Download - Control estadístico calidad
CONTROL ESTADÍSTICO DE CALIDAD
CONTROL ESTADÍSTICO DE CALIDAD
Métodos y filosofía del Control Estadístico del Proceso
GRÁFICAS DE CONTROL
INTRODUCCIÓNINTRODUCCIÓN
OBJETIVOSPresentar las herramientas básicas del Control
Estadístico del Proceso (CEP)Describir las bases estadísticas de las gráficas
de control de ShewhartDiscutir e ilustrar algunos aspectos prácticos en
la implantación del CEP
INTRODUCCIÓNINTRODUCCIÓN
Las 7 Herramientas Básicas:EstratificaciónHojas de datosDiagrama de ParetoDiagrama causa-efectoDiagrama de dispersiónHistogramaGráficas de control
INTRODUCCIÓNINTRODUCCIÓN
Objetivo principal del CEPEl CEP es una metodología utilizada para lograr
la estabilidad y mejorar la capacidad del proceso mediante la aplicación sistemática de herramientas de solución de problemas para reducir su variación.
Causas de variación aleatorias y asignables
Causas de variación aleatorias y asignables
LIE LSE
t1
t2
t3
Característica de calidaddel proceso
Tiempo
Definición del estado de controlDefinición del estado de control
Un proceso se dice que se encuentra bajo control estadístico si sólo se ve afectado por un conjunto de causas aleatorias de variación
Si el proceso se encuentra afectado por causas asignables de variación, se dice que está fuera de control
Fundamentos estadísticos de las Gráficas de Control
Fundamentos estadísticos de las Gráficas de Control
Gráfica de control
1 2 3 4 5 6 7 8
LIC
LSC
LC
Número de subgrupo o muestra
Característica de calidad
Límite Superior de Control
Límite Inferior de Control
Línea Central
Elementos y principios básicos de
una Gráfica de Control
Elementos y principios básicos de
una Gráfica de Control
Gráficas de control y pruebas de hipótesis
Gráficas de control y pruebas de hipótesisSuponga que en la gráfica de control el eje vertical representa el
estadístico muestral x
Si el valor de cae dentro de los límites de control, concluimos que la media del proceso está bajo control.
x
0Por otra parte, si excede cualquiera de los límites de control, concluimos que la media del proceso está fuera de control.
x
0La prueba de hipótesis quedaría de la siguiente manera:
LSCx ó LICxrechazo de Región
::
01
00
HH
Gráfica de control del diámetro interno de anillos para pistón
73.97
73.975
73.98
73.985
73.99
73.995
74
74.005
74.01
74.015
74.02
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15Subgrupo
x
Error tipo I y error tipo II en una gráfica de control
Error tipo I y error tipo II en una gráfica de control
verdaderaes H HRechazar P
I Error tipoP00
falsa es H Hrechazar alFallar P
II Error tipoP00
Riesgo del proveedor
Riesgo del cliente
falsa es H HRechazar P1 00
Potencia de la prueba
2
2
0
0
Modelo general para una gráfica de control
Modelo general para una gráfica de control
LSC =w + L w
LC =w
LIC =w - L w
Sea w un estadístico muestral que mide cierta característica de calidad y sean w y w la media y la desviación estándar de w, respectivamente. Entonces, LC, LSC y LIC son:
Aplicación de las Gráficas de Control
Aplicación de las Gráficas de Control
El uso más importante es mejorar el desempeño del proceso
Proceso
Sistema de medición
SalidaEntrada
Detección de causa asignable
Identificación de la causa raíz del problema
Implementación de acción correctiva
Verificación y seguimiento
Aplicación de las Gráficas de Control
Aplicación de las Gráficas de Control
Instrumento de estimación de ciertos parámetros del proceso como la media, la desviación estándar, fracción de defectuosos, etc.
Realización de estudios de capacidad del proceso
Diseño de la Gráfica de ControlDiseño de la Gráfica de Control
En la mayoría de los problemas de control es común apoyarse principalmente en consideraciones estadísticas para diseñar las gráficas de control, asumiendo los factores de costo implícitamente.
Recientemente se ha iniciado a examinar el diseño de las gráficas de control desde un enfoque económico, considerando el costo de muestreo, de producir artículos defectuosos, de investigar falsas alarmas, etc.
¿Por qué utilizar Gráficas de Control?
¿Por qué utilizar Gráficas de Control?
Son una técnica comprobada para mejorar la productividad
Son efectivas para la prevención de defectosPrevienen ajustes innecesarios del procesoProporcionan información de diagnósticoProporcionan información sobre la capacidad
del proceso
Selección de los límites de control
Selección de los límites de control
Límites de control y errores tipo I y tipo II
Límites de control y errores tipo I y tipo II
• Al separar los límites de control de la línea central se reduce el riesgo del error tipo I y se incrementa el riesgo del error tipo II
LIC2
LSC2
LC
LIC1
LSC1
LIC2
LSC2
LC
LIC1
LSC1
Límites de control y errores tipo I y tipo II
Límites de control y errores tipo I y tipo II
Al acercar los límites de control a la línea central se incrementa el riesgo del error tipo I y se reduce el riesgo del error tipo II
LIC
LSC
LC
Límites de advertencia en las Gráficas de Control
Límites de advertencia en las Gráficas de Control
Se recomienda manejar dos conjuntos de límites de control:
Límites de control deacción (a 3 sigma) Límites de advertencia (a 2 sigma)
LIC
LSC
LC
LIA
LSA
Tamaño de la muestra y frecuencia de muestreoTamaño de la muestra y frecuencia de muestreo
Tamaño de la muestra y frecuencia de muestreoTamaño de la muestra y frecuencia de muestreo
Al diseñar una gráfica de control se debe especificar tanto el tamaño de la muestra como la frecuencia de muestreo.
n= tamaño de la muestra
h= intervalo de tiempo entre muestras
Tamaño de la muestraTamaño de la muestra
La capacidad de la gráfica de control para detectar cierto tipo de cambios en el proceso depende del tamaño de la muestra.
Si deseamos detectar cambios pequeños se deben utilizar muestras grandes.
Si deseamos detectar cambios grandes es mejor utilizar muestras pequeñas.
Curva característica de operación
Curva característica de operación
Para construir la Curva característica de operación se calcula la probabilidad de que el estadístico muestral caiga entre los límites de control.
)|( 01 LSCxLICP
1x
LIC
LSC
LCx0
Probabilidad de que el estadístico muestral caiga entre LIC y LSC
Curva característica de operación
Curva característica de operación
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Cambio en la media
Pro
babi
lidad
n=5n=10n=15
Frecuencia de muestreoFrecuencia de muestreo
La situación más deseable para detectar los cambios es tomar muestras grandes de manera frecuente.
Se presenta el problema económico.Opciones:
Muestras pequeñas en intervalos cortos de tiempoMuestras grandes en intervalos largos de tiempo.
LIC
LSC
LC
Longitud de la corrida promedio (ARL)
Longitud de la corrida promedio (ARL)
Otra forma de enfrentar el problema de decidir sobre el tamaño de muestra y la frecuencia de muestreo es mediante “La Longitud de la Corrida Promedio” (ARL) de la GC.
La ARL es el número promedio de puntos que deben graficarse antes de que un punto indique una condición fuera de control.
1 i i+1 ARL ......ARL
2 ...
Longitud de la corrida promedioLongitud de la corrida promedio
La ARL se calcula mediante:
donde p es la probabilidad de que cualquier punto exceda los límites de control.
La longitud de la corrida promedio cuando el proceso está bajo control se llama ARL0 y se calcula mediante:
La longitud de la corrida promedio cuando el proceso está fuera de control se llama ARL1 y se calcula mediante:
p1
ARL
1
ARL0
11
ARL1
Tiempo promedio entre señalesTiempo promedio entre señales
El “Tiempo Promedio de Señal” (ATS) es el tiempo que debe transcurrir en promedio entre una señal de fuera de contro y otra. Si se toma una muestra cada h unidades de tiempo, entonces el ATS se calcula mediante:
ATS = ARL h
Subgrupos racionalesSubgrupos racionales
Subgrupos racionalesSubgrupos racionales
Una idea fundamental al momento de utilizar GC es la recolección de los datos muestrales de acuerdo a lo que Shewhart llamó el concepto de “Subgrpos Racionales”.
Cuando se aplican las GC a procesos productivos, frecuentemente se utiliza el orden del tiempo de producción, ya que permite detectar causas asignables que ocurren sobre el tiempo.
Enfoques para construir Subgrupos racionales
Enfoques para construir Subgrupos racionales
1-Cada muestra consiste de unidades que se produjeron al mismo tiempo (o tan próximas como sea posible). Idealmente se toman unidades consecutivas de la producción. Se utiliza para detectar cambios en el proceso.
Enfoques para construir Subgrupos racionales
Enfoques para construir Subgrupos racionales
2-Cada muestra consiste de unidades de producto que son represetativas de todas las unidades que se produjeron desde que se tomó la última muestra. Con frecuencia se utiliza para la toma de decisiones sobre la aceptación de todas las unidades de producto que se han producido desde la última muestra.
Análisis de patrones en las Gráficas de Control
Análisis de patrones en las Gráficas de Control
Análisis de patrones en las Gráficas de Control
Análisis de patrones en las Gráficas de Control
Puntos fuera de los límites de controlCorridasCiclos
LIC
LSC
LC
LIC
LSC
LC
Reglas de sensibilización para las Gráficas de Control
Reglas de sensibilización para las Gráficas de Control
1. Uno o más puntos fuera de los límites de control2. Dos de tres puntos consecutivos fuera de los límites de advertencia
2-sigma pero dentro de los límites de control3. Cuatro de cinco puntos consecutivos más allá de los límites 1-sigma4. Una corrida de ocho puntos consecutivos sobre un lado de la línea
central5. Seis puntos en una corrida estable creciente o decreciente6. Quince puntos en una corrida en la zona “C” (por arriba y por abajo
de la línea central)7. Catorce puntos en una corrida que se alterna arriba y abajo8. Ocho puntos en una corrida en ambos lados de la línea central sin
niguno en la zona “C”9. Un patron inusual o no aleatorio en los datos10. Uno o más puntos cerca de un límite de control o de advertencia
Implementación del Control Estadístico del Proceso
Implementación del Control Estadístico del Proceso
Elementos de un programa de CEP exitoso Liderazgo administrativo Un enfoque de equipo Educación de los empleados a todos los niveles Enfasis en la mejora continua Un mecanismo para reconocer el éxito y comunicarlo a toda
la organización