Ok módulo 5 técnicas gráficas para la solución de problemas

1.380 visualizaciones

Publicado el

  • Sé el primero en recomendar esto

Ok módulo 5 técnicas gráficas para la solución de problemas

  1. 1. Técnicas Gráficas para la Mejora de la Calidad
  2. 2. La paradoja del cuervo es una paradoja propuesta por el filósofo alemán Carl Hempel en la década de 1940para ilustrar un problema donde la lógica inductiva desafía a la intuición. Esta paradoja se conoce también como paradoja de la negación o paradoja de Hempel.
  3. 3. Diagrama de Flujo Hoja de Inspección Lluvia de Ideas Técnica de Grupo Nominal Gráfico de Pareto Diagrama de Causa y Efecto Gráfico de Desarrollo Estratificación Histograma Diagrama de Dispersión Gráfico de Control Capacidad de Proceso Análisis de Campos de Fuerza Identificación del Problema Análisis del Problema
  4. 4. Decidir qué problema será tratado primero • Diagrama de Flujo • Hoja de Inspección • Lluvia de Ideas • Técnicas de Grupo Nominal • Gráfico de Pareto Guía para la Selección de las Técnicas Gráficas
  5. 5. Llegar a un punto que describa el problema en términos de qué es específicamente, dónde y cuando ocurre y cuál es su alcance • Hoja de Inspección • Histograma • Gráfico de Pareto • Gráfico Circular • Gráfico de Desarrollo • Estratificación Guía para la Selección de las Técnicas Gráficas
  6. 6. Elaborar un cuadro completo con todas las posibles causas del problema • Hoja de Inspección • Diagrama de Causa y Efecto • Lluvia de Ideas Guía para la Selección de las Técnicas Gráficas
  7. 7. Llegar a un acuerdo sobre la(s) causa(s) del problema • Hoja de Inspección • Lluvia de ideas • Gráfico de Pareto • Técnica de Grupo Nominal • Diagrama de Dispersión Guía para la Selección de las Técnicas Gráficas
  8. 8. Desarrollar una solución efectiva que se pueda implementar, así como un plan de acción • Lluvia de Ideas • Gráfico Circular • Análisis de Campos de Fuerza • Gráfico de Barras Adicionales • Presentación de Análisis a la Gerencia Guía para la Selección de las Técnicas Gráficas
  9. 9. Implementar la solución y establecer los gráficos necesarios de monitoreo • Histograma • Gráfico de Pareto • Gráfico de Control • Capacidad de Proceso • Estratificación Guía para la Selección de las Técnicas Gráficas
  10. 10. Diagrama de Flujo Encender televisor ¿Hay imagen? NO SI ¿Está enchufado? ¿Imagen bien? Conectar TV SI NO NO ¿Hay imagen? NO Ajustar ¿Imagen bien? Ponete cómodo y disfrutá! PERDISTE! (te toca llamar al técnico) NO SI SI SI
  11. 11. Utilícelo cuando necesite identificar la trayectoria actual e ideal que sigue un producto o servicio con el fin de identificar desviaciones A cargo de las personas que más conozcan el proceso bajo estudio: 1. Trazar un Diagrama de Flujo del Proceso tal como funciona actualmente. 2. Trazar un Diagrama de Flujo ideal 3. Comparar los Diagramas para encontrar las diferencias, que se relacionarán directamente con los problemas Diagrama de Flujo - Consejos
  12. 12. Definir claramente los límites del proceso. Utilizar los símbolos más sencillos posibles. Asegurarse de que cada paso tenga una salida. Por lo general solo sale una flecha de los bloques de proceso; de no ser así, podría requerirse el uso de un bloque de decisión. Diagrama de Flujo - Consejos
  13. 13. Razón Día Total L M M J V Dinero IIIII II I IIIII IIIII II 20 Sexo II II II II II 10 Niños IIIII II IIIII II I IIII 19 Total 12 6 10 8 13 49 Hoja de Inspección
  14. 14. Utilícela cuando necesite reunir datos basados en la observación de las muestras con el fin de empezar a detectar tendencias. Este es el punto lógico de inicio en la mayoría de los ciclos de solución de problemas. “¿Qué tan frecuentemente ocurren ciertos eventos?” Es el comienzo del proceso que transforma las opiniones en hechos Hoja de Inspección - Consejos
  15. 15. 1º Acordar qué evento está exactamente siendo observado. Todos deben enfocar lo mismo. 2º Decidir período de tiempo durante el cual serán recolectados los datos (horas, semanas, meses). 3º Diseñar una forma clara y fácil de utilizar. Descripción clara y espacio suficiente para el llenado. 4º Obtener los datos de forma consistente y honesta. Asegurar que se dedica el tiempo necesario a esta labor. Hoja de Inspección - Confección
  16. 16. Muestras tomadas al azar. Proceso de muestreo eficiente con respecto al tiempo necesario para realizarlo. El universo muestral debe ser homogéneo. De lo contrario, se deben estratificar poblaciones para su análisis individual. Hoja de Inspección - Consejos
  17. 17. Nombre dado por el Dr. Joseph Juran en honor del economista italiano Vilfredo Pareto (1848-1923) quien realizo un estudio sobre la distribución de la riqueza, en el cual descubrió que la minoría de la población poseía la mayor parte de la riqueza. Con esto estableció la llamada "Ley de Pareto" según la cual la desigualdad económica es inevitable en cualquier sociedad. Diagrama de Pareto
  18. 18. El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce como la regla 80/20. Según este concepto, si se tiene un problema con muchas causas, podemos decir que el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo resuelven el 20% del problema. Por lo tanto, el Análisis de Pareto es una técnica que separa los “pocos vitales” de los “muchos triviales”. Diagrama de Pareto - Principio
  19. 19. Una gráfica de Pareto es utilizada para separar gráficamente los aspectos significativos de un problema desde los triviales de manera que un equipo sepa dónde dirigir sus esfuerzos para mejorar. La utilización de esta herramienta puede resultar una alternativa excelente para un gerente de estilo Bombero, quien constantemente a la hora de resolver problemas solo “apaga incendios”, es decir, pone todo su esfuerzo en los “muchos triviales”. Identifica los Problemas más importantes a través de la escala de Medición (los más frecuentes no son siempre los más costosos) Mide el impacto de los cambios hechos en un proceso Diagrama de Pareto - Principio
  20. 20. 1. Seleccione los problemas a ser comparados y ordénelos por categoría de acuerdo a lo siguiente: a. Lluvia de ideas b. Utilizando datos existentes. 2. Seleccionar unidad de medición del patrón de comparaciones (p.e. costo anual, frecuencia, etc.). 3. Seleccionar período de tiempo a estudiar 4. Reunir los datos seleccionados en cada categoría (p.e. “El defecto A ocurrió X veces en los últimos 6 meses”) . Diagrama de Pareto - Confección
  21. 21. 5. Compare la frecuencia o costo de cada categoría respecto a las demás. 6. Enumere en orden decreciente de costo o frecuencia, y ordénelos de izquierda a derecha sobre el eje horizontal (o de arriba hacia abajo en el vertical). 7. Proceda a dibujar en cada categoría barras que relacionen su altura con la frecuencia o costo. Diagrama de Pareto - Confección
  22. 22. Utilícelo cuando necesite mostrar la importancia relativa de todos lo problemas o condiciones a fin de seleccionar el punto de inicio para la solución de problemas o para la identificación de la causa fundamental de un problema El Diagrama de Pareto es una gráfica en donde se organizan diversas clasificaciones de datos por orden descendente, de izquierda a derecha por medio de barras sencillas después de haber reunido los datos para calificar las causas, de modo que se pueda asignar un orden de prioridades. Diagrama de Pareto - Consejos
  23. 23. Defectos del Retrabajo Cantidad % % Acumulado Total Aislamiento Perfil Contorno Acabado Radio Diámetro I Diámetro II Diámetro III 145 95 55 35 10 10 5 2 40,6% 26,6% 15,4% 9,8% 2,8% 2,8% 1,4% 0,6% 357 100% 40,6% 67,2% 82,6% 92,4% 95,2% 98% 99,4% 100%
  24. 24. 0 20 40 60 80 100 120 140 160 Aislamiento Perfil Contorno Acabado Radio Diámetro I Diámetro II Diámetro III NºdeDefectosAntesdelRetrabajo 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% %Acumulado Cantidad % Acum Diagrama de Pareto
  25. 25. Utilice el sentido común –los eventos más frecuentes o más costosos no son siempre los más importantes, por ejemplo, un accidente fatal requiere más atención que 100 cortaduras de dedos. Marque el Diagrama claramente para mostrar el patrón de medición ($, %, #) Diagrama de Pareto - Consejos
  26. 26. 0 0,1 0,2 0,3 0,4 0,5 0,6 Problema 1 Problema 2 Problema 3 Problema 4 Problema 5 Período 1 Período 2 Período 3 Diagrama de Grier
  27. 27. Utilícelo cuando necesite confirmar los hallazgos y/o logros de la aplicación de Diagramas de Pareto Se trata de la representación de las mismas categorías de los Diagramas de Pareto, pero divididas en tres o más períodos de tiempo, a fin de dilucidar si el problema o la causa es realmente el de mayor importancia, a través de su comportamiento temporal. Diagrama de Grier - Consejos
  28. 28. Diagrama de Causa y Efecto Utilícelo cuando necesite explorar y mostrar todas las causas posibles de un problema o una condición específica.
  29. 29. 1. Genere las causas necesarias para construir un diagrama de causa y efecto de alguna de las siguientes maneras: a. Lluvia de Ideas b. Hojas de Inspección Diagrama de Causa y Efecto - Confección
  30. 30. 2. Elabore el Diagrama de Causa y Efecto de la siguiente forma: a. Coloque la frase escrita que identifica el problema en un cuadro a la derecha (cabeza de pescado). b. Agregue las categorías de causas (5M, 4P, etc) para organizar los datos. c. Coloque en la categoría que corresponda cada una de las causas surgidas del punto 1. d. Para cada causa formule la pregunta “¿Por qué sucede?”, y liste las repuestas como ramificaciones de las principales causas. Diagrama de Causa y Efecto - Confección
  31. 31. 3. Interpretación A fin de obtener las causas más elementales del problema, se procede a: a. Observar las causas que se repiten. b. Consensuarlas. c. Reunir la información para las frecuencias relativas de las diferentes causas. Diagrama de Causa y Efecto - Confección
  32. 32. Baja Eficiencia de Impresión de Envases Materiales Máquinas Diagrama de Causa y Efecto - Ejemplo Tintas Componentes Dañados Faltantes Equivocados Inserción Automática Prueba Automática # 1 Dispositivos Programas
  33. 33. No ir más allá del área de control del grupo participante, a fin de no provocar frustraciones. Utilizar pocas palabras. Asegurarse de que todos estén de acuerdo con la frase descriptiva del problema. Diagrama de Causa y Efecto - Consejos
  34. 34. Gráfico de Desarrollo Utilícelo cuando necesite mostrar de la manera más simple posible las tendencias de puntos observados dentro de un período de tiempo especificado.
  35. 35. Promedio Tiempo o Secuencia Medida Gráfico de Desarrollo
  36. 36. Sirven para monitorear sistemas y visualizar si el comportamiento promedio ha variado con el tiempo. Se supone que al observar cualquier sistema, se encontrará igual cantidad de puntos por encima que por debajo del promedio. Gráfico de Desarrollo - Consejos
  37. 37. De darse una seguidilla de nueve o más puntos por encima o por debajo, se está muy probablemente ante un cambio en el promedio (positivo o negativo) Gráfico de Desarrollo – Ejemplo Promedio Tiempo o Secuencia Medida
  38. 38. Gráfico de Desarrollo - Ejemplo Una tendencia de seis o más puntos que asciendan o desciendan consecutivamente, indican que algo importante ha ocurrido en el proceso. Tomar en cuenta cambios de promedio debidos a causas asignables. Promedio Tiempo o Secuencia Medida
  39. 39. Histogramas
  40. 40. Utilícelo cuando necesite descubrir y mostrar la distribución de los datos. Histogramas Además de conocer aproximadamente la forma de la distribución, el Histograma provee datos importantes: a. VARIABILIDAD b. SESGO
  41. 41. Histogramas - Sesgo 0 0,1 0,2 0,3 0,4 0,5 0,6 a b c d e f g h i Clase Frecuencia 0 0,1 0,2 0,3 0,4 0,5 0,6 a b c d e f g h i Clase Frecuencia Sesgo positivo Sesgo negativo
  42. 42. 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 a b c d e f g h i j k Clase Frecuencia Variabilidad pequeña Variabilidad grande 0 0,1 0,2 0,3 0,4 0,5 0,6 a b c d e f g h i j k Clase FecuenciaHistogramas - Variabilidad
  43. 43. • a. El número de clases determina el tipo de imagen en la distribución. Las distribuciones en algunos procesos son sesgadas por naturaleza. No espere que cada distribución sea normal. • b. Analice detenidamente el tipo de distribución obtenida y su ubicación con respecto a los límites de especificación. Así, observe el intervalo de la distribución a fin de tener una idea de su variabilidad. • c. Observe si la distribución es bimodal, lo que significaría que la información proviene de dos o más fuentes diferentes, por ejemplo, turnos, máquinas, etc. Histograma - Consejos
  44. 44. Variable 1 Variable2 Diagrama de Dispersión Muestra lo que le sucede a una variable cuando otra cambia, con la finalidad de probar que ambas variables se relacionan.
  45. 45. 1 Reúna de 50 a 100 pares de datos de la información que usted crea puedan estar relacionados y construya una hoja de datos como sigue: Diagrama de Dispersión - Confección Persona Peso (kilos) Altura (cm) 1 90 173 2 95 175 3 70 168 * * * * * * 50 75 170
  46. 46. 2 Trace el eje horizontal y vertical del diagrama. La variable que está siendo investigada como posible “causa” se situa por lo general en el eje horizontal y la variable identificada como probable “efecto” en el vertical. 3 Grafique los datos en el Diagrama. Si los valores se repiten “circule” ese punto tantas veces como se repita. Diagrama de Dispersión - Confección Peso Altura º º º
  47. 47. Correlación Negativa Diagrama de Dispersión -Ejemplos Peso Altura Correlación Positiva Peso Altura Posible Correlación Positiva Peso Altur a No hay Correlación Peso Altura Posible Correlación Negativa Peso Altura
  48. 48. • Ley de los Grandes Números • Teorema Central del Límite • Bases de funcionamiento. – Causas fortuitas y causas atribuibles a la variación de la calidad. – Bases estadísticas del diagrama de control. – Subgrupos racionales. – Análisis de patrones. Control Estadístico de Procesos
  49. 49. Ley de los Grandes Números El teorema establece que la frecuencia relativa de los resultados de un cierto experimento aleatorio, tiende a estabilizarse en cierto número, que es precisamente la probabilidad, cuando el experimento se realiza muchas veces. CEP – Ley de los Grandes Números
  50. 50. • Aquí nos conformaremos con simular un experimento aleatorio, que nos aproxime de una manera intuitiva a los resultados que establece el teorema. • El experimento que vamos a simular es el de dar un golpe a una bola de billar situada en la mesa de juego, en el sentido que indica la flecha, y medir la distancia desde el extremo izquierdo de la mesa al punto en el que la bola se detiene. Experimento CEP – Ley de los Grandes Números
  51. 51. • Si la mesa, tiene 1 metro de longitud, el resultado del experimento, puede tomar cualquier valor comprendido entre cero y uno. • Sabemos que el espacio muestral que resulta de este experimento es un espacio muestral continuo. Para simplificar la simulación, podemos considerar la longitud de la mesa de billar, dividida en 10 partes iguales. • Consideraremos que el resultado del experimento es que la bola se detenga en alguna de las 10 partes. En este caso los posibles resultados son 10 y como todos los resultados tienen la misma posibilidad, estamos ante un espacio de probabilidad discreto y equiprobable. CEP – Ley de los Grandes Números
  52. 52. • La simulación consiste en generar aleatoriamente un número comprendido entre 0 y 1, que representará la distancia a la que se detiene la bola de billar. La probabilidad de que este número caiga en el primer intervalo es 1/10, lo mismo en cada uno de los intervalos restantes. • El experimento va a consistir en repetir 10 veces el golpe a la bola. • Sobre un sistema de referencia, colocamos, sobre el eje X, los 10 intervalos en que hemos dividido la longitud de la mesa de billar, y sobre el eje Y las frecuencias relativas de cada uno de estos intervalos, veremos cómo las frecuencias relativas, varían de una ejecución del experimento a otra. CEP – Ley de los Grandes Números
  53. 53. • Pero si aumentamos el número de veces que golpeamos la bola a 20, 30 y así sucesivamente, observaremos que las frecuencias relativas de cada intervalo tienden a estabilizarse en torno a 0,1, que es la probabilidad que asignamos a que la bola se detenga en uno de los intervalos. • Este es el resultado que demuestra el teorema conocido cómo Ley de los Grandes Números CEP – Ley de los Grandes Números
  54. 54. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Ley de los Grandes Números - Experimento 1 metro 10 9 8 7 6 5 4 3 2 1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 CEP – Ley de los Grandes Números
  55. 55. • Por ejemplo si en el experimento anterior en lugar de considerar una bola, consideramos 10 bolas y el experimento consiste en calcular la media de las distancias a la que se detiene cada una de las bolas. • Como hemos visto , la distribución de probabilidades cuando el experimento se realiza sobre una bola es uniforme; las probabilidades son las mismas para cada resultado. Si en lugar de una bola consideramos varias y en lugar de las distancias individuales consideramos la media, aparecen otras distribuciones. • Si aumentamos el número de bolas con que realizamos el experimento por encima de 30. La distribución de las medias se aproxima mucho a una Distribución Normal. CEP - Teorema Central del Límite Teorema Central del Límite
  56. 56. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Teorema Central del Límite - Experimento 1 metro 10 9 8 7 6 5 4 3 2 1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 P:0.1 CEP - Teorema Central del Límite
  57. 57. Si se toman un número m de muestras de una población para medir una variable que se comporta normalmente, la distribución de las medias muestrales del grupo de muestras tenderá a ser normal, cuando m sea lo suficientemente grande (30) e independientemente del tamaño muestral. Si se toman m muestras de una población para medir una variable no normal, continua o discreta, la distribución de las medias muestrales tenderá a ser normal, cuando m sea lo suficientemente grande y el tamaño de cada muestra sea mayor o igual que 4. Formas útiles al CEC CEP - Teorema Central del Límite
  58. 58. Se emplean para el control de características de calidad cuantitativas. • Gráficas de control de 3 • Gráficas de control para valores individuales y rango móvil • Gráficas de Control de la Suma Acumulada • Gráfica EWMA (promedio móvil exponencialmente ponderado) CEC – Control por variables
  59. 59. Gráficas de Control de 3 • Son fáciles de preparar y simples de entender • Son muy útiles para encontrar problemas (fallas esporádicas) y tomar decisiones relacionadas al proceso. • Ideales para el control de cada etapa de un proceso de producción, es decir, sirven como fuente informativa para decidir si un producto semielaborado pasa a otra etapa. • Gráfica para Promedios • Gráfica para Rangos CEC – Control por variables
  60. 60. Gráficas para Promedios • Variables a representar • Línea Central • Límites de control X = k Xi XUCL = X + A2 R XLCL = X - A2 R X = n Xi CEC – Control por variables
  61. 61. Gráficas para Rangos • Variables a representar • Línea Central • Límites de control R = k RI RUCL = 4D R RLCL = 3D R R = máxX - mínX CEC – Control por variables
  62. 62. CEC – Control por variables
  63. 63. CEC – Control por variables
  64. 64. Gráficas de control para valores individuales y rango móvil • Se emplean cuando solo se dispone de muestras con una sola observación por lote. • También se usan cuando el costo de muestreo y análisis es muy alto, cuando hay demoras en la obtención de resultados o cuando son muy pocos los elementos a inspeccionar. • Son menos sensibles que las anteriores, por lo que se muchas veces se utilizan límites de 2 CEC – Control por variables
  65. 65. Causas fortuitas y causas atribuibles Bases estadísticas Subgrupos Racionales CEP – Bases de su funcionamiento
  66. 66. • En cualquier proceso siempre existirá cierto grado de variabilidad inherente o natural: “El ruido de fondo”. • En el marco del CEC, esta variabilidad se denomina “sistema de causas estables fortuitas”. • Un proceso que funciona con sólo causas fortuitas de variabilidad se considera bajo control estadístico. CEP – Causas fortuitas y atribuibles
  67. 67. Hay otros tipos de variabilidad en los procesos. • Derivan en general de determinadas fuentes, e impactan sobre características de calidad: •Ajuste incorrecto de maquinarias •Errores de operarios •Defectos en las materias primas •Una combinación de las anteriores • Esta variabilidad es mayor que la del ruido de fondo. CEP – Causas fortuitas y atribuibles
  68. 68. • Las fuentes de variabilidad descriptas anteriormente, al no ser fortuitas se consideran “causas atribuibles”. • Un proceso que funciona bajo causas atribuibles se considera fuera de control. CEP – Causas fortuitas y atribuibles
  69. 69. • Normalidad - Teorema Central del Límite • Prueba de Hipótesis • Línea Central y Límites de Control CEP – Bases estadísticas
  70. 70. Razones para utilizar los diagramas • Son una técnica probada para mejorar la productividad (reducción de rechazos y reproceso) • Eficaces para evitar defectos (Ayudan a mantener el proceso bajo control, por lo que no es necesario separar defectuosos) • Evitan ajustes innecesarios (Distingue entre ruido de fondo y variación anormal) • Proporcionan información para el análisis (El patrón de puntos es un diagnóstico para el operador con experiencia) • Proporcionan información acerca de la capacidad del proceso (Importancia de parámetros y estabilidad temporal) CEP – Bases estadísticas
  71. 71. Elección de Límites de Control • Límites alejado = Se reduce la probalilidad de un error de Tipo I - Aumenta la probabilidad de un error de Tipo II. • Limites cercanos = Viceversa. • Límite probabilístico = 0.001 • Generalmente, se conviene a que los límites equivalgan a 3 veces la desviación estándar representada en la gráfica. • En las poblaciones normales, los criterios coinciden. CEP – Bases estadísticas
  72. 72. CEP – Bases estadísticas
  73. 73. Tamaño Muestral • Se relaciona con el tipo de cambio que se desea visualizar. Frecuencia de Muestreo • Muestras grandes • Muestras pequeñas a intervalos cortos CEP – Bases estadísticas
  74. 74. Subgrupos racionales • Se relacionan fuertemente con las fuentes de variabilidad probables. • Se miden en cantidades o por tiempos. • Máxima diferenciación inter - subgrupal y mínima diferenciación intra - subgrupal CEP – Bases estadísticas
  75. 75. Análisis de Patrones • Se dice que un proceso está “fuera de control” si: •Uno o más puntos caen fuera de los límites de control. •O si cuando se divide el gráfico en las siguientes zonas: CEP – Bases estadísticas
  76. 76. Zona A Zona B Zona C Zona C Zona B Zona A Línea Central CEP – Análisis de Patrones
  77. 77. Fuera de Control • 3 puntos seguidos en Zona A (de un mismo lado). • 4 de 5 puntos consecutivos de un mismo lado de la línea central, en Zona B o más allá. • 9 puntos consecutivos caen de un mismo lado de la línea • 6 puntos consecutivos ascendiendo o descendiendo • 14 puntos consecutivos ascendiendo y descendiendo alternativamente • 15 puntos consecutivos en cualquiera de las Zonas C CEP – Análisis de Patrones
  78. 78. CEP – Análisis de Patrones
  79. 79. CEP – Análisis de Patrones
  80. 80. CEP – Análisis de Patrones
  81. 81. CEP – Análisis de Patrones
  82. 82. CEP – Análisis de Patrones
  83. 83. Fuera de Control -Preguntas para asignar causas • ¿Hay diferencias en la exactitud de la medición de los instrumentos usados? • ¿Hay diferencias en los métodos usados por los diferentes operadores? • ¿Afecta el medio ambiente (Tº, H) al proceso? • ¿Ha habido algún cambio significativo en el ambiente? • ¿Hubo algún trabajador sin el entrenamiento debido envuelto en el proceso? • ¿Ha habido un cambio de proveedor en la materia prima? • ¿El proceso ha sido afectado por la fatiga del operador? • ¿Ha habido cambios en lo procedimientos de mantenimiento? • ¿Está siendo ajustada la máquina frecuentemente? • ¿Fueron tomadas la muestras de diferentes máquinas?¿Turnos?¿Operadores? • ¿Hay operadores temerosos de reportar “malas noticias”? CEP – Análisis de Patrones
  84. 84. CEP – Análisis de Patrones
  85. 85. CEP – Análisis de Patrones
  86. 86. Se relaciona con los 6 • En la distribución normal, 6 incluye al 99,73% de la observaciones. • Se puede aplicar siempre por teorema central del límite. • Relaciona los límites de control (reales - 6 ) con los límites de especificación (impuestos) CEC – Capacidad del Proceso
  87. 87. Casos posibles Cp=1 (USL – LSL) = 6 Cp>1 (USL – LSL) > 6 Cp<1 (USL – LSL) < 6 pC = 6 LSLUSL  CEC – Capacidad del Proceso
  88. 88. CEC – Capacidad del Proceso
  89. 89. Hay empresas que establecen Cp de 1,33 como los mínimo; otras prefieren que las especificaciones dupliquen a los límites de control, o incluso utilizan márgenes mayores CEC – Capacidad del Proceso Mínimo
  90. 90. Cp no se relaciona con el valor meta. Este índice sí. No solo mide precisión, también mide exactitud pkC = 6 )();( LSLmetametaUSLMínimo  CEC – Índice de Performance
  91. 91. Control Estadístico de la Calidad: Otros temas importantes • Diagrama de Control para Atributos • Diagrama de Control modificado • Diagrama de Control de Suma Acumulativa • Diagrama de Control Basado en Medias Ponderadas • Pre Control • Métodos para Controlar varias características de Calidad relacionadas • Alternativas Estadísticas a los Diagramas de Control • Operación Evolutiva CEC – Otros Temas Importantes
  92. 92. Análisis de Capacidad o Aptitud: Otros temas importantes • Análisis mediante un Histograma o un Diagrama de Probabilidades • Análisis de Capacidad de Procesos mediante un Diagrama de Control • Análisis de Capacidad de Procesos mediante Experimentos Diseñados • Establecimientos de Especificaciones sobre Componentes • Determinación de los Límites de Tolerancia Naturales CEC – Otros Temas Importantes
  93. 93. Muestreo para Aceptación: Otros temas importantes • Problemas del Muestreo para Aceptación • Planes de Muestreo Simples • Plan de Muestreo de Conformidad Sensible a Lotes • Norma MILITAR STD 105D • Diseño de un Plan de Muestreo por Variables con una Curva CO Específica • Norma MILITAR STD 414 • Muestreo en Cadena y Contínuo • Consideración del Error de Inspección • Diseño Económico de Planes de Muestreo para Aceptación CEC – Otros Temas Importantes
  94. 94. Bibliografía: Control Estadístico de la Calidad – Douglas C. Montgomery (Grupo Editorial Iberoamérica) CEC – Bibliografía
  95. 95. Unidad Ejecutora de Proyecto Av. Paseo Colón 922 – 1º Piso – Of. 130 Tel.: 011-4349-2041 ∕ 2356 Telefax: 011-4349-2306 Ing. Alim Emiliano Pérez Caravello emiliano.perez@gmail.com

×