Professional Documents
Culture Documents
Parte 1
Capacidad de Procesos
Monitoreo de Procesos
● Cartas de Control Tipo Shewhart
● Cartas de Control de Sumas Acumuladas
Introducción
El “Control Estadístico de Procesos” nació a finales de los años 20
en los Bell Laboratories, como parte del Manejo de Calidad Total
(TQM) o Control de la Calidad Total (TQC).
Por que se ve
afectado por factores
que varían
Causas de variabilidad
i i
i
i i
i i
i
i i
i
Causas de variabilidad
La estrategia básica para la mejora de la calidad pasa por la
identificación de las causas que producen variabilidad, las cuales según
Shewhart (1931) se clasifican en:
Se selecciona aleatoriamente u n a
mue st ra de t amaño n de entre los
Diámetros del engrane en m m
engranes fabricados por el proceso,
en u n día de producción.
f(x)
f ( y)dy
a
f (y)dy
f (y)dy
b
Función de distribución
Dada una variable aleatoria Y, se llama función de distribución de la
v.a. Y a la función F, de recta real R en el intervalo [0,1], definida por:
n n
Y
1
n i1
Yi y S 2
1
n 1 i1
(Yi Y ) 2
Distribución Normal
Se dice que una v.a. Y distribuye normal con parámetros μ y σ (Y~N(μ,σ))
si su fdp es:
1 ( y ) 2
f ( y) exp y , y , 0.
2 2 2
,
0.3
0.3
0.25
0.2
0.2
0.15
0.1 0.1
0.05
x x
-2 2 4 6 -7.5 -5 -2.5 0 2.5 5 7.5 10
f(x) F(x)
1
0.4
0.8
0.3
0.6
0.2
0.4
0.1 0.2
x x
-5 -2.5 0 2.5 5 7.5 10 -4 -2 0 2 4 6 8 10
Teorema de Límite Central
El teorema del límite central (TLC) establece que si una variable aleatoria
se obtiene como una suma de muchas causas independientes, siendo
cada una de ellas de poca importancia respecto al conjunto, entonces su
distribución es asintóticamente normal.
0.20
0.15
0.25
0.15
0.20
0.10
0.15
0.10
0.10
0.05
0.05
0.05
0.00
0.00
0.00
0 2 4 6 8 10 0 5 10 15 20 0 5 10 15 20 25 30
n = 10, p = 0.75 n = 20, p =0.75 n = 30, p = 0.75
0.06
0.12
0.05
0.06
0.10
0.04
0.06 0.08
0.04
0.03
0.02
0.02
0.02 0.04
0.01
0.00
0.00
0.00
200
0.06
150
0.04
100
0.02
50
0.0
0
0 5 10 15 20 25 5 10 15 20 25
n = 10 n = 20
200
150
150
100
100
50
50
0
4 6 8 10 12 14 16 18 6 8 10 12 14
Teorema de Límite Central (TLC)
Recapitulando, un proceso está afectado por un gran número de
factores (por ejemplo oscilaciones de las características del material
utilizado, variaciones de temperatura y humedad ambiental,
variabilidad introducida por el operario, entre otras), que inciden en él y
que inducen una variabilidad de las características del producto
fabricado.
Capacidad de máquina
+
Otras variaciones
(Turnos, operadores,
Materia prima, etc.)
=
Tres tipos de Límites
El ancho de
especificaciones puede
medir “cualquier cantidad”
LEI LES
de sigmas.
Las especificaciones lo
deseado.
LEI LES
Capacidad de Procesos
Dado un proc eso y dadas
Proceso con
unas especificaciones diremos
capacidad
que un proceso es capaz si
potencial y
puede producir dentro de la
capacidad
especificaciones exigidas, es
real.
decir, si su capacidad es
menor que lastolerancias.
LIE T LSE
LIE T LSE
Ancho del Proceso
Ancho de las Especificaciones
Capacidad de Procesos y Estabilidad
Variables de
Cumple con salida inestables
especificaciones pero dentro de
y es predecible especificaciones
ya que esta bajo
control
Las variables de
salida del proceso son No cumple con especificaciones
estables pero baja y causas especiales de
capacidad de cumplir variabilidad presentes
especificaciones.
Índices de Capacidad de Procesos
Cp 1 es inaceptable
1 Cp 1.33 marginal y
C p 1.33 es capacidad potencial adecuada
1 6
Cr “Proporción de la t olerancia qu e
C p LES LEI ocuparía el proceso”
Índice Cp
Procesos con Cp=1 Procesos con Cp=2
Ancho del Proceso
Ancho de las
Especificaciones
El índice C p no
toma en cuenta
el centrado del
proceso.
% de artículos defectuosos
Índices ZU, ZL, C PU , C PL y C PK
LEI
LES
LEI LES
LES LES ZU
ZU C PU
3 3
Toma en
LEI LEI ZL
cuenta el ZL CPL
centrado 3 3
del proceso
min
LEI , LES minC ,C
C PK
3 3
PL PU
Índice C PK
El Cpk no puede distinguir entre los tres procesos representados en la
figura.
CPK (1k)CP
Esta relación implica que el CPK es menor o igual al CP, y la igualdad se
dá cuando la media del proceso coincide con el valor nominal ( T ).
Índice Cpm
CP
C pm =1 C pm
C pm =0.63 1
T 2
C pm =0.44 2
El índice C pm sí distingue entre los tres
procesos de la figura. Se cumple que:
LES LEI
C pm
6 T
T LES LEI
6
Es decir, la media del proceso no se puede alejar del valor objetivo más
allá de un sexto de la tolerancia.
LEI LES C C C C C
2 3 1 1 0.63
CP > Pp y C PK > P p k
Ya que los Pp´ toman en cuenta la variabilidad a largo plazo.
Métrica 6 sigma
12σ 12σ
6σ
6σ 7.5σ
4.5σ
0 ppm
3.4 ppm
0 1 2 3
4
Son gráficas cronológicas de los datos del proceso de interés, que nos
ayudan a entender, controlar y mejorar los procesos.
Comportamiento esperado de las observaciones individuales
en un proceso en estado de control
Considere un proceso de llenado de botellas de agua que, en estado de
control, sigue una distribución normal con media μ=200 cm3 y desviación
s=0.7 cm3.
3s
3s
3s
3s
3s 3s
Cartas de Control
Proceso
Comportamiento de la media de un proceso en estado de control
m= 1 2σ
m=2
m=2
m=3
1.5σ
m=6
m=5
m=7
m=6
m=14
1σ
m=18
m=28
m m=52 0.5σ
m=217 m= 181 m=130
Probabilidad de falsas
E(Wi ) alarmas del orden del 3%.
E(Wi ) 3 Wi
1
E X E
1 n
X
i (n )
n i 1 n
Var X Var 1 n
1 2
n i 1
X i 2 (n )
n
2
T 3 T
Carta X
sesgado insesgado
n 1 2
E S 2 E S* 2
2
n
Carta X , si μ y σ desconocidos
Las varianzas de ambos estadísticos son, para procesos normales:
n n
2 c ES* c
2
ES
2 2
n n 1 (n 1) n 1
2 4
2 2
1
S 1 c2 2 S 1c42
*
n
Carta X R
La carta X monitorea las variaciones en los promedios de las muestras.
La carta R monitorea la variabilidad de un proceso. Es decir, muestra las
variaciones de los rangos de las muestras.
1 R d3
LCS X3 X A2 R LCS 13 R D4 R
n d2 d2
LC X LC R
LCI X 3
1 R
X 3A2 R d
LCI 13 3 R D3 R
n d2 d2
Carta X R
Estimación de las constan tes d2 y d3, por simulación, u tilizadas en la
construcción de la carta X R d2 d3
1.118145 0.8495161
1.693288 0.884309
Programa en R
2.059194 0.8825737
Ca rt a X S Ca rt a X S *
Carta X S
Estimación de las constantes c2 y c4 involucradas en la obtención de los
límites de control de las cartas X S, por medio de simulación.
C2 C4
0.5634149 0.796789
0.7235947 0.8862189
2
S ( , n1)
LCI 2
c4 n 1
LC S
2
(1 , n1)
S
LCS 2
c4 n 1
Ejemplos
Normal Q-QPlot
Carta de Medias
n=4 #tamaño de subgrupo
LCS= 1.99
subgrupos=20 #cantidad de subgrupos
1.98
2.00
datos<-matrix(nrow=subgrupos,ncol=n)
1.95
datos[1,]<-c(1.88, 1.93, 1.98, 1.88)
1.94
Medias
LC= 1.933
1.90
datos[3,]<-c(1.92, 1.95, 1.90, 1.98)
1.90
datos[4,]<-c(1.89 ,1.89, 1.90, 1.94)
1.85
LCI= 1.87
datos[5,]<-c(1.95 ,1.93, 1.90, 1.93)
1.86
datos[6,]<-c(2.00, 1.95, 1.94, 1.89)
12
1
2
3
4
5
6
7
8
9
10
11
13
14
15
16
17
18
19
20
21
22
-2 -1 0 1 2
datos[7,]<-c(1.95, 1.93, 1.97, 1.85)
Subgrupo
datos[8,]<-c(1.87, 1.98, 1.96, 2.04)
datos[9,]<-c(1.96, 1.92, 1.98, 1.88)
datos[10,]<-c(1.99, 1.93, 2.01, 2.02)
Carta de Medias Carta de Rangos
datos[11,]<-c(1.93, 1.95, 1.90, 1.93)
0.20
LCS= 0.19
datos[12,]<-c(1.95, 1.98, 1.89, 1.90)
2.00
LC
datos[13,]<-c(1.88, 1.93, 1.88, 1.90)
0.15
datos[14,]<-c(1.97, 1.88, 1.92, 1.96)
1.95
LC
0.10
datos[15,]<-c(1.91, 1.91, 1.96, 1.93) LC= 0.08
R
datos[16,]<-c(1.98, 1.90, 1.92, 1.91)
1.90
0.05
LC
datos[17,]<-c(1.93, 1.94, 1.95, 1.90)
1.85
0.00
datos[19,]<-c(2.00, 1.97, 1.99, 1.95)
19
20
12
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
21
1
2
3
4
5
6
7
8
9
10
11
13
14
15
16
17
18
19
20
21
22
datos[20,]<-c(1.98, 1.94, 1.96, 1.88)
Subgrupo
Ejemplos
En el departamento de ensamble de motores de una planta
automotriz, se tiene que una de las partes del motor, el árbol de
levas, debe tener una longitud de 600mm(+/-)2mm para cumplir
con las especificaciones de ingeniería.
603
604
602
medias y los rangos son
602
601
Medias
600
LC= 600.2
600
El promedio de las
598
medias se encuentra
599
LCI= 598.0 dentro de las
598
596
especificaciones, lo
3
1
2
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
-2 -1 0 1 2 mismo ocurre con las
Subgrupo medias excepto p ara las
muestras 2 y 14, que
está n por a r r iba del
Carta de Medias Carta de Rangos LCS y la mu estr a 9,
10
LC LCS= 7.86
8
602
El promedio de los
6
LC= 3.7
considerando que la
4
LC
máxima variación
598
LCI= 0
permitida es de ±2
mm., hay u n exceso de
596
variación en el proceso.
3
1
2
3
4
5
6
7
8
9
1
2
4
5
6
7
8
9
14
10
11
12
13
15
16
17
18
19
20
21
10
11
12
13
14
15
16
17
18
19
20
21
22
Subgrupo
Ejemplos (Árbol de levas)
Sin subgrupos 2 y 14
Normal Q-Q Plot Carta de Medias
604
604
Después de una
investigación con el
602
LCS= 602.1
602
responsable del proceso,
Medias
600
600
identificación de causas
598
asignables pa r a las
598
LCI= 597.72
596
muestra s 2 (falla de
1
2
3
4
5
6
7
8
9
17
10
11
12
13
14
15
16
18
19
20
-2 -1 0 1 2
maquin a) y 14 (error
Subgrupo
del operador), má s no
pa ra la nueve.
Carta de Medias Carta de Rangos
Luego se eliminaron las
604
10
LC
LCS= 8.10 muestra s 2 y 14,
8
602
obteniendo nuevamente
6
LC= 3.833
4
rangos.
598
LC
2
LCI= 0
596
0
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9
15
17
10
11
12
13
14
16
17
18
19
10
11
12
13
14
15
16
18
19
20
Ejemplos (Árbol de levas)
Al eliminar los subgrupos 2 y 14, ya no tenemos señales de fuera de control, en
ambas cartas.
El conjunto de datos
esta formado por 35
muestras de tamaño
n=5 recolectadas
cada media hora. Los
datos corresponden a
los tres últimos dígitos
de los valores reales
medidos de la forma
3.5205, 3.5202, 3.5204,
y así sucesivamente.
El interés es establecer
un control estadístico
de este proceso
mediante cartas de
control.
Ejemplo diámetros de cilindros
Normal Q-Q Plot Carta de Medias
206
LCS= 204.70
La carta de medias
210
202
Medias
LC= 200.251
subgrupos 1 y 11
200
198
exceden el límite de
LCI= 195.80
control superior.
190
194
1
2
3
4
5
6
7
8
39
0
10
18
49
20
22
24
26
28
32
34
36
37
-2 -1 0 1 2
2
9
1
2
1
1
1
6
Subgrupo
* La carta de Rangos
*
210
20
LCS
LCS= 16.31
muest r a que los
15
subgrupos 6 y 16
R
LC
200
10
LC= 7.7143
LCI
exceden el límite de
5
control superior.
190
LCI= 0
0
7
8
1
2
3
4
5
6
1
2
3
4
5
6
7
8
39
0
36
49
20
36
10
14
15
17
19
21
22
24
26
28
29
31
32
34
10
18
22
24
26
28
32
34
37
2
9
1
2
9
1
2
1
1
1
6
Subgrupo
Ejemplo diámetros de cilindros
Normal Q-Q Plot Carta de Medias
Un a investigación
mostró que los dos
206
206
LCS= 204.13
valores de rangos
de los subgrupos 6
202
202
Medias
LC= 200.236
y 16 correspondían
a tiempos en que el
198
198
LCI= 196.337
operador regular se
194
ausentaba y dejaba
194
u n reemplazo con
8
1
2
3
4
5
6
7
10
18
29
0
22
24
26
28
39
0
32
34
35
-2 -1 0 1 2
9
1
2
1
1
4
1
6
2
Subgrupo menos experiencia,
Sin 6 y 16 a cargo de la
Carta de Medias Carta de Rangos
producción.
LCS= 14.288
15
Se observa que la
206
LCS
variabilidad h a sido
10
202
LC
se pasa ahora a
5
198
LCI
LCI= 0
controlar la media
0
del proceso.
194
8
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
33
11
12
14
15
17
18
10
9
21
23
24
26
27
29
30
32
34
10
18
29
0
22
24
26
28
39
0
32
34
35
2
9
1
2
1
1
4
1
6
Subgrupo
Ejemplo diámetros de cilindros
Normal Q-Q Plot
El subgr u po 1 ocurre a
Carta de Medias
las 8:00 a.m. y
206
corresponde al a rra nque
206
LCS= 203.89
de la producción, cuando
202
202
Medias
LC= 199.948
198
198
194
corresponde al a rra nque
7
1
2
3
4
5
6
15
16
18
29
0
22
24
25
27
29
31
33
8
9
11
13
-2 -1 0 1 2
1
de la línea de producción
Sin 1 y 11 Subgrupo
inmediatamente después
del descanso del lunch y
Carta de Medias Carta de Rangos cuando las maquinas h a n
sido apagadas por
206
LCS= 14.459
15
LC= 6.8387
LC
Como se encontraron
R
LCI
LCI= 0
puntos se eliminan y las
0
194
cartas se vuelven a
6
22
7
1
2
3
4
5
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
23
24
25
26
27
28
29
30
31
32
1
2
3
4
5
6
15
16
18
29
0
22
24
25
27
29
31
33
8
9
11
13
calcular.
1
1
Subgrupo
Ejemplo diámetros de cilindros
LSC
. X abajo de la linea central. desc enso constante.
A+ LSC A+ LSC ..
B+
B+
A+
..
..
X
C+ B+
LC C+
LC
... ..
C- C+
.. .
C- LC
..
X C-
B- X
A- B-
LIC . X LIC
A-
LIC
B-
A-
PRUEBA 4.Catorce puntos alternandose hac ia abajo PRUEBA 5. Dos d e tres puntos consecutivos en la zona A PRUEBA 6.Cuatro de cinco puntos consecutivos en la zona
y arriba Bo más allá de ella.
LSC .. LSC .. X
. ..
LSC
A+
B+ . . . .
A+
B+ . A+
. . .. ..
B+ X
C+ C+
LC C-
LC
C- . LC
C+
C- .. .
B-
A-
. X
B-
A- . . B-
A-
.. X
LIC LIC X LIC
PRUEBA 7. Quince puntos consec utivos en la zona C PRUEBA 8. Ocho puntos consecutivos en ambos lados
(por abajo y arriba de la linea central) de la linea central c on ningún punto en la zona C.
LSC LSC . .
A+
. . . . A+
. .
B+
C+ . .. . . . B+
C+
LC C-
B-
.. X
LC C-
B- . . . .
A- A- X
LIC LIC
Patrones de Inestabilidad de CC
n
1 i 1
(1 i )
1 (1 i )
n
i 1
ARL combinado
Sustituyendo las probabilidades de salir de control para las
diferentes reglas tenemos que la probabilidad de salir, de
acuerdo a una o mas de las reglas es,
Ejemplos:
•Procesos químicos
X R / d 2 R / 1 . 128
La constante d 2 ya es conocida, solo que aquí consideramos que
es función del tamaño muestral n=2.
LC= 1.9525
2.0
32
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
33
34
35
36
37
38
39
40
41
42
3.0
3.0
2 0.4 22 0.6
2.5
3 0.2 23 0.2
5 0.9 25 0.5
1.5
1
2
3
4
5
6
7
8
38
18
29
0
22
24
26
28
39
0
32
34
36
49
0
42
10
-2 -1 0 1 2
3
9
1
2
1
4
1
6
9 0.6 29 0.1
Lote
10 0.1 30 0.3
11 0.4 31 0.4
Carta de Rangos móviles
12 0.6 32 0.4
13 0.3 33 0.5
1.5
LCS=1.4
14 0.5 34 0.8
15 0.9 35 0.3
1.0
Rango.movil
16 1.2 36 0.3
LC= 0.43
17 0.0 37 0.5
0.5
18 0.3 3 0.5
LCI=0 19 0.2 19 0.1
0.0
20 0.5 40 0.1
10
18
49
0
22
24
26
28
39
0
32
34
36
38
49
0
42
1
2
3
4
5
6
7
8
9
1
2
1
1
2
1
6
2
Lote
Cartas p ara observaciones individuales
5
2.2
4
2.0
LCS= 2.967
3
1.8
LC= 1.9179
Brix
2
1.6
LCI= 0.868
1
1.4
0
1.2
-1
-2 -1 0 1 2
1
2
3
4
5
6
7
8
9
19
20
10
11
12
13
14
15
16
17
18
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
Lote
Cartas de control para atributos
p
1
nm i1
Xi
Carta p (Proporción de no conformes)
Los límites de control de la carta p son:
p(1 p)
LCS p 3
n
LC p
p(1 p)
LCI p 3
n
Núm.totalde artículosdefectuosos
LC p
0.12
Núm.totalde artículosinspeccionados
0.10
LCS= 0.089
D u r a n te 25 días se
inspeccionaron 200 artículos
0.08
y se contaron el número de
defectuosos por día.
p
0.06
futuro inmediato pa ra
LCI= 0.001
controlar la fracción de
0.00
artículos defectuosos,
siempre que se mantengan
23
10
11
12
13
14
15
16
17
18
19
20
21
22
24
25
26
27
9
1
2
3
4
5
6
7
8
Subgrupo
las misma condiciones bajo
las cuales se tomaron las 25
muestras.
Carta p con n variable
Si n no es constante, los límites de control pueden calcularse como:
p(1 p)
LCS p 3
ni
LC p
p(1 p)
LCI p 3
ni
empaquetado de estos
p
funcionó en presencia de
causas especiales, lo que
ocasionó que las
0.005
proporciones de defectuosos
sean muy grandes.
0.000
LCI=0
LCI= -0.001
4
1
2
3
5
6
7
8
9
14
15
25
36
10
11
12
13
16
17
18
19
20
21
22
23
24
26
27
28
29
30
31
32
33
34
35
37
38
39
40
41
42
Subgrupo
Ejemplo Carta p con n variable
Al investigar lo ocurrido en los subgrupos 1, 12 y 36 se encontró que durante
esas horas se había cambiado el rollos de la película plástica de empaque, ya
sea porque se terminó o porque se empezó a empaquetar otra presentación.
Carta p
LCS= 0.020 p 0.0094
0.020
n 598.68
Interpretación: se espera que
0.015
LCI=0
0.000
LCI= -0.002
1
2
3
4
5
6
7
8
9
10
31
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
32
33
34
35
36
37
38
39
Subgrupo
Carta np (número de defectuosos)
En ocasiones cuando el tamaño del subgrupo o muestra es constante, es
más conveniente usar la carta np, en la que se grafican el número de
defectuosos por subgrupo di, en lugar de las proporciones.
LCS n p 3 n p(1 p)
LC n p
LCI n p 3 n p(1 p)
Ejercicio: Realice la carta np para los datos del ejemplo en que durante
25 días se inspeccionaron 200 artículos y se contaron el número de
defectuosos por día. Modifique el programa correspondiente.
Carta c (Número de defectos)
En muchos casos es más conveniente trabajar con el número de defectos
por unidad, en lugar del porcentaje de unidades defectuosas. La carta c
analiza la variabilidad del número de defectos por subgrupo.
LCS= 13.936 11 6
12 7
13 8
14 4
15 5
10
16 12
17 8
No. Defectos
LC= 6.3667 18 10
19 4
20 7
5
21 3
22 10
23 6
24 6
25 7
0
LCI= -1.203
26 4
27 5
28 6
8
1
2
3
4
5
6
7
29
30
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
31
32
29 8
30 5
Artículos
Carta u
Cuando el número de artículos inspeccionados en una unidad muestral n varía de
unidad a unidad, es mejor graficar la estadística
c
u
n
Que representa el número de artículos defectuosos por unidad o artículo.
Se observa que el
3
proceso no funciona de
ma ne ra estable, ya que
en la muestra del lote
21 el número promedio
2
LCS= 1.7016
de defectos por pieza se
sale del límite de
control superior.
u
LC= 1.0457
1
E n la fabricación de tal
LCI= 0.3898
lote ocurrió u n evento
especial.
0
13
10
11
12
14
15
16
17
18
19
20
21
22
23
24
25
26
1
2
3
4
5
6
7
8
9
Lote
Ejemplo Carta u
Carta u
Sin lote 21
2.5
2.0
LCS= 1.6603
1.5
LC= 1.0176
1.0
u
0.5
LCI= 0.3749
0.0
-0.5
17
10
11
12
13
14
15
16
18
19
20
21
22
23
24
25
4
1
2
3
5
6
7
8
9
Lote
FIN
GRACIAS.