GRFICO EN EL QUE EL TIEMPO EST DISPUESTO EN EL EJE HORIZONTAL EN FUNCIN DE LOS VALORES ESTADSTICOS

Que es un Diagrama de Control?

Es un mtodo estadstico utilizado para el estudio y control de calidad los procesos repetidos.

Se sugiere que el diagrama de control, (DC) puede servir: a) Para definir la meta o el estndar de proceso que la gerencia desee alcanzar (PLANEAR) b) Puede ser utilizado como instrumento para alcanzar dicha meta (PRODUCIR) c) Como procedimiento para juzgar si la meta fue alcanzada (CONTROL)

Grficos de Control
Bsicamente, una Carta de Control es un grfico en el cual se representan los valores de algn tipo de medicin realizada durante el funcionamiento de un proceso continuo, y que sirve para controlar dicho proceso.

Grfico de Control

Qu es una Carta de Control?

Una Carta de Control es como un historial del proceso... ... En donde ha estado. ... En donde se encuentra. ... Hacia donde se puede dirigir

Las cartas de control pueden reconocer cambios buenos y malos. Qu tanto se ha mejorado? Se ha hecho algo mal?
Las cartas de control detectan la variacin anormal en un proceso, denominadas causas especiales o asignables de variacin.

Supongamos que tenemos una mquina inyectora que produce piezas de plstico, por ejemplo de PVC.

Una caracterstica de calidad importante es el peso de la pieza de plstico, porque indica la cantidad de PVC que la mquina inyect en la matriz.
Si la cantidad de PVC es poca la pieza de plstico ser deficiente; si la cantidad es excesiva, la produccin se encarece, porque consume mas materia prima.

Entonces, en el lugar de salida de la piezas, hay un operario que cada 30 minutos toma una, la pesa en una balanza y registra la observacin.

pieza:

55,1 gr. 6

57,1 gr. 7

53,3 gr. 8

53,9 gr.

55,9 gr.

....ETC.

53,2 gr.

55,8 gr.

55,3 gr.

Supongamos que estos datos se registran en un grfico de lneas en funcin del tiempo:

Grfico de las observaciones

60

Peso de las piezas (Gr.)

58 56 54 52 50 48

11

13

15

17

N de pieza

19

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

Pero en algn momento puede ocurrir que aparezca uno o ms valores demasiado alejados del promedio.

Cmo podemos distinguir si esto se produce por la fluctuacin natural del proceso o porque el mismo ya no est funcionando bien?
Esta es la respuesta que provee el control estadstico de procesos, y a continuacin veremos como lo hace. Todo proceso de fabricacin funciona bajo ciertas condiciones o variables que son establecidas por las personas que lo manejan para lograr una produccin satisfactoria. El producto deseado resulta de la concurrencia de varios factores y condiciones que caracterizan al proceso.

Maquinaria

Mtodos

Materias Primas

Proceso

Mano de Obra

Condiciones Ambientales

Cada uno de estos factores est sujeto a variaciones que realizan aportes ms o menos significativos a la fluctuacin de las caractersticas del producto, durante el proceso de fabricacin. Los responsables del funcionamiento del proceso de fabricacin fijan los valores de algunas de estas variables, que se denominan variables controlables.

Por ejemplo, en el caso de la inyectora se fija la temperatura de fusin del plstico, la velocidad de trabajo, la presin del pistn, la materia prima que se utiliza (Proveedor del plstico), etc.

 Pero un proceso de fabricacin es una suma compleja de eventos grandes y pequeos.

Hay una gran cantidad de variables que sera imposible o muy difcil controlar. Estas se denominan variables no controlables. Por ejemplo, pequeas variaciones de calidad del plstico, pequeos cambios en la velocidad del pistn, ligeras fluctuaciones de la corriente elctrica que alimenta la mquina, etc.
Los efectos que producen las variables no controlables son aleatorios.

Adems, la contribucin de cada una de las variables no controlables a la variabilidad total es cuantitativamente pequea. Son las variables no controlables las responsables de la variabilidad de las caractersticas de calidad del producto.

Los cambios en las variables controlables son la Causas Asignables de variacin del proceso, porque es posible identificarlas. Las fluctuaciones al azar de las variables no controlables son las Causas No Asignables de variacin del proceso, porque no son pasibles de ser identificadas.

CAUSAS DE LA VARIACIN DE LA CALIDAD?

Desde el punto de vista estadstico en la industria, estas pueden ser: a) VARIACIONES CASUALES o No Asignables: Son la suma de los efectos del complejo total de causas posibles que producen variacin en la calidad de un producto manufacturado. Variables no controlables o aleatorias

Causas No Asignables: Son una multitud de causas no identificadas, ya sea por falta de medios tcnicos o porque no es econmico hacerlo, cada una de las cuales ejerce un pequeo efecto en la variacin total.
Son inherentes al proceso mismo, y no pueden ser reducidas o eliminadas a menos que se modifique el proceso.

b) VARIACIONES POR CAUSAS ATRIBUIBLES o Asignables: CONTROLABLES Estas se generan por causas especiales especificas como: Diferencia entre mquinas Diferencia entre trabajadores Diferencia entre materiales Diferencia en cada uno de estos factores a lo largo del tiempo Diferencia en las relaciones entre ellas

Causas Asignables (variables controlables): Son causas que pueden ser identificadas y que conviene descubrir y eliminar, por ejemplo, una falla de la mquina por desgaste de una pieza, un cambio muy notorio en la calidad del plstico, etc. Estas causas provocan que el proceso no funcione como se desea y por lo tanto es necesario eliminar la causa, y retornar el proceso a un funcionamiento correcto.

 Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no controlables (Causas no asignables) se dice que est funcionando bajo Control Estadstico.
Cuando, adems de las causas no asignables, aparece una o varias causas asignables, se dice que el proceso est fuera de control.

Cmo poner en marcha el control estadstico?

La puesta en marcha de un programa de control estadstico para un proceso particular implica dos etapas:
1a Etapa: Ajuste del Proceso Control Estadstico

2a Etapa: Control del Proceso

Antes de pasar a la segunda etapa, se verifica si el proceso est ajustado. En caso contrario, se retorna a la primer etapa:

En la 1a etapa se recogen mediciones, con las cuales se calcula el promedio y la desviacin estndar:

X X N

X X
i

Luego se calculan los Lmites de Control de la siguiente manera:

Lim. Superior X 3

Lim. Inferior X 3
Estos lmites surgen de la hiptesis de que la distribucin de las observaciones es normal.

En la distribucin normal, el intervalo de 3 sigmas alrededor del promedio corresponde a una probabilidad de 0,998.
Y

99.8 % de las mediciones

3

Entonces, se construye un grfico de prueba y se traza una lnea recta a lo largo del eje de ordenadas (eje y), a la altura del promedio (valor central de las observaciones) y otras dos lneas rectas a la altura de los lmites de control.
Grfico de Control de Prueba
65

Lmite Superior = 60,8 Gr.

Peso de las piezas (Gr.) 60 55

Promedio = 55 Gr.

50

Lmite Inferior = 49,2 Gr.

45 9 7 5 3 1 N de pieza 19 17 15 13 11

En este grfico se representan los puntos correspondientes a las observaciones con las que se calcularon los lmites de control:
Grfico de Control de Prueba
65 Peso de las piezas (Gr.) 60 55 50 45 9 7 5 3

N de pieza

19

17

15

13

11

Este grfico de prueba se analiza detenidamente para verificar si est de acuerdo con la hiptesis de que la variabilidad del proceso se debe slo a un sistema de causas aleatorias o si, por el contrario, existen causas asignables de variacin. Esto se puede establecer porque cuando la fluctuacin de las mediciones se debe a un sistema constante de causas aleatorias la distribucin de las observaciones es normal.

Cuando las observaciones sucesivas tienen una distribucin normal, la mayor parte de los puntos se sita muy cerca del promedio, algunos pocos se alejan algo ms y prcticamente no hay ninguno en las zonas ms alejadas:
Grfico de Control de Prueba
65

La mayor parte de los puntos estn muy cerca del promedio

Peso de las piezas (Gr.)

60 55

50
45 9 7 5 3 1 N de pieza 19 17

15

13

11

Grfico de Control de Prueba

65

Lejos del promedio hay menos

Peso de las piezas (Gr.)

60 55

50
45 9 7 5 3 1 N de pieza 19 17

15

13

11

Es difcil decir como es el grfico de un conjunto de puntos que siguen un patrn aleatorio de distribucin normal, pero s es fcil darse cuenta cuando no lo es. Veamos algunos ejemplos de patrones No Aleatorios:

Grfico de Control

Una sucesin de puntos por encima ...

Grfico de Control

... o por debajo de la lnea central.

Grfico de Control

Una serie creciente de 6 7 observaciones...

... o una serie decreciente.

Grfico de Control

Grfico de Control

Varios puntos por fuera de los lmites de control

Si no se descubren causas asignables entonces se adoptan los lmites de control calculados como definitivos, y se construyen cartas de control con esos lmites.
Grfico de Control
65 Peso de las piezas (Gr.)

60 55
50 45 N de pieza 39 29 27 25 37

Lm. Superior Valor Central Lm. Inferior

35
33 23 21 31

Cuando las observaciones no siguen un patrn aleatorio, indicando la existencia de causas asignables, se hace necesario investigar para descubrirlas y eliminarlas. Una vez hecho esto, se debern recoger nuevas observaciones y calcular nuevos lmites de control de prueba, comenzando otra vez con la 1a etapa. En la 2a etapa, las nuevas observaciones que van surgiendo del proceso se representan en el grfico, y se controlan verificando que estn dentro de los lmites, y que no se produzcan patrones no aleatorios:

Grfico de Control
65 Peso de las piezas (Gr.)

60 55
50 45 N de pieza 39 29 27 25 37

Lm. Superior Valor Central

Punto fuera de control

Lm. Inferior
35
33 23 21 31

Como hemos visto, el 99,8 % de las observaciones deben estar dentro de los lmites de 3 sigmas alrededor de la media.

Esto significa que slo 1 observacin en 500 puede estar por causas aleatorias fuera de los lmites de control. Entonces, cuando se encuentra ms de 1 punto en 500 fuera de los lmites de control, esto indica que el sistema de causas aleatorias que provocaba la variabilidad habitual de las observaciones ha sido alterado por la aparicin de una causa asignable que es necesario descubrir y eliminar.

En ese caso, el supervisor del proceso debe detener la marcha del mismo e investigar con los que operan el proceso hasta descubrir la o las causas que desviaron al proceso de su comportamiento habitual. Una vez eliminadas las causas del problema, se puede continuar con la produccin normal.

Variacin observada en una Carta de Control

Una Carta de control es simplemente un registro de datos en el tiempo con lmites de control superior e inferior. Una carta de control identifica los datos secuenciales en patrones normales y anormales. El patrn normal de un proceso se llama causas de variacin comunes.

El patrn anormal debido a eventos especiales se llama causa especial de variacin.

Tener presente que los lmites de control NO son lmites de especificacin.

Causas comunes o normales

CAUSAS COMUNES Siempre estn presentes Slo se reduce con acciones de mejora mayores Su reduccin es responsabilidad de la direccin

Fuentes de variacin: Mrgenes inadecuados de diseo, materiales de baja calidad, capacidad del proceso insuficiente
SEGN DEMING El 94% de las causas de la variacin son causas comunes, responsabilidad de la direccin.

Variacin Causas comunes

Lmite inf. de especs.

Lmite sup. de especs.

Objetivo

37

Causas Especiales

CAUSAS ESPECIALES Ocurren espordicamente Son ocasionadas por variaciones anormales (6Ms)

Medicin, Medio ambiente, Mano de obra, Mtodo, Maquinaria, Materiales

Slo se reduce con acciones en el piso o lnea Su reduccin es responsabilidad del operador por medio del Control Estadstico del Proceso

SEGN DEMING El 15% de las causas de la variacin son causas especiales y es responsabilidad del operador.

Variacin Causas especiales

Lmite inf. de especs.

Lmite sup. de especs.

Objetivo

TEORA DE LOS DIAGRAMA DE CONTROL.

Si las variaciones casuales se ordenan en funcin del tiempo, estas se conducirn de forma al azar, no se mostraran ciclos tandas, ni ninguna forma definida. Las variaciones futuras no podrn ser previstas con base en el conocimiento de las variaciones anteriores. El conocimiento de las variaciones casuales es el fundamento de los diagramas de control. Si se estudia un grupo de datos y se encuentra que sus variaciones se ajustan a una forma estadstica conocida puede concluirse que la variacin puede estar bajo control fuera de control si tenemos variaciones atribuibles.

El proceso de inspeccin
El grfico de Control:
Es un diagrama que se completa durante el avance del

proceso. El propsito es detectar la anormalidad de las variaciones. Posee una lnea central que generalmente coincide con el objetivo del proceso. Est acotado por lmites superior e inferior.
Lmite Superior

Nominal

Causa asignable probable

Lmite Inferior

Patrones de anormalidad en la carta de control

Escuche la Voz del Proceso
M E D I D A S C A L I D A D

Regin de control, captura la variacin natural del proceso original

LSC

Tendencia del proceso Causa Especial

identifcada

LIC

El proceso ha cambiado
TIEMPO

 Cmo se comporta el proceso a lo largo del tiempo?

Lmites de tolerancia y control

Fuera de control y Regla de los 7

R = amplitud (diferencia entre un valor y el prximo)

Lmite de tolerancia (Cliente) Lmite control superior (UCL)

X = media

Lmite control inferior (LCL) Lmite de tolerancia (Cliente)

Recomendaciones Generales a Seguir en las Cartas de Control.

Criterios de fuera de control

Si el patrn se vuelve predecible el patrn no es natural y debe tener una causa asignable.

1. Agrupamiento. 2. Cambio gradual de nivel. 3. Cambio repentino de nivel. 4. Cambio sistemtico. 5. Ciclos. 6. Estratificacin. 7. Inestabilidad.

8. Interaccin. 9. Mezcla. 10. Mezcla estable. 11. Mezcla inestable. 12. Saltos o abortos. 13. Tendencias continuas. 14. Tendencias variables.

Corrida

Adhesin de los puntos a los lmites de control

Puntos fuera de control.

Grfica X (R debe estar bajo control): Error en las mediciones. Error al graficar. Cambio de escala. Proceso incompleto, u omitido.
Grfica R: Proceso incompleto, u omitido. Error al graficar. Error de operacin (restar). Error de medida.

Grfica p:

Variacin en el tamao muestral. Toma de muestras de una distribucin totalmente distinta.

NATURALEZA DEL DIAGRAMA DE CONTROL.

Suponemos que tomamos muestras de un tamao dado en el curso de un proceso con intervalos ms o menos regulares y que para cada muestra se calcula alguna estadstica X. Esta estadstica podra representarse mediante un diagrama de control, los cuales pueden ser: a) CARTAS DE CONTROL POR VARIABLES
b) CARTAS DE CONTROL POR ATRIBUTOS

a) CARTAS DE CONTROL POR VARIABLES: [Se aplican a caractersticas de calidad de tipo continuo, generalmente requieren de un instrumento de medicin, (pesos, volmenes, voltajes, longitudes, etc.)]

CARTA CARTA CARTA CARTA

X (de Promedios)
R (de Rangos) S (de Desviaciones estndar) X (de medidas individuales)

b) CARTAS DE CONTROL POR ATRIBUTOS: DEFECTOS [Caractersticas de calidad que no son medidas por instrumentos, se juzga como conforme no conforme, dependiendo si posee ciertos atributos.]

CARTA p (proporcin fraccin de artculos defectuosos CARTA np (# de unidades defectuosos) CARTA c (# de defectos) CARTA u (# de defectos por unidad)

Un grfico de control es una carta o diagrama especialmente preparado donde se van anotando los valores sucesivos de la caracterstica de calidad que se est controlando. Los datos se registran durante el funcionamiento del proceso de fabricacin y a medida que se obtienen.

El grfico de control tiene una Lnea Central que representa el promedio histrico de la caracterstica que se est controlando y Lmites Superior e Inferior que tambin se calculan con datos histricos.

Girando la curva normal 90 y si calibramos la escala vertical en unidades de X, tenemos:

Elementos de una carta de Control a) Lmites de Control Superior e Inferior.
b) Lnea Central promedio.

c) Escala de Tiempo u rdenes de Produccin.

Para qu sirve?
Para examinar si un proceso se encuentra en una condicin estable, o para indicar que el proceso se mantiene en una condicin inestable. Proporciona un mtodo estadstico adecuado para distinguir entre causas de variacin comunes o especiales mostradas por los procesos. Promueve la participacin directa de los empleados en el logro de la calidad. Sirve como una herramienta de deteccin de problemas.

CARTA DE CONTROL POR ATRIBUTOS (CARTA p).

Esta carta muestra las variaciones en la fraccin o proporcin de artculos defectuosos por muestra. Es ampliamente usada para reportar el porcentaje de productos defectuosos en un proceso.

Construccin de la Carta p.
1. Se toma una muestra (subgrupo) de n artculos.
2. Se revisa en la muestra cuales artculos son defectuosos (Cantidad). 3. La proporcin p se calcula dividiendo la cantidad de artculos defectuosos entre el total de artculos de la muestra.

4. Obtenemos

y la desviacin de la carta p calculando.

Sus limites de Control, son:

En donde n es el tamao de la muestra y es la proporcin promedio de artculos defectuosos.

Trazado de un Diagrama p con n constante

Ejemplo: En una empresa de la rama Metal Mecnica se fabrican vlvulas. Despus del proceso de Fundicin se hace una inspeccin y las vlvulas que no cumplen con las especificaciones son rechazadas. Las razones por las que pueden ser rechazadas son diversas: piezas incompletas, porosas, mal formadas, etc. Para evaluar la variabilidad y la magnitud de la proporcin de piezas defectuosas en el proceso de fundicin se decide implantar una carta p.

El proceso de fundicin se hace por lotes, y de la produccin diaria se toma una muestra de 50 vlvulas se inspeccionan y sus resultados se muestran en la siguiente tabla:
FECHA # RECHAZADO

p
0.08 0.18 0.20 0.22

FECHA

# RECHAZADO

p
0.68 0.50 0.36 0.24

FECHA

# RECHAZADO

p
0.50 0.36 0.20 0.16

Abril 27 28 29 30

4 9 10 11

Mayo 07 08 09 10

34 25 18 12

Mayo 18 19 21 22

25 18 10 8

Mayo 1 02 03

13 30 26

0.26 0.60 0.52

11 12 14

4 3 11

0.08 0.03 0.22

23 24 25

18 19 4

0.36 0.38 0.08

04 05
06

13 8
23

0.26 0.16
0.46

15 16
17

8 14
21

0.16 0.28
0.42

26 28 das

8 407

0.16

Total de inspecciones realizadas = 28*50 = 1400

= 407/1400 = 0.291 Si el proceso est bajo control, podemos tomarlo como fraccin defectiva promedio.

Continuacin.

Anlisis de la grafica.
Se identifican los puntos fuera de los lmites de control, estos son:

5 puntos fuera superiormente y 4 puntos inferiormente. Con el objetivo de tener el proceso bajo control se realiza una investigacin sobre lo que paso esos das para todos los puntos fuera de control.

SUPUESTO: En la bsqueda de causas atribuibles, la investigacin revela lo siguiente:

a) En los das 2 al 7 de Mayo se agregaron algunos trabajadores nuevos a la fuerza de trabajo y las fracciones defectuosas de esos das 2, 3, 7, y 8 se deben a la capacitacin de ellos. b) La cifra correcta de rechazos del da 12 de Mayo es 7 y no 3, el error se debi al copiar los informes originales.

Continuacin del Ejemplo.

Se realiza el ajuste [eliminamos los das de causas atribuibles] y se recalculan de nuevo los datos, obtenindose:

Continuacin del Ejemplo.

p 296 0.247 1200

L.C.S . 0.247 3 L.C.I . 0.247 3

0.247 0.753
50

0.247 0.183 0.430 0.247 0.183 0.064

0.247 0.753
50

Grafica.

Anlisis del Nuevo Grafico.

Se observa que en el nuevo grfico no todos los puntos estn dentro de los lmites (6 y 18 de Mayo estn fuera), Esto indica que sigue existiendo alguna falta de control. Podemos seguir la investigacin de que paso en esos das, para saber el por qu los puntos estn fuera de control, recordamos que ya se pidi informacin de lo que paso el da 18 de Mayo y la investigacin no reflejo nada sobre lo que paso ese da.

Continuacin, Anlisis del Nuevo Grafico.

Con los datos actuales se tiene que el proceso est bajo control en un 91.7% (22 punto de 24 dentro de los limites de control, 2 puntos fuera) de los casos, por lo que podemos preguntar si este % es bueno no? Sabemos que no es bueno, pero antes de seguir la investigacin podemos cuestionarnos si los datos que tenemos son estadsticamente validos

Validacin Estadstica de los Datos Recolectados.

PRUEBA 1: NMERO DE TANDAS o CORRIDAS PERMITIDAS
Examinamos el nuevo diagrama: Tenemos 24 puntos en total

(14 por debajo y 10 sobre la lnea central)

Haciendo r = 10 y s = 14 en las tablas N1 y N2 el nmero de

tandas o corridas son 6 y 8 respectivamente, lo cual suman 14 tandas permitidas

Grafica.

Validacin Estadstica de los Datos Recolectados.

Tanda son puntos sucesivos en el grfico y las corta la LC. Contamos las tandas o corridas que presenta el grfico, (hay 5

tandas por debajo y 4 tandas por encima), en total son 9 tandas o corridas.
Dado que el nmero de tandas es menor del estimado en las

tablas N1 y N2 podemos asegurar que el fenmeno en estudio es aleatoriamente posible y que habr que darle seguimiento para aseverar que estar bajo control

Grafica.

Validacin Estadstica de los Datos Recolectados.

PRUEBA 2: INCREMENTOS, DECREMENTOS Y FLUJOS ASCENDENTES Y DESCENDENTES.
Examinando el grfico encontramos que est formado por 13

incrementos y 9 decrementos entre sus puntos

Haciendo r = 9 y s = 13 en las tablas N1 y N2 el nmero de flujos

ascendentes y descendentes son 5 y 7 respectivamente, lo cual suman 12 flujos permitidos.

Grafica.

Continuacin de la Prueba 2:
Flujo es la consecucin de puntos en un solo sentido, sin

considerar la LC.
Contamos los flujos que presenta el grfico,

(hay 6 flujos ascendentes y 5 flujos descendentes), en total son 11 flujos. tablas N1 y N2 podemos asegurar que el fenmeno en estudio es aleatoriamente posible y que habr que darle seguimiento para aseverar que estar bajo control

Dado que el nmero de flujos es menor del estimado en las

Como los datos de la grfica son estadsticamente validos,

podemos seguir con nuestra investigacin.

Resumen, Carta p.
Si n es constante; Los parmetros para la construccin de la carta p son:

m p

p 1 p n

; L.C.S. p 3 ; L.C.I . p 3

Si n es variable, generamos 2 casos: CASO 1: Usar el tamao promedio de los subgrupos, esto es viable cuando la variacin en los tamaos de los subgrupos es menor del 20%.

Resumen, Carta p.
CASO 2: Si la variacin es mayor o igual al 20%, construir la carta p con cada valor de n lo que generar lmites de control variables. (Se recomienda hacer uso de una graficadora y de una carta normalizada estandarizada. (Se usa una lnea central igual a cero y los lmites son 3 respectivamente)

Zi

pi p

p 1 p ni

; L.C. 0