARNES .pptTrabajos en Altura  - USO DEL ARNES .ppt
Trabajos en Altura - USO DEL ARNES .ppt
 
Ecuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios ResueltosEcuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios Resueltos
 
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
 
gestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyectogestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyecto
 
S02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdf
S02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdfS02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdf
S02_s2 ECUACIONES DIFERENCIALES EXACTAS.pdf
 
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdfNOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
 
JC Etapas del desarrollo de la industria minera.pptx
JC Etapas del desarrollo de la industria minera.pptxJC Etapas del desarrollo de la industria minera.pptx
JC Etapas del desarrollo de la industria minera.pptx
 
Marcas de Fuego debido a la combustión de materiales afectados por un incendi...
Marcas de Fuego debido a la combustión de materiales afectados por un incendi...Marcas de Fuego debido a la combustión de materiales afectados por un incendi...
Marcas de Fuego debido a la combustión de materiales afectados por un incendi...
 
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADOIPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
 

Control estadistico de procesos segunda parte

  • 1. Control estadístico de procesos Segunda Parte
  • 2. Control estadístico de procesos Cuando las observaciones sucesivas tienen una distribución normal, la mayor parte de los puntos se sitúa muy cerca del promedio, algunos pocos se alejan algo más y prácticamente no hay ninguno en las zonas más alejadas. Es difícil decir como es el gráfico de un conjunto de puntos que siguen un patrón aleatorio de distribución normal, pero sí es fácil darse cuenta cuando no lo es.
  • 3. Control estadístico de procesos • Veamos algunos ejemplos de patrones No Aleatorios: • Una sucesión de puntos por encima
  • 4. Control estadístico de procesos • por debajo de la línea central.
  • 5. Control estadístico de procesos • Una serie creciente de 6 ó 7 observaciones...
  • 6. Control estadístico de procesos • o una serie decreciente
  • 7. Control estadístico de procesos Varios puntos por fuera de los límites de control
  • 8. Patrón 1. Cambios en el nivel del proceso Introducción de nuevos trabajadores Cambios en los métodos de inspección Mayor o menor atención de los trabajadores El proceso ha mejorado o empeorado Representa un cambio en el promedio del proceso o en su variación media. Un punto fuera de los límites de control o una tendencia clara y larga que los puntos consecutivos caen en un solo lado de la línea central
  • 9. Patrón 2. Tendencias en el nivel del proceso Deterioro o desajuste gradual del equipo Desgaste de las herramientas de corte Acumulación de desperdicios en las tuberías Calentamiento de máquinas Cambios graduales del medio ambiente Tendencia: 6 o + valores consecutivos crecientes o decrecientes Desplazamiento: 7 valores consecutivos o + se ubican a un lado o al otro del promedio
  • 10. Patrón 3. Ciclos recurrentes (periodicidad) Cambios periódicos en el ambiente Diferencias en los dispositivos de medición o de prueba Rotación regular de máquinas u operarios Efecto sistemático producido por 2 máquinas, operarios o materiales quese usan alternadamente Desplazamientos cíclicos de un proceso que se detectan cuando se dan flujos de puntos consecutivos que tienden a crecer y luego decrecer en forma similar
  • 11. Patrón 4. Mucha variabilidad Sobre control o ajustes innecesarios en el proceso Diferencias sistemáticas en la calidad del material o en los métodos de prueba Control de 2 o más procesos en la misma carta con diferentes promedios Señal de que existe una causa asignable de mucha variación. Se manifiesta mediante la alta proporción de puntos cerca de los límites de control, a ambos lados de la línea central, y pocos o ninguno en la parte central
  • 12. Patrón 5. Falta de variabilidad (estatificación) Equivocación en el cálculo de los límites de control Agrupamiento en una misma muestra a datos provenientes de universos con medias bastantes diferentes que al combinarse se compensan unas con otras. Carta de control inapropiada para el estadístico graficado Una señal de que hay algo especial en el proceso es que prácticamente todos los puntos se concentren en la parte central del gráfico
  • 13. Control estadístico de procesos • Si no se descubren causas asignables entonces se adoptan los límites de control calculados como definitivos, y se construyen cartas de control con esos límites.
  • 14. Control estadístico de procesos • Si sólo hay pocos puntos fuera de control (2 ó 3), estos se eliminan, se recalculan la media, desviación stándard y límites de control con los restantes, y se construye un nuevo gráfico de prueba. • Cuando las observaciones no siguen un patrón aleatorio, indicando la existencia de causas asignables, se hace necesario investigar para descubrirlas y eliminarlas. Una vez hecho esto, se deberán recoger nuevas observaciones y calcular nuevos límites de control de prueba, comenzando otra vez con la primera etapa.
  • 15. Control estadístico de procesos En la 2ª etapa, las nuevas observaciones que van surgiendo del proceso se representan en el gráfico, y se controlan verificando que estén dentro de los límites, y que no se produzcan patrones no aleatorios.
  • 16. Control estadístico de procesos • Como hemos visto, el 99,8 % de las observaciones deben estar dentro de los límites de 3,09 sigmas alrededor de la media. • Esto significa que sólo una observación en 500 puede estar por causas aleatorias fuera de los límites de control. • Cuando se encuentra más de un punto en 500 fuera de los límites de control, significa que el sistema de causas aleatorias que provocaba la variabilidad habitual de las observaciones ha sido alterado por la aparición de una causa asignable que es necesario descubrir y eliminar.
  • 17. Control estadístico de procesos • En ese caso, el supervisor del proceso debe detener la marcha del mismo e investigar con los que operan el proceso hasta descubrir la(s) causas que desviaron al proceso de su comportamiento habitual. Una vez eliminadas las causas del problema, se puede continuar con la producción normal.
  • 18. Control estadístico de procesos • Si el proceso está bajo control, además de situarse los puntos dentro de los límites de control, todos los puntos del gráfico presentarán una posición originada por el azar sin la presencia de patrones especiales de variabilidad.
  • 19. Control estadístico de procesos • No hay que confundir los límites de control con los límites de tolerancia. • Los límites de tolerancia son los valores de una determinada característica que separan valores correctos e incorrectos de la misma (fijados normalmente por el proyectista para que el producto funcione adecuadamente) • Los límites de control son aquellos entre los cuales el estadístico considerado (sean valores individuales, medias, medianas, recorridos desviaciones típicas, sumas acumuladas, etc.) tiene una probabilidad muy alta de situarse cuando el proceso está bajo control (no hay causa asignable).
  • 20. Control estadístico de procesos Cuando un proceso (que suponemos sigue una distribución Normal) se desplaza respecto a sus valores nominales o aumenta su dispersión, genera más elementos defectuosos (más elementos fuera de los límites de tolerancia).
  • 21. Control estadístico de procesos Los gráficos de control se clasifican en dos tipos: Variables y Atributos. Si la característica de calidad puede medirse y expresarse como un número la llamamos variable. En tales casos es conveniente describir la característica de calidad con una medida de tendencia central y una medida de dispersión mediante los llamados gráficos de control por variables.
  • 22. Control estadístico de procesos • Los gráficos X son los más ampliamente utilizados para controlar la tendencia central mientras que los gráficos de rango (recorrido) y de desviación típica se utilizan para controlar la dispersión.
  • 23. Control estadístico de procesos Gráficos de Control por variables Existen distintos tipos de Gráficos de Control por variables: Individuales y Rango (X y R): se utiliza para procesos con poca variación y/o cuyo muestreo es costoso. X-R: Controla el subgrupo de 10 o menos mediciones. Mediana y Rango: controla el proceso en base a su distribución, considerando el valor central y no la media o promedio. X-S: controla el proceso en base a subgrupos de más de 10 elementos.
  • 24. Control estadístico de procesos Gráficos de control para variables Ventajas La mayoría de los procesos tienen operaciones y características que son medibles. La medición de la variable brinda información precisa sobre el proceso. El tener precisión en las mediciones permite, con menor cantidad de muestras, interpretar el comportamiento del proceso y tomar acciones preventivas en caso de ser necesario. Estos gráficos pueden explicar los datos del proceso en término de la variación a corto plazo (rango o dispersión) y la performance típica (posición central).
  • 25. Gráficos de Control por Variables para Mediciones Individuales
  • 26. Gráficos de Control por Variables para Subgrupos
  • 27. Control estadístico de procesos • Muchas características cualitativas no se miden en una escala cuantitativa. En estos casos, juzgaremos si una unidad de producto es o no conforme si posee ciertos atributos o contando el número de defectos que aparecen en cada unidad de producto. Los gráficos de control para estas características se denominan gráficos de control por atributos.
  • 28. Control estadístico de procesos En muchas ocasiones una línea de producción tiene dificultades con dos o más características de calidad, las cuales pueden o no ser llevadas a una escala de medición. Ante esta situación, se pueden aplicar los gráficos para atributos, los cuales permiten el control de varias características a la vez. Los datos del tipo atributo respecto a una característica de calidad solo tiene dos valores: Bueno / Malo, Pasa / No Pasa , Defectuoso / No defectuoso Aprobado / Rechazado
  • 29. Control estadístico de procesos Gráficas de Control Por Atributos Proceso en control Método visual para monitorear un proceso se relaciona a la ausencia de causas especiales en el proceso. Gráfica p Proporción de unidades defectuosas Gráfica np Número de unidades defectuosas por muestra constante Gráfica c Número de defectos por muestra constante Gráfica u Número de defectos por unidad
  • 30. Control estadístico de procesos Gráficas de Control Por Atributos Gráfica p (Distribución Binomial) Representa el porcentaje de fracción defectuosa. Tamaño de muestra (n) varía. Principales objetivos Descubrir puntos fuera de control Proporcionar un criterio para juzgar si lotes sucesivos pueden considerarse como representativos de un proceso Puede influir en el criterio de aceptación
  • 31. Control estadístico de procesos Gráfica np (Distribución Binomial) Se utiliza para graficar las unidades disconformes Tamaño de muestra es constante Principales objetivos: Conocer las causas que contribuyen al proceso. Obtener el registro histórico de una o varias características de una operación con el proceso productivo.
  • 32. Control estadístico de procesos Gráficas de Control Por Atributos Gráfica c (Distibución de Poisson) Estudia el comportamiento de un proceso considerando el número de defectos encontrados al inspeccionar una unidad de producción. El artículo es aceptable aunque presente cierto número de defectos. La muestra es constante Principales objetivos Reducir el costo relativo al proceso. Determinar que tipo de defectos no son permitidos en un producto
  • 33. Control estadístico de procesos Gráficas de Control Por Atributos Gráfica u (Distibución de Poisson) Puede utilizarse como: Sustituto de la gráfica c cuando el tamaño de la muestra (n) varía Estas se usan para controlar y analizar un proceso por los defectos de un producto, tales como rayones en placas de metal, número de soldaduras defectuosas de un televisor o tejido desigual en telas. Una gráfica c referida al número de defectos, se usa para un producto cuyas dimensiones son constantes, mientras que una gráfica u se usa para un producto de dimensión variable
  • 34. Gráfica de Control por Atributos Gráfica de Control de Atributos Piezas Defectuosas Defectos por pieza Gráfica p Gráfica np Gráfica u Gráfica c
  • 35. Calcular los Límites de Control
  • 36. Control estadístico de procesos Gráficas de Control Por Atributos Ventajas Resume varios aspectos de la calidad del producto; es decir si es aceptable o no Son fáciles de entender Provee evidencia de problemas de calidad
  • 37. Control estadístico de procesos Gráficas de Control Por Atributos Desventajas Interpretación errónea por errores de los datos o los cálculos utilizados El hecho de que un proceso se mantenga bajo control no significa que sea un buen proceso, puede estar produciendo constantemente un gran número de no conformidades.
  • 38. Control estadístico de procesos Controlar una característica de un proceso no significa necesariamente controlar el proceso. Si no se define bien la información necesaria y las características del proceso que deben ser controladas, tendremos interpretaciones erróneas debido a informaciones incompletas.
  • 39.
  • 40. ANÁLISIS DE LA CAPACIDAD Capacidad del Proceso y Tolerancia Si bien el ingeniero puede definir las especificaciones sin tomar en cuenta el alcance del proceso, la adopción de ese criterio puede tener consecuencias graves. • CASO 1: 6σ < USL - LSL • CASO 2: 6σ = USL - LSL • CASO 3: 6σ > USL - LSL
  • 41. Caso I Tolerancia > Capacidad
  • 42. Caso II Tolerancia = Capacidad
  • 44. Control estadístico de procesos • Capacidad del Proceso La capacidad real de un proceso no se puede calcular sino hasta que las gráficas x y R han logrado obtener la mejora óptima de la calidad sin necesidad de hacer una considerable inversión en equipo nuevo o en adaptación a éste. • La capacidad del proceso es igual a 6σ cuando el proceso está bajo control estadístico
  • 45. Control estadístico de procesos • Procedimiento rápido utilizando el rango • Tome 20 sub grupos, cada uno de tamaño 4 y un total de 80 mediciones Calcule el campo de valores, R, de cada sub grupo • Calcule el campo promedio, • Calcule el valor de la desviación estándar de la población La capacidad del proceso será igual a 6σ
  • 46. Control estadístico de procesos Índice de Capacidad Cp = USL – LSL / 6σ »donde: • Cp= Índice de la capacidad • USL-LSL= Especificación superior menos la especificación inferior • 6σ= Capacidad del proceso
  • 48. Control estadístico de procesos • Medición del Desempeño, Cpk El índice de Cpk muestra que tan bien cumplen las especificaciones los productos fabricados
  • 49.
  • 50. Control estadístico de procesos Cp y Cpk El valor de Cp no cambia cuando cambia el centro del proceso Cp=Cpk cuando el proceso se centra Cpk siempre es igual o menor que Cp El valor de Cpk=1 es un estándar normal consagrado por la práctica. Indica satisfacción con las especificaciones El valor Cpk menor que 1 es indicativo de que mediante el proceso se obtiene un producto que no satisface las especificaciones
  • 51. Control estadístico de procesos Cp y Cpk El valor de Cp menor que 1 es indicación de que el proceso no es capaz Si Cpk es 0 es indicación de que el promedio es igual a uno de los límites de la especificación Un valor Cpk negativo indica que el promedio queda fuera de las especificaciones
  • 52. Control estadístico de procesos • El Sistema de control tiene tres componentes: • Una norma o meta, las cuales se definen durante los procesos de planificación y diseño. Establecen que se debe alcanzar. Estas normas y metas se definen en las características de calidad, medibles, como por ejemplo, las dimensiones de las piezas, el número de piezas defectuosas, tiempos de espera, etc. • Un medio de medición del éxito, necesitamos métodos para medir esas características de calidad. Las mediciones nos dicen qué se ha alcanzado en realidad. • La comparación de los resultados reales con la norma junto con retroalimentación, como base de la acción correctiva.
  • 53. Las acciones a tomar frente al proceso persiguen tres metas: 1. Poner el proceso bajo control Cuando el proceso desarrolla una variación sin control, hay que identificar las causas a las que principalmente se debe dicha variación. Una vez que se han identificado dichas causas, se procede a suprimirlas o a contrarrestar sus efectos hasta lograr que el proceso sea consistente, esto es, hasta que tenga una variación controlada. Por tanto, controlar un proceso significa remover las causas especiales de variación a fin de que el proceso sea consisten- te.
  • 54. 2. Reducir la variación Una vez que se han tomado acciones para que el proceso desarrolle una variación controlada, deben emprenderse acciones sobre el proceso mismo, a fin de reducir su variación. Lo que en este caso importa es que el producto logre la mayor uniformidad posible, teniendo como punto de referencia el valor meta.
  • 55. 3. Lograr que sean cada vez más los productos que estén más cerca del valor meta (calidad clase mundial).
  • 56. Beneficios de la utilización de gráficos Los gráficos de control son una herramienta efectiva para entender la variación de los procesos y ayudan a conseguir el control estadístico. Dan información fiable de cuando se debería ajustar el proceso y cuando no.
  • 57. Beneficios de la utilización de gráficos Cuando un proceso está bajo control, su rendimiento será predecible. Por lo que, tanto el productor como el cliente, serán conscientes de los niveles de calidad de los productos o servicios. Un proceso bajo control estadístico puede ser mejorado a través de la reducción de la variabilidad natural o aleatoria. Los gráficos de control proporcionan un lenguaje común para comunicar información sobre el rendimiento de los procesos.
  • 58. Control estadístico de procesos Segunda Parte FIN