Capacidad del

proceso
Control Estadstico de Proceso

Capacidad del proceso

La capacidad de un proceso es el rango de
variacin que, en condiciones normales, un proceso
tiene debido a las variables accidentales.

Los pasos para determinar la

capacidad de un
proceso son:
1. Determinar la caracterstica de calidad.
2. Controlar el proceso. Eliminar todas las variables
asignables o atribuibles del proceso.
3. Tomar muestras del proceso. Las muestras no
deben ser menos de 50 y mnimo con 250
elementos por cada na de ellas.
4. Calcular la media y de la desviacin estndar del
proceso mediante las siguientes formulas.

5. Calcular los lmites del proceso. Calcular la

distribucin normal y la capacidad del proceso de
acuerdo con las siguientes frmulas:
Lsc = +3
Lcc =
Lic = -3
Se comparan los datos obtenidos del proceso con las
especificaciones dadas:
Lmite Inferior de Especificaciones (LIE).
Lmite Superior de Especificaciones (LSE).
.

Si los lmites superior e inferior del proceso

se encuentran dentro del rango establecido
por los lmites de las especificaciones,
significa que el proceso analizado satisface
completamente al cliente

 Si uno o ambos lmites del proceso se encuentran

fuera del rango establecido por las
especificaciones, lmite superior e inferior,
significa que la diferencia entre los lmites
inferiores y/o superiores (del proceso y las
especificaciones) representan los productos
defectuosos que se obtienen con nuestro proceso

Cuando se presenta este caso se pueden

tomar diferentes medidas, como pueden
ser:
1. Cambiar el proceso por uno que sea capaz de
satisfacer completamente las especificaciones.
2. Buscar mercados alternos en los que se puedan
vender los productos defectuosos a menor precio.
3. Reprocesar los productos defectuosos. Con la
informacin obtenida en los pasos anteriores se
puede calcular la Capacidad o Habilidad Potencial
del Proceso (HP) que nos permitir saber si el
proceso que aplicamos es capaz de satisfacer o no
las especificaciones

La forma de calcular la Capacidad

Potencial es la siguiente

LSE LIE
ICP
6

Si la Capacidad Potencial obtenida es mayor a 1,

CP>1, significa que nuestro proceso s es capaz de
satisfacer a nuestro cliente. Sin embargo, en la
industria se requiere de un margen de error, por lo
que se busca que CP > 1.5.
Otra forma de analizar nuestro proceso es
comparando la Capacidad del Proceso (CP) con la
Capacidad Potencial (HP) de la siguiente manera.

Si: CP > HP El proceso es capaz de satisfacer ms

y/o mejor al cliente y deben, por lo tanto acoplarse
las medias del proceso y de especificaciones para
lograrlo
CP = HP El proceso satisface adecuadamente las
especificaciones del cliente.
CP < HP El proceso no es capaz de satisfacer las
especificaciones del cliente.

En Resumen

Inicio

Esquema general para

implementacin de un programa
de control estadstico o para el
mejoramiento de los procesos con
base en esta herramienta

Definir variables de
proceso a medir
Definir plan de
mediciones

Realizar las mediciones de

acuerdo al plan establecido
Evaluar el comportamiento
con grficos de control
Proceso
en control
estadstico
?

No

Identificar
causas
asignables de
variacin

Eliminar
causas
asignables de
variacin

Si
Decisin
gerencial

Evaluar la capacidad del

proceso
No
ICP>1
?
Si
ICP>1.33
?
Si
Decisin
gerencial

No

Verificar
centrado del
proceso

Programas de
mejoramiento
del proceso

Habilidad del proceso

Al planearlos aspectos de calidad de la
manufactura, nada es ms importante que
asegurarse de antemano de que el proceso ser
capaz de mantener las tolerancias.
Esta habilidad para predecir en forma cuantitativa
ha dado como resultado la adopcin amplia del
concepto como elemento primordial de la
planeacin de la calidad.
La habilidad del proceso es la variacin medida,
inherente del producto que se obtiene en ese
proceso.

Definiciones bsicas
Proceso: ste se refiere a alguna combinacin
nica de mquinas, herramientas, mtodos,
materiales y personas involucradas en la
produccin.

 Habilidad: Esta palabra se usa en el sentido de aptitud, basada

en el desempeo probado, para lograr resultados que se
puedan medir.
Habilidad medida: Esto se refiere al hecho de que la habilidad
del proceso se cuantifica a partir de datos que, a su vez, son el
resultado de la medicin del trabajo realizado por el proceso
Habilidad inherente: Esto se refiere a la uniformidad del
producto que resulta de un proceso que se encuentra en
estado de control estadstico, es decir, en ausencia de "fuerzas
externas" u otras causas atribuibles de variacin. Un sinnimo
es "reproducibilidad instantnea".
Producto: La medicin se hace sobre el producto porque el
resultado final es la variacin del producto

Usos de la informacin
de habilidad del
proceso
1 Predecir el grado de variabilidad que exhibirn los
procesos. Esta informacin de habilidad, cuando se
proporciona a los diseadores, ofrece informacin
importante para establecer lmites de especificacin
realistas.
2. Seleccionar, entre procesos que compiten, el proceso
ms adecuado para que las tolerancias se cumplan.
3. Planear la interrelacin de procesos secuenciales. Por
ejemplo, un proceso puede distorsionar la precisin lograda
por el proceso que le antecede, como en el endurecimiento
de los dientes de un engrane. La cuantificacin de las
habilidades respectivas del proceso con frecuencia seala
el camino para encontrar una solucin.

 4. Proporcionar una base cuantitativa para

establecer un programa de verificaciones de
control peridico del proceso y reajustes.
5. Asignar las mquinas a los tipos de trabajos
para los cuales son ms adecuadas.
6. Probar las teoras de las causas de defectos
durante los programas de mejoramiento de la
calidad.
7. Servir como base para la especificacin de los
requerimientos de calidad para las mquinas
compradas

Relacin con las tolerancias

del producto
Una razn importante para cuantificar la habilidad
del proceso es poder calcular la habilidad del
proceso de mantener las tolerancias del producto.
Para procesos que se encuentran en un estado de
control estadstico, una comparacin de la
variacin entre 6 y los lmites de tolerancia
permite un clculo rpido del porcentaje de
unidades defectuosas, mediante la teora
estadstica.
Quienes planean intentan seleccionar procesos
que tengan las 6 de la habilidad del proceso
dentro de la amplitud de tolerancia. Una medida
de esta relacin es la tasa de habilidad.

Frmula estandarizada
La frmula para la habilidad del proceso que ms se usa es:
Habilidad del proceso = 3 (un total de 6)
Donde = la desviacin estndar del proceso cuando se encuentra en
estado de control estadstico, es decir, sin la influencia de fuerzas
externas o cambios repentinos.
Si el proceso est centrado en la especificacin nominal y sigue una
distribucin de probabilidad normal, 99.73% de la produccin caer a
menos de 3 y de la especificacin nominal.
Algunos procesos industriales operan en un estado de control
estadstico.
Para tales procesos, la habilidad del proceso calculada de 6 se puede
comparar directamente con las tolerancias de especificacin, y se
pueden hacer juicios sobre su adecuacin

 Una razn importante para cuantificar la habilidad

del proceso es poder calcular la habilidad del
proceso de mantener las tolerancias del producto.
Para procesos que se encuentran en un estado de
control estadstico, una comparacin de la variacin
entre 6 y los lmites de tolerancia permite un clculo
rpido del porcentaje de unidades defectuosas,
mediante la teora estadstica.
Quienes planean intentan seleccionar procesos que
tengan las 6 de la habilidad del proceso dentro de
la amplitud de tolerancia. Una medida de esta
relacin es la tasa de habilidad.

6 corresponde al ancho de banda de una

distribucin normal.

 Obtener 3,4 defectos en un milln de

oportunidades es una meta bastante ambiciosa
pero lograble. Se puede clasificar la eficiencia de
un proceso en base a su nivel de sigma:

1sigma=
2sigma=
3sigma=
4sigma=
5sigma=
6sigma=

690.000 DPMO = 31% de eficiencia

308.538 DPMO = 69% de eficiencia
66.807 DPMO = 93,3% de eficiencia
6.210 DPMO = 99,38% de eficiencia
233 DPMO = 99,977% de eficiencia
3,4 DPMO = 99,99966% de eficiencia

Hoja de probabilidades
Debe entenderse que el uso de la hoja de probabilidades, que debera
denominarse hoja para graficar con probabilidades normales, no es ms que
un artificio aproximado (y muy eficaz) para verificar si una distribucin sigue
el patrn de una curva normal. Slo grandes y notorias desviaciones de la
linealidad en ella son evidencia real de que los datos no se comportan como
los de una curva normal.
Algunas veces se emplean otras escalas especiales para graficar
distribuciones acumuladas. Por ejemplo, si se sospecha que un conjunto de
datos sigue el modelo de una distribucin log-normal, se utiliza la hoja de
probabilidades con una escala logartmica. Tambin este material se
encuentra disponible en el mercado, otras escalas han sido ideadas para
verificar si un conjunto de datos se apega a los patrones de las distribuciones
tericas correspondientes.
La hoja especial para grficas con una escala aritmtica (ordinaria) y una
escala de probabilidad se denominada hoja de probabilidades. He aqu un
ejemplo, hemos graficado, la distribucin porcentual acumulada "menor que"
de los datos de la emisin del xido de azufre en papel de probabilidades.

 Obsrvese que los porcentajes acumulados se grafican sobre las

fronteras de clase correspondientes. Como puede verse en este
diagrama, todos los puntos estn situados muy cerca de la lnea
recta punteada y podemos decir que los datos, de manera
aproximada, estn distribuidos normalmente.
Para verificar la "normalidad", la hoja de probabilidades tambin
puede usarse directamente con datos no agrupados. En tal caso,
primero ordenamos las observaciones por su tamao en forma
ascendente, y si hay n observaciones graficamos el por ciento 100 (i
- )/n 0 (1 00i 50)/n

En la escala vertical correspondiendo a la -sima observacin.

Si n es bastante grande, no es necesario graficar todos los puntos;
cada cinco o diez puntos bastaran casi siempre para verificar si la
distribucin de los datos se apega de manera aproximada al patrn de
una distribucin normal

 Para ilustrar esto, dibujamos una grfica referente

a los datos de la emisin del xido de azufre
(ordenados en forma ascendente), graficando los
puntos correspondientes a la primera y a cada
dcima observacin.
Tambin en este caso, es evidente que los puntos
caen muy cerca de la recta y en consecuencia, los
datos estn aproximadamente distribuidos en
forma normal.

Histograma en una
muestra de 1000

Valores para una muestra

de 5000

Grafica de una
distribucin normal