CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO Participante: ___________________________________________________ DR. PRIMITIVO REYES AGUILAR Marzo 2008 Mail. [email protected] / Cel. 044 55 52 17 49 12 Página 1 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 OBJETIVOS: Al finalizar el curso, el participante será capaz de: Cumplir el punto ISO/TS 8.1.2 Conocimiento de conceptos estadísticos básicos sobre la comprensión y utilización de conceptos estadísticos básicos, tales como la variación, control (estabilidad), capacidad de proceso y sobre –ajuste (en todos los niveles de la organización). • Comprender la aplicación e interpretación de los métodos de control estadístico para asegurar la calidad del producto. • Comprender la determinación de la capacidad del proceso para cumplir especificaciones y sus diversos índices. • Comprender los diferentes errores que se presentan en la medición y la determinación de los errores R&R. Página 2 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 CONTENIDO TEMÁTICO 1. CONCEPTO DE VARIACIÓN 3 Introducción Componentes de la variación Causas comunes y causas especiales Características de un proceso normal Área o probabilidad bajo la curva normal Prueba de normalidad 2. Control Estadístico del proceso 18 Introducción Control estadístico del proceso Cartas de control por variables 3. Capacidad de procesos 37 Definiciones Capacidad de procesos Índices de capacidad de procesos Cp, Cpk, Cpm, Cpkm 4. Capacidad de sistemas de medición Fuentes de variación del proceso Definición de errores en la medición Estudio de R&R método largo Interpretación de resultados Página 3 de 55 48 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 1. CONCEPTO DE VARIACIÓN Introducción La variación representa la diferencia entre las cosas, no hay en la naturaleza dos cosas EXACTAMENTE IGUALES, lo cual origina el estudio de la estadística. La variación es inherente en todos los procesos, por ejemplo: Componentes de la variación La variación a largo plazo se denomina variabilidad del producto o proceso. Hay diferencia entre el promedio del proceso y la variación de lote a lote. Puede ser necesario analizar cada línea de productos por separado. También se presenta la variación de tiempo a tiempo, la variación de pieza a pieza, la variación posicional dentro de la misma pieza, el error de medición cuando es significativo, y al final solo queda la variabilidad inherente del proceso, que es la reproducibilidad instantánea de la máquina bajo condiciones ideales. Página 4 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Causas comunes y causas especiales o asignables (E. W. Deming): Causas comunes La variabilidad natural siempre existe en cualquier proceso de producción, no importa que tan bien diseñado esté. Esta variabilidad natural es denominada causas comunes o aleatorias de variabilidad, un proceso que opera en estas condiciones se dice que está en control estadístico. Página 5 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 SI LAS VARIACIONES PRESENTES SON IGUALES, SE DICE QUE SE TIENE UN PROCESO “ESTABLE”. LA DISTRIBUCION SERA “PREDECIBLE” EN EL TIEMPO Predicción Tiempo Proceso en control, solo causas comunes presentes De la figura cuando el proceso está en control, la mayor parte de la producción se encuentra dentro de los límites de control (LSC y LIC). Las causas de variación común son el resultado de causas naturales, o diferencias normales pequeñas entre productos que se espera ver, por ejemplo: Diámetro de cobre, tiene una variación ± pero dentro de control Espesor de acabado, con una variación normal Temperatura del horno con variaciones de temperatura normales. Esta variación no puede ser reducida sin cambios fundamentales en el proceso por la dirección (cambio de maquinaria, nuevos materiales, etc.), el intento de ajustar el proceso para reducir este tipo de variación al final incrementa la variación alrededor de la media del proceso (Tampering o corrupción). Página 6 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Tampering • Al manejar de México a Acapulco, mantener la velocidad entre 90 y 110 Km/hr. – Pisar el freno se se exceden los 110 Km / hr. – Pisar el acelerador si la velocidad es menor a 90 Km / hr. SPC for SME - David Drain 8 Cuando sólo se tienen presentes en el proceso causas comunes, entonces logramos un PROCESO ESTABLE, con un patrón de comportamiento consistente y normal en el tiempo como sigue: Time De esta forma se pueden determinar los límites de control dentro de los cuales se tendrá la variabilidad natural de este proceso estable el 99.73% del tiempo. UCL LCL Causas especiales: Existen otras fuentes de variabilidad que pueden ser causadas por fallas en máquinas, errores de operadores, materiales defectuosos o alguna otra discrepancia de las 6M’s (medio ambiente, métodos, mediciones). Esta variabilidad es muy grande en relación con la Página 7 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 variabilidad natural y es originada por causas especiales o asignables haciendo que el proceso opere fuera de control estadístico. LIC LSC LSC Proceso fuera de control, con causas especiales presentes, el proceso no es predecible Las causas especiales normalmente provocan que los procesos sean INESTABLES y salgan de control estadístico. Esta variabilidad se puede corregir en el área de trabajo por el personal involucrado, y no es necesaria la intervención de la dirección para su corrección. En una carta de control los patrones de anormalidad más comunes son: las causas especiales, las tendencias crecientes o decrecientes y las corridas de nivel Ejemplo de variación anormal en el tiempo: Página 8 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Características de un Proceso normal Un proceso opera en condiciones normales, si tiene los materiales dentro de especificaciones y del mismo lote, un método consistente, un medio ambiente adecuado, el operador capacitado, y el equipo ajustado correctamente, si se toman mediciones en alguna característica del producto, mostrará el siguiente comportamiento: Distribución gráfica de la variación – La Curva normal LAS PIEZAS VARÍAN DE UNA A OTRA: TAMAÑO TAMAÑO TAMAÑO TAMAÑO Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal SIZE TAMAÑO TAMAÑO LAS DISTRIBUCIONES PUEDEN DIFERIR EN: UBICACIÓN TAMAÑO DISPERSIÓN TAMAÑO FORMA TAMAÑO . . . O TODA COMBINACIÓN DE ÉSTAS Construcción de la distribución normal Página 9 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 La distribución normal es una de las distribuciones más usadas e importantes. Se ha desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la industria y el comercio. Muchos eventos reales y naturales tienen una distribución de frecuencias cuya forma es muy parecida a la distribución normal. La distribución normal es llamada también campana de Gauss por su forma acampanada. Cuando se incluyen todos los datos de un proceso o población, sus parámetros se indican con letras griegas, tales como: promedio o media = (mu), y desviación estándar (indicador de la dispersión de los datos) = (sigma). Para el caso de estadísticos de una muestra se tiene media = X y desv. est.= s. Propiedades de la distribución normal estándar La distribución normal estándar tiene media = 0 y desviación estándar =1. La media, Mediana y Moda coinciden, son iguales y se localizan en el pico. La desviación estándar sigma representa la distancia de la media al punto de inflexión de la curva normal X x-3 x-2 x- x x+ x+2 x+3 z -3 -2 -1 0 1 2 3 Fig. 1.2 Propiedades de la distribución normal El área bajo la curva o probabilidad de menos infinito a más infinito vale 1. La distribución normal es simétrica, la mitad de curva tiene un área de 0.5. La escala horizontal de la curva se mide en desviaciones estándar. La forma y la posición de una distribución normal dependen de los parámetros , , por lo que hay un número infinito de distribuciones normales. Página 10 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Curvas Curvas Normales Normales con con Medias Medias iguales iguales pero pero Desviaciones estándar diferentes Desviaciones estándar diferentes 3.9 3.9 == 5.0 5.0 Límite inferior de especs. Límite superior de especificaciones Distribuciones normales con varias desv. estándar Normales Normales con con Medias Medias yy Desviaciones estándar Desviaciones estándar diferentes diferentes = = 5, 5, == 33 == 9, 9, = = 66 == 14, 14, == 10 10 LIE LSE Distribuciones normales desviaciones estándar con Página 11 de 55 varias medias y CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Área o probabilidad bajo la curva normal estándar Existe una relación del porcentaje de probabilidad o área bajo la curva normal a la desviación estándar. En la figura observamos por ejemplo que el área bajo la curva para 1 tiene un porcentaje de 68.26%, 2 = 95.46% y -3s -2s -1s 3 99.73% . +1s +2s +3s 68.26% 95.46% 99.73% Área bajo la curva de Distribución normal Lo anterior se puede calcular con la Tabla de distribución normal o con Excel (Fx =distr.norm.estand(Z) proporciona el área desde menos infinito hasta Z). En la tabla normal, se busca el valor de Z y se encuentra el área bajo la curva. La primera tabla sirve para determinar el área o probabilidad que se encuentra fuera de los límites de especificaciones. La segunda tabla proporciona valores de área bajo la curva para Z’s mayores a cero. En cada una se muestran ejemplos de su uso. Página 12 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO Ejemplo a) Determinar el área bajo la curva de menos infinito a Z = - 1. P(Z<= -1) = 0.1587 b) Determinar el área bajo la curva de menos infinito a Z = - 2. P(Z<= - 2) = 0.0228 c) Determinar el área bajo la curva entre Z >= -2. hasta Z <= -1 P(- 2 <= Z<= -1) = 0.1259 Página 13 de 55 P. Reyes / marzo 2008 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Ejemplo: a) Determinar el área bajo la curva de menos infinito a Z = 1. P(Z <= 1) = 0.8413 b) Determinar el área bajo la curva de menos infinito a Z = 2. P(Z <= 2) = 0.9772 8 c) Determinar el área bajo la curva de menos Z = 1 a Z = 2 P(1 <= Z <= 2) = 0.9772 – 0.8413 = 0.1369 Ejercicio: ¿Qué porcentaje del área bajo la curva normal estándar o probabilidad está incluido dentro de los siguientes rangos? a) P(1.2 <= Z <= 2.2) = P(Z <= 2.2) – P(Z <= 1.2) = Página 14 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Estandarización de valores reales a su equivalente Z Determina el número de desviaciones estándar entre algún valor X y la media de la población Para calcular el valor de Z usamos la siguiente fórmula. Z X Z1 X1 Z2 X2 DISTRIBUCIÓN NORMAL CON DATOS REALES Desviación estándar real X1 Media Real X2 DISTRIBUCIÓN NORMAL ESTANDARIZADA Desviación estándar = 1 Z1 Media=0 Z2 Estandarización de datos reales para cálculo de área Ejemplo: El departamento de personal de una empresa requiere que los solicitantes a un puesto en cierta prueba alcancen una calificación de 500. Si las calificaciones de la prueba se distribuyen normalmente con media 485 y desviación estándar 30 ¿Qué porcentaje de los solicitantes pasará la prueba? Calculando el valor de Z obtenemos: Z X = 500 485 0.5 30 Página 15 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Buscamos el valor correspondiente Z en las tablas de distribución normal estándar o por medio de Excel =distr.norm.estand(0.5). Z0.5 = 0.69146 = 69.146%. donde la probabilidad de que la calificación sea menor a 500 es P (X <= 500). Dado que el porcentaje pedido es P( X 500) la solución es 1-0.69146 =0.3085, por tanto sólo 30.85% de los participantes pasarán la prueba. Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085. 485 30.85% Z.05 Área bajo la curva de Distribución normal Ejemplo: Suponga que un proceso tiene una distribución normal dada tiene una media de 20 y una desviación estándar de 4. Calcule la probabilidad P (X >=24) = 1 – P(X <= 24) = En la barra de herramientas seleccione el icono de funciones fx>Estadísticas>Distr.Norm.Estand. OK. El sistema muestra la siguiente ventana, en la cual llenamos los siguientes datos: Cálculo del área bajo la curva normal sin Z El resultado de la fórmula = 0.8413. , dado que esta es la probabilidad P(X 24), la probabilidad buscada es: P(X > 24) = 1 - 0.8413= 0.1587 Página 16 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Prueba de normalidad Para probar normalidad de datos, se pueden utilizar los métodos de Anderson Darling o Ryan, en el caso de tener más de 15 datos y la de Kolmogorov Smirnov si se tienen 15 o menos datos, y la gráfica de probabilidad normal. a) Método de Anderson Darling o Ryan Joiner. 1. Stat > Basic statistics > Normality Test 2. Variable C1 Seleccionar Ryan Joiner test OK El P value debe ser mayor a 0.05 para que los datos sean normales Probability Plot of Datos Normal 99.9 Mean StDev N RJ P-Value 99 95 Percent 90 269.3 30.72 100 0.994 >0.100 80 70 60 50 40 30 20 10 5 1 0.1 150 200 250 Datos 300 350 Gráfica de probabilidad de un proceso normal b) Otra opción por medio de una gráfica de probabilidad normal, se tiene: 3. Graph > Probability plot > Normal 4. Graph Variable C1 OK Los puntos deben quedar dentro del intervalo de confianza. Probability Plot of Datos Normal - 95% CI 99.9 Mean StDev N AD P-Value 99 95 Percent 90 269.3 30.72 100 0.317 0.533 80 70 60 50 40 30 20 10 5 1 0.1 150 200 250 300 350 400 Datos Gráfica de probabilidad normal con Página 17 de 55 Intervalo de confianza CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 2. CONTROL ESTADISTICO DEL PROCESO Introducción W. A. Shewhart demostró que cuando se extraen muestras de tamaño 4 – 6 de distribuciones casi normales, triangulares, uniformes, etc., y se calculan las medias de esas muestras, al graficar las medias en un histograma siguen una distribución normal.1 * ** *** *** * * * ** ** * * Distribución de promedios de las muestras Universo Experimentos de Shewhart para las cartas de control Encontró que las medias de las muestras correspondían a las medias de la población y que la desviación estándar de las medias de las muestras están relacionadas con la desviación estándar de la población, como sigue: __ X n Donde n es el tamaño de la muestra y es la desviación estándar de la población. Seleccionando muestras de tamaño n y calculando la X-media o promedio en cada una se tiene: 1 Shewhart, W.A., Economic Control of Quality of Manufactured Product, Van Nostrand Reinhold Co., 1931, p. 182 Página 18 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Población con media y desviación estándar y cualquier distribución. X1 X-media 1 X2 X-media 2 X3 X-media 3 Distribución de las medias muestrales - Normal Comportamiento de las medias muestrales extraídas de otras distribuciones: Página 19 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 DATOS DE LA POBLACION PARA MOSTRAR TEOREMA DEL LÍMITE CENTRAL 2 1 5 7 7 1 7 6 9 8 5 5 5 3 4 9 2 7 3 4 5 8 7 2 3 9 6 5 9 2 9 2 5 4 8 3 5 7 5 9 7 5 8 8 5 7 7 7 8 1 6 6 3 7 7 3 3 9 5 1 3 1 1 7 4 8 3 1 5 2 1 3 2 2 6 6 2 6 4 2 1 2 8 9 6 6 9 5 4 7 5 7 5 7 1 4 9 4 1 9 7 4 3 9 3 9 9 7 7 9 5 3 2 5 9 7 4 2 7 6 2 3 2 6 2 9 2 8 9 3 8 4 9 1 7 7 1 2 5 9 1 1 8 7 7 4 6 4 4 1 9 1 5 7 8 8 6 4 2 5 6 2 1 3 4 8 9 5 3 8 1 4 1 5 6 8 7 8 8 4 8 1 7 9 2 4 5 4 5 9 3 3 1 7 2 9 5 5 5 8 6 3 8 5 6 9 8 1 7 8 4 6 4 5 6 3 9 2 4 4 2 5 5 7 3 6 7 8 5 8 Media 4.2 5.6 4.0 3.4 7.0 5.4 4.2 5.8 6.0 5.2 3.4 6.6 5.4 3.8 5.2 6.4 4.8 6.8 5.2 4.8 3.6 5.6 7.0 2.8 3.2 5.0 4.6 5.4 6.0 4.2 4.4 5.0 4.2 4.2 3.2 4.4 6.0 6.4 6.2 6.8 7.2 4.2 6.8 6.2 4.6 6.6 Página 20 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO 9 2 4 9 1 7 8 2 9 7 1 2 2 2 5 5 5 2 7 7 1 2 4 8 2 4 9 6 2 3 8 6 7 2 1 1 3 4 9 6 3 7 5 5 4 6 3 8 7 4 7 3 3 2 3 8 9 8 2 1 4 7 6 9 3 2 8 8 1 7 P. Reyes / marzo 2008 6.0 4.6 4.6 4.8 4.4 6.2 4.6 3.6 5.2 4.8 4.6 4.4 3.6 6.0 La distribución de la población de los datos anteriores es la siguiente (no es normal): Histogram of Datos 40 Frequency 30 20 10 0 2 4 6 8 Datos En general si las xi están distribuidas en forma idéntica y su distribución se asemeja a la normal, el teorema del límite central trabaja bien para n>=3 o 4, donde las medias de las muestras se distribuyen normalmente, condiciones propicias para el control estadístico de los procesos. Página 21 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Histogram of Media 12 10 Frequency 8 6 4 2 0 3.0 3.6 4.2 4.8 5.4 Media 6.0 6.6 7.2 Distribución de las medias muestrales - Normal Conforme el tamaño de muestra se incrementa las muestras se distribuyen normalmente con media de medias y desviación estándar de las medias de las muestras / n. También se denomina Error estándar de la media. Control estadístico del proceso El CEP es una técnica que permite aplicar el análisis estadístico para medir, monitorear y controlar procesos por medio de cartas de control. Su propósito es la detección oportuna de la ocurrencia de causas especiales, para tomar acciones correctivas antes de que se produzcan unidades defectivas o no conformes, para lo cual se utilizan las cartas de control en línea, permitiendo también la estimación de la capacidad o habilidad del proceso y la reducción continua de la variabilidad hasta donde sea posible. Beneficios que proporciona el CEP: Son herramientas para mejorar la productividad Son herramientas de prevención de defectos Evitan ajustes innecesarios Proporcionan información de diagnóstico Proporcionan información de la capacidad del proceso Página 22 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 ¿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 Una Carta de control es simplemente un registro de datos en el tiempo con límites de control superior e inferior, diferentes a los límites de especificación y determinados con la variación natural del proceso. Cartas de control Límite Superior de Control 12.5 11.5 10.5 Línea Central 9.5 8.5 7.5 0 10 20 30 Límite Inferior de Control Carta de control con sus límites de control Las cartas de control pueden reconocer cambios favorables y desfavorables. ¿Qué tanto se ha mejorado? …¿Se ha hecho algo inadecuado? Las cartas de control detectan la variación anormal en un proceso, denominadas “causas especiales o causas asignables de variación.” El patrón normal de un proceso se llama causas de variación comunes. El patrón anormal debido a eventos especiales se llama causa especial de variación. Cartas de Control Causas normales o comunes Causa especial DEFINICION Es una ayuda gráfica para el control de las variaciones de los procesos administrativos y de manufactura. Analogía del manejo en carretera con el CEP Página 23 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Patrones de anormalidad en la carta de control “Escuche la Voz del Proceso” M E D I D A S C A L I D A D Región de control, captura la variación natural del proceso original LSC LIC Tendencia del proceso (7P) Causa Especial Corrida del Proceso (7P) identifcada TIEMPO Patrones de anormalidad más frecuentes Patrones principales de anormalidad en Cartas de Control Puntos fuera de control: Una carta de control indicará una condición fuera de control cuando uno o más puntos se encuentren más allá de los límites de control. Página 24 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Tendencias: Se pueden presentar tendencias hacia arriba o hacia abajo en las cartas de control (ascendentes o descendentes), se considera que 7 puntos o más indican una situación fuera de control. Corrimiento en la media del proceso: Esto puede ser generado por un cambio en métodos, operadores, materias primas, métodos de inspección, etc. se considera que 7 puntos o más indican una situación fuera de control Página 25 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO Otros patrones de anormalidad del proceso Página 26 de 55 P. Reyes / marzo 2008 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Para reconocer un patrón de comportamiento no sólo se requiere conocer las técnicas estadísticas, sino también es necesario tener un conocimiento profundo del proceso. Debe tenerse cuidado de no exagerar en la aplicación de las reglas ya que se pueden tener muchas falsas alarmas quitándole efectividad al programa del CEP. Proceso en Control estadístico: Sucede cuando no se tienen situaciones anormales y aproximadamente el 68% (dos tercios) de los puntos de la carta se encuentran dentro del 1 de las medias en la carta de control. Es decir, se tiene aprox. el 68% de los puntos dentro del tercio medio de la carta de control. Si se trata de ajustar el proceso cuando solo la variación común está presente, podemos incurrir en “Sobre ajustes” o “Tampering”. Página 27 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 El término “sobre ajuste” se refiere a los ajustes que se hacen al proceso de producción que no son estadísticamente apropiados, por ejemplo “Tampering” Página 28 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Cartas de control por variables CARTAS DE CONTROL DE MEDIAS-RANGOS (X-R) Para elaborar la carta, inicialmente se toman al menos 25 subgrupos con muestras de cinco partes cada cierto periodo (por ejemplo cada hora). Ejemplo: Se toman varios datos de hilos y se construye una carta de medias – rangos con m = subgrupos, donde el rango se calcula tomando el valor mayor menos el valor menor del subgrupo, con n = 5. Por ejemplo: Variables X1 X2 X3 X4 X5 Media Rango Subgrupo 1 2 4 3 5 1 09:00 a.m. 3 4 Subgrupo 2 5 3 6 7 4 10:00 a.m. 5 4 Subgrupo m 3 4 1 5 2 11:00 a.m. 3 4 Se obtiene una media de medias X y un rango promedio R, para proceder a determinar los límites de control como sigue: LSC = X + 0.577x R LIC = X - 0.577x R Para el caso de los rangos, la línea central es R . los límites de control para el rango son: LSC = 2.114x R LIC = 0 Se identifican situaciones fuera de control, se investigan las causas y se toman acciones preventivas para prevenir la reincidencia y se recalculan los límites de control futuros. Página 29 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Xbar-R Chart of Supp2 1 1 Sample M ean U C L=602.474 602 _ _ X=600.23 600 598 LC L=597.986 2 4 6 8 10 Sample 12 14 16 18 20 U C L=8.225 Sample Range 8 6 _ R=3.890 4 2 0 LC L=0 2 4 6 8 10 Sample 12 14 16 18 20 Carta de control X-R fuera de control Después de identificar las causas de las situaciones fuera de control en los subgrupos 2 y 14 y tomando acciones preventivas para evitar la reincidencia, se eliminan los subgrupos fuera de control y se recalculan los límites de control. Xbar-R Chart of Supp2 U C L=602.247 Sample M ean 602 601 _ _ X=599.938 600 599 598 LC L=597.629 2 4 6 8 10 Sample 12 14 16 18 U C L=8.465 Sample Range 8 6 _ R=4.003 4 2 0 LC L=0 2 4 6 8 10 Sample 12 14 16 18 Carta de control de medias rangos X-R estable . Ejercicio Hacer una carta X-R utilizando las fichas de ejemplo por equipos. Página 30 de 55 R 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 CAUSAS DE NO REGISTRO R X INSTRUCCIONES % Z Inf.: CPK: 0.58 2.11 0.73 2.28 1.02 2.57 0 0 0 0 D3 B4 2.33 2.09 2.06 2.27 1.70 2.57 1.13 3.27 d2 CONSTANTES D4 1.88 3.27 A2 A) Fin de corrida de producción B) Falta de material C) Ajuste de línea / máquina D) Cambio de modelo E) Fin de turno F) Otro (indicar) 0 0 0 0 B3 4.- Indique en el último renglón, justo abajo del subgrupo correspondiente, las causas por las cuales se deja de graficar de acuerdo a la frecuencia indicada, si es que se presentan el caso. Utilice las siguientes claves: 3.- Registre la (s) causa (s) del comportamiento en la bitácora (al reverso de la gráfica), así como las acciones realizadas o propuestas para corregir la falla. 2.- Investigue y corrija la causa del comportamiento. Si no es posible llame a su supervisor o Ing. de Manufactura. 1.- Encierre en un círculo los patrones anormales de comportamiento ( puntos fuera de los límites de control, tendencias, adhesiones, etc). % NC: % Z Sup.: Cp. : 5 9 L.I.C. R TIPO DE EVALUACIÓN 5 SUMA 8 L.S.C. R FRECUENCIA 4 7 R MUESTRA 4 6 L.I.C.x CALIBRADOR 3 5 L.S.C.x CARACTERÍSTICA 3 4 X MAQUINA FECHA DE TERMINO 2 3 L.I.E. OPERACIÓN FECHA DE INICIO 2 2 L.S.E. ÁREA No. DE GRAFICA n 1 NOMINAL No. DE PARTE GRAFICA DE CONTROL DE PROMEDIOS Y RANGOS 1 INICIALES UNIDADES HORA NOMBRE DE PARTE x PROMEDIOS RANGOS Página 31 de 55 FECHA LECTURAS CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Ejercicio: Obtener una carta de Medias – Rangos X-R, Se monitorean cada hora subgrupos de 5 pesos de un producto blanqueador con los siguientes resultados: Datos de cada uno de los subgrupos x1 15.8 16.3 16.1 16.3 16.8 16.1 16.1 16.2 16.3 16.6 16.2 15.9 16.4 16.5 16.4 16 16.4 16 16.4 16.4 x2 16.3 15.9 16.2 16.2 16.9 15.8 16.3 16.1 16.2 16.3 16.4 16.6 16.1 16.3 16.1 16.2 16.2 16.2 16 16.4 x3 x4 x5 16.2 16.1 16.6 15.9 16.2 16.4 16.5 16.4 16.3 15.9 16.4 16.2 16.7 16.5 16.6 16.7 16.6 16.4 16.5 16.1 16.5 16.2 16.1 16.3 16.4 16.3 16.5 16.4 16.1 16.5 15.9 16.3 16.4 16.7 16.2 16.5 16.6 16.4 16.1 16.2 16.3 16.4 16.3 16.2 16.2 16.3 16.3 16.2 16.4 16.3 16.2 16.4 16.5 16.1 16.3 16.4 16.4 16.5 16 15.8 Media de medias Xmedia -+A2*Rm Media i 16.20 16.14 16.30 16.20 16.70 16.32 16.30 16.18 16.34 16.38 16.24 16.38 16.32 16.34 16.24 16.20 16.30 16.24 16.30 16.22 16.292 Media LIC 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 16.292 16.021 A2=0.577 LSC 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 16.563 Rmedio Rango i Rmedio 0.80 0.47 0.50 0.47 0.40 0.47 0.50 0.47 0.40 0.47 0.90 0.47 0.40 0.47 0.20 0.47 0.30 0.47 0.50 0.47 0.50 0.47 0.80 0.47 0.50 0.47 0.30 0.47 0.30 0.47 0.30 0.47 0.20 0.47 0.50 0.47 0.40 0.47 0.70 0.47 0.47 LICr 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 a) Obtener una carta de control X-R de medias rangos. ¿Está el proceso en control estadístico? i) En Excel (seleccionar la información de la carta X – verde y después la del rango R – amarillo, usar el asistente de gráficas, gráfica de líneas, ajustar escalas y colores) En Minitab, copiar los datos de las columnas X1 a X5 e C1 a C5. Stat > Control Charts > Xbar – R Seleccionar Subgroups across rows off X1 X2 X3 X4 X5 OK b) Si no está en control, asumir que se pueden identificar las causas asignables, y que se toman acciones para prevenir su recurrencia, eliminar el subgrupo 4 (seleccionar el renglón 4 y borrarlo en Minitab) recalcular los límites de control con otra corrida. Página 32 de 55 LSCr 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 0.994 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 CARTAS PARA LECTURAS INDIVIDUALES / RANGO MÓVIL (I-MR) Se aplican para un tamaño de muestra n =1, por ejemplo: 1. Cuando hay inspección automática de parámetros o piezas individuales. 2. La tasa de producción es muy baja y conviene tomar muestras de una pieza. 3. Las mediciones entre unidades muestra difieren muy poco (sólo por errores de medición de laboratorio) como en procesos químicos. Los rangos móviles se empiezan a calcular a partir de la segunda muestra, tomando la diferencia entre cada dos valores consecutivos como sigue: MR i = X i X i 1 . Ejemplo: Se toman varios datos de viscosidades y se construye una carta de lecturas individuales, donde el rango se calcula tomando cada dos valores consecutivos, por tanto el valor de n = 2 y habrá (m – 1) rangos en total. Con m = número de valores individuales. Por ejemplo: Valores individuales Rango 12 - 15 3 11 4 14 3 8 6 9 1 Al final se hace un promedio de los valores individuales X y un promedio de rangos móviles R y los límites de control para la carta I-MR se calculan con las fórmulas siguientes: LSCx X (2.66 * R ) Para la carta I: LICr 0 y para la carta R: LICx X (2.66 * R ) LSCr 3.27 * R I-MR Chart of Supp1 1 1 U C L=601.176 Individual V alue 601 600 _ X=599.548 599 598 LC L=597.920 1 1 10 20 30 40 50 60 O bser vation 70 80 90 100 1 M oving Range 2.4 1 U C L=2.000 1.8 1.2 __ M R=0.612 0.6 0.0 LC L=0 1 10 20 30 40 50 60 O bser vation 70 80 90 Página 33 de 55 100 Página 34 de 55 6 7 8 9 10 11 12 13 14 15 16 17 L.I.C.x 18 19 20 R 21 22 CALIBRADOR 23 L.S.C. R 24 25 T. MUESTRA 26 L.I.C. R 27 28 FRECUENCIA 29 30 TIPO DE EVALUA. INSTRUCCIONES % Z Inf.: CPK: CONSTANTES A) Fin de corrida de producción B) Falta de material C) Ajuste de línea / máquina D) Cambio de modelo E) Fin de turno F) Otro (indicar) 4.- Indique en el último renglón, justo abajo del subgrupo correspondiente, las causas por las cuales se deja de graficar de acuerdo a la frecuencia indicada, si es que se presentan el caso. Utilice las siguientes claves: 3.- Registre la (s) causa (s) del comportamiento en la bitácora (al reverso de la gráfica), así como las acciones realizadas o propuestas para corregir la falla. 2.- Investigue y corrija la causa del comportamiento. Si no es posible llame a su supervisor o Ing. de Manufactura. 1.- Encierre en un círculo los patrones anormales de comportamiento ( puntos fuera de los límites de control, tendencias, adhesiones, etc). % NC: % Z Sup.: Cp. : 2.67 1.13 0 3.27 5 L.S.C.x CARACTERÍSTICA R 4 X MAQUINA en E2 D2 D3 D4 3 L.I.E. OPERACIÓN FECHA DE TERMINO está X 2 L.S.E. ÁREA FECHA DE INICIO no R 1 NOMINAL No. DE PARTE No. DE GRAFICA proceso INICIALES LECTURAS x UNIDADES NOMBRE DE PARTE HORA GRAFICA DE CONTROL DE LECTURAS INDIVIDUALES El RANGOS I-MR. FECHA Carta de control estadístico. VALORES CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 control Ejercicio Hacer una carta I-MR utilizando las fichas de ejemplo por equipos. CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Carta de control I-MR: se muestran a continuación los siguientes datos de mediciones individuales de una viscosidad de un elemento: =Xmedia -+ 2.66*Rmedio Viscocidad Media LIC LSC =3.267*Rmedio 6.00 6.00 5.92 6.08 Rango Rmedio LICr LSCr 5.98 6.00 5.92 6.08 0.02 0.03 0 0.099 5.97 6.00 5.92 6.08 0.01 0.03 0 0.099 6.01 6.00 5.92 6.08 0.04 0.03 0 0.099 6.15 6.00 5.92 6.08 0.14 0.03 0 0.099 6.00 6.00 5.92 6.08 0.15 0.03 0 0.099 5.97 6.00 5.92 6.08 0.03 0.03 0 0.099 6.02 6.00 5.92 6.08 0.05 0.03 0 0.099 5.96 6.00 5.92 6.08 0.06 0.03 0 0.099 6.00 6.00 5.92 6.08 0.04 0.03 0 0.099 5.98 6.00 5.92 6.08 0.02 0.03 0 0.099 5.99 6.00 5.92 6.08 0.01 0.03 0 0.099 6.01 6.00 5.92 6.08 0.02 0.03 0 0.099 6.03 6.00 5.92 6.08 0.02 0.03 0 0.099 5.98 6.00 5.92 6.08 0.05 0.03 0 0.099 5.98 6.00 5.92 6.08 0.00 0.03 0 0.099 6.01 6.00 5.92 6.08 0.03 0.03 0 0.099 5.99 6.00 5.92 6.08 0.02 0.03 0 0.099 5.99 6.00 5.92 6.08 0.00 0.03 0 0.099 5.98 6.00 5.92 6.08 0.01 0.03 0 0.099 6.01 6.00 5.92 6.08 0.03 0.03 0 0.099 5.99 6.00 5.92 6.08 0.02 0.03 0 0.099 5.98 6.00 5.92 6.08 0.01 0.03 0 0.099 5.99 6.00 5.92 6.08 0.01 0.03 0 0.099 6.00 6.00 5.92 6.08 0.01 0.03 0 0.099 5.98 6.00 5.92 6.08 0.02 0.03 0 0.099 6.02 6.00 5.92 6.08 0.04 0.03 0 0.099 5.99 6.00 5.92 6.08 0.03 0.03 0 0.099 6.01 6.00 5.92 6.08 0.02 0.03 0 0.099 5.98 6.00 5.92 6.08 0.03 0.03 0 0.099 5.99 6.00 5.92 6.08 0.01 0.03 0 0.099 5.97 6.00 5.92 6.08 0.02 0.03 0 0.099 5.99 6.00 5.92 6.08 0.02 0.03 0 0.099 6.01 6.00 5.92 6.08 0.02 0.03 0 0.099 5.97 6.00 5.92 6.08 0.04 0.03 0 0.099 6.02 6.00 5.92 6.08 0.05 0.03 0 0.099 5.99 6.00 5.92 6.08 0.03 0.03 0 0.099 6.02 6.00 5.92 6.08 0.03 0.03 0 0.099 6.00 6.00 5.92 6.08 0.02 0.03 0 0.099 6.02 6.00 5.92 6.08 0.02 0.03 0 0.099 6.01 6.00 5.92 6.08 0.01 0.03 0 0.099 Promedio Rango Promedio 6.00 =PROMEDIO(B6:B46) =ABS(B44B45) Página 35 de 55 0.03 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 a) Construir una carta I-MR: i) En Excel (seleccionar la información de la carta X – verde y después la del rango R – amarillo, usar el asistente de gráficas, gráfica de líneas, ajustar escalas y colores) ii) En Minitab, copiar los datos de la viscosidad a una columna C1 u otra. Stat > Control Charts > I – MR Variable Viscocidad OK Límites de control b) Para carta de valores individuales LIC= c) Para carta de rangos LIC = Media= Rango promedio = d) ¿Está el proceso en control estadístico? ___ Si LSC= LSC = ___ No e) En caso de que no se encuentre en control estadístico eliminar el punto que sale de control (se asume que se identifica la causa y se toman acciones para prevenir su recurrencia seleccionar el punto 5 y borrarlo con DEL) para que quede en control y recalcular los límites, repitiendo la corrida en Minitab. Página 36 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 3. CAPACIDAD DE PROCESOS Definiciones Proceso: Éste se refiere a alguna combinación única de máquinas, herramientas, métodos, materiales y personas involucradas en la producción. Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada en el desempeño probado, para lograr resultados que se puedan medir. Capacidad del proceso: Es la aptitud del proceso para producir productos dentro de los límites de especificaciones de calidad. Capacidad medida: Esto se refiere al hecho de que la capacidad del proceso se cuantifica a partir de datos que, a su vez, son el resultado de la medición del trabajo realizado por el proceso. Capacidad inherente: Se refiere a la uniformidad del producto que resulta de un proceso que se encuentra en estado de control estadístico, es decir, en ausencia de causas especiales o atribuibles de variación. Variabilidad natural: Los productos fabricados nunca son idénticos sino que presentan cierta variabilidad, cuando el proceso está bajo control, solo actúan las causas comunes de variación en las características de calidad. Valor Nominal: Las características de calidad tienen un valor ideal óptimo que es el que desearíamos que tuvieran todas las unidades fabricadas pero que no se obtiene, aunque todo funcione correctamente, debido a la existencia de la variabilidad natural. Capacidad de procesos Su propósito es determinar la capacidad del proceso para cumplir especificaciones o requerimientos establecidos, se usa para: 1. Predecir que tanto el proceso cumple especificaciones 2. Apoyar a diseñadores de producto o proceso en sus modificaciones 3. Especificar requerimientos de desempeño de equipo nuevo 4. Seleccionar proveedores 5. Reducir la variabilidad en el proceso de manufactura 6. Planear la secuencia de producción cuando hay un efecto interactivo de los procesos en las tolerancias. Página 37 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO LSE Especificación superior LIE Especificación inferior Z s xi _ X p = porcentaje de partes fuera de Especificaciones Capacidad del proceso Página 38 de 55 P. Reyes / marzo 2008 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Procedimiento para realizar estudios de capacidad del proceso 1. Seleccionar una máquina donde realizar el estudio. 2. Seleccionar las condiciones de operación del proceso. 3. Seleccionar un operador entrenado. 4. El sistema de medición debe tener una resolución de al menos el 10% y una habilidad (error R&R < 10%). 5. Cuidadosamente colectar la información en una carta de control X-R o I-MR. 6. Construir la carta de control y estabilizar el proceso a que este en control. 7. Calcular la media y desviación estándar del proceso (S = Rmedia / d2). 8. Calcular las Z’s correspondientes al límites superior de especificaciones Zs y al límite inferior de especificaciones Zi. 9. Determinar la fracción defectiva con la tabla normal P(Zs) + P(Zi). 10. Calcular el índice de capacidad potencial Cp = (LSE – LIE) / (6*s), debe ser mayor a 1.33. 11. Determinar el índice de capacidad real Cpk = Menor |Zs; Zi| / 3, debe ser mayor a 1.33. 12. Tomar las acciones correctivas necesarias Página 39 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 La capacidad de los procesos para cumplir especificaciones se refiere a la uniformidad de los procesos medida como la variabilidad del producto, hay dos formas de pensar en esta variabilidad: 1. La variabilidad natural en un cierto tiempo (variabilidad instantánea). 2. La variabilidad en el tiempo. Es usual tomar 8-sigma de la población como la dispersión en la distribución de la característica de calidad del producto como medida de la capacidad del proceso. Los límites de tolerancia natural del proceso, superior (LTNS) e inferior (LTNI) , se encuentran en 3 , o sea: LTNS = + 8 LTNI = - 8 Para un proceso normal, los límites de tolerancia naturales incluyen 99.9940% de la variable, sólo (60 ppm) de la salida del proceso se encontrará fuera de estos limites de tolerancia naturales. Sin embargo, si el proceso no es normal, el porcentaje puede diferir grandemente. Esto se esquematiza en la figura siguiente: .00135 LTNI LTNS .00135 Localización de los límites de tolerancia natural Página 40 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 ¿Cómo vamos a mejorar esto? Podemos reducir la desviación estándar... Podemos cambiar la media... O (lo ideal sería, por supuesto) que podríamos cambiar ambas Cualquiera que sea la mejora que lleve a cabo, asegurarse que se mantenga Acciones para mejorar la Capacidad del proceso Teoría del camión y el túnel •El túnel tiene 9' de ancho (especificación). El camión tiene 10’ y el chofer es perfecto (variación del proceso). ¿Pasaría el camión? NO, la variabilidad del proceso es mayor que la especificación. •Centrar es hacer que el promedio del proceso sea igual al centro de la especificación. Si el camión tiene 8 pies de ancho ¿pasará el camión?, Si. Si el chofer puede mantener el centro del camión en el centro del túnel. De otra forma chocará con las paredes del túnel y no pasará a pesar de ser más angosto. El proceso debe estar en control, tener capacidad y estar centrado Ancho 9´ Nigel´s Trucking Co. Capacidad potencial (Cp) y capacidad real del proceso (Cpk) Página 41 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Capacidad del proceso – Fracción defectiva La capacidad en función de la fracción defectiva del Proceso se calcula En función de la fracción defectiva para cada lado del rango de Especificación. Rango medio Desv. Est.= Constante d2 de acuerdo al tamaño de subgrupo en X-R Los valores de Z inferior y Z superior se calculan de acuerdo a las fórmulas Siguientes: Zi = LIE - promedio del proceso Desviación Estandar Zs = LSE - Promedio del proceso Desviación Estandar La fracción defectiva se calcula con las tablas de distribución normal P(Zi) = Área en tabla (-Z) P(Zs) = 1 – Área corresp. a Zs en tabla (+Z) Fracción defectiva = P(Zi) + P(Zs) Cálculo de la fracción defectiva Índices de capacidad de procesos Cp, Cpk, Cpkm ÍNDICE DE CAPACIDAD POTENCIAL Cp Compara la amplitud de variación permitida por las especificaciones entre la amplitud de variación entre los límites de tolerancia naturales del proceso. Cp LSE LIE 6 Ejemplo 3.1 Para el caso de anillos de pistones, donde el LSE = 74.05mm y el LIE= 73.95mm y de la carta R se estimó R 0.0099 d2 por tanto se tiene: Cp = PCR = (LSE – LIE) / 6 = (74.05 – 73.95) / 6 (0.0099) = 1.68 La función P (inverso de Cp) es el porcentaje de la banda de especificaciones usada por el proceso. Página 42 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 1 100 P Cp Para el caso del ejemplo se tiene: P = [(1/1.68)] 100 = 59.5% Cuando sólo existe un límite de especificaciones, el índice de capacidad potencial Cp o PCR se define como: Cps PCR S LSE 3 para el límite superior Cpi PCR I LIE 3 para el límite inferior Para el caso de la resistencia de las botellas de vidrio, si el LIE = 200psi, Cp 264 200 64 0.67 3(32) 96 Lo cual indica falta de habilidad, la fracción abajo del límite inferior es: ZI LIE 200 264 2 32 P(x <= ZI) = 0.0228 o 2.28% por debajo del límite inferior de especificaciones. Se recomienda que para procesos existentes el mínimo Cp sea de 1.33 y de 1.67 para procesos críticos, el ideal es 2.0 para procesos nuevos como es el caso de Motorola en su programa 6sigma. Este índice no toma en cuenta la localización relativa de la media del proceso respecto a los límites de especificaciones. Por lo que es necesario otro índice adicional. Página 43 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 INDICE DE CAPACIDAD REAL Cpk Este índice si toma en cuenta el centrado del proceso respecto a las especificaciones, en este caso se denomina Cpk, y se evalúa tomando el mínimo entre los Cp’s correspondientes a cada lado de la media, como sigue, Cpk PCRk min( PCRS , PCRI ) debe ser mayor a 1.33 donde, Cps PCR S LSE 3 ó Cpi PCR I LIE 3 Ejemplo: Para un proceso donde los límites de especificación sean LSE=62, LIE=38, la media del proceso sea =53 y su desviación estándar =2, se tiene: Cps PCR S 62 53 1.5 para el límite superior 32 Cpi PCR I 53 38 2.5 para el límite inferior 32 Por tanto, el índice de capacidad real es: Cpk PCRk min( PCRS , PCRI ) min(1.5,2.5) 1.5 Siempre se cumple que, Cpk <= Cp, Siendo el Cpk menor cuando el proceso no está centrado. Los criterios de mínimo Cpk son similares a los del Cp. INDICE DE CAPACIDAD Cpm Es un indicador de capacidad potencial que toma en cuenta el centrado del proceso: Si V C pm X T donde T es el centro de las especificaciones. Cp 1V 2 LSE LIE 6 2 ( T ) 2 Cuando T es igual a X media del proceso, Cpm = Cp = Cpk INDICE DE CAPACIDAD Cpkm Es un indicador de capacidad real que toma en cuenta el centrado del proceso: Página 44 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Si T es el centro de las especificaciones. C pkm Cpk T 1 2 Cuando T es igual a X media del proceso, Cpkm = Cpk Con Minitab: Con los datos de la carta X-R anterior, una vez que se encuentra en control: a) Con los límites de especificación reales de la línea o producto LIE = 15.2 y LSE = 16.6: En Minitab: Stat > Quality tools > Capability analysis (Normal) Seleccionar Subgroups across rows off X1 X2 X3 X4 X5 Lower spec 15.2 Upper spec 16.6 Estimate: Methods of estimate sigma R-Bar Options: Display Percents o Parts per million / Capability Stat Cp, Cpk o Benchmark Z’s OK OK b) Calcular la desviación estándar del proceso o sigma “Std Dev. Within” c) Determinar los límites de tolerancia natural del proceso (Media +-4*sigma): LTNI = Media – 4*sigma = LTNS = Media + 4*sigma = d) ¿Cuál es el valor de la fracción defectiva total fuera de especificaciones (Exp. Within performance % Total )? e) ¿Cuál es el valor del Cp = es potencialmente hábil el proceso?. f) ¿Cuál es el valor del Cpk = Página 45 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Es realmente hábil el proceso? g) ¿Qué recomendaría para mejora capacidad real del proceso?. Con Minitab: Con los datos de la carta I-MR anterior, una vez que se encuentra en control: a) si los límites de especificación son LIE = 5.95 y LSE = 6.06, determinar lo siguiente: En Minitab: Stat > Quality tools > Capability analysis (Normal) Data is arranged as a single column: Viscocidad Subgroup size 5 Lower spec 5.95 Upper spec 6.06 Estimate: Methods of estimate sigma R-Bar Options: Display Percents o Parts per million / Capability Stat Cp, Cpk o Benchmark Z’s OK OK b) Determinar la Desviación estándar (St dev. Within )= desviación estándar = Rmedio / d2 = (d2 = 2.326) Media de medias (Mean) = c) Limites de tolerancia natural del Proceso (variación natural del proceso): LTNI = Media - 4* Desv. Estandar = LTNS = Media + 4* Desv. Estandar = d) Zlie = (ZLSL)= Zlse = (ZUSL) = Z=(Lim. spec.–Media)/Desv.estandar e) P(Zlie)= (Exp. Within performance %<LSL) = P(Zlse)= (Exp. Within performance) = (%>USL) = En Excel P(Z)=DISTR.NORM.ESTAND(Zlie o – Zlse) f) Fracción defectiva = % Total “Within” = P(Zlie) + P(Zlse) = _ Indices de capacidad g) Potencial Cp = Página 46 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO h) Real Cpk = P. Reyes / marzo 2008 Conclusiones _ i) ¿Qué se puede hacer para mejorar el Cpk? _ Ejemplo: De una carta de control X - R (con subgrupos de n = 5), después de que el proceso se estabilizó quedando sólo con causas comunes, se obtuvo lo siguiente: Xmedia de medias = 264.06 Rmedio = 77.3 Por tanto estimando los parámetros del proceso se tiene: = X media de medias = Rmedio / d2 =77.3 / 2.326 = 33.23 [ d2 para n = 5 tiene el valor 2.326] Si el límite de especificación es: LIE = 200. El Cpk = (200 - 264.06) / (77.3) (3) = 0.64 por tanto el proceso no cumple con las especificaciones Ejercicio : De una carta de control X - R (con tamaño de subgrupo n = 5), después de que el proceso se estabilizó quedando sólo con causas comunes (LIE = 36, LSE = 46) se obtuvo lo siguiente: Xmedia de medias = 40 Rmedio = 5 a) Determinar la desviación estándar del proceso b) Determinar los límites de tolerancia natural del proceso c) Determinar la fracción defectiva o porcentaje fuera de especificaciones d) Determinar el Cp e) Determinar el Cpk f) Determinar el Cpm g) Determinar el Cpkm h) Establecer conclusiones de los resultados anteriores Página 47 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 4. Capacidad de equipos de medición Fuentes de la Variación del Proceso En cualquier problema que involucre mediciones, de la variabilidad total parte de la variabilidad observada es debida al producto mismo y parte es debida a la variación del equipo de medición, o sea: 2 2 total 2producto equipo .medición Variación del proceso Variación proceso, real Variación deldel proceso, real Variación dentro de la muestra Repetibilidad Variación de la medición Variación originada Equipo de mediciòn por el calibrador Estabilidad Reproducibilidad Linealidad Sesgo Calibración Fig. 4.1 Diagrama de variabilidad observada en el proceso Definición de errores en la medición Reproducibilidad: Es la variación, entre promedios de las mediciones hechas por diferentes operadores que utilizan un mismo instrumento de medición cuando miden las mismas características en una misma parte. Página 48 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Operador-B Operador-C Operador-A Reproducibilidad Fig. 4.2 Evaluación de la reproducibilidad Repetibilidad: es la variación de las mediciones obtenidas con un instrumento de medición, cuando es utilizado varias veces por un operador, al mismo tiempo que mide las mismas características en una misma parte. REPETIBILIDAD Fig. 4.3 Evaluación de la repetibilidad Valor verdadero: Valor correcto teórico / estándares NIST2 Precisión: Es la habilidad de repetir la misma medida cerca o dentro de una misma zona Exactitud : Es la diferencia entre el promedio del número de medidas y el valor verdadero. 2 ·En EUA se tiene el NIST (National Institute of Standards ando Technology),En México se tiene el CENEAM o el Centro Nacional de Metrología Página 49 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Resolución: La medición que tiene exactitud y precisión. Exacto pero no preciso Preciso pero no exacto Exacto y preciso (resolución) Fig. 4.4 Evaluación de la precisión y exactitud - Estabilidad: es la variación total de las mediciones obtenidas con un sistema de medición, hechas sobre el mismo patrón o sobre las mismas partes, cuando se mide una sola de sus características, durante un período de tiempo prolongado. Tiempo 2 Tiempo 1 Fig. 4.5 Evaluación de la estabilidad Linealidad: diferencia en los valores de la escala, a través del rango de operación esperado del instrumento de medición. Página 50 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO Valor verdadero P. Reyes / marzo 2008 Valor verdadero Sesgo Menor Sesgo mayor (rango inferior) (rango superior) Rango de Operación del equipo Fig. 4.6 Evaluación de la linealidad Sesgo: distancia entre el valor promedio de todas las mediciones y el valor verdadero. Error sistemático o desviación. Valor Verdadero Sesgo Fig. 4.7 Evaluación del sesgo Calibración: Es la comparación de un estándar de medición con exactitud conocida con otro instrumento para detectar, reportar o eliminar por medio del ajuste, cualquier variación en la exactitud del instrumento. Importante: para que el equipo de medición tenga una discriminación adecuada en la evaluación de las partes, su resolución debe ser al menos 1/10 de la variabilidad del proceso. <10% Aceptable 10-30%. Puede ser aceptable, para características no críticas. >30%. ¡Inaceptable! En otras industrias fuera de la automotriz se acepta un error total de R&R del 25% como máximo. Página 51 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Estudio de R&R Método largo • Generalmente intervienen de dos a tres operadores • Generalmente se toman 10 unidades • Cada unidad es medida por cada operador, 2 ó 3 veces. La resolución del equipo de medición debe ser de al menos el 10% del rango de tolerancia o del rango de variación del proceso. Las partes deben seleccionarse al azar, cubriendo el rango total del proceso. Es importante que dichas partes sean representativas del proceso total (80% de la variación) 10 partes NO son un tamaño de muestra significativo para una opinión sólida sobre el equipo de medición a menos que se cumpla el punto anterior. Procedimiento para realizar un estudio de R&R 1. Asegúrese de que el equipo de medición haya sido calibrado. 2. Marque cada pieza con un número de identificación que no pueda ver la persona que realiza la medición. 3. Haga que el primer operador mida todas las muestras una sola vez, siguiendo un orden al azar. 4. Haga que el segundo operador mida todas las muestras una sola vez, siguiendo un orden al azar. 5. Continúe hasta que todos los operadores hayan medido las muestras una sola vez (este es el intento 1). 6. Repita los pasos 3-4 hasta completar el número requerido de ensayos 7. Determine las estadísticas del estudio R&R Repetibilidad Reproducibilidad % R&R Página 52 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Desviaciones estándar de cada uno de los conceptos mencionados Análisis del porcentaje de tolerancia 8. Analice los resultados y determine las acciones a seguir si las hay. Métodos de estudio del error R&R: I. Método de Promedios- Rango Permite separar en el sistema de medición lo referente a la Reproducibilidad y a la Repetibilidad. Los cálculos son más fáciles de realizar. II. Método ANOVA Permite separar en el sistema de medición lo referente a la Reproducibilidad y a la Repetibilidad. También proporciona información acerca de las interacciones de un operador y otro en cuanto a la parte. Calcula las varianzas en forma más precisa. Los cálculos numéricos requieren de una computadora. El Método ANOVA es más preciso Ejemplo 4.1: Método de ANOVA en Minitab: 1. STAT>QUALITY TOOLS>GAGE STUDY > Gage R&R (Crossed) 2. Seleccione C1 (parte), C2 (operador), C3 (Medición) 3. Método de Análisis ANOVA 4. En Options Seleccionar: Study variation 5.15 Process tolerance 0.006 Alfa to remove interaction 0.25 5. OK Interpretación de resultados Los resultados se muestran a continuación: Gage R&R Study - ANOVA Method Two-Way ANOVA Table With Interaction Source Partes DF 9 SS 0.0000086 MS 0.0000010 Página 53 de 55 F 12.2885 P 0.000 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO Operadores Partes * Operadores Repeatability Total 2 18 60 89 0.0000002 0.0000014 0.0000063 0.0000165 0.0000001 0.0000001 0.0000001 P. Reyes / marzo 2008 0.9605 0.7398 0.401 0.757 Los operadores y la interacción no fueron significativos, sólo las partes Two-Way ANOVA Table Without Interaction Source DF SS MS Partes 9 0.0000086 0.0000010 Operadores 2 0.0000002 0.0000001 Repeatability 78 0.0000077 0.0000001 Total 89 0.0000165 F 9.67145 0.75592 P 0.000 0.473 Gage R&R %Contribution (of VarComp) 50.93 50.93 0.00 0.00 49.07 100.00 Source Total Gage R&R Repeatability Reproducibility Operadores Part-To-Part Total Variation VarComp 0.0000001 0.0000001 0.0000000 0.0000000 0.0000001 0.0000002 Source Total Gage R&R Repeatability Reproducibility Operadores Part-To-Part Total Variation StdDev (SD) 0.0003150 0.0003150 0.0000000 0.0000000 0.0003092 0.0004414 Study Var (5.15 * SD) 0.0016222 0.0016222 0.0000000 0.0000000 0.0015923 0.0022731 %Study Var (%SV) 71.36 71.36 0.00 0.00 70.05 100.00 %Tolerance (SV/Toler) 27.04 27.04 0.00 0.00 26.54 37.88 Number of Distinct Categories = 1 En este caso el sistema de medición no es adecuado para el control de proceso (%SV), ni para el control del producto final (%Tolerance) que debe ser menor al 10%. La interacción no es significativa, y los errores de R&R indican que equipo de medición no es adecuado, ni el número de categorías (debe ser al menos 4). Página 54 de 55 CONCEPTOS DE CONTROL ESTADÍSTICO DEL PROCESO P. Reyes / marzo 2008 Gage R&R (ANOVA) for Datos Reported by : Tolerance: M isc: G age name: Date of study : Components of Variation Datos by Partes 80 % Contribution 0.006 Percent % Study Var % Tolerance 40 0 0.005 0.004 Gage R&R Repeat Reprod 1 Part-to-Part 2 3 R Chart by Operadores Sample Range 1 2 3 0.006 0.0005 _ R=0.000417 0.005 0.0000 LCL=0 1 0.0050 8 9 10 2 Operadores 3 Operadores * Partes Interaction 3 Operadores UCL=0.005143 _ _ X=0.004717 0.0045 LCL=0.004290 Average Sample Mean 2 7 0.004 Xbar Chart by Operadores 1 5 6 Partes Datos by Operadores UCL=0.001073 0.0010 4 1 0.0050 2 3 0.0045 0.0040 0.0040 1 2 3 4 5 6 Partes 7 8 9 10 Fig. 4.8 Evaluación de la capacidad de sistemas de medición En este caso la carta R está en control indicando que las mediciones fueron realizadas adecuadamente. En el caso de la carta X se muestra que el sistema de medición no discrimina las partes diferentes que se les presentaron, debe indicar discriminación, mostrando al menos el 50% de puntos fuera de control. Las conclusiones son similares que con el método de X barra – R. Página 55 de 55