La Grfica de Control es un tipo especial de grfica que se dirige a la posibilidad
de interpretar informacin derivada de un proceso creando una imagen de las fronteras o lmites de variacin permisibles. Permite de manera objetiva determinar si un proceso se encuentra "en control" o "fuera de control". Es una herramienta til para establecer fronteras de variacin dentro de un proceso. Muestra cuando estas fronteras se sobrepasan y entonces buscar las claves que lleven a las causas para resolverlas. La experiencia ha demostrado que los grficos de control dirigen efectivamente la atencin hacia las causas especiales de variacin y a la magnitud de la variacin de causas comunes que se deben reducir mediante actuacin por parte de la direccin. Ser necesario identificar una medida clave que quiera medir a travs del tiempo o contra algn otro factor. Esta medida deber ser un indicador de calidad /productividad (cliente externo o proceso interno) que nos de informacin til para la toma de decisiones. Tipos de grficos de control Los grficos de control pueden ser de dos tipos segn la caracterstica del producto o servicio a analizar: Grficos de control por variables y grficos de control por atributos. En los grficos de control por variables, el control del proceso se realiza mediante variables susceptibles de ser medidas: cantidades, pesos, dimetros, espesores, frecuencias, etc. En ellos se analizarn parmetros de posicin y dispersin de la caracterstica a controlar a lo largo del tiempo. El grfico, que analiza la media muestral y el rango de una muestra predeterminada, es el ms utilizado en este mbito. En los grficos de control por atributos, el control del proceso se realiza mediante atributos de tipo dicotmico. As, se puede analizar si el producto o servicio posee o no una determinada caracterstica (atributo): color, forma, defecto, tipo, etc. Y en general se aborda dicho anlisis mediante preguntas del tipo: aceptable/no aceptable, si/no, funciona/no funciona, etc. Los principales grficos por atributos, son: los que controlan nmero de unidades defectuosas: 'p' y 'np', y los que controlan el nmero de defectos 'c' y 'u'. Su estudio se abordar posteriormente. En general se prefiere el control por variables, ya que la informacin recogida es ms objetiva (son medidas de una caracterstica) y representa ms fiablemente el estado del proceso en trminos de la caracterstica que se intenta controlar; mxime, si se tiene en cuenta que para realizar el control, el nmero de 'piezas' observadas (que constituyen la muestra) es muy pequeo comparado con la poblacin de la que provienen y que permiten establecer la capacidad del proceso. As, estos grficos nos informan ms fiablemente acerca de la variacin que sufre la caracterstica que se mide a lo largo del tiempo y de la magnitud de esa variacin. Por otra parte, los grficos de control por atributos slo nos dan una indicacin de la aceptabilidad de la muestra, sin informar de la variacin producida por la caracterstica y adems, por lo general requieren para su construccin tamaos muestrales mayores. As, si la caracterstica que se pretende controlar es muy importante (por ejemplo, por ser componentes de precisin) se emplearn los grficos de control por variables. Grficos de control por variables. Los grficos de control por variables en general nos permitirn mediante muestras de pequeo tamao (3, 4 5 piezas) tomadas en la propia mquina, prever dentro de que lmites un proceso est dentro de control. Es decir, se trata de controlar el proceso vigilando las variables ms significativas de los productos fabricados; para ello se usan tcnicas estadsticas aceptando que los errores siguen una distribucin normal. Los grficos de control por variables se deben utilizar cuando se precise controlar una dimensin o caracterstica concreta de un producto en el que se estn produciendo defectos o cuando no estamos seguros de que el proceso con el que se fabrican estos productos sea el adecuado. El control por variables tiene como ventajas a destacar que el operario recibe informacin de la calidad de su trabajo y puede contrastarla con los objetivos perseguidos, adems se puede prever la aparicin de piezas defectuosas, as como detectar que un proceso es el adecuado para fabricar una determinada pieza analizando tambin la evolucin del propio proceso. Despus de haber tomado un mnimo de 20 muestras y calculado el porcentaje de defectos de cada una, elabore la escala en el eje vertical de la grfica . La escala debe reflejar lo que sea apropiado de acuerdo a la medida que usted ha seleccionado. Elabore el eje horizontal con un marcaje por cada fecha de la muestra. Grafique el porcentaje de defectos. A continuacin calcule el porcentaje promedio sumando todos los porcentajes de defectos y divida el resultado entre el total de muestras sumadas. Dibuje una lnea horizontal en la grfica con el valor resultante y nmbrela 'P'. Clculo de los lmites de control. Los lmites de control le dirn si su proceso tiene un control estadstico. Piense que los lmites de control son fronteras invisibles. Mientras que los puntos se encuentren entre las estas fronteras de control, todo estar bien. Sin embargo, cuando los puntos rebasan estas fronteras se deber investigar las causas por las que se han rebasado.
Grfico X - R Este grfico trata de mostrarnos la distribucin que siguen en el tiempo los estimadores (media) y R (rango), identificativos del valor central y la dispersin de los valores de cada muestra extrada. Los valores de estos estimadores variarn de una muestra a otra en el proceso de inspeccin; por tanto, lo que nos interesar predecir, son los lmites entre los que variarn dichos estimadores, supuesto que el proceso est bajo control (esto es, cuando no existen causas especiales que distorsionen el proceso). El procedimiento que debe seguirse para su construccin exige contar con una hoja de recogida de datos, en la que se indicar el tamao de las muestras, la frecuencia con que deben tomarse y el nmero de muestras necesarias para obtener cierta significacin estadstica en nuestro estudio. Grados Brix en Gaseosas
A continuacin aparecer la siguiente ventana donde ingresaremos los datos en la segunda casilla haciendo doble clic a cara uno de nuestros subgrupos, tengan en cuenta que las observaciones para un subgrupo se encuentran en distintas columnas es por eso que seleccionaremos la segunda opcin que se muestra en la caja de seleccin
La grfica superior (Xbarra) nos indica que el proceso en no se encuentra bajo control estadstico por que existen 12 puntos fuera de fuera de los lmites de control (UCL = 8.174 y LCL =7.826). La segunda grfica (R) nos indica que el proceso es variable, y que existen muchas observaciones muy cerca del lmite de control inferior lo que nos dice que si los grados brix en la bebida estn por debajo del promedio sta resulta poco dulce. Tambin observamos que existe 1 punto por encima del lmite de control superior, significando esto que no se utiliza la materia prima ptimamente. Advirtiendo la excesiva variabilidad de los datos podemos afirmar que existen Causas Asignables en el proceso que se debern de investigar para su correccin.
Ejemplo: Una empresa productora de ladrillos de construccin recibi fuertes quejas de su mayor cliente por la inconstancia de la calidad de su producto. Una de las caractersticas principales del ladrillo de construccin es el porcentaje de absorcin de agua. Se decidi controlar el proceso en base a esta caracterstica, utilizando Grficos de Control por Variables X , R. Fuente www.fundibeq.org Durante una semana se recogieron, en cada uno de los 5 das laborables, una muestra de cinco ladrillos cada 2 horas (4 muestras por jornada de trabajo). Las veinte muestras dieron los siguientes resultados:
Los datos se procesan con Minitab 16
Seleccin del clculo de los lmites
Contrariamente a los resultados esperados, todas las muestras estaban dentro de sus Lmites de Control: La alta variabilidad del porcentaje de absorcin de agua no era espordica y debida a causas especiales y puntuales, sino que era constante e, inherente al propio proceso de produccin. Durante el proceso de fabricacin del ladrillo se aade agua a una pasta de arcilla para producir una masa trabajable. La cantidad de agua aadida dependa de la sensacin al tacto que la pasta de arcilla produca en el operario de lo artesa. La primera consecuencia del estudio, fue la instalacin de un medidor de caudal para controlar mejor la cantidad de agua aadida. Una vez reducida de esta forma la variabilidad intrnseca del proceso, se volveran a concentrar los esfuerzos en mantener el mismo proceso bajo control estadstico Control en lnea Con el fin de monitorizar el proceso de llenado, y as poder detectar rpidamente la presencia de causas asignables en el proceso, se decide establecer un control estadstico del proceso. Para ello se toma una muestra de tamao 4 cada 20 minutos y se representan las medias y los rangos en los grficos de control. 100.31 2 99.911 9 100.04 4 100.42 9 100.18 4 100.29 5 99.611 7 99.718 2 100.28 6 99.193 2 100.07 8 100.03 1 99.902 4 99.494 6 100.44 3 99.670 1 100.39 8 99.673 5 99.952 9 99.626 8 100.54 3 99.585 5 100.38 4 99.681 7 99.965 7 99.861 1 100.15 1 99.838 2 100.53 3 100.28 6 100.08 1 99.792 5 100.00 7 99.479 1 99.940 3 100.04 5 100.02 5 100.16 5 99.896 6 100.57 5 99.556 4 100.06 4 99.896 8 99.704 2 100.17 2 99.284 4 99.321 100.15 5 100.26 9 100.23 8 100.36 6 100.42 5 100.09 99.952 4 99.807 5 100.48 7 100.11 7 99.879 2 100.21 6 99.691 3 100.28 9 100.44 8 100.60 2 99.532 6 100.20 6 100.21 6 100.11 9 100.27 1 99.803 2 99.463 1 99.879 1 99.768 4 100.07 7 100.24 99.998 7 99.755 100.07 6 99.361 2 99.495 7 100.03 6 99.257 99.531 100.02 99.724 99.987 100.02 99.638 100.62 100.65 100.02 6 3 8 9 4 9 6 4 5 8 99.856 4 100.29 7 100.30 9 99.792 4 99.907 4 99.830 9 100.30 2 99.929 7 99.571 3 100.37 7 100.53 4 100.18 2 99.711 3 99.829 4 100.47 100.17 6 99.783 6 99.905 8 99.843 7 99.931 3 100.14 3 99.685 1 99.521 4 100.11 5 100.02 8 100.07 3 99.835 100.18 9 99.977 100.00 8 99.153 5 100.01 2 100.20 5 99.861 6 99.778 3 99.901 2 100.28 7 100.11 100.26 8 100.65 2 100.47 1 100.06 3 100.29 4 99.290 2 99.928 3 100.41 5 99.381 3 100.01 6 100.37 1 99.124 3 99.725 3 99.839 3 99.889 5 99.527 6 100.00 5 100.01 6 99.693 2 99.600 8 100.28 6 99.950 7 99.746 7 99.868 2 100.47 5 100.39 4 100.10 5 99.174 3 100.21 4 100.52 2 99.671 1 100.22 1 100.29 5 99.812 1 100.22 4 99.836 100.2 100.20 4 99.241 6 99.870 3 99.744 4 100.86 4 100.01 6 99.410 9 100.26 5 99.906 5 100.14 6 99.708 100.03 1 99.456 9 100.15 4 99.114 99.941 2 100.13 13 99.884 1 99.869 9 100.22 99.348 100.36 8 100.32 4 99.635 9 100.27 6 99.816 7 99.827 7 99.983 2 99.354 99.842 6 100.30 2 100.09 4 100.36 1 100.01 5 100.20 8 Analisis de los grficos
Resultados de la prueba para la grfica Xbarra de Llenado lnea Prueba 7. 15 puntos dentro de 1 desviacin estndar de la lnea central (encima y debajo de LC). La prueba fall en los puntos: 35, 36, 37, 38, 39, 40 Resultados de la prueba de la grfica R de Llenado_linea Prueba 1. Un punto ms que las 3.00 deviaciones estndar desde la lnea central. La prueba fall en los puntos: 50
Grfico X - S Para obtener la grfica de medias y desviaciones estndar es necesario que la caracterstica del producto se haya definido con tipo de anlisis Variable y tamao de subgrupo igual o mayor a 2. Cada punto de la grfica de Medias es el promedio de las muestras de un subgrupo. Cada punto de la grfica de Desviaciones es la desviacin estndar interna de cada subgrupo. Los lmites de control se calculan a partir de la Desviacin estndar promedio y delimitan una zona de 3 desviaciones estndar de cada lado de la media. Ejemplo: En la siguiente figura tenemos los datos de 40 subgrupos de tamao 5.
Ejemplo: Datos de las dimensiones del ojo de una cerradura (milmetros). Para facilitar el registro , cada medida est codificada tomando como base 6.00 mm. Grupo Fecha Hora X1 X2 X3 X4 Observacin 1 2013-01-05 08:50 35 40 32 37
Conclusin Prueba 1. Un punto ms que las 3.00 deviaciones estndar desde la lnea central. La prueba fall en los puntos: 4, 16, 20. El punto 4 corresponde al operador temporal atribuible a la falta de experiencia. Prueba 5. 2 o 3 puntos consecutivos mayores que 2 deviaciones estndar desde la lnea central (en un lado de LC). La prueba fall en los puntos: 3 (Falta de experiencia del operador), 17 (lnea de aceite averiada). Ejemplo: En procesos de llenado de envases es importante controlar el nivel de llenado, ya que la ley exige respetar los contenidos mnimos y por otra parte, el sobrellenado es motivo de altos costos que pueden comprometer la rentabilidad econmica de la produccin. Los procesos de llenado de envases suelen estar automatizados. Se coloca un transmisor de dosificacin o llenado que enva la seal a una vlvula para que esta se abra y cierre.
Los datos a utilizar corresponden al nivel de llenado de botellas de agua mineral de 100 cl. Para ello se toman K muestras del proceso y, mediante un procedimiento iterativo, se eliminan las que son sospechosas de haber sido tomadas cuando el proceso estaba 'fuera de control'. Fuente: http://www.est.uc3m.es/esp/nueva_docencia/leganes/ing_industrial/estadistica_I/pr acticas.html Procedimiento iterativo: a. Se extraen K muestras. b. Se estiman los parmetros. c. Se representan las muestras en los grficos de control d. Se eliminan las muestras fuera de los grficos. e. Se vuelve al paso b. Mediciones Grupo Llenado 1 99.8839575 1 99.2980967 Grupo Llenado 1 99.6710348 1 99.8383829 1 99.9830761 2 99.8870813 2 99.6399131 2 100.291867 2 100.563097 2 99.6643767 20 100.316181 20 100.294269 20 100.39237 20 99.9216847 20 99.5642785 Solucin Minitab
Grfico de control
Resultados Prueba 1. Un punto ms que las 30 desviaciones estndar desde la lnea central. La prueba fall en los puntos: 6, 11, 19 Prueba 5. Ms de 3 puntos ms que 2 desviaciones estndar desde la lnea central (en un lado de LC). La prueba fall en los puntos: 8 Resultados de la prueba de la grfica S de Llenado Prueba 1. Un punto ms que las 3.00 desviaciones estndar desde la lnea central. La prueba fall en los puntos: 9
Grfico X individual Los grficos de control por variables pueden tambin construirse para observaciones individuales procedentes de la lnea de produccin. Esto puede resultar necesario cuando el considerar muestras de tamao mayor que 1 resulte demasiado caro, inconveniente, o imposible. En este procedimiento de control se emplea el rango mvil de dos observaciones sucesivas para estimar la variabilidad del proceso. Ejemplo: La viscosidad de una pintura tapaporo para aviones es una caracterstica de calidad importante. El producto se elabora por lotes y debido a que la produccin de cada lote se lleva varias horas, la velocidad de produccin es demasiado lenta para permitir tamaos de la muestra mayores que uno. Establecer una carta de control para mediciones individuales para este caso
Clculo con MiniTab
Pasar la columna en la que se encuentran los datos al recuadro blanco de Variables:
Entrar a la pestaa Opciones de I-MR con lo que aparece la siguiente ventana, en la cual se debe asegurar que en la pestaa Estimaraparezca Rango mvil promedio como el mtodo para estimar la desviacin estndar. Aceptar.
Entrar en la pestaa Pruebas y escoger Realizar todas las pruebas para causas especiales. Aceptar.
Al inspeccionar el grfico de control resultante encontramos que el proceso esta bajo control
Conclusin: Se puede ver que no existen causas asignables, es decir, el proceso se encuentra bajo control estadstico Ejemplo hipottico: Considere los siguientes datos
Usando las opciones del ejemplo anterior, obtendremos el siguiente grfico de control
El proceso esta fuera de control
Ejemplo: La longitud de un tramo de tubo se registra para cada producto. Realice la grfica de control individual.
Usando las opciones del ejemplo anterior, obtendremos el siguiente grfico de control
Resultados El proceso esta fuera de control Prueba 1. Una observacin mayor que las 3 deviaciones estndar desde la lnea central. La prueba fall en los puntos: 5 Prueba 6. Puntos consecutivos mayores que 1 desviacin estndar desde la lnea central (en un lado de LC). La prueba fall en los puntos: 12,