Documente Academic
Documente Profesional
Documente Cultură
DEL PROCESO
P. Reyes 1
CONTROL ESTADÍSTICO DEL PROCESO
(CEP)
OBJETIVOS: Al finalizar el curso, el participante será
capaz de:
P. Reyes 4
1. Importancia de la mejora continua
• DIMENSIONES DE LA CALIDAD
– Desempeño
– Confiabilidad
– Durabilidad
– Serviciabilidad
– Estética
– Características
– Imagen del producto
– Conformancia
– Tiempo de entrega
– Precio
– Servicio al cliente
P. Reyes 5
1. Importancia de la mejora continua
CALIDAD Y MEJORAMIENTO
TIPOS DE DATOS
Atributos: No medibles, apariencia, defectivos
P. Reyes 7
1... Antecedentes históricos
P. Reyes 8
1... CEP en Occidente – Western
Electric
• 1924: WALTER SHEWHART realizó experimentos
en base al Teorema del Límite Central y desarrolló
las Cartas de Control del CEP
P. Reyes 9
1... CEP en Japón
P. Reyes 11
4...Métodos de calidad para
Manufactura Delgada
• Control estadístico del proceso: Previene que ocurran
problemas potenciales
P. Reyes 12
1... Inspecciones de calidad
P. Reyes 13
1... Métodos estadísticos para la
mejora
• LAS CARTAS DE CONTROL
– Técnica util para el monitoreo de procesos
– Permiten identificar situaciones anormales (causas
especiales originadas por cambios en las 5M’s)
– Sirven para prevenir la producción de defectivos
15 Carta X
LCS
LSC
10
MEDIA
Promedio
LIC
LCI
5
Perfil
0
P. Reyes 14
1... Métodos estadísticos para la
mejora
• DISEÑO DE EXPERIMENTOS
– Técnica util para identificar las variables clave que
afectan a la variabilidad de productos p procesos
– Permite variar en forma sistemática los factores y
analizar su efecto
Variables de Característica
Entrada/Factores de calidad
Proceso
P. Reyes 15
1... Métodos estadísticos para la
mejora
• MUESTREO DE ACEPTACIÓN
– Técnica que permite calificar lotes de productos como
conformes o no conformes, por medio de una muestra
representativa sin inspeccionar al 100%
MUESTRA ¿OK?
LOTE
P. Reyes 16
1... Administración por Calidad
Total
• Feigenbaum (Control de calidad total)
• Ishikawa (CWQC)
• Taguchi (Diseños robustos)
P. Reyes 17
1..El Sistema de Calidad
El Sistema de Calidad se debe Establecer,
Documentar e Implantar en forma Efectiva:
QS 9000 ISO 9000:2000
Política
1. Manual
Documentos de Calidad
controlados Implantación de
2. Procedimientos la política
El “Cómo” de los
3. Instructivos procedimientos
Planes de Calidad
1... Administración por Calidad
Total
MODELOS – Creación de valor a las partes interesadas
• Premio Nacional de Calidad -México
• Premio Malcolm Baldrige – EUA
• Premio Europeo a la calidad – Europa
• Premio Deming - Japón
• Premios Estatales a la calidad - México
• Sistemas de gestión de calidad:
– ISO 9000:2000
– QS 9000
– ISO 16949
– VDA 6.1
P. Reyes 19
1... El CEP y la Administración
por Calidad Total
P. Reyes 20
1... Los costos de calidad
• CROSBY: La calidad se mide con el costo de calidad
• COSTOS DE PREVENCIÓN
– Planeación de calidad (manuales), Entrenamiento
• COSTOS DE APRECIACIÓN
– Inspecciones, pruebas y materiales de prueba
• COSTOS DE FALLA INTERNA
– Desperdicios, retrabajos, reinspecciones
• COSTOS DE FALLA EXTERNA
– Garantías, reclamaciones, demandas legales,
penalizaciones, campañas
• COSTOS DE OPORTUNIDAD
– Pérdidas de ventas por falta de producto de buena
calidad
P. Reyes 21
2. Métodos y filosofía
del control estadístico de
proceso (CEP)
P. Reyes 22
2. Métodos y filosofía del CEP
No existen en la naturaleza
dos cosas exactamente iguales,
ni siquiera los gemelos, por tanto la
variación es inevitable y es analizada por
la Estadística
P. Reyes 23
2...La Estadística
“La estadística nos proporciona métodos para organizar
y resumir información, usándola para obtener diversas
conclusiones”
P. Reyes 24
2..Definiciones
Población: Es la colección de todos los
elementos (piezas, personas, etc.). En nuestro
caso sería un número infinito de mediciones
de las características bajo estudio.
P. Reyes 25
2..Definiciones
Estadístico: Es una medición tomada en una muestra
que sirve para hacer inferencias en relación con una
población (media de la muestra, desviación estándar
de la muestra).
LIE LSE
DEFINICION
• Un Histograma es la organización de un número de
datos muestra que nos permite visualizar al
proceso de manera objetiva.
P. Reyes 29
2..Las distribuciones pueden variar en:
P. Reyes 30
2...Medidas de Tendencia central
∑ Fi*Xi Donde,
X= i=1 i
Fi = Frecuencia de cada medición
∑ Fi xi = Valor de cada medición
individual
- Usa todos los datos
- Le afectan los extremos
Valor Valor
mínimo máximo
DEFINICION:
• Es una ayuda gráfica para ver la variabilidad
de los datos.
P. Reyes 32
2...Medidas de variabilidad o
Dispersión – Desviación Estándar
n-1 n
P. Reyes 33
2..Medidas de
Dispersión- Rango, CV
Rango: Valor Mayor – Valor menor
P. Reyes 34
2..Uso de Calculadora científica
3. Introducir uno por uno los datos con la tecla DATA o DT (si se
repiten con una frecuencia, introducirlos las veces
necesarias)
P. Reyes 35
2...Método Manual
P. Reyes 36
2...Cálculos en Excel
● o
P. Reyes 37
2...Ejercicio de Histogramas
Datos:
P. Reyes 38
2...Histogramas con Datos agrupados
El Histograma es una gráfica de las frecuencias que
presenta los diferentes datos o valores de mediciones
agrupados en celdas y su frecuencia.
CLASE FRECUENCIA
1-5 7
6-10 12
11-15 19
16-20 16
21-25 8
26-30 4
P. Reyes 39
2...Definiciones - datos agrupados
Límite inferior y superior de clase
Son los numeros más pequeños y más grandes
respectivamente que pertenecen a las clases (del
ejemplo, 1 y 5; 6 y 10; 11 y 15; 16 y 20; 21 y 25; 26 y 30)
Marcas de clase
Son los puntos medios de las clases (del ejemplo 3, 8, 13, 18,
23 y 28)
Fronteras de clase
Se obtienen al incrementar los límites superiores de clase y al
decrementar los inferiores en una cantidad igual a la media de
la diferencia entre un límite superior de clase y el siguiente
límite inferior de clase (en el ejemplo, las fronteras de clase
son 0.5, 5.5, 10.5, 15.5, 20.5, 25.5 y 30.5)
19 21 25 33 30 27 31 25 35
37 44 43 42 39 43 40 38 37
36 42 41 44 32 45 46 47 45
54 52 50 48 49 47 48 49 47
52 51 50 49 58 59 61 62 63
59 61 66 76 70
P. Reyes 42
2...Construcción del histograma
Paso 2. Rango R = 76 - 16 = 60
Paso 5. Lím. de clase: 15-24, 25- 34, 35- 44, 45- 54, 55
- 64, 65-74, 75-94
Paso 6. Número de datos: 2 7 14 17
7 2 1
Marcas de clase 19.5 29.5 39.5 49.5
59.5 69.5 79.5
Paso 7. Graficar el histograma
P. Reyes
y observar si tiene 43
2...Construcción del histograma
18
16
14
12
10
8
6
4
2
0
15-24 25-34 35-44 45-54 55-64 65-75
P. Reyes 44
2...Cálculo de la media - datos agrupados
∑ Fi*Xi Donde,
x= i=1 i
Fi = Frecuencia de cada observación
∑ Fi xi = Valor de cada marca de clase
P. Reyes 46
2...Histograma en Excel
● Después de correr la utileria de Histogramas con Excel
se obtuvieron los siguientes resultados (BIN RANGE: 15,
25, 35, 45, 55, 65, 75).
Bin Frequency
15 0
25 4
35 6
45 15
55 15
65 7
75 2
More 1
P. Reyes 47
2...Histograma en Excel
● Accesar el menu de análisis de datos con TOOLS o
HERRAMIENTAS, DATA ANALYSIS o ANALISIS DE
DATOS, HISTOGRAMS o HISTOGRAMAS
P. Reyes 48
2...Histograma en Excel
H is to g r a m
20
Frequency
10 F
0
15
25
35
45
55
65
75
.
P. Reyes 49
Ejercicio
Datos:
P. Reyes 50
2...La Distribución
Normal
P. Reyes 51
2...La distribución Normal
La distribución normal es una distribución de
probabilidad que tiene media 0 y desviación
estándar de 1.
Para la muestra
X
µ −3σ µ −2σ µ −σ µ µ +σ µ +2σ µ +3σ
P. Reyes 53
2...La distribución Normal Estándar
La desviación estándar
sigma representa la
distancia de la media al
punto de inflexión de la
curva normal
X
x-3σ x-2σ x-σ x x+σ x+2σ x+σ 3
z
-3 -2 -1 0 1 2 3
P. Reyes 54
2...Características de la distribución norm
68%
34% 34%
+1s
95%
+2s
99.73%
+3s
P. Reyes 55
2...El valor de z
Determina el número de desviaciones estándar
entre algún valor x y la media de la población,
µ . Donde σ es la desviación estándar de la
población.
z= x-µ
σ
P. Reyes 56
2...Proceso con media =100
y desviación estándar = 10
70 80 90 100 110
120 130
68%
34% 34%
90 110
13.5%
68%
13.5%
34% 34%
95%
80 120
2.356%
13.5%
68%
13.5%
2.356%
34% 34%
99.73%
70 130
P. Reyes 57
LIE LSE
Especificación Especificación
inferior superior
s _
xi
X
p
porcentaje de partes fuera de Especificaciones
P. Reyes 58
2...Áreas bajo la
curva normal
P. Reyes 59
2...Áreas bajo la curva normal
● El tiempo de vida de las baterías del conejito tiene una
distribución aproximada a la normal con una media de
85.36 horas y una desviación estándar de 3.77 horas.
P. Reyes 60
2...Cálculos con Excel
● Distribución normal estándar con media = 0 y desviación
estándar = 1: Para Z = (X - Xmedia ) / s
1. El área desde menos infinito a un valor de Z se obtiene como
sigue:
- Colocarse en una celda vacía
- Accesar el menú de funciones con Fx, STATISTICAL o
ESTADÍSTICAS, NORMSDIST o DISTSNORM, dar el valor de Z y
se obtendrá el área requerida Z
Area
P. Reyes 61
2...Cálculos con Excel
● Distribución normal, dadas una media y desviación estándar:
1. El área desde menos infinito a un valor de X se obtiene como sigue:
- Colocarse en una celda vacía
- Accesar el menú de funciones con Fx, STATISTICAL o ESTADÍSTICAS,
NORMDIST o DISTNORM, dar el valor de X, Media, Desviación Estándar
s, TRUE o VERDADERO y se obtendrá el área requerida
X
Area
P. Reyes 62
2...Área bajo la curva normal
-1.42 0
P. Reyes 63
2...Área bajo la curva normal
85.36 86 87
0 1
P. Reyes 64
2...Área bajo la curva normal
P. Reyes 65
2...Ejercicios
Considere
Considere una
una media
media dede peso
peso de
de estudiantes
estudiantes de
de 75
75
Kgs.
Kgs. con
con una
una desviación
desviación estándar
estándar de
de 10Kgs.
10Kgs.
Contestar
Contestar lo
lo siguiente:
siguiente:
1.
1. ¿Cuál
¿Cuál es
es la
la probabilidad
probabilidad de
de que
que un
un estudiante
estudiante pese
pese
más
más de
de 85Kgs.?
85Kgs.?
2.
2. ¿Cuál
¿Cuál es
es la
la probabilidad
probabilidad de
de que
que un
un estudiante
estudiante pese
pese
menos
menos dede 50Kgs.?
50Kgs.?
3.
3. ¿Cuál
¿Cuál es
es la
la probabilidad
probabilidad de
de que
que pese
pese entre
entre 60
60 yy 80
80
Kgs.?.
Kgs.?.
4.
4. ¿Cuál
¿Cuál es
es la
la probabilidad
probabilidad de de que
que pese
pese entre
entre 55
55 yy 70
70
Kgs.?
Kgs.? P. Reyes 66
2... Las 7 herramientas
estadísticas
• Hoja de verificación – para anotar frecuencia de
ocurrencias de los eventos (con signos |, X, *,
etc.)
P. Reyes 68
2... Las 7 herramientas
estadísticas
• Diagrama de flujo – para identificar los
procesos, las características críticas en cada
uno, la forma de evaluación, los equipos a usar,
los registros y plan de reacción, se tienen:
– Diagramas de flujo de proceso detallados
– Diagramas físicos de proceso
– Diagramas de flujo de valor
P. Reyes 69
2... Causas de variación y bases
estadísticas del CEP
• Causas de variación
– Causas comunes o aleatorias, reducidas sólo por la
dirección
– Causas especiales (causadas por 6M’s), eliminadas
por personal involucrado en la operación.
P. Reyes 70
2... Beneficios de las cartas de
control
• Herramienta para mejorar la productividad
P. Reyes 71
2.. Diseño de la carta de
control
• Límites de control
– De acuerdo a Shewhart a + - 3-sigma
– En Europa se usan l.imites de prevención a + -2
sigma
– En Europa se usan Límites Probabilísticos a + -
0.1% (+ - 3.09 sigma)
• SISTEMA DE RECONOCIMIENTO
P. Reyes 73
2... Cartas de Control por
Variables
• MEDIAS RANGOS (subgrupos de 5 - 9 partes cada x
horas, para estabilizar procesos)
P. Reyes 74
2... Estabilización del proceso
con cartas de control
1. IDENTIFICAR LA CARACTERÍSTICA A CONTROLAR,
EN BASE A UN AMEF (análisis del modo y efecto de
falla)
P. Reyes 75
2... Cartas de Control por Variables -
Metodología de implantación
5. CALCULAR LÍMITES PRELIMINARES DE CONTROL A
3 SIGMA
P. Reyes 77
2... Cartas de Control por
Atributos
c – Número de defectos
Se cuentan los defectos que tienen cada unidad de
inspección de tamaño n constante en productos
complejos – TV, computadoras
P. Reyes 78
2... Cartas de Control tipo p
• p - FRACCIÓN DEFECTIVA CON n CONSTANTE
• CARTA DE CONTROL np
P. Reyes 79
2... Cartas de Control tipo p
• p - CON n PROMEDIO
• p - ESTANDARIZADA
P. Reyes 80
2... Cartas de Control tipo c, u
• c - CARTA DE CONTROL PARA DEFECTOS
- Cambio de tamaño de la unidad de inspección
• U para Deméritos
– En base a la clasificación de defectos A
(críticos), B (funcionales), C (menores)
P. Reyes 81
3. Cartas de control
por variables
P. Reyes 82
3. CONTENIDO
4. Ejercicios de aplicación
P. Reyes 83
3.1 Teorema del Límite Central
P. Reyes 84
3.1Teorema del Límite
Central
• La distribución de las medias de las muestras
tienden a distribuirse en forma normal
10
0
1 2 3 4 5 6 7 8 9
P. Reyes 85
3.1..Teorema del Límite
Central
• La distribución de las medias de las muestras
tienden a distribuirse en forma normal
2
0
3.5 4.5 5.5 6.5
P. Reyes 86
3.1Teorema del Límite
Central
P. Reyes 87
3.1Teorema del Límite Central
PREMISAS
• Si la variable aleatoria X tiene cualquier distribución con media µ
y desviación estándar σ .
CONCLUSIONES
• La distribución de todas las medias o promedios de las muestras X-
media, tienden a distribuirse normalmente
P. Reyes 88
3.1Teorema del Límite Central
CONCLUSIONES (cont..)
P. Reyes 89
3.2 Teoría de las
Cartas de Control
P. Reyes 90
PROPÓSITO
• Introducir los tipos básicos de Cartas de Control
Estadístico del Proceso (CEP)
P. Reyes 91
3.2 ¿Qué 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
P. Reyes 92
3.2 Reglas Básicas
❶ Se debe medir la característica del proceso adecuada en la
carta.
P. Reyes 93
3.2 Variación observada
en una Carta de Control
• Una Carta de control es simplemente un registro de
datos en el tiempo con límites de control superior e
inferior.
● CAUSAS COMUNES
−Siempre están presentes
−Sólo se reduce con acciones de mejora mayores
−Su reducción es responsabilidad de la dirección
● SEGÚN DEMING
− El 85% de las causas de la variación son causas
comunes, responsabilidad de la dirección
P. Reyes 14 95
3.2 Variación – Causas comunes
Límite Límite
inf. de sup. de
especs. especs.
Objetivo
P. Reyes 15 96
3.2 Causas Especiales
● CAUSAS ESPECIALES
− Ocurren esporádicamente
− Son ocasionadas por variaciones anormales
(6Ms)
−Medición, Medio ambiente, Mano de obra,
Método, Maquinaria, Materiales
− Sólo se reduce con acciones en el piso o línea
− Su reducción es responsabilidad del operador
por medio del Control Estadístico del Proceso
● SEGÚN DEMING
− El 15% de las causas de la variación son causas
especiales y es responsabilidad del operador
P. Reyes 16 97
3.2 Variación – Causas especiales
Límite
inf. de
especs.
Límite
sup. de
especs.
Objetivo
P. Reyes 17 98
3.2 Anatomía de una Carta de Control
Carta
C defor
Chart control
Pitted S
15 1
LSC
3.0SL=12.76
Respuesta
ount
10
Límite Superior de Control
pleC
Estadístico
Promedio
am
C=5.640
5
S
(o línea central)
0 -3.0SL=0.000
0 5 10 15 20 25
LIC
Sample Number Límite Inferior de Control
Número de Muestra
Corridas
7 puntos consecutivos de un lado de X-media.
Adhesión a la media
15 puntos consecutivos dentro de la banda de 1 sigma
del centro.
Otros
2 de 3 puntos fuera de los límites a dos sigma
P. Reyes 100
3.2 Patrón de Carta
en Control Estadístico
P. Reyes 101
3.2 Tipos de Cartas de control
• Las cartas de control se dividen en dos categorías, diferenciadas
por el tipo de datos bajo estudio- variables y atributos.
P. Reyes 102
3.2 Tipos de Cartas de control
P. Reyes 103
3.3 Construcción de Cartas
de Control para variables
P. Reyes 104
3.3.Carta X, R (Datos variables)
Procedimiento:
❶ Identificar la característica crítica a controlar y
tamaño de subgrupo (n = 3 a 6)
Análisis:
P. Reyes 108
3.3.Carta X, R (Continuación)
Ejemplo 1: Psi en un componente. Se toman muestras de Cinco
componentes cada día.
Día Muestra1 Muestra2 Muestra3 Muestra4 Muestra5
1 55 75 65 80 80
2 90 95 60 60 55
3 100 75 75 65 65
4 70 110 65 60 60
5 55 65 95 70 70
6 75 85 65 65 65
7 120 110 65 85 70
8 65 65 90 90 60
9 70 85 60 65 75
10 100 80 65 60 80
n = # muestras en un subgrupo/día = 5
k = # de subgrupos (días) = 10
X = 74.6 R = 36.0
P. Reyes 109
3.3.Carta X, R (en Excel)
Ejemplo 1:
Gráfica Xbar/R para Muestra1-Muestra5
100
Medias
3.0SL=95.36
90
80
X=74.60
70
60
50 - 3.0SL=53.84
Subgroup 0 1 2 3 4 5 6 7 8 9 10
80 3.0SL=76.12
70
Rangos
60
50
40 R=36.00
30
20
10
0 - 3.0SL=0.000
95 1 1 1
85 3.0SL=87.56
75 X=77.18
65 1 -3.0SL=66.80
1 1
55 1
45 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
50 1
40
Rangos
3.0SL=38.06
30
20 R=18.00
10
0 -3.0SL=0.000
P. Reyes 112
3.3..Hacer una carta X-R y concluir:
MUESTRA VALORES
1 12 12 13 15 12
2 15 17 16 17 18
3 13 18 14 14 15
4 10 12 11 10 11
5 13 16 15 16 15
6 15 12 13 15 11
7 15 16 15 16 15
8 15 17 15 17 14
9 22 17 16 17 14
10 16 15 17 15 18
11 16 18 16 16 16
12 15 16 17 17 14
13 17 15 16 15 16
14 16 15 18 18 16
15 17 19 17 15 17
16 19 17 15 15 17
17 16 19 16 15 14
18 16 15 17 16 18
19 17 13 17 15 14
20 19 18 17 15 16
P. Reyes 113
3.3.Carta X, S
x1 + x2 + x3 + ...+ xN
x = n 56 7 8 9
x1 + x2 + xn3 + ...+ xN 10
x = B4 2.09 1.97 1.88 1.82
k 1.76 1.72
LSCX = x + A3 S
B3 0.00 0.03 0.12 0.18
LICX = x - A3 S 0.24 0.28
LSCS = B4 S A3 1.43 1.29 1.18 1.10
LICs = B3 S (usar estos1.03
factores0.98
para calcular Límites de Control
P. Reyes 115
3.3.Carta de Individuales (Datos variables)
P. Reyes 116
3.3.Carta X, R (Continuación)
Terminología
k = número de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x1 + x2 + x3 + ...+ xN
x =
n n 2
LSCX = x + E2 R D4 3.27
LICX = x - E2 R
D3 0
LSCR = D4 R
LICR = D3 R E2 2.66
(usar estos factores para calcular Límites de Control n = 2)
P. Reyes 117
3.3. Ejemplo: Carta I (en Excel)
12.35
3.0SL=12.30
12.25 6
6 6
12.15
12.05 X=12.03
11.95
11.85 8
11.75 - 3.0SL=11.75
1
11.65
0 5 10 15
Número de Observación
P. Reyes 118
3.3. Ejercicios de Cartas I o X, R
• Hacer dos cartas X-R y
concluir: MUESTRA 1 MUESTRA 2
MUESTRA 1 MUESTRA 2
11 16
1 12 2.832
2.97
2 15 2.802
12 15
3 13 2.952 2.95
4 10 2.80 13 17
5 13 2.95 2.95
6 15 2.92 14 16
7 15 2.95 2.86
8 15 2.92 15 17
9 22 2.93 2.89
10 16 2.93 16 19
2.86
P. Reyes 119
4. Cartas de Control
para atributos
P. Reyes 120
4. Cartas de control para atributos
Datos de Atributos
Tipo Medición ¿Tamaño de Muestra ?
p Fracción de partes defectuosas, Constante o variable > 30
defectivas o no conformes
abajo. Carta C
C Chart for Pitted S
15
Límite Superior de Control
1
3.0SL=12.76
n
t
10
o
leCu
Línea Central
mp
C=5.640
5
a
S
0
Límite Interior de Control
-3.0SL=0.000
0 5 10 15 20 25
Sampl e Number
Número de Muestras
p (1- p) p (1- p)
LSC = p + 3 LIC = p - 3
n n
# de Fracciónde
componentes
n np Componenp tes componentes
inspeccionados defectuosos defectuosos
7 0 0.000
K = 13 semanas 7 0 0.000
15 2 0.133
14 2 0.143
48 6 0.125
22 0 0.000
18 6 0.333
7 0 0.000
14 1 0.071
9 0 0.000
14 P. Reyes
2 0.143 125
4...Carta p (Cont..)
Ejemplo: Gráfica P para Fracción Defectiva
0.5
0.4
3.0SL= 0.4484 LSC
Proporci
0.3
ón
0.2
0.1 P= 0.1128 p
0.0 - 3.0SL= 0.000
LIC
0 5 10
Número de muestra
P. Reyes 127
4...Carta np (Atributos)
P. Reyes 128
4...Carta np (Cont..)
1: en un proceso se inspeccionan K = 15 lotes tomando n = 40
de cada lote, se rechazan algunas partes por tener defectos, co
n np
# d
epa
rte
s
#d ep a
rte
sin
spe
ccio
nadas d
efe
ctu
osa
s
40
00 2
40
00 3
40
00 3
40
00 2
40
00 4
40
00 2
40
00 3
40
00 3
40
00 6
40
00 8
40
00 3
40
00 4
K=15 lotes
40
00 P. Reyes 129
4
4... Carta np (Cont...)
Ejemplo 1:
Carta np de número de defectivos o defectuosos
10 3.0 LSC=10.03
No. De fecetivos
5
Np =4.018 np
c1 + c2 + c3 + ...+ ck
c=
k
LSC = c + 3 c LIC = c - 3 c
P. Reyes 132
4... Carta c (cont..)
Ejemplo: Número de defectos encontrados en una unidad de inspección que consta
de 50 partes de cada lote de 75 piezas durante 25 semanas (K = 11).
Carta C
15 1
Número de defectos
5 C = 5.640 C
0 5 10 15 20 25
Número de Muestras
• Ejemplos:
• Se toma una muestra de tamaño constante de
tableros PCB por semana, identificando
defectos visuales por tablero.
P. Reyes 135
4... Carta u (cont...)
Terminología
n = tamaño de cada muestra en unidades de inspección
(por ejemplo, producción semanal)
c = Número de defectos encontrados en cada muestra
de unidades de inspección
u = defectos por unidad (DPU)
k = número de muestras
c = # de defectos en una muestra de n unidades de
inspección
n = Número de unidades de inspección en cada muestra
u = c / n = DPU = Número de defectos por unidad
P. Reyes 136
4... Carta u (cont...)
LSC =u + 3 u LIC =u - 3 u
ni ni
Nota: Recalcular los límites en cada tamaño de
muestra (ni)
Se puede tomar n promedio o estandarizar para tener
Límites de control constantes
P. Reyes 137
4... Carta u (cont..)
Ejemplo 1: Un proceso de soldadura suelda 50 PCBs por sema
Los defectos visuales observados se registran
cada semana.
n c u
D
e fe
ctos
#PCB Visua
les
S
olda
dos O
bse
rv ado
s DPU
5
0 3
05 6
.1
5
0 2
00 4
.0
5
0 2
10 4
.2
5
0 1
02 2
.0
5
0 1
98 4
.0
5
0 1
67 3
.3
5
0 1
87 3
.7
5
0 2
10 4
.2
5
0 2
25 4
.5
k=12 semanas 5
0 2
47 4
.9
P. Reyes 138
4... Carta u (Cont.)
Ejemplo 1:
1
6
5
LSC
3.0L SC=5.066
4
U =4.197 u
- 3.0L IC=3.328
3
LIC
2 1
0 5 10
Número de Muestras
7 3. 0L SC
= 6. 768
LSC
6
5 U=4. 979 u
4
- 3. 0L IC= 3. 190
3 LIC
2
0 10 20
Número de Muestras
P. Reyes 142
5. Cartas de Control especiales
• CARTAS PARA CORRIDAS CORTAS (medias – rangos, pequeños
lotes de producción de productos similares)
• CARTAS ESPECIALES
– Cartas de Precontrol
– Cartas para desgaste de herramienta
– Cartas para procesos de salida múltiple
P. Reyes 143
5.1 Cartas de Control para
Corridas Cortas
• CARTA DE CONTROL DNOM
(Control de desviaciones resp. al objetivo, prod.
similares)
P. Reyes 145
5.3-5 Cartas de Control
especiales
• CARTAS DE PRECONTROL (ARCOIRIS)
– Se basa en límites de especificación, dividiendo el
rango de especificaciones en cuatro partes, las dos
intermedias son verdes, las de la orilla amarillas y
las que salen de límites, rojas. Se monitorea sólo
una pieza.
P. Reyes 146
5 Cartas de Control
especiales por variables
• CARTA DE CONTROL CUSUM
(Detecta pequeñas corridas de media < 1.5 sigma
con n = 1)
- Método tabular
- Mascarilla en V
P. Reyes 147
Cartas especiales de control
P. Reyes 148
Cartas especiales de control
P. Reyes 149
Cartas de sumas acumuladas
CuSum
P. Reyes 150
Gráfica de Sumas
acumuladas
( CuSum )
- Se usa para registrar al centro del proceso.
- Se corre en tándem (una tras otra)
- Es más sensible que la gráfica X al movimiento de los
pequeños cambios sostenidos en el centro del proceso.
- Es más sensible que la gráfica X al movimiento de
separación gradual del centro del proceso.
- Es menos sensible que la gráfica X al desplazamiento
grande e único del centro del proceso.
- Se puede aplicar a las Xs o a las Xs individuales
P. Reyes 151
Carta de sumas acumuladas
CuSum
• Son más eficientes que las cartas de Shewhart
para detectar pequeños corrimientos en la media
del proceso (2 sigmas o menos)
σX ∑
X−(
i =1
i =µ 0 σ
)... desves
X
. dar
tandelasm
. . edias
.
P. Reyes 152
Carta de sumas acumuladas CuSum –
Con Máscara en V
– La carta de control CuSum se obtiene graficando los
valores de Sm o S’m como función de m.
P. Reyes 153
Carta CuSum – parámetros de la
máscara en V
h = Intervalo de decisión – Valor medio del ancho de máscara en
el punto de origen
k = Corrimiento a ser detectado en sigmas – Pendiente de los
brazos de la máscara en V
f = Respuesta inicial rápida - Identifica puntos fuera de
control en el arranque
T = Meta o especificación nominal; n = Tamaño de subgrupo
P. Reyes 154
Ejemplo de carta Cusum
con Máscara en V
1- 4.925
CUSUM Chart for Cusum
2- 4.675
3- 4.725
4- 4.350 4
5- 5.350 3
2
6- 5.225
Cumulative Sum
1
7- 4.770 0 0
8- 4.525 -1
-2
9- 5.225
-3
10- 4.600 -4
11- 4.625 -5
12- 5.150 -6
0 5 10 15
13- 5.325
Subgroup Number
14- 4.945
15- 5.025
16- 5.223 Target = 5, sigma = 1, h = 2, k =0.5, Vmask
P. Reyes 155
Continuación de ejemplo –
con máscara en V
Cumulative Sum
0 0
Agregando 4
Puntos adicionales
-5
Se observa que se
Salen los puntos 0 10 20
Subgroup Number
16, 17 y 18
Requiriendo acción
Target = 5, sigma = 1, h = 2, k =0.5, Vmask156
P. Reyes
Carta CuSum– Sólo un Límite
inferior o superior
CSi =
valor del nivel
alto
σ de la Cusum de iun lado superior en
CIi = min
tiempo i0,
CI + −x
i −1 −
iT k
n
C i= S i= ∑
j =1
+ (Kµ0
x−j )
σ
CSi = min
CS + i−
0, x
−1 +iT k
n
µ0 = mediaobjetivo
.
µ1 = medianoaceptable
. . µ = +∆ 0
µ1 µ
−0 ∆ σ
CIi,= = ≈ k
Datos graficados
LIC h= −
σ= K CSi
2 2 n
Línea central = n0
Ci = 0.
cuandocam
. biael. signo
.
L
SCh =
σ
n P. Reyes 157
Cata CuSum – sólo un Límite
superior o inferior
1- 4.925
CUSUM Chart for Cusum
2- 4.675 17. 5.463
3- 4.725 18. 5.875
Upper CUSUM
4- 4.350 19. 6.237
5- 5.350 20. 6.841 2 2
Cumulative Sum
6- 5.225 1
7- 4.770
0
8- 4.525
9- 5.225 -1
10-
4.600 -2 Lower CUSUM
-2
11-
0 10 20
4.625
Subgroup Number
12-
5.150
13- Target = 5, sigma = 1, h = 2, k =0.5, One Sided
5.325 FIR = 1 sigma, P.
Reset
Reyes after each signal 158
Carta CuSum – Forma tabular para
un solo límite inf. ó sup.
• Los límites para cada valor se calculan dependiendo de si es hacia el
lado superior Sh o hacia el inferior Sl
P. Reyes 159
Carta CuSum – Forma tabular para
un solo límite inf. ó sup.
Periodo Xi Xi-10.5 Sh(i) Nh
P. Reyes 161
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
• Monitorea un proceso promediando los datos de
tal forma que les da cada vez menos peso
conforme son removidos en el tiempo
P. Reyes 162
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
Es más sensible que la gráfica X al movimiento de los
pequeños cambios sostenidos en la media del proceso.
P. Reyes 163
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
– Seleccionando un factor de ponderación λ la carta puede ser
sensible a corrimientos graduales pequeños en la media del
proceso. El estadístico EWMA es:
P. Reyes 164
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
λ determina la tasa en la cual los datos “antiguos”
entran en el cálculo del estadístico EWMA.
P. Reyes 165
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
• Los límites de control se determinan como sigue:
Y 52 47 53 49.3 50.1 47 51
P. Reyes 167
Carta EWMA del
ejemplo
Xewma
1- 52.0
2- 47.0
3- 53.0
EWMA Chart for X
4- 49.3 53
UCL=52.59
5- 50.1 52
6- 47.0
51
7- 51.0
EW M A
8- 50.1 50 Mean=50
9- 51.2 49
10- 50.5
48
11- 49.6
LCL=47.41
12- 47.6 47
13- 49.9 0 10 20
Sample Number
14- 51.3
15- 47.8
P. Reyes 168
Carta EWMA
• Los puntos a graficar son los siguientes :
Z0 = X
λ_
Z1 = X1 + (1-
λ Z0 )
λ_ λ
Z2 λ= _ X2 +λ(1- Z1 )
Z3 λ= X3 +λ(1- Z2 )
• Observa que Z es un promedio ponderado de XZ4i y=de todas
X4 +las
(1- Z3 )
Xs anteriores. Con Z = EWMA
• La típica forma de una gráfica EWMA se muestra a continuación.
UCL
Los cálculos, especialmente de los
límites de control, son tan complejos
XII
P. Reyes 169
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
• Si la desviación estándar se estima de la carta X-R
entonces los límites de control se determinan
como sigue:
λ
LSC =X + A R2
(2 − λ)
λ
LIC =X − A R2
(2 − λ)
P. Reyes 170
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
• Esta carta proporciona un PRONOSTICO del
siguiente valor de la media, lo cual es muy
importante para el caso de control automatizado.
P. Reyes 171
Carta de Promedios Móviles
Ponderados Exponencialmente
(EWMA)
• Se puede desarrollar una ecuación para el clásico
control PROPORCIONAL, INTEGRAL y DIFERENCIAL
(PID). Donde los parámetros de las lambdas 1, 2 y
3 se seleccionan para obtener el mejor
desempeño de pronóstico
P. Reyes 173
Carta de control de Promedios
Móviles
• Monitorea un proceso promediando los últimos
W datos. Con valores individuales se usa W = 2
P. Reyes 174
Carta de control de Promedios
Móviles
+
x x ++1 x−..w
....
Mt = t t − t+ 1
VarMt( ) =
σ2
nw
3σ σ 3
LSC x =
+−−pa< <
ra −
n−=
t+w LSC x. .0
nw nt
3σ σ 3
LIC x=−−− <
par<an−
− =
t−
w LIC x. .0
nw nt
7- 6.0 10 Mean=10
8- 10.0 LCL=7.879
9- 10.5
10- 14.5 5
11- 9.5
0 5 10 15
12- 12.0
Sample Number
13- 12.5
14- 10.5
15- 8.0
P. Reyes 176
6. Análisis de capacidad
de proceso
P. Reyes 177
6. CONTENIDO
Introducción
1. Capacidad a partir de
histogramas
P. Reyes 179
6.1 Objetivos de la capacidad del
proceso
1. Predecir que tanto el proceso cumple
especificaciones
4. Seleccionar proveedores
s _
Xi
X
P. Reyes 183
6.1 Procedimiento
Ancho 9´
Nigel´s Trucking Co.
P. Reyes 185
1 Capacidad del proceso – Fracción defectiva
capacidad en función de la fracción defectiva del Proceso se calcu
función de la fracción defectiva para cada lado del rango de Espe
Rango medio
=
Desv. Est.
Constante d2 de acuerdo al tamaño de subgrupo en X-
s valores de Z inferior y Z superior se calculan de acuerdo a las fó
guientes:
P. Reyes 186
6.1 Capacidad del proceso – Cp y Cpk
La capacidad potencial del Proceso (Cp) es una medida de la
variación del proceso en relación con el rango de Especificación.
Tolerancia LSE - LIE
Cp = =
Variación del proceso 6 Desviaciones STD.
P. Reyes 189
6.1.. Ejemplo (cont…)
Agrupando los datos en celdas se tiene:
35
30
25
20
15 Frec.
10
5
0
170- 210- 250- 290- 330-
189 229 269 309 349
P. Reyes 191
6.1.. Ejemplo (cont…)
Intervalo Frecuencia
Frecuencia
de clase Marca de clase Frecuencia Relativa
Absoluta .
P. Reyes 194
6.2 Ventajas
0.84
0.5
Desv. Estándar
Fracción
Defectiva
LIE X Media Xj
P. Reyes 198
P
i =(I-0
.5)/ N
Pi
0
.99 9
0
.99 8
0
.99 5
0 .9
9
0 .9
8
0 .9
7
0 .9
6
0 .9
4
0 .9
0
0 .8
4
0 .8
0
0 .7
5
0 .7
0
0 .6
0
0 .5
0
0 .4
0
0 .3
0
0 .2
5
0 .2
0
0 .1
6
0 .1
0
0 .0
8
0 .0
4
0 .0
2
0 .0
1
0
.00 5
0
.00 2
0
.00 1
N
orm
ald
is
trib
utio
npro
bab
ilit
ypa
per P. Reyes X
i
199
N o r m a l P r o b a b i li ty P lo t
. 999
. 99
. 95
Probability
. 80
. 50
. 20
. 05
. 01
. 001
P. Reyes 201
6.2 Ejercicio
Tomando los datos siguientes (Xj), calcular la
probabilidad (Pj), graficar en papel norma, ajustar
valores con una recta, determinar la media, desv.
Estándar, si las especificaciones son LIE = 1200 y
LSE = 1800 determinar la fracción defectiva, el Cp y el
Cpk.
1210 2105
1275 2230
1400 2250
1695 2500
P. Reyes 202
6.3 Capacidad a partir
de cartas de control
P. Reyes 203
EN CASOS ESPECIALES COMO ESTOS
DONDE LAS VARIACIONES PRESENTES SON
TOTALMENTE INESPERADAS
TENEMOSUN PROCESO INESTABLE o “IMPREDECIBLE”.
?
? ?
? ?
? ?
P. Reyes 204
6.3 Proceso en control
SI LAS VARIACIONES PRESENTES SON IGUALES,
SE DICE QUE SE TIENE UN PROCESO “ESTABLE”.
LA DISTRIBUCION SERA “PREDECIBLE” EN EL TIEMPO
Predicción
Tiempo
P. Reyes 205
6.3 Control y Capacidad de Proceso
ntrol de Proceso:
pacidad de Proceso:
P. Reyes 206
6.3 Proceso en control estadístico
La distribución de la mayoría de las características
medidas forman una curva en forma de campana o
normal, si no hay causas especiales presentes, que
x Arealas
alteren la normalidad . ¿cuales son entre 0 y 1scomunes?
causas
-Probabilidad de Ocurrencia
Distribución
del Proceso
_
x = media
34% 34% s= sigma; es la
desviación
estándar;
medida
14 % 14 % de la
2% 2% variación
-2s -1s x +1s +2s 3sproceso.
del
99.73% P. Reyes 207
6.3.. Desviación Estándar del proceso σ
σ =R ο σ =
S
d2 c4
Donde,
Donde,
σσ == Desviación
Desviaciónestándar
estándarde
dela
lapoblación
población
dd2 ==Factor
Factorque
quedepende
dependedel
deltamaño
tamañodel
delsubgrupo
subgrupoen
enla
lacarta
cartade
de
2
control
controlXX--RR
CC4 ==Idem
Idemal
alanterior
anteriorpara
parauna
unacarta
cartaXX--SS
4
NOTA:
NOTA: En
Enuna
unacarta
cartapor
porindividuales,
individuales,d2
d2se
setoma
tomapara
parann==22yy
RangoMedio=Suma rangos / (nP.-1)
Reyes 208
6.3 Capacidad del proceso
Cp = (LSE - LIE) / 6 σ
P. Reyes 209
6.3 Ejemplo (carta X - R)
Si el límite de especificación
P. Reyes
es: LIE = 200. 210
6.3 Ejemplo (carta X - S)
P. Reyes 213
6.4 Definiciones
Exactitud
Desviación respecto del valor verdadero del promedio de
las mediciones
Valor verdadero:
Valor correcto teórico / estándares NIST
Sesgo
Distancia entre el valor promedio de todas las mediciones
y el valor verdadero. Error sistemático o desviación
Estabilidad
La variación total en las mediciones obtenidas durante un
período de tiempo prolongado
Linealidad
Diferencia en los valores de la escala, a través del rango
de operación esperado del instrumento de medición.
Precisión
Medición de la variación natural
P. Reyes en mediciones repetidas 214
6.4 Posibles Fuentes de la
Variación del Proceso
Variación total del
proceso, observada
Calibración
REPETIBILIDAD
Operador-A
Reproducibilidad
Sesgo
Tiempo 2
Tiempo 1
Sesgo Sesgo
Menor mayor
P. Reyes 222
6.4 Estabilidad del
Calibrador
Cómo Calcularla…
P. Reyes 223
Error R&R = RPT2 + REPR2
Para la fase de control del
• Precisión en relación a la variación proyecto, sólo substituya
total la Tolerancia por Variación
Total.
<10% Aceptable
10-30%. Puede ser aceptable, dependiendo qué tan
crítico es el grado de la medición.
>30%. ¡Inaceptable!
P. Reyes 224
EL VALOR DEL R&R ES UN PORCENTAJE DE LA VARIACION
TOTAL DEL PROCESO:
La dimensión verdadera de
las partes se encuentra en VARIACIÓN DE PARTE
algún lugar de la la región A PARTE
sombreada…
Lo que fue
medido
P. Reyes 226
6.4 Métodos de estudio del error R&R:
Método ANOVA
rmite separar en el sistema de medición lo referente a la
eproducibilidad y a la Repetibilidad.
mbién proporciona información acerca de las interacciones
n operador y otro en cuanto a la parte.
alcula las varianzas en forma más precisa.
os cálculos numéricos requieren de una computadora.
P. Reyes 228
6.4 Proc. para realizar un estudio de
R&R
1. Ajuste el calibrador, o asegúrese de que éste haya
sido calibrado.
P. Reyes 229
6.4 Proc. para realizar un estudio de
R&R
5. Continúe hasta que todos los operadores hayan medido
las muestras una sola vez (Este es el ensayo 1).
6. Repita los pasos 3-4 hasta completar el número
requerido de ensayos
7. Utilice el formato proporcionado para determinar las
estadísticas del estudio R&R
– Repetibilidad
– Reproducibilidad
– %R&R
– Desviaciones estándar de cada uno de los conceptos
mencionados
– Análisis del % de R&R contra Variación Total y contra
tolerancia
8. Analice los resultados y determine los pasos a seguir, si
los hay.
P. Reyes 230
6.4 Ejemplo:
P. Reyes 231
6.4 Método corto
P. Reyes 233
1. Cálculo de las X-medias
Operador A Operador B
Pieza # 1er. In ten to 2o. In ten to R an go 1er. In ten to 2o. In ten to R an go
1 9.376 9.358 9.354 9.361
2 9.372 9.320 9.372 9.372
3 9.378 9.375 9.278 9.277
4 9.405 9.388 9.362 9.370
5 9.345 9.342 9.338 9.339
6 9.390 9.360 9.386 9.370
7 9.350 9.340 9.349 9.349
8 9.405 9.380 9.394 9.381
9 9.371 9.375 9.384 9.385
10 9.380 9.368 9.371 9.376
Totales 93.772 93.606 93.588 93.580
Xm edia -A 9.3689 Xmedia-B 9.3584
P. Reyes 234
2. Cálculo de los Rangos
O perador A O perador B
XmediaP
Pieza # 1er. In ten to2o . In ten to R an g o 1er. In ten to2o . In ten to R an g o
1 9.376 9.358 0.018 9.354 9.361 0.007
2 9.372 9.320 0.052 9.372 9.372 0.000
3 9.378 9.375 0.003 9.278 9.277 0.001
4 9.405 9.388 0.017 9.362 9.370 0.008
5 9.345 9.342 0.003 9.338 9.339 0.001
6 9.390 9.360 0.030 9.386 9.370 0.016
7 9.350 9.340 0.010 9.349 9.349 0.000
8 9.405 9.380 0.025 9.394 9.381 0.013
9 9.371 9.375 0.004 9.384 9.385 0.001
10 9.380 9.368
Rmedio-A 0.012 Rmedio-B
9.371 9.376 0.005
Totales 93.772 93.606 0.174 93.588 93.580 0.052
X m edia - A 9.3689 X m edia - Xpartes
B 9.3584
LSCR = D4 x Rmedia Probar P.
Aque
ningún rango salga de control 235
R m edio 0.0174
Reyes R m edio B 0.0052
. Identificación de Parámetros del Estudio y Cálculos
Totales 93.772 93.606 0.174 93.588 93.580 0.05
RmediaA 9.3689 XmediaB 9.3584Rpartes
RmedioA 0.0174 RmedioB 0.005
Rpart
Rango de
Medias
Ancho de tolerancia====> 0.25 X-media máx.=> 9.3689
de
r Número de intentos => 2 X-media min => 9.3584
partes
n Número de partes ==> 10 Diferencia 0.0105
Número de operadores 2 de X-medias
Reproducibilidad: La variación en el
promedio de las mediciones (AV) se calcula
sobre el rango de los promedios de todas las
mediciones, para cada operador, menos
el error del calibrador. Si la raíz es negativa
se toma cero. 2
AV = (Xdif * K2) - (DV2/(r * n)) = 0.0259
P. Reyes 238
6.4 Cálculo de R&R
PV = Rparte x K3 = 0.1021
P. Reyes 239
6.4 Cálculo de R&R
P. Reyes 243
7. CONTENIDO
2. Trabajo en equipo
5. Ejemplos
P. Reyes 244
7.1 Proceso de Cambio
organizacional
P. Reyes 245
7.1 Organizaciones tradicionales
Patrocinadores
Facilitador de
Facilitador de
Facilitador de Procesos de
Procesos /
Mantenimiento Recursos
Proyectos
/ Proyectos Humanos
Tipos de equipos: Kaizen, Tarea, Proyectos, CCC,
celdas de mfra., unidades de negocio
P. Reyes 248
7.1 Reestructuración
organizacional
• Normas de trabajo
• Métodos para la medición del trabajo: estudios de
tiempo, muestreos, estándares
• Curvas de aprendizaje
P. Reyes 249
7.1 Equipos Kaizen
P. Reyes 250
7.1 Estrategias para
Recursos Humanos
• Eliminar continuamente actividades que no agregan
valor
• Reducir el número de categorías ampliando alcance
de los puestos
• Proporcionar recomendaciones a la Alta Dirección
sobre métodos para aplanar la organización
P. Reyes 251
7.1 Proceso de cambio
organizacional
1. Autoanálisis de la empresa.
2. Establecer objetivos.
3. Desarrollo del equipo gerencial.
4. Establecimiento de filosofías y políticas.
5. Planeación estratégica.
6. Desarrollo de equipos.
7. Control y seguimiento de los equipos de
trabajo.
8. Evaluación de resultados: indicadores clave.
9. Comunicación en todas direcciones.
P. Reyes 252
7... Consejos para
administradores
1. Mantener actitud positiva.
P. Reyes 253
7... Consejos para
administradores
9. Tener empatía con la gente.
- Reclutamiento y selección.
- Orientación.
P. Reyes 255
7.2 Equipos de trabajo
• OBJETIVOS
P. Reyes 256
7.2 Introducción
HAY TRES PUNTOS IMPORTANTES EN RELACION A:
EQUIPOS DE TRABAJO
O
CIRCULOS DE CALIDAD
OBJETIVOS
3.- LA FORMACION DE UNA DEL
CULTURA EQUIPO
P. Reyes 257
7.2 ¿Qué es un...?
CIRCULO DE CALIDAD?
EQUIPO DE TRABAJO?
en estrecha interrelacion,
interacción y comunicación
dirigidas hacia un
OBJETIVO COMUN
P. Reyes 259
7.2.. Análisis de Fuerzas
EQUIPO
DE
TRABAJO
DESINTEGRACION
DEL EQUIPO
LOGRO DE METAS Y DE
OBJETIVOS COMUNES
P. Reyes 260
7.2 Ejemplos de fuerzas negativas
INCAPAZ DE
PRIORIDADES DE OBJETIVO PARTICIPAR EN LOS
DEPARTAMENTO INTERESES DEL
DEL EQUIPO
EQUIPO
CONFLICTO DE OBJETIVOS
EQUIPO PERSONALES
P. Reyes 261
7.2 El objetivo del equipo
EL
ELOBJETIVO
OBJETIVODEL
DELEQUIPO
EQUIPOELIMINA
ELIMINALAS
LASFUERZAS
FUERZASNEGATIVAS
NEGATIVAS
_______________________________________________________________
_______________________________________________________________
_______________________________________________________________
P. Reyes 262
7.2 ¿QUE PUEDO HACER YO PARA AYUDAR
A LOGRAR LOS OBJETIVOS DEL EQUIPO...?
1.-__________________________________________________________
__________________________________________________________
__________________________________________________________
2.-__________________________________________________________
__________________________________________________________
__________________________________________________________
3.-__________________________________________________________
__________________________________________________________
__________________________________________________________
4.-__________________________________________________________
__________________________________________________________
__________________________________________________________
P. Reyes 263
7.2 Normas de los equipos
LA
SEGURIDAD
SEGURIDAD OTROS LA CALIDAD
EL MANTENIMIENTO DEL
MANTENIMIENTO EQUIPO LA PRODUCCION
P. Reyes 264
7.2 Normas de los equipos
1.- Ser puntual y asistir a todas las reuniones ( a
menos que el equipo acuerde lo contrario ).
2.- Nunca enojarse se tenga o no razón.
3.- Cumplir con las asignaciones.
4.- Cumplir con las fechas compromiso., etc.
1.- __________________________________________
2.- __________________________________________
3.- __________________________________________
P. Reyes 265
7.2 Responsabilidades del equipo
PROMOVER EL ESPIRITU
DE COLABORACION EN
LOS INTEGRANTES DEL
EQUIPO A TRAVES DE:
COOPERACION
ASISTENCIA COMUN
P. Reyes 266
7.2 Organización de los equipos
P. Reyes 269
7.2 ¿De quién necesitan apoyo . . . ?
P. Reyes 270
7.2 El líder del equipo
LIDER:
ES AQUEL QUE GUIA, ENSEÑA Y DA EL EJEMPLO
A SU EQUIPO DE MEJORA CONTINUA. DEBEN
TENER....
FLEXIBILIDAD
PACIENCIA
HONESTIDAD
HABILIDAD DE COMUNICARSE
Y
ELIMINAR
ELIMINARELELFRACASO
FRACASO
HACIENDO
HACIENDOPOSIBLE
POSIBLELO
LOIMPOSIBLE
IMPOSIBLE
P. Reyes 271
7.2 De quién necesitan apoyo
EQUIPOS DE
MEJORA CONTINUA
LIDER DE EQUIPO
EQUIPO DE TRABAJO
DE APOYO
EQUIPO GERENCIAL
P. Reyes 272
7.2 Problemas comunes
P. Reyes 273
7.2 Problemas comunes
P. Reyes 274
7.2 Problemas comunes
P. Reyes 275
7.2 Problemas comunes
P. Reyes 276
7.3 Manejo efectivo de
Juntas y reuniones
P. Reyes 277
7.3 Tipos de reuniones
• Para control y mejora (30-60 min.)
– Asignar tareas y responsabilidades.
– Contribuir a procesos de solución de problemas.
P. Reyes 278
7.3 Tipos de reuniones
• De memorandum (5 – 10 min.)
– Avisos escritos de diversa índole.
P. Reyes 279
7.3 Función del coordinador
P. Reyes 280
7.3 Funciones del coordinador
1.- Pedir ideas a todo el grupo y en forma
Individual.
2.- Mantener la junta en el tema.
P. Reyes 282
7.3 Ejercicio
NOTAS
¿ Como se comporto el equipo . . . ?
___________________________________________________
____________________________________________________
____________________________________________________
____________________________________________________
P. Reyes 283
7.3 Ejercicio
¿ Como se comportaron los integrantes . . . ?
____________________________________________________
____________________________________________________
____________________________________________________
____________________________________________________
¿ Por que . . . ?
____________________________________________________
____________________________________________________
____________________________________________________
P. Reyes 284
7.4 Solución de problemas por
medio de la Ruta de Calidad
P. Reyes 285
7.4 Los 11 pasos de la Ruta de la
calidad
1. Selección del problema
2. Razón de la selección
3. Establecimiento de objetivos
4. Programa de actividades
5. Diagnóstico de la situación actual
6. Identificación de causas
7. Análisis de soluciones
8. Implantación de soluciones
9. Verificación de soluciones
10.Prevención de la reincidencia y
estandarización
11.Reflexiones y tareas
P. Reyes futuras 286
7.4 La ruta de la calidad
1.- SELECCIÓN DEL TEMA
P. Reyes 287
7.4 Beneficios de la ruta de la
calidad
P. Reyes 288
1. Selección del problema
P. Reyes 289
1. Selección del problema
- Comprensión de elementos
situacionales.
- Identificación de factores de
variabilidad.
P. Reyes 290
1. Selección del problema
Seguridad Calidad
Entrega Costo
Moral P. Reyes
2 GUOQCSTORY.PPT
292
2. Razón de la Selección
¿Porque?
P. Reyes
3 GUOQCSTORY.PPT
293
2. Razón de la Selección
*Expresar los antecedente, la importancia y la
prioridad de los problemas.
DEVOLUCIONES 12 Puntos
1er. lugar
10 Puntos
ENTREGAS TARDIAS 2o. lugar
10 Puntos
DOCS. INADEC. 2o. lugar
9 Puntos
NIVEL SERVICIO 3er. lugar
P. Reyes 295
Ejemplo2 : Utilización de la gráfica lineal y el diagrama de Pareto.
n = 5,000
x = 0.48 %
% de incidencia
(%)
1
0.51 0.53
0.47
0.8 0.45 0.46 0.46
6/mayo-11 13 - 16 20 - 24 27 - 31 3/junio - 7 10 - 15
0.4
n = 170
0
170 100
% ACUMULADO
160
140
80
120
30 %
100
51 60
80 31 27 25 20 16 40
60
CONTAMINACION
ALTURA MAYOR
ADHESION
MULTIPLE
Y MENOR
CORTE
40
CORTE
DOBLE
PORO
BAJA
20
20
0 0
Al verificar el grado de incumplimiento respecto al 0.3% del objetivo de grupo y además de investigar
las causas de incumplimiento se encontró que ”DOBLE CORTE" es el más problemático,
por lo que se seleccionó como tema.
P. Reyes
5 GUOQCSTORY.PPT
296
3. Establecimiento de objetivos
PUNTO CRITICO ACTIVIDADES
* Aclarar la meta del valor del objetivo. * Indicar el objetivo con valores en forma numérica
en lo posible.
* No plasmar simplemente los deseos y * El objetivo debe tener relación con el
expectativas en el objetivo, si no esta- efecto esperado .
blecer un objetivo factible de manera es-
calonada.
* El objetivo debe de ser concreto.
* Establecer un objetivo con fundamento, Ejemplo:
no se debe tomar una decisión de impulso ¿QUÉ? ****** Reducir el defectuoso en productos A
(sin analizar).
¿HASTA CUÁNDO?****De Mayo del 97 a
(Punto clave para establecer el valor Abril del 98
objetivo). ¿HASTA CUANTO?****Bajar hasta 1% ó
* Definirlo tomando en cuenta las políticas menos del 1% promedio de defectuoso.
de la empresa.
Establecer un objetivo que tenga relación con la selección del tema y razón de la selección.
P. Reyes 297
Ejemplo n° 1 Establecimiento del
Objetivo con fundamento
EFECTO ESPERADO
3% DE INCREMENTO EN EL % DE AHORRO
IGUALAR AL
(%) 8 x 1 NIVEL PAIS
6 1
2
2
IGUALAR
4 3 2
4 AL
PASADO
2 3 IGUALAR A
OTRAS LINEAS
0 4 ESTABLECER
10 11 12 1 2 3 4 EN BASE A LA
POLITICA
6 MESES
El objetivo debe ser establecido en consenso OBJETIVO FINAL
P. Reyes 298
Ejemplo n° 3: Establecimiento gradual del objetivo
CONDICION ACTUAL
(%) 6
5
V P
4
E E 3 OBJ. PRIMARIO
N R 2
1 OBJ. SECUNDARIO 0%
T D
A I 0 1 2 3 4 5 6
S D OBJETIVO FINAL
A
S
PERIODO DE TIEMPO
P. Reyes
7 GUOQCSTORY.PPT
299
4. Programa de actividades
ASIGNACION DE LAS TAREAS
POR QUE ? QUE ? QUIEN ? CUANDO ? COMO ?
PROPOSITO CONCEPTO DE ACT. RESP. FECHA
CONOCER LA HOJA DE
COMPRENDER LA
SITUACION Juan Pérez may-97 CHEQUEO
SITUACION ACTUAL
ACTUAL GRAFICA
DIAGRAMA D
¿QUE ESTA
ANALISIS TODOS JUN. 97 CAUSA Y
MAL ?
EFECTO
¿COMO SE PLAN DE
ACCIONES
PUEDE TODOS JUN. 97 ACCIONES
CORRECTIVAS
MEJORAR ? CORRECTIV
¿SE PUEDE
CONFIRMAR EFECTO TODOS JUL. 97 GRAFICA
MEJORAR ?
CAMBIO DE ING.
EMISION DE
PROCEDIMIENTOS Y PRODUCT JUL. 97
CAMBIO
PREVENCION ESPECIFICACIONES O.
DE P. Reyes
8 GUOQCSTORY.PPT
300
5. Diagnóstico de la situación actual
PUNTO CRITICO ACTIVIDADES
IO
O
S
ZA
AS
AD
IO
80% VITALES
O
ET
C
AN
TR
C
SU
EJ
C
PL
LU
O
D
U
O 20% TRIVIALES
D
M
IV
R
O
Q
O
O
TA
U
EV
PR
C
EQ
D
IN
P. Reyes 301
6. Identificación de causas
DIAGRAMA DE CAUSA EFECTO
ISHIKAWA O ESPINA DE PESCADO
P. Reyes 302
6. Identificación de causas
Determinar las causas raíz.
1. Análisis de posibles causas.
2. Relación causa-efecto.
3. Uso de herramientas.
4. Cuantificación de posibles causas
5. Selección de causas reales.
6. Experimentación y prueba de
hipótesis y causas probables.
7. Determinación de causas reales.
P. Reyes 303
6. Identificación de causas
PUNTO CRITICO ACTIVIDADES
- Identificar las posibles causas verdaderas - En base al conocimiento de la
situación actual,
(factores) del análisis de la situación actual identificar las posibles causas
verdaderas o factores
- Se utiliza el diagrama de causa-efecto (Ishikawa) VERIFICAR CADA UNO
DE LOS FACTORES
como una alternativa de análisis - Repetir la pregunta "porqué" 4-
5 veces
- Buscar la causa(s) real(es) desde los factores. - Ir a piso a verificar
físicamente cuantas veces
- Hay casos en que se pueden conseguir los efec- sea necesario, sobre
todo observar MAQUINARIA
bien. FALTA
MANO DE OBRA
FALTA
tos (resultados) de un análisisAIRE al investigar a fon- - Analizar a fondo
CAPACITACION
BARRA SOPORTE DE RETROALIMENTACIO FALTA DE
involucrando al jefe inmediato, N
PAPEL DESALINEADO COMPROMISO
do la situación actual. ROLLOS PESADOS staff y las áreas
LINEA DE
relacionadas. APLICACIÓN DE PAPEL
BOLSA
* Identificar las causas
DAÑADAreales en forma resumida.
PAPEL MANUAL No se MALdebe
CORTEtratar
PAPEL de
PAPEL FUERA MAT. FRESCO
solucionar un problema diciendo excusas. Ejemplo: "Es la NOprimera
SE MIDEN vez que
ESPESORES
DE
aparece“, "No tenemos
ESPESOR experiencia",POCOetc.
ESPESOR NO SE SIGUE EL PROC:
MATERIAL
FLUJO DE PAPEL EN APLICACIÓN DE
LA PARTE CINTA
SUPERIOR INCORRECTO
METODO
DEL MOLDE
P. Reyes 304
7. Análisis de soluciones
1. Definición de soluciones.
2. Evaluación de éstas.
5. Desarrollo de plan de
implementación.
P. Reyes 305
7. Análisis de soluciones
PUNTO CRITICO ACTIVIDADES
* Eliminar la causa real que se encontró como resul- * Planear las medidas
correctivas para cada una
tado del análisis. (no eliminar los fenómenos) de las causas
encontradas a través del análisis.
* Recabar todas las ideas de los miembros del gru- * Dividir las medidas
correctivas en dos tipos:
po, jefe inmediato y personas relacionadas. 1) Medida
contingente provisional
* Pensar medidas físicas, más que personales, pa- 2) Medida
correctiva.
EJEMPLO No. 1: sobre las causas raíz
Factibilidad
Evaluación
Prioridad
ra que la acción correctiva sea estable y sin para
Efecto
FECHA
3 PUNTOS
LIDER
prevenir
2 PUNTOS
la reincidencia
1. CONTROLAR
variación.
1 PUNTO (poka-yoke) ESPESORES EN MAQ.
•Evaluar las ideas de Kaizen. Hacer una evaluación de efectos, factibilidad,
5 J Pérez. Junio 97
A. CONTROL DE
economía, ESPESORES
grado de tecnología, operatividad, seguridad, etc.
2. VERIFICAR 4 Elaborar
OPERADORES Junio 97
propuesta operativa ESPESORES
DE PLÁSTICO y preparar los recursos requeridos. Junio 97
ANTES DEDE 3 OPERADORES
3. CAMBIAR
LINEA CONSTRUIR
MATERIAL
DE
PAPEL 1. MODIFICACION AL Julio 97
B. MODIFICAR 5
APLICACIÓN
APLICADOR DEL PAPEL J. Pérez
DE PAPEL. Julio 97
2. CAMBIAR ANCHO DE 4 J. Pérez
PAPEL
P. Reyes
14 GUOQCSTORY.PPT
306
8. Implantación de soluciones
P. Reyes
15 GUOQCSTORY.PPT
307
8. Implantación de
soluciones
1. Explicación de implementación.
2. Descripción de áreas afectadas.
3. Descripción de obstáculos.
4. Análisis cuantitativo de impacto.
5. Análisis cuantitativo de situación
mejorada vs. situación actual.
6. Medición de efectos secundarios.
7. Uso de herramientas .
P. Reyes 308
8. Implantación de soluciones
PUNTO CRITICO ACTIVIDADES
* Realizar las medidas como se habian acordado * Antes de aplicar las
medidas correctivas
* Verificar si no hay efectos secundarios * Probar las ideas de
mejora, investigar efectos
* Dar capacitacion y entrenamiento. secundadarios que puedan
afectar al producto o áreas* Los equipos implantan las acciones correctivas
EJEMPLO 1 y después poner en práctica las luciones.
* LISTADO
Obtener laMEDIDAS
DE LAS aprobación de las áreas relacionadas, turno o puesto, Jefe
CORRECTIVAS
inmediato etc. Es ¿A decir,
QUE? - ¿COMO?
NO CUANDO
Comunicar a todos los involucrados de DONDEla mejora RESU JUICIO
a realizar. QUIEN
TOPE PROC. DE LTAD
LIMPIEZA O
AUNQUE SE DA
BARRA DE EFECTO J. PÉREZ
1 JULIO 97 APLICACION NO ES PERSISTENTE
P. Reyes 309
8. Implantación de soluciones
PARA LA LINEA DE PAPEL:
APLICACIÓN
ANTERIOR
DEL PAPEL
P. Reyes
9. Verificación de soluciones
PUNTO CRITICO ACTIVIDADES
* Verificar hasta obtener efectos estables ampliando * Hacer análisis
comparativo antes y después
los datos históricos en gráficas de la etapa de * En caso de
aplicar varias medidas correctivas
"razón de selección del tema" , Verificar los efectos
intangibles sin omisiones
* Comparar el efecto en gráfica entre antes y después
de KAIZEN respecto al objetivo. confirmar el efecto
sobre cada concepto de
(relación humana, capacidad, trabajo en equipo,
contramedidas.
entusiasmo, área de trabajoEjemplo
alegre). 1.
*% 2.5
Determinar los beneficios monetarios, indirectos e intangibles.Investigar si
D
existen áreas y 2operaciones similares
2.22
2.33
tanto dentro como %Dfuera
<1% de la planta,
.19 2.14
E 2
2.1
para aplicar las mismas2 contramedidas. Dar reconocimiento.
1.9
F 1.8 1
1..7
76
E 1.6
1.5 1.5
C 1.32
1.4
1.3
T 1.2
U 1 0.94
0.9 0.87
0.79
S
O 0.5 P. Reyes 311
Ejemplo 3.
UM I M IC RO V - T IM ING B E L T S
B E NC HM ARK ING D E F E C T UO S O T IM ING B E L T S
9.5
10
8 6.85
6
3.3 3.27
%
4 2.66
2 0.9
0
M ONC KS C . DUM FRIES COREA BRASIL JAPON M EXICO
P. Reyes 312
10. Prevención de la reincidencia –
Estandarización
P. Reyes 314
10. Prevención de la reincidencia
PUNTO CRITICO ACTIVIDADES
* Hacer estandarización para prevenir la reincidencia * Mantener y controlar
los efectos
* Con el fin de mantener y controlar lo estandariza- * Hacer
estandarización.
do, establecer sistemas y realizar la revisión de los Equipos
equipos, capacitación y entrenamiento de manera Poka-yoke, dibujos,
hoja de especificaciones,
periódica. instructivo de manejo, muestreo de
límite.
EJEMPLO 1: Mano de obra
Confirmar el resultado de la modificación Capacitación y
Por qué Qué Donde Cuándo Quién Cómo
Medidas5de
adiestramiento W habilidad
1H
Why ComunicarWhat adecuadamente a las áreas
Where When Who How
técnica en base a la operación
correctivas
Integrar botador Chequeo
involucradas Calidad:
Botador En almacén Carta
1 vez cadaTurnarde Chequeo
control de
1 de electrodo despostilladora
de de Htas. 3 días responsable
visual
proceso. en martillo de filos electrodo hoja de chequeo
Adopción de Chequeo Base de Proceso Cada Turnar Chequeo
electrodo roscado de daño en electrodo usuario. semanaresponsable
visual
2 rosca inferior hoja de chequeo
5W
Por Cuánd
1H Qué Donde Quién Cómo
1 Medidas qué o
correctivas
What Where When Who How
Why
2
CORRECTA CHE
INTEGRAR
APLICACIÓN QUE
TOPE APLICA J.
DE PAPEL. TOPE JULIO O
DOR PEREZ
DE 97 VISU
PAPEL AL
TISSUE
INST.PARA
ELABORAR PARA APLICAR PROCESO PRO
PROCEDIMIEN ESTANDARIZAR AGOSTO ING. DE
DE PAPEL DEL CEDI-
TO LAS 97 PRODUC
TISSUE USUARIO MIEN
OPERACIONES TO
TO
P. Reyes
11. Reflexiones
Análisis de resultados
1. Comparación cuantitativa.
2.Evaluación cuantitativa de
resultados intangibles.
3. Análisis del impacto económico
4. Presentación de resultados
Conclusiones
1. Evaluación objetiva.
2. Descripción de problemas
pendientes.
3. Descripción del plan
P. Reyes de acción. 317
11. Reflexiones y tareas futuras
P. Reyes 318
11. Reflexiones y tareas futuras
PUNTOS CRITICOS ACTIVIDADES
* Aclarar la diferencia entre la planeación y el resul- * Aclarar los puntos
positivos y negativos.
tado. Reflexionar sobre la satisfacción lograda. * Registrar las
actividades tomando en cuenta
* Resumir los planes futuros en forma concreta. el efecto físico, QC
Story, administración de
EJEMPLO:
* Aprovechar puntos positivos de resultado y apren- grupo, juntas,
A) Efecto físico. A
herramientas, programa,
B) Participación. J B
der de puntos negativos. asignación de funciones,
C) Aprovechamiento
entusiasmodel método QC.
D) Trabajo en equipo. I C
E) % Participación en
juntas.
F) Puntualidad H
G) Asignación de D
funciones.
H) Mejora de G
conocimiento. E
F
I) % de cumplimiento
de programa.
J) No. de juntas. Gráfica de Radar
P. Reyes 319
7.5 Ejemplos
P. Reyes 320
8. Métodos de muestreo
P. Reyes 321
Muestreo aleatorio estadístico
Muestra n
Lote N
P. Reyes 322
Muestreo de aceptación
P. Reyes 323
Tipos de muestreo de
aceptación
• Muestreo por atributos
– Muestreo simple
– Muestreo doble
– Muestreo múltiple
P. Reyes 324
Formación de lotes y
muestreo
• Los lotes deben ser homogéneos es decir haberse
producido bajo las mismas condiciones de manufactura
P. Reyes 325
Muestreo por atributos
P. Reyes 326
Muestreo simple por atributos
• Se define por su tamaño de muestra n y el
número de aceptación c máxima de partes
defectivas (N tamaño de lote)
n =tamaño de . muestra
.
c = criterio de
. aceptacion
.
d = defectivos encontrados
. en
. la. muestra
.
p = fraccion defectiva
. en
. el. lote
.
c
n!
Pa =P (d ≤ c )= ∑ p −(1 p )
d n −
d
d =0 d !(n −d )!
P. Reyes 329
Muestreo simple por atributos
Variar la p de 0.005, 0.01 – 0.09 y
Obtener la curva OC Tipo A, N <= 10n.
Se usa la distribución Hipergeométrica
P. Reyes 330
Diseño de un plan de
muestreo
con una curva OC específica
• Si se quiere un plan en el cual p1 = 0.01 y alfa =
0.05, p2=0.06 y beta = 0.1 se procede como
sigue:
9 lotes son
Entrada de 100 aceptados a pesar
n =200
lotes de cierto de tener un 2%
proveedor con Pa c=1
defectivo:
N=10,000 y
Es decir ingresan
p = 0.02
P=0.02 88,820 piezas OK
AOQ
Y 1800 piezas KO
P. Reyes 334
Inspección rectificadora
Variar la p de 0.005, 0.01 – 0.09 y
Obtener la curva ATI para N grande
Se usa la distr. Binomial o de Poisson
N=5,000
N=1,000
p
P. Reyes 336
Planes de muestreo doble
• Bajo ciertas circunstancias es necesario
tomar una segunda muestra para tomar una
decisión. Muestras n1 y n2 con criterios de
aceptación c1Inspeccionar
y c2 1a.
Muestra con n1=50
d1 = # de defectivos Si
Si
d1 > c2 = 3
d1<=c1=1
1< d1 <= 3 Rechazar lote
Aceptar lote Inspeccionar 2a.
Muestra con n2=50
d2 = # de defectivos
Si d1 + d2 Si d1+d2 > c2
<= c2 =3 Con c2 = 3
Aceptar lote Rechazar lote
P. Reyes 337
Curva OC – Muestreo doble
Pa Probabilidad de rechazo
con Primera muestra
Probabilidad de
Aceptación con
Probabilidad de
Muestras combinadas
Aceptación con
Primera muestra
p
P. Reyes 338
Curva OC – Muestreo doble
Probabilidad de aceptación en el muestreo doble
P. Reyes 339
Curva OC – Muestreo doble
Probabilidad de rechazo
Pr = P + P
r
I
r
II
2
50!
P =1− ∑
r
I
(0.05) 1d (1 −0.05)50− 1d
d 1= 0 d1!(50 − d1)!
P = Pr (1) + Pr (2)
r
II II II
P. Reyes 340
Curva ASN – Average Sample
Number
ASN bajo inspección completa
P. Reyes 341
Curva ASN – Average Sample
Number
ASN bajo inspección recortada en 2a. Muestra al tener d >c2
c2
ASN = n1 + ∑ P( n1, [j) n2L P ( n2, c2 j− +
j = c1 +1
c2 − j + 1
+ PM ( n2 1,+c2 j − 2) ]+
p
P( n1, j) = probabilidad . de. j. defectivos.en. muestra. n1
PL ( n2, c2− j) = prob. de. obser var . c2 −j. o. menos. defectivos. en. muest
ra n . 2
PM ( n2 + 1, c2 − j + 2) = prob. debser
. o var . c2− j+ 2. defectivos. en. muestra. n2 1+
P. Reyes 342
Curvas de ASN para diferentes planes
de muestreo: simple, doble y doble
recortado
Plan: n1=60, n2=120, c1=2, c2=3
120
ASN
Inspección doble
completa
Inspección
90
simple
Inspección
recortada
60
0.02 0.04 0.06 0.08 0.10 0.12
p
P. Reyes 343
Diseño de planes de muestreo dobles
P. Reyes 344
Curva AOQ y ATI – Muestreo doble
P. Reyes 345
Muestreo múltiple
P. Reyes 346
Muestreo secuencial
P. Reyes 347
Muestreo secuencial
• Se toma una secuencia de muestras de un lote
n dependiendo de los resultados de la
inspección
1-Alfa
X RECHAZO = h2 + sn
h2/(h1+h2)
p 2 (1 − p1 )
k = log
p1 (1 − p 2 )
Beta
1 − p1
s = log ÷ k
p1 s p2
1 − p2
1− β Calcular ecuaciones
h2 = log ÷k
α para:
β 1− β p 1 − p2
C = p log 2 + (1 − p ) log
A = log B = log
α p1 1 − p1
1−α
P. Reyes 351
Uso de tablas de muestreo
MIL-STD-105E
ANSI Z1.4, ISO 2859
P. Reyes 352
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
• Requiere información de:
– Tamaño del lote N
– Doble
– Múltiple
– Inspección reducida
– Inspección estricta
P. Reyes 354
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
• Iniciando con Inspección normal, proporciona
información de:
– Tamaño de muestra n
– Criterio de aceptación Aceptar con
– Criterio de rechazo Rechazar con
P. Reyes 356
Tablas de muestreo MIL-STD
105E o ANSI Z1.4
• Buscar los planes equivalentes en curva CO para
muestreo doble y múltiple
P. Reyes 357
Planes de muestreo Dodge - Romig
P. Reyes 358
Planes de muestreo Dodge -
Romig
• Planes para protección en AOQL (average outgoing quality
limit) o máxima fracción defectiva que se desea ingresar a la
empresa después de aplicar un plan de muestreo
P. Reyes 359
Muestreo por variables
P. Reyes 360
Muestreo por variables
P. Reyes 361
Muestreo simple por variables
Método I – Distancia k de X a Lim.
Esp.
• Se define por su tamaño de muestra n y el número de
aceptación k distancia mínima de la media de la muestra
al límite de especificación LIE o LSE.
Z = (LIE-Xm)/s
1.05 1.1 1.15 1.2 1.25 1.3 Dimensión X
P. Reyes 362
Muestreo simple por variables
Método I – Distancia k de X a Lim.
Esp.
Pa
1 Curva característica de
0.8 Operación dado una
0.5 Tamaño de muestra n
0.3 y un criterio de aceptación k
0.1
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
P. Reyes 363
Determinación de la fracción
defectiva en la muestra por el
Pasos:
Método II
1.Se toma una muestra de tamaño n
2. Se mide la característica de interés
3. Se calcula la Media y la desv. Estandar de la muestra
4. Se determina el valor de Qi y Qs en función de especs. LIE, LSE
4. Se determina el valor de P(Qt) = P(Qi) + P(Qs) bajo la normal
LIE X LSE
Aceptar el lote
Si P(Qtot) <= M
Qi Qs
s
P(Qi) P(Qs)
P. Reyes 364
Fórmulas
Q= Z n
(n − 1)
X − LIE
QLIE = n /( n − 1)
σ
LSE − X
QLSE = n /( n − 1)
σ
P. Reyes 367
Tablas de muestreo ASQC-
Z1.9
• Iniciando con Inspección normal, proporciona
información de:
• Tamaño de muestra n
• Criterio de aceptación K (máx) o M (mín)
P. Reyes 369
Tablas de muestreo ASQC-
Z1.9
Método I con el valor de K
• Ejemplo: Si N = 40 y AQL = 1%, Nivel de inspección II
teniendo un Límite Superior de especificaciones LSE = 209
P. Reyes 372