PRACTICA 2: CONTROL ESTADISTICO CASO 1: COLCHONES* Un proceso de fabricación de muelles para colchones produce 3000 muelles por hora y trabaja de 7:00 a 22:00 h. ininterrumpidamente. En el marco de un proyecto de mejora Seis Sigma se decide implantar un control estadístico de este proceso y para ello cada tres horas se toman cuatro muelles y se mide su longitud al aplicar una fuerza de 1 Kg. Las especificaciones indican que en estas condiciones la longitud debería estar entre 13,5 y 14,5 cm. Los datos correspondientes a la primera semana se encuentran en las columnas LONG1, HORA1 Y DIA1 del fichero COLCHONES.MTW 1. Estudiar los datos y comprobar si el proceso es capaz. Tras eliminar las causas asignables, debidas fundamentalmente a problemas con la temperatura en los hornos de recocido (a primera hora del día todavía no habían llegado al valor necesario) y a un cambio de proveedor, la semana siguiente se continúa con la recogida de datos y se obtienen los valores de las columnas LONG2, HORA2 y DIA2. 2. Comprobar nuevamente si se han resuelto los problemas, es decir, si el proceso está en estado de control y si es capaz. SOLUCIÓN 1. Previamente al estudio de capacidad, deberá comprobarse si el proceso, medido en la longitud del muelle, está bajo control o no. Al ser la longitud una variable continua y al haberse tomado en periodos de tiempo iguales una muestra de 3 muelles, el gráfico con el que podemos comprobar si el proceso se mantiene estable en el tiempo es el X-R Stat/Control Charts/variables Charts for Subgroups/Xbar-R * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Xbar-R Chart of LONG1 15.0 1 Sample M ean U C L=14.696 14.5 _ _ X=14.162 14.0 LC L=13.628 13.5 3 6 9 12 15 Sample 18 21 24 Sample Range 2.0 27 1 30 1 U C L=1.671 1.5 1.0 _ R=0.733 0.5 0.0 LC L=0 3 6 9 12 15 Sample 18 21 24 27 30 El gráfico parece reseñar que durante la toma de datos han aparecido dos causas asignables en el proceso. Si nos fijamos en el gráficos de las medias, una de ellas es periódica: cada día a primera hora lo muelles son demasiado largos (se comprimen poco). La otra causa asignable está ligada a un aumento de la variabilidad y de la media el último día de observación. Dividir el gráfico por días y si es posible representar las horas a las que se tomaron las medidas permitirá visualizar de forma más clara dónde se localizan los problemas. Utilizando la opción Stages: Define Stages: DIA 1 y Scale: Time Stamp: HORA1 * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Xbar-R Chart of LONG1 by DIA1 1 Sample M ean 15,5 2 3 4 5 U C L=15,386 15,0 1 1 1 1 14,5 _ _ X=14,498 14,0 13 22 1 3 Sample Range LC L=13,609 1 13,5 13 22 2 13 H O RA 1 22 3 13 22 4 13 22 5 U C L=2,783 2 _ R=1,220 1 0 LC L=0 13 22 13 22 13 H O RA 1 22 13 22 13 22 Se observa que hay problemas con los datos de las 7 de la mañana (probablemente por los arranques) y los viernes. Si excluimos esos valores mediante la opción Xbar-R Options pestaña Estimate, nos dará un nuevo gráfico donde las estimaciones para la media y la varianza se ha realizado sin los valores de las 7 de la mañana, pero dibujándolos todos. Xbar-R Chart of LONG1 15.0 1 1 Sample M ean 1 1 1 1 1 14.5 U C L=14.369 _ _ X=13.968 14.0 LC L=13.566 13.5 3 6 9 12 15 Sample 18 21 24 Sample Range 2.0 27 1 1 1.5 30 1 1 1 U C L=1.257 1.0 _ R=0.551 0.5 0.0 LC L=0 3 6 9 12 15 Sample 18 21 24 27 30 * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Los límites de control se estrechan bastante lo que pone de manifiesto más claramente los patrones antes comentados. No obstante la eliminación física de estos puntos fuera del gráfico para conseguir encontrar el patrón de referencia del proceso estable se realizará cuando se investiguen las causas reales que ha provocado estas muestras fuera de control. Respecto a si el proceso es capaz, no tiene mucho sentido realizar un estudio de capacidad cuando el proceso está descontrolado. Podemos, sin embargo, dar un vistazo a la situación actual haciendo: Stat/Quality Tools/capability Analysis/Normal Process Capability of LONG1 LSL USL P rocess Data LS L 13.50000 Target * USL 14.50000 S ample M ean 14.16207 S ample N 120 S tDev (Within) 0.35577 S tDev (O v erall) 0.44053 Within Ov erall P otential (Within) C apability Cp 0.47 C PL 0.62 C PU 0.32 C pk 0.32 C C pk 0.47 O v erall C apability Pp PPL PPU P pk C pm 13.2 O bserv ed P erformance P P M < LS L 41666.67 P P M > U S L 233333.33 P P M Total 275000.00 E xp. PPM PPM PPM 13.6 14.0 Within P erformance < LS L 31374.82 > U S L 171089.22 Total 202464.04 14.4 14.8 0.38 0.50 0.26 0.26 * 15.2 15.6 E xp. O v erall P erformance P P M < LS L 66435.55 P P M > U S L 221512.18 P P M Total 287947.72 Es evidente que se están produciendo un gran número de muelles fuera de las tolerancias, entorno a un 28% de defectuosos. 2. Con los nuevos datos recogidos, tras analizar las causas que han podido provocar los problemas anteriores, se vuelven a tomar datos para comprobar si se soluciona el problema. Volvemos a utilizar el gráfico X R : * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Xbar-R Chart of LONG2 1 Sample M ean 14.40 U C L=14.3442 14.25 14.10 _ _ X=14.0315 13.95 13.80 LC L=13.7189 3 6 9 12 15 Sample 18 21 24 27 30 Sample Range 1.00 U C L=0.979 0.75 0.50 _ R=0.429 0.25 0.00 LC L=0 3 6 9 12 15 Sample 18 21 24 27 30 En este caso, el proceso está básicamente en estado de control, aunque el punto detectado fuera de límites debe ser investigado para hallar la causa que lo ha producido. Tras eliminar esta muestra, se ve que los datos siguen razonadamente una normal y el proceso está en estado de control. Tanto los índices calculados con el Capability Sixpack indican que no es capaz y que se están produciendo muelles fuera de especificaciones. Process Capability Sixpack of LONG2 Xbar C har t C apability H istogr am Sample Mean UCL=14,3299 14,2 _ _ X=14,0180 14,0 13,8 LCL=13,7061 3 6 9 12 15 18 21 24 27 13,6 Sample Range R C har t 1,0 UCL=0,977 0,5 _ R=0,428 0,0 13,8 14,2 14,4 14,6 Nor mal P r ob P lot A D: 0,289, P : 0,610 LCL=0 3 6 9 12 15 18 21 24 27 13,5 Last 2 5 Subgr oups 14,0 14,5 C apability P lot Within S tDev 0,20795 Cp 0,80 C pk 0,77 C C pk 0,80 14,5 Values 14,0 14,0 13,5 Within Overall O v erall S tDev 0,20507 Pp 0,81 P pk 0,78 C pm * Specs 5 10 15 20 25 Sample * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Para tener información más detallada del porcentaje de muelles fuera de especificaciones se puede realizar: Stat/Quality Tools/Capability análisis/Normal. Process Capability of LONG2 USL LSL P rocess Data 13,50000 LS L * Target 14,50000 USL 14,01799 S ample M ean 116 S ample N 0,20795 S tDev (Within) 0,20507 S tDev (O v erall) Within Ov erall P otential (Within) C apability 0,80 Cp 0,83 C PL 0,77 C PU 0,77 C pk C C pk 0,80 O v erall C apability Pp PPL PPU P pk C pm 13,6 O bserv ed P erformance 8620,69 P P M < LS L P P M > U S L 17241,38 25862,07 P P M Total 13,8 E xp. Within P erformance 6369,83 P P M < LS L P P M > U S L 10226,97 16596,80 P P M Total 14,0 14,2 14,4 0,81 0,84 0,78 0,78 * 14,6 E xp. O v erall P erformance 5769,15 P P M < LS L 9374,67 PPM > USL 15143,82 P P M Total * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB CASO 2: PLÁSTICO* Se producen piezas de plástico por inyección que son suministradas a un fabricante de aparatos de electrónica de consumo. Estas piezas se utilizan como carcasas para equipos de audio y video, y en una de las referencias hay una longitud cuyas especificaciones son 452 mm 0,5 mm, de extremo interés para el cliente y que últimamente están dando problemas. 1. Como parte de un proyecto para la resolución de este problema se decide controlar esa longitud aplicando SPC. Para ello cada hora se toma una muestra de 4 piezas y se trabaja de 7:00 a 15:00 h. La primera muestra se toma a las 8:00 h. Los datos están en el archivo PLASTICO.MTW. Haz el gráfico correspondiente para estudiar el proceso. 2. A la vez que los valores de longitud el equipo de trabajo anotó los valores de presión, viscosidad y temperatura con los que se tomaron las muestras, pensando en que estos factores podían estar afectando a la longitud de la pieza. ¿Permiten estos datos identificar alguna causa asignable que afecte a la longitud? ¿En qué condiciones de presión, viscosidad y temperatura parece razonable inyectar? ¿Puede lograrse que el proceso sea capaz? SOLUCIÓN 1.- Control de la longitud a través del gráfico X R realizado Stat/Control Charts/variables Charts for Subgroups/Xbar-R Xbar-R Chart of Longitud 1 Sample M ean 452.28 1 1 1 1 1 452.16 U C L=452.1737 _ _ X=452.0108 452.04 451.92 1 451.80 1 LC L=451.8478 1 4 8 12 16 20 Sample 24 28 32 0.60 36 40 1 Sample Range U C L=0.5102 0.45 0.30 _ R=0.2237 0.15 0.00 LC L=0 4 8 12 16 20 Sample 24 28 32 36 40 El proceso está claramente descontrolado: El gráfico de las R muestra únicamente un punto fuera de control (el resto no parece indicar señales de causas asignables), pero el gráfico de las X muestra un comportamiento no aleatorio. En las primeras horas del segundo día (alrededor del punto 10) se produce un claro aumento en la longitud (habrá * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB que ver cuál es la causa). Desde el punto 20 hasta el 28, hay un claro descenso en la media seguido de un brusco aumento y un nuevo descenso. Es un patrón complicado que parece indicar que hay un complejo sistema de causas asignables que afectan a la longitud. 2.- Para poder tener idea de si alguno de estos factores tiene relación con las longitudes sería bueno representar los valores de presión, viscosidad y temperatura junto a los valores medios y rangos medios de cada muestra. Para tenerlo de esta forma, se debería almacenar, previamente, dichos valores medios y rangos. Por ejemplo, desde la opción: Stat/Basic Statistics/Store descriptive Statistics…. Para calcular la media y el rango Variable: Longitud By variables: Fecha_1, Hora_1 Mediante diagramas bivariantes (Graphs/scatterplots) podemos ver si hay alguna relación entre las medias o rangos y las variables del proceso. Una buena forma de verlo en mediante un Matriz Plot, porque aparecen todos juntos. Graph/Matriz Plot: Each Y versus each X: Simple Matrix Plot of Mean1; Range1 vs Presion; Viscosidad; Temperatura 41.5 42.7 43.9 452.28 Mean1 452.16 452.04 451.92 451.80 0.60 Range1 0.45 0.30 0.15 0.00 805 815 Presion 825 117 Viscosidad 120 123 Temperatura En los gráficos se ve una clara correlación entre la temperatura y la longitud media del subgrupo. Además el rango de variación de la temperatura es bastante amplio (7 grados) provocando una variación en la longitud. El diagrama rango-presión pone de manifiesto que los rangos aumentan (longitud inestable) cuando la presión es baja. En cambio, cuando las presiones son altas, no * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB parece que esa variable influya en la variabilidad de la longitud. El resto de las variables no parecen estar tan relacionadas con la sensibilidad de la longitud. Si dibujamos sólo el gráfico Long Media-Temperatura: Scatterplot of Mean1 vs Temperatura 119 121 452.3 452.2 Mean1 452.14 452.1 452.0 451.9 451.86 451.8 117 118 119 120 121 Temperatura 122 123 124 Si consiguiéramos mantenerla temperatura entre 119 y 121, conseguiríamos mantener el proceso prácticamente estable (sin causas asignables) excepto por un valor de gran longitud que conviene investigar. Se consigue también muy poca variabilidad. Analizando el gráfico Rango-Presión, Scatterplot of Range1 vs Presion 818 0.6 0.5 Range1 0.4 0.3 0.2 0.1 0.0 800 805 810 815 820 Presion 825 830 835 * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Parece claro que la presión conviene mantenerse por encima de los 818 Kg/cm2 porque así no provocará variaciones en la longitud. A continuación se realiza el estudio de capacidad sólo con los subgrupos que cumplen las condiciones. Primero hay que seleccionar estos datos. Para ello puede separarse en otra hoja los datos que cumplan dicha condición (19<T<121 y P>810) teniendo claro elegimos así subgrupos de 4 valores. Para quedarnos con todos los datos de esos subgrupos ya seleccionados, podemos ir anotando en la hoja inicial con un 1, las muestras seleccionadas y con un 0 las no seleccionadas. Una vez confeccionada esta columna de 1’s y 0’s, podemos hacer otra hoja de datos solo con los datos que tienen el 1. De esta manera habremos seleccionados las longitudes de aquellas unidades que fueron fabricados a una temperatura y presión determinadas. A partir de estos datos realizaremos el estudio de capacidad de la variable longitud. Capability/Sixpack Process Capability Sixpack of Longitud_1 Xbar C har t 1 C apability H istogr am Sample Mean 452.2 UCL=452.1518 _ _ X=452.0014 452.0 451.8 LCL=451.8510 2 4 6 8 10 12 14 16 451.80 R C har t 452.16 452.28 0.4 _ R=0.2064 0.2 0.0 LCL=0 2 4 6 8 10 12 14 16 451.50 451.75 Last 1 6 Subgr oups 452.00 452.25 C apability P lot 452.4 Values 452.04 Nor mal P r ob P lot A D: 1.226, P : < 0.005 UCL=0.4709 Sample Range 451.92 Within S tDev 0.10025 Cp 1.66 C pk 1.66 C C pk 1.66 452.1 451.8 Within Overall O v erall S tDev 0.11720 Pp 1.42 P pk 1.42 C pm * Specs 5 10 15 Sample Existe 1 punto del gráfico de medias fuera de control, que podemos comprobar proviene de la muestra 6. Eliminando los datos referentes a esta muestra, volvemos a realizar estudio de capacidad y queda como sigue: * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB Process Capability Sixpack of Longitud Sample Mean Xbar C har t C apability H istogr am 452,2 UCL=452,1897 452,0 _ _ X=451,9977 LCL=451,8057 451,8 2 4 6 8 10 12 14 16 18 451,80 R C har t 452,16 452,28 0,50 _ R=0,2635 0,25 0,00 LCL=0 2 4 6 8 10 12 14 16 18 451,5 Last 1 9 Subgr oups Values 452,04 Nor mal P r ob P lot A D: 1,204, P : < 0,005 UCL=0,6012 Sample Range 451,92 452,0 452,5 C apability P lot Within S tDev 0,12798 Cp 1,30 C pk 1,30 C C pk 1,30 452,2 452,0 451,8 Within Overall O v erall S tDev 0,12394 Pp 1,34 P pk 1,34 C pm * Specs 0 5 10 Sample 15 20 Los datos no son exactamente normales, pero casi, y en estas condiciones tendríamos una capacidad potencial de 1,30. * Los enunciados y los datos propuestos en la práctica están publicados en el manual de MINITAB