Descarga la aplicación para disfrutar aún más
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
Compartir