semana 3- Control estadistico de procesos

Vista previa del material en texto

CONTROL ESTADÍSTICO DE PROCESOS
Docente: Dr. Carlos Ortega Muñoz
INGENIERÍA INDUSTRIAL
GESTIÓN DE CALIDAD
MOTIVACIÓN
¿ La empresa presenta alguno de 
estos problemas ?
 Reprocesos por defectos?
 Exceso de Desperdicios?
 Problemas de llenado?
 Sobrepeso?
 Excesivas devoluciones?
2
SABERES PREVIOS
Experiencias personales.
3
LOGRO DE 
SESIÓN
El estudiante, al finalizar la unidad, 
utiliza de forma adecuada los gráficos 
de control para analizar problemas y 
determinar sus causas.
FUNDAMENTOS DE ESTADÍSTICA EN EL CONTROL DE LA 
CALIDAD - HISTORIA
 El Control Estadístico de la Calidad es la disciplina científico-técnica
que utiliza técnicas estadísticas dentro del contexto más general del
Control de la Calidad.
 Son tres las etapas donde se engloban dichas técnicas: la
Inspección, el Control Estadístico de Procesos y el Diseño
Estadístico de Experimentos.
 Inspección y Diseño de Experimentos son técnicas de control fuera
de línea (Control off-line), y Control Estadístico de Procesos es una
técnica de control durante la fabricación (Control off-line)
5
HISTORIA Y EVOLUCIÓN DEL CONTROL ESTADÍSTICO DE 
PROCESOS
1920´s Walter A. Shewhart fue el primero en utilizar el
Control Estadístico de Procesos (CEP).
W. Edwards Deming aplicó los métodos del CEP en EE.UU
durante II Guerra Mundial, mejorando la calidad en la
producción de municiones y otros productos estratégicos.
Shewart - Base para el gráfico de control y el concepto del
control estadístico.
6
Desde entonces:
• Tendencia 1: Control Estadístico de Procesos o SPC (Statiscal Process
Control), relacionada con las industrias de producción en serie
• Tendencia 2: Control Automático de los Procesos o APC (Automatic
Process Control), ligado a empresas de producción continua.
7
CONTROL ESTADÍSTICO DE PROCESOS
• CONTROL: mantener algún tipo de situación dentro de unas
fronteras.
• ESTADISTICO: con la ayuda de números o datos.
• PROCESO: combinación de gente, equipo, materiales
(documentos) método y medio ambiente.
8
9
EJEMPLO: DIAGRAMAS X Y R 
Muestra Obs 1 Obs 2 Obs 3 Obs 4 Obs 5
1 10.68 10.689 10.776 10.798 10.714
2 10.79 10.86 10.601 10.746 10.779
3 10.78 10.667 10.838 10.785 10.723
4 10.59 10.727 10.812 10.775 10.73
5 10.69 10.708 10.79 10.758 10.671
6 10.75 10.714 10.738 10.719 10.606
7 10.79 10.713 10.689 10.877 10.603
8 10.74 10.779 10.11 10.737 10.75
9 10.77 10.773 10.641 10.644 10.725
10 10.72 10.671 10.708 10.85 10.712
11 10.79 10.821 10.764 10.658 10.708
12 10.62 10.802 10.818 10.872 10.727
13 10.66 10.822 10.893 10.544 10.75
14 10.81 10.749 10.859 10.801 10.701
15 10.66 10.681 10.644 10.747 10.728
10
CALCULAR LOS PROMEDIOS DE LAS MUESTRAS, LOS RANGOS, 
EL PROMEDIO DE LOS PROMEDIOS Y EL PROMEDIO DE 
RANGOS.
Muestra Obs 1 Obs 2 Obs 3 Obs 4 Obs 5 Avg Range
1 10.68 10.689 10.776 10.798 10.714 10.732 0.116
2 10.79 10.86 10.601 10.746 10.779 10.755 0.259
3 10.78 10.667 10.838 10.785 10.723 10.759 0.171
4 10.59 10.727 10.812 10.775 10.73 10.727 0.221
5 10.69 10.708 10.79 10.758 10.671 10.724 0.119
6 10.75 10.714 10.738 10.719 10.606 10.705 0.143
7 10.79 10.713 10.689 10.877 10.603 10.735 0.274
8 10.74 10.779 10.11 10.737 10.75 10.624 0.669
9 10.77 10.773 10.641 10.644 10.725 10.710 0.132
10 10.72 10.671 10.708 10.85 10.712 10.732 0.179
11 10.79 10.821 10.764 10.658 10.708 10.748 0.163
12 10.62 10.802 10.818 10.872 10.727 10.768 0.250
13 10.66 10.822 10.893 10.544 10.75 10.733 0.349
14 10.81 10.749 10.859 10.801 10.701 10.783 0.158
15 10.66 10.681 10.644 10.747 10.728 10.692 0.103
Promedio 10.728 0.220
11
FORMULAS DE LOS LIMITES DE CONTROL
RA - x = LCL
RA + x = UCL
2
2
x Control de Limites
RD = LCL
RD = UCL
3
4
R Control de Limites
n A2 D3 D4
2 1.88 0 3.27
3 1.02 0 2.57
4 0.73 0 2.28
5 0.58 0 2.11
6 0.48 0 2.00
7 0.42 0.08 1.92
8 0.37 0.14 1.86
9 0.34 0.18 1.82
10 0.31 0.22 1.78
11 0.29 0.26 1.74
12
DIAGRAMA X
UCL = x + A R 10.728-.58(0.220) =
LCL = x - A R 10.728-.58(0.220) =
2
2


10.856
10.601
Muestra
X
10.550
10.600
10.650
10.700
10.750
10.800
10.850
10.900
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
LCL
UCL
13
DIAGRAMA R
UCL = D R
LCL = D R
4
3
 
 
( . )( . )
( )( . )
2 28 0 220
0 0 220
0.465
0
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
R
UCL
LCL
Análisis de pautas de comportamiento 
en los diagramas de control
14
LÍNEA CENTRAL
LSC (3 sigma)
LSC (2 sigma)
LIC (2 sigma)
LIC (3 sigma)
15
1.- Puntos fuera de los límites de control
LÍNEA CENTRAL
LSC (3 sigma)
LSC (2 sigma)
LIC (2 sigma)
LIC (3 sigma)
TENDENCIA
16
2.- Existencia de tendencias o rachas
LÍNEA CENTRAL
LSC (3 sigma)
LSC (2 sigma)
LIC (2 sigma)
LIC (3 sigma)
RACHA
17
LÍNEA CENTRAL
LSC (3 sigma)
LSC (2 sigma)
LIC (2 sigma)
LIC (3 sigma)
PERIODICIDAD
18
3.- Periodicidad o existencia de ciclos
LÍNEA CENTRAL
LSC (3 sigma)
LSC (2 sigma)
LIC (2 sigma)
LIC (3 sigma)
LSC (1 sigma)
LSC (1 sigma)
INESTABILIDAD
19
4.- Inestabilidad
LÍNEA CENTRAL
LSC (3 sigma)
LSC (2 sigma)
LIC (2 sigma)
LIC (3 sigma)
LSC (1 sigma)
LSC (1 sigma)
SUPERESTABILIDAD
20
5.- Superestabilidad
¿Para qué implementar el 
Control Estadístico de 
Procesos?
21
• Para ayudar a decidir cuando ajustar 
el proceso, dejarlo quieto o 
detenerlo
• Para lograr costos bajos, alta 
calidad, alta productividad, 
capacidad predecible, disminución 
del desperdicio y reproceso.
22
Para sentirse seguro de que está cubierto 
ante los problemas de calidad que hoy 
afrentan la gran mayoría de las empresas 
nacionales.
• Para permitir que su gente crezca durante el 
proceso de aprendizaje logrando un mejor control 
de su proceso y aumentando el sentido de 
pertenencia.
• Para apoyar el empoderamiento
23
• Para ayudar a medir el efecto que tienen los cambios 
realizados en los procesos.
• Para ayudar a elevar la moral porque la gente está más 
involucrada y dispuesta a hacer un mejor trabajo
• Para aumentar la satisfacción de cliente porque: de 
pocos errores, mayores negocios
24
25
Investigue usando
las tecnologías de
la información y
comunicación
Responda las preguntas planteadas en la tarea de 
investigación
26
Tarea de investigación
27
¿Qué otras aplicaciones en su especialidad tiene el Control Estadístico de 
Procesos?
28