Control estadstico de

procesos
 Control estadstico de procesos
(CEP)
Mide el funcionamiento de un proceso.
Se utilizan las matemticas (estadstica).
Es necesario una recoleccin, organizacin e
interpretacin de los datos.
Objetivo: proporcionar una seal estadstica
cuando aparezcan causas de variacin
imputables.
Se usa para:
controlar el proceso de produccin y
examinar las muestras de los productos finalizados.
 Tipos de control estadstico de
procesos

Control estadstico
de calidad

Proceso de Muestreo de
control aceptacin

Grficos para Grficos para

Variables Atributos
variables atributos
 Caractersticas de calidad
Variables Atributos
Caractersticas que se Caractersticas centradas en
pueden medir (por los defectos.
ejemplo, el peso o la Los productos se clasifican en
longitud). productos buenos o
Pueden ser nmeros malos, o se cuentan los
enteros o fracciones. defectos que tengan.
Muchas variables Por ejemplo, una radio funciona o
no.
aleatorias.
Variables aleatorias
categricas o discretas.
 Control estadstico de procesos
(CEP)
Es una tcnica estadstica que se usa para asegurar
que los procesos cumplen con los estndares.
Todos los procesos estn sujetos a ciertos grados
de variabilidad.
Causas naturales: Variaciones aleatorias.
Causas imputables: Problemas corregibles.
Maquinaria de desgaste, trabajadores no cualificados, material de
baja calidad.
Objetivo: Identificar las causas imputables.
Se usan los grficos de control de procesos.
Control de procesos: tres tipos de
resultados
(a) Bajo control y capaz.
Proceso con slo causas
naturales de variacin y
capaz de producir dentro de
Frecuencia los lmites de control
establecidos.

Lmite inferior de control Lmite superior de control

(b) Bajo control pero incapaz.

Proceso bajo control (slo estn
presentes causas naturales de
variacin), pero incapaz de producir
dentro de los lmites de control
establecidos.

(c) Fuera de control.

Proceso fuera de control, con
Tamao causas imputables de variacin.
(peso, longitud, velocidad, etc.)
Relacin entre la distribucin de la
poblacin y la distribucin de las
muestras
Tres distribuciones de poblacin Distribucin de las medias de las muestras

Beta
Media de las medias de las muestras = x
Desviacin estndar x
Normal = x =
de las medias de las n
muestras

Uniforme

- 3 x - 2 x - 1 x x + 1 x + 2 x + 3 x
(media)
95,5% permanece dentro de 2x

99,73% de todo x permanece dentro de 3x

 La distribucin de las medias en el
muestreo y la distribucin del proceso

Distribucin de las
medias en el muestreo

Distribucin de
las medias en el
proceso

x=
(media)
 Grficos del proceso de control

Representacin de la muestra de datos en el tiempo

80
Valor de muestra

Valor
60 de muestra
UCL
40
Media
20
LCL
0
1 5 9 13 17 21
Tiempo
 Objetivos de los grficos de
control
Mostrar los cambios que se han producido en
los datos.
Por ejemplo, las tendencias.
Realizar las correcciones antes de que el proceso est fuera
de control.
Mostrar las causas de las variaciones en los
datos.
Causas imputables.
Los datos situados fuera de los lmites de control o la
tendencia en los datos.
Causas naturales.
Variaciones aleatorias alrededor de la media.
 Fundamento terico de los
grficos de control
Teorema central del lmite
A medida que la distribucin tender
aumente el a seguir una curva de
tamao de las distribucin normal,
muestras, sin tener en cuenta la
distribucin de la
poblacin.

X
X
 Fundamento terico de los
grficos de control
Teorema central del lmite

Media Desviacin estndar

x
X = x =
n

X
X =
 Tipos de grficos de control

Varios datos Datos numricos

numricos Grficos categricos o discretos
de control

Grfico de Grfico de
variables atributos

Grfico Grfico Grfico Grfico

I X P C
Pasos del control estadstico de
procesos

Producir un bien No
Salida Proporcionar un servicio

Causas
Tomar una muestra imputables?
S
Examinar la muestra Detener el proceso

Crear
Descubrir el porqu
grfico de control
 Grfico X

Es un grfico de control de variables.

Intervalo o informacin numrica en escala.
Muestra la media de las muestras a lo largo
del tiempo.
Muestra la media del proceso.
Ejemplo: Pesar muestras de caf, calcular la
media de las muestras y representarlo en un
grfico.
Lmites de control del grfico X

UCL x = x + A 2 I De la Tabla
S6.1

LCL x = x - A 2 I Intervalo
de la
Media de la muestra en
n muestra en el tiempo i
xi el tiempo i n
I i
x = i =1 i =1
I =
n n
Nmero de
muestras
Factores para calcular los lmites
de los grficos de control
Tamao de la Factor de la Intervalo Intervalo
muestra, n media, A2 superior, D4 inferior, D 3
2 1,880 3,268 0
3 1,023 2,574 0
4 0,729 2,282 0
5 0,577 2,115 0
6 0,483 2,004 0
7 0,419 1,924 0,076
8 0,373 1,864 0,136
9 0,337 1,816 0,184
10 0,308 1,777 0,223
0.184
 Grfico I
Es un grfico de control de variables.
Intervalo o informacin numrica en escala.
Muestra el intervalo de las muestras a lo
largo del tiempo.
Diferencia entre el valor ms grande y el ms
pequeo de la muestra que se haya examinado.
Controla la variabilidad del proceso.
Ejemplo: Pesar muestras de caf, calcular el
intervalo de las muestras y representarlo en
un grfico.
 Lmites de control del grfico I

UCL I = D 4I
De la Tabla S6.1

LCL I = D 3I

n Intervalo de
I i muestras en el
I = i =1 tiempo i
n Nmero de
muestras
Pasos que se deben seguir cuando
se utilicen los grficos de control
Tomar de 20 a 25 muestras de n = 4 o n =5 de un
proceso estable y calcular la media.
Calcular las medias totales, fijar de forma
aproximada los lmites de control y calcular los
lmites de control superior e inferior. Si el proceso
an no es estable, utilcese la media deseada en
lugar de la media total para calcular los lmites.
Representar las medias y los intervalos de las
muestras en sus respectivos grficos de control y
determinar si permanecern fuera de los lmites
aceptables.
Pasos que se deben seguir cuando
se utilicen los grficos de control
Examinar los puntos o trazados que indican que el
proceso est fuera de control. Determinar las causas
de las variaciones.
Recoger ms muestras y volver a comprobar los
lmites de control.
 EJEMPLO

OBSERVACIN
N MUESTRAS 1 2 3 4 I x
1 0,5014 0,5022 0,5009 0,5027 0,0018 0,50180
2 0,5021 0,5041 0,5024 0,502 0,0021 0,50265
3 0,5018 0,5026 0,5035 0,5023 0,0017 0,50255
4 0,5008 0,5034 0,5024 0,5015 0,0026 0,50203
5 0,5041 0,5056 0,5034 0,5047 0,0022 0,50445
PROM 0,0021 0,5027

IDEAL DE 20 A 25
 GRAFICO X

UCL x = x + A 2 I 0,5027+0,729(0.0021)=0.5042

LCL x = x - A 2 I 0,5027-0,729(0.0021)=0.5012

0,5050
0,5040
0,5030 Serie1
0,5020
0,5010
0 1 2 3 4 5 6 7
 SI SE CONOCE DESV STAND

UCL = X + Z DESV X
LCL = X + Z DESV X

UCL= 0,527+3 x (0,0012/ 2)

X + Z ( DEV n)
 Grficos I

UCL I = D 4I

LCL I = D 3I

UCL =2,282(0,0021)=0,00479
LCL = 0(0,0021)=0
 Grfico p
Es un grfico de control de atributos.
Datos categricos en escala.
Por ejemplo, bueno-malo.

Muestra el tanto por ciento de los artculos

defectuosos.
Ejemplo: Contar el nmero de sillas
defectuosas, dividirlo entre el total de las sillas
que se han examinado y representarlo en un
grfico.
Una silla puede ser defectuosa o no defectuosa.
Lmites de control del grfico p

p (1 - p )
UCL p
= p+z z = 2 para lmites del 95,5%;
n z = 3 para lmites del 99,7%

p (1 - p )
LCL p
= p-z
n
Nmero de artculos
defectuosos en la
k k
ni xi muestra i
n = i =1
y p = i =1
k
k
Tamao de la
ni
i =1 muestra i
 Ejemplo
Un gerente de banco revisa 2500 boletas de
deposito al azar cada semana
Semanas Defectos Proporcin defectos
1 15 15/2500
2 12 0,0048
3 19 0,0076
4 2 0,0008
5 19 0,0076
6 4 0,0016
7 24 0,0096
8 7 0,0028
9 10 0,004
10 17 0,0068
11 15 0,006
12 3 0,0012
Total 147
 p (1 - p
UCL p
= p+z
n

p (1 - p )
LCL p
= p-z
n

P=total defectos/n de observaciones

P= 147/(12x2500)=0,0049
UCL = 0,0049+3(0,0014)=0,0091
LCL = 0,0049- 3(0,0014)=0,0007
0,012
0,01
0,008
0,006
0,004
0,002
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
 Grfico c
Es un grfico de control de atributos.
Datos cuantitativos escasos.
Muestra el nmero de registros defectuosos
que hay en una unidad.
Una unidad puede ser una silla, una lmina de
acero, un automvil, etc.
El tamao de la unidad tiene que ser constante.
Ejemplo: Contar el nmero de registros
defectuosos (rasguos, astillas, etc.) en
cada silla de una muestra de 100 sillas y
representarlo en un grfico.
Lmites de control del grfico c

UCLc = c + 3 c Utiliza 3 para

lmites del 99,7%

LCLc = c - 3 c

Nmero de registros
k defectuosos en la
ci unidad i
c = i=1 Nmero de unidades
k de la muestra
 Ejemplo
Un peridico tiene 20 defectos en promedio, los dos primeros
tienen 27 y 5 defectos respectivamente.
20+2(raiz de 20)=28.94
20- 2(raiz de 20)=11.06
El primero esta dentro de control, el segundo est fuera de
control, pero es favorable
 Capacidad del proceso Cpk
-x
C pk = Lmite de especificacin superior ,o
3
x - Lmite de especificacin inferior

3
donde x = media del proceso
= desviacin estndar de la poblacin del proceso
Supone que el proceso:
est bajo control.
tiene una distribucin normal.
 ejemplo

Una fabrica de ampolletas produce ampolletas con

una vida promedio de 900 horas y una desviacin
estndar de 48 horas. Las especificaciones de diseo
son 1000 horas +/- 200
Cp = 1200-8007(sigma 6 x 48)= 1.39
Especificacin inferior 900-800/(3x48)=0,69
Especificacin superior 1200-900/(3x48)=2.08
Significados de las medidas Cpk

Cpk = nmero negativo

Cpk = cero

Cpk = entre cero y 1

Cpk = 1

Cpk mayor de 1
 Qu es el muestreo de
aceptacin?
Es un tipo de test de calidad utilizado para los
materiales comprados al exterior o los
productos acabados.
Por ejemplo, componentes y materiales comprados.
Procedimiento:
Tomar una o ms muestras de forma aleatoria de un
lote (cargamento) de productos.
Examinar cada uno de los productos de la muestra.
Decidir si se rechaza todo el lote basndose en los
resultados de la inspeccin.
 Qu es un plan de aceptacin?

Es un conjunto de procedimientos para

inspeccionar los materiales comprados al
exterior o los productos acabados.
Identifica:
el tipo de muestra,
el tamao de la muestra (n) y
el criterio (c) utilizado para rechazar o aceptar un
lote.
El productor (proveedor) y el consumidor
(comprador) deben negociar.
Curva de caracterstica operativa

Representa la capacidad de un plan de

aceptacin para discriminar entre lotes
buenos y lotes malos.
Muestra la probabilidad de que el plan
acepte lotes de diferentes niveles de calidad.
 Curva OC
Inspeccin 100%
P(Aceptar todo el lote)

100%
Quedarse con Devolver todo
todo el lote el lote

0%
0 1 2 3 4 5 6 7 8 9 10
Lmite % de defectos en el lote
 Curva OC con menos de un
muestreo del 100%
P(Aceptar todo el lote)
La probabilidad no es del 100%:
100% riesgo de quedarse con
productos defectuosos o
Quedarse devolver productos de buena
con todo el calidad.
lote Devolver todo el
lote

0%
0 1 2 3 4 5 6 7 8 9 10
Lmite % de defectos en el lote
 AQL y LTPD
Nivel de calidad aceptable (AQL):
Nivel de calidad de un lote de buena calidad.
El productor (proveedor) no quiere los lotes con
menos registros defectuosos de los que haya
rechazado el AQL.
Porcentaje de defectuosos para la tolerancia
de un lote (LTPD):
Nivel de calidad de un lote que consideramos
malo.
El consumidor (comprador) no quiere lotes con
ms registros defectuosos de los que acepta el
LTPD.
 Riesgo del productor y del
consumidor
Riesgo del productor ():
Probabilidad de que un buen lote sea rechazado.
Probabilidad de rechazar un lote cuando la parte
defectuosa sea AQL.
Riesgo del consumidor ():
Probabilidad de que se acepte un mal lote.
Probabilidad de aceptar un lote cuando la parte
defectuosa sea LTPD.
Curva de caracterstica operativa
(OC) que muestra los riesgos
100
= 0,05 riesgo del productor en AQL
95

75

Probabilidad
de aceptacin
50

25

10
= 0,10 Porcentaje
0 de defectos
Riesgo del 0 1 2 3 4 5 6 7 8
consumidor
en la LTPD AQL LTPD
Lotes
Zona de indiferencia Lotes malos
buenos
 Curvas OC para distintos planes
de muestras
P(Aceptar todo el lote)

100% n = 50, c = 1
n = 100, c = 2

0%
0 1 2 3 4 5 6 7 8 9 10
AQL LTPD
% de defectos en el lote
 Calidad media de salida

( Pd )( Pa )( N - n )
AOQ =
N

Donde: Pd = porcentaje real de unidades defectuosas del lote

Pa = probabilidad de aceptar el lote
N = nmero de elementos del lote
n = nmero de elementos de la muestra
Desarrollo de un plan de muestras
Negociar con el productor (proveedor) y el
consumidor (comprador).
Ambas partes tratan de minimizar los
riesgos.
Afecta al tamao de la muestra y al criterio del
lmite.
Mtodos:
Tablas MIL-STD-105D.
Tablas Dodge-Romig.
Ecuaciones estadsticas.
Control estadstico de procesos: identificacin y
reduccin de la variabilidad del proceso
Lmite inferior Lmite superior
de de
especificacin especificacin

(a) Muestreo de
aceptacin

(b) Control
estadstico de
control

(c) cpk >1