CORE_TOOLS - Contacto: 55-52-17-49-12

CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CORE TOOLS DE LA AIAG
Participante: ___________________________________________________
DR. PRIMITIVO REYES AGUILAR
mayo 2008
Mail. [email protected] / Cel. 044 55 52 17 49 12
Página 1 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
 OBJETIVOS: Al finalizar el curso, el participante será capaz de utilizar
las siguientes herramientas (Core Tools) recomendadas por la AIAG
y 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).
 Conocimiento de la variación de acuerdo a la norma ISO TS 16949
 Control Estadístico del Proceso (SPC)
 Análisis de sistemas de medición (MSA)
 Planeación avanzada de la calidad (PPAP) y Plan de control
 Revisión del Análisis del modo y efecto de falla FMEA (revisión de
DFMEA, PFMEA, MFMEA, CFMEA)
 Introducción a la norma ISO/IEC 17025 de laboratorios de pruebas
 Métodos de solución de problemas: 8Ds, 5 Pasos, DMAIC
Página 2 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CONTENIDO TEMÁTICO
1. Concepto de variación
5

Introducción
5

Componentes de la variación
5

Hoja de verificación
6

Estratificación
7

Diagrama de dispersión
7

Histogramas
9

Las cartas de control
11

Causas comunes y causas especiales
12

Características de un proceso normal
15

Área o probabilidad bajo la curva normal
18

Prueba de normalidad
23
2. Control Estadístico del proceso
25

Teorema del límite central
25

Control estadístico del proceso
29

Cartas de control por variables
36

Cartas X-R
37

Cartas I-MR
41

Cartas de control para atributos (p, np, c, u)
46
3. Capacidad de procesos
64

Definiciones
64

Capacidad de procesos
64

Índices de capacidad de procesos Cp, Cpk, Cpm, Cpkm
69

Capacidad de procesos no normales
74
Página 3 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
4. Análisis de sistemas de medición
77

Definiciones y terminología
77

Fuentes de variación del proceso y errores en la medición
81

Estudio de R&R método del rango
85

Estudio de R&R método largo (X-R y ANOVA)
87

Estudios de R&R por atributos
103

Evaluación de la linealidad
109
5. Análisis del modo y efecto de falla (FMEA)
111

FMEA de diseño
111

FMEA de proceso
117

FMEA de máquina
124
6. Planeación avanzada de la calidad (APQP) y Control Plan
125

Planeación y definición del problema
127

Diseño y desarrollo del producto
130

Diseño y desarrollo del proceso
132

Validación del producto y proceso
137

Retroalimentación, evaluación y acción correctiva
139
7. Introducción a la norma ISO 17025

Requisitos generales para competencia de laboratorios
8. Métodos de solución de problemas
140
140
146

El proceso de 8Ds
146

Método de los 5 pasos
160

Método de las 5Y para profundizar en el problema
168
Página 4 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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:
Bisteck de 10 onzas
Tiempo de tostado
Tiempo de vuelo de
México a Acapulco
Tiempo que toma ir al
trabajo
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 5 de 181
CORE TOOLS DE LA AIAG
Hoja de verificación
P. Reyes / mayo 2008
- Se utiliza para reunir datos basados de la observación del
comportamiento de un proceso con el fin de detectar tendencias, por medio de la captura,
análisis y control de información relativa al proceso
DIA
DEFECTO
1
2
Tamaño erróneo IIIII I
IIIII
Forma errónea
I
III
Depto. EquivocadoIIIII
I
Peso erróneo
IIIII IIIII I IIIII III
Mal Acabado
II
III
TOTAL
25
20
3
IIIII III
III
I
IIIII III
I
21
Página 6 de 181
4
IIIII II
II
I
IIIII IIIII
I
21
TOTAL
26
9
8
37
7
87
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Hoja de verificación – para anotar frecuencia de ocurrencias de los eventos (con signos |, X, *,
etc.)
Estratificación
Se utiliza para separar el problema general en los estratos que lo componen, por ejemplo, por
áreas, departamentos, productos, proveedores, turnos, etc. Clasificación de los datos o
factores sujetos a estudio en una serie de grupos con características similares.
Estratificación de los datos de máquinas
Problema de rechazos
Rechazos por línea de productos
Rechazos por línea y máquina
Diagrama de Dispersión
Se utiliza para analizar la correlación entre dos variables, se puede encontrar: Correlación
positiva o negativa, fuerte o débil o sin correlación.
Hoja de verificación – para anotar frecuencia de ocurrencias de los eventos (con signos |, X, *,
etc.)
Página 7 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Es una herramienta que nos permite estudiar la relación de dependencia entre dos o más
variables. El Coeficiente de correlación r tiene valores entre -1 y 1 y el coeficiente de
determinación r2 toma valores entre 0 y 1.
Y=a+bX
Correlación entre las variables Y y X
Correlación Negativa
Evidente
25
20
20
15
15
10
Y
Y
Correlación Positiva
Evidente
25
5
0
5
10
15
20
5
Sin Correlación
0
25
10
0
0
5
10
25
X
15
20
25
X
20
15
25
Y
Correlación
Positiva
10
0
0
20
5
10
15
20
25
25
X
20
15
15
10
Y
Y
Correlación
Negativa
5
5
10
5
0
0
5
10
15
20
0
25
0
X
5
10
15
20
X
Diagrama de dispersión y su correlación entre X,Y
Ejercicio: Hacer un diagrama de dispersión con los datos siguientes:
Espesor (escala 5 por división)
Tiempo
4
2
8
6
10
5
7
1
Espesor
20
12
36
28
44
25
32
5
Tiempo (esc. 1/div.)
Página 8 de 181
25
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Gráfica de la Línea de Ajuste
Recta de regresión
Y=-.600.858+5738.89X
R2 = .895
Retención
600
Regresión
500
95% Intervalo
de confianza
95% Intervalo
de predicción
400
0.18
0.19
0.20
Altura del muelle
Diagrama de Regresión lineal
Histogramas
Se utilizan para ver la distribución de frecuencia de los datos
18
16
14
12
10
Frec.
8
6
4
2
0
15-24 25-34 35-44 45-54 55-64 65-75
Distribución de frecuencias o histograma
Pasos para hacer un histograma:
1. Contar el número de datos, identificar el valor máximo, el mínimo y el rango.
2. Determinar el ancho de clase = Rango / 5 a 8.
3. Contar cuantos datos entran dentro de cada celda.
4. Graficar las frecuencias de cada celda.
Página 9 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Ejercicio: Realizar un histograma con los datos siguientes:
2.41
3.34
4.04
4.46
8.46
9.15
11.59
12.73
13.18
15.47
17.87
18.03
18.69
19.94
20.20
20.31
24.19
28.75
30.36
30.63
33.51
33.76
34.58
35.58
35.93
36.08
36.14
36.80
36.92
37.23
Paso 1. Número de datos =
38.65
39.02
39.64
40.41
40.58
40.64
43.61
44.06
44.52
45.01
45.70
45.91
46.50
47.09
47.21
47.56
47.93
48.02
48.31
48.55
Valor mayor =
Paso 2. Ancho de clase = Rango / 6 =
49.36
49.95
50.02
50.10
50.10
50.72
51.40
51.41
51.77
52.43
Valor menor =
55.08
55.23
55.56
55.87
56.04
56.29
58.18
59.03
59.37
59.61
62.53
62.78
62.98
63.03
64.12
64.29
65.44
66.18
66.56
67.45
70.37
71.05
71.14
72.46
72.77
74.03
74.10
76.26
76.69
77.91
Rango =
redondear a:
Paso 3. Contar elementos para cada clase:
Columna
Intervalo
1
0 -17
2
3
4
5
6
18-35
36-53
54-71
72-89
90 en
adelante
Registro de frecuencias
Paso 4. Hacer la gráfica del histograma:
Conclusiones:
Página 10 de 181
Frecuencia
81.21
82.37
82.79
83.31
85.83
88.67
89.28
89.58
94.07
94.47
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Las cartas de control
Sirven para monitorear el proceso, prevenir defectivos y facilitar la mejora. Hay dos tipos de
cartas de control: por atributos (juzga productos como buenos o malos) y por variables
(variables como, temperaturas).
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 y línea central
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
Causa Especial
El proceso ha cambiado
identificada
TIEMPO
Patrones de anormalidad en cartas de control

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.
Página 11 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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.
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.
Página 12 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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).
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
Página 13 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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
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.
Página 14 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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:
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:
Página 15 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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
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
Mediana y Moda coinciden, son iguales y se localizan en el pico.
Página 16 de 181
 =1. La media,
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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
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.
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
Página 17 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Normales
Normales con
con Medias
Medias yy
Desviaciones
Desviaciones estándar
estándar diferentes
diferentes
=
= 5,
5,  == 33
 == 9,
9, =
= 66
 == 14,
14, == 10
10
LIE
LSE
Distribuciones normales con varias medias y desviaciones estándar
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
 3  99.73% .
porcentaje de 68.26%,  2 = 95.46% y
-3s -2s -1s
+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
Página 18 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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.
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 19 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 20 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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) =
b) P(-2.1 <= Z <= -0.4) = P(Z <= - 0.4) – P(Z <= -2.1) =
c) P( -1.3 <= Z <= 2.7) = P(Z <= 2.7) – P(Z <= -1.3) =
d) P( Z >= 2.4) = P(Z <= -2.4) =
e) P( Z<=-2.9) + P(Z>= 3.1) = P(Z <= -2.9) + P(Z <= -3.1) =
f) P(Z>= 1.9) = P(Z <= -1.9) =
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
Página 21 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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
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:
Página 22 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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
EJERCICIO:
Un producto tiene un peso promedio de 75 Kgs. con una desviación estándar de 10Kgs.
a) ¿Cuál es la probabilidad de que un producto pese más de 85Kgs.?
b) ¿Cuál es la probabilidad de que un producto pese menos de 55Kgs.?
c) ¿Cuál es la probabilidad de que el producto pese entre 60 y 80 Kgs.?.
d) ¿Cuál es la probabilidad de que el producto pese entre 55 y 70 Kgs.?
e) ¿Cuál es la probabilidad de que el producto pese entre 85 y 100Kgs.?
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
Página 23 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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 Intervalo de confianza
Página 24 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
2. Control estadístico del proceso
Teorema del límite central
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 25 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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:
DATOS DE LA POBLACION PARA MOSTRAR TEOREMA DEL LÍMITE CENTRAL
Página 26 de 181
CORE TOOLS DE LA AIAG
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
9
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
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
2
P. Reyes / mayo 2008
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
5
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
9
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
6.0
Página 27 de 181
CORE TOOLS DE LA AIAG
2
4
9
1
7
8
2
9
7
1
2
2
2
5
5
2
7
7
1
2
4
8
2
4
9
6
3
8
6
7
2
1
1
3
4
9
6
3
7
P. Reyes / mayo 2008
5
4
6
3
8
7
4
7
3
3
2
3
8
8
2
1
4
7
6
9
3
2
8
8
1
7
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 28 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Histogram of Media
12
Frequency
10
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 29 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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
Causa
especial
Causas
normales o
comunes
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 30 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 31 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 32 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Otros patrones de anormalidad del proceso
Página 33 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 34 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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”
Proceso de mejora en el CEP
El proceso de mejora usando la carta de control requiere la acción de la supervisión, operador
e ingeniería, la carta de control sólo detecta causas especiales o asignables.
Para identificar y eliminar las causas asignables, es importante encontrar las causas raíz del
problema y atacarlas para lo cual se puede utilizar el Plan de acción para situaciones fuera de
control (PASFC), activado con la ocurrencia de cada evento. Es una lista de verificación, que
indica las causas potenciales asignables y acciones que resuelven la situación fuera de control.
Este es un documento vivo que debe ser actualizado constantemente.
Página 35 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
ENTRADA
PROCESO
SALIDA
SISTEMA DE
EVALUACIÓN
Verificación
y seguimiento
Detección de causa
asignable
Implantar
Identificar causa
Acción
raíz del problema
Correctiva PASFC
Proceso de mejora utilizando la carta de control
Cartas de control por variables
Una característica que se mide en una escala numérica se denomina una variable. Por ejemplo
temperaturas, dimensiones, volumen, tiempo, etc.

Para control de las características del producto se pueden utilizar las cartas de control
de medias rangos ( X  R ) para monitorear la media y la variabilidad, con objeto de
evitar o minimizar que se tengan productos fuera de especificaciones y estabilizar los
procesos.

Para un control estadístico del proceso por variables, se utiliza la carta por lecturas
individuales y rango móvil (I-MR), para parámetros del proceso donde sólo se toma
una lectura a la vez.
Página 36 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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).
Para elaborar la carta, inicialmente se toman al menos 25 subgrupos con muestras de cinco
partes cada cierto periodo (por ejemplo cada hora), se determinan los límites de control
preliminares, 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.
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 37 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 38 de 181
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 39 de 181
FECHA
LECTURAS
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 40 de 181
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
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 41 de 181
100
CORE TOOLS DE LA AIAG
Carta de control
estadístico.
P. Reyes / mayo 2008
I-MR.
El
proceso
no
está
en
control
Ejercicio Hacer una carta I-MR utilizando las fichas de ejemplo por equipos.
Página 42 de 181
RANGOS
R
4
5
6
7
8
9
10
11
X
12
13
14
L.S.C.x
MAQUINA
15
16
17
L.I.C.x
18
CARACTERÍSTICA
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.
FECHA DE TERMINO
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
3
L.I.E.
OPERACIÓN
FECHA DE INICIO
R
2
L.S.E.
ÁREA
No. DE GRAFICA
E2 D2 D3 D4
1
NOMINAL
No. DE PARTE
GRAFICA DE CONTROL DE LECTURAS INDIVIDUALES
X
INICIALES
LECTURAS
x
UNIDADES
HORA
NOMBRE DE PARTE
FECHA
Página 43 de 181
VALORES
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 44 de 181
0.03
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 45 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CARTAS DE CONTROL PARA ATRIBUTOS
Muchas características de calidad no pueden ser representadas con números, solo por
cualidades (pasa no pasa) denominados atributos. En tales casos cada artículo o servicio
completo se clasifica como conforme o no conforme a especificaciones y/o estándares, es decir
como defectivo o no defectivo, no defectuoso o defectuoso, bueno o malo, discrepante o no
discrepante.
Cuando el producto no es funcional es no conforme, defectivo o defectuoso. Puede ser
reparado o desperdicio.
Para controlar productos defectivos o no conformes, se utiliza la carta de control p de
fracción defectiva o la np para el número de defectivos o de no conformes. Se aplica a
productos simples (tornillos, lápices, botellas, etc.)
Cuando más bien se controla el número de defectos o no conformidades que se observan en
un producto, se utiliza la carta de control para no conformidades o defectos c cuando la
muestra es constante o la u cuando es variable o constante. Se aplica a productos
complejos (coches, TV, cámaras de video, escritorios, refrigeradores, etc.) Un defecto o no
conformidad es una discrepancia respecto a los estándares establecidos o a las
especificaciones.
El producto puede ser funcional pero puede tener defectos o no conformidades, que pueden
ser corregidas con retrabajo o no se pueden corregir y ser desperdicio.
Página 46 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CARTA DE CONTROL PARA FRACCIÓN NO CONFORME - p
La fracción no conforme es la relación entre el número de artículos discrepantes entre el total
de artículos, se expresa como fracción decimal, aunque también se puede expresar en
porcentaje. El artículo o servicio puede tener varias características de calidad que son
examinadas por un inspector, si el artículo no está de acuerdo a los estándares, se le considera
como defectuoso o no conforme.
La fracción defectiva o no conforme en la muestra se define como la relación entre el número
de unidades no conformes D al tamaño de muestra n, o sea:
pi 
Di
ni
La distribución de este estadístico sigue la distribución binomial por tanto los límites de control
de la carta p son:
__
__
p(1  p )
LSCp = p  3
n
__
__
LCp = p
__
__
p(1  p )
LICp = p  3
n
__
Cuando la fracción defectiva del proceso es desconocida, se estima de los datos observados en
m muestras iniciales, cada una de tamaño n, por lo general se toman 20 a 25 de estas. Así si Di
son unidades no conformes en la muestra i , la fracción defectiva de la muestra i - ésima estará
dada como:
pi = Di / n
i = 1, 2, 3,....., m
y el promedio de las fracciones individuales no conformes cuando p es desconocida es:
m
p
 Di
i 1
mn
m

p
i 1
i
m
Una vez hecha la gráfica trazando los límites anteriores, cualquier punto que se encuentre
fuera de control debe ser investigado, si se encuentra una causa asignable o especial, deben
tomarse medidas correctivas para prevenir su recurrencia, los puntos correspondientes a la
Página 47 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
situación fuera de control se eliminan y se calculan de nuevo los límites de control
preliminares.
Ejemnplo: Para un servicio de mantenimiento se tomaron datos de 30 muestras de 50
servicios contabilizando las quejas en cada uno como sigue:
No
conformes
12
15
8
10
4
7
16
9
14
10
Servicio
1
2
3
4
5
6
7
8
9
10
Servicio
11
12
13
14
15
16
17
18
19
20
No
conformes
5
6
17
12
22
8
10
5
13
11
Servicio
21
22
23
24
25
26
27
28
29
30
No
conformes
20
18
24
15
9
12
7
13
9
6
Como en total se encontraron 347 quejas o servicios no conformes, se estima p como sigue:
m
p
D
i
i 1
mn
m

p
i 1
i
m
=
347
= 0.2313
(30)(50)
Corrida en Minitab
1. Stat > Control Charts > P
2. Variable No conformes Subgroup size 50
3. OK
Los límites de control usando Minitab son:
LSCp = 0.4102
LCp = 0.2313
LICp = 0.0524
¿Esta en control estadístico?
Si no identificar la causa que ocasiona la anormalidad, tomar acciones para prevenir su
recurrencia, eliminar puntos fuera de control y recalcular límites de control
Página 48 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
P Chart for No confo
1
0.5
1
UCL=0.4102
Proportion
0.4
0.3
P=0.2313
0.2
0.1
LCL=0.05243
0.0
0
10
20
30
Sample Number
Carta de control P para la fracción de servicios no conformes.
De la carta de control se observa que las muestras 15 y 23 están fuera de los límites de control,
de tal forma que el proceso está fuera de control. Eliminando estos puntos y además el punto
21 se tiene el proceso dentro de control con una fracción defectiva promedio del 20.8%.
P Chart for No confo
0.4
UCL=0.3804
Proportion
0.3
P=0.2081
0.2
0.1
LCL=0.03590
0.0
0
10
20
30
Sample Number
Página 49 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
TAMAÑO DE MUESTRA VARIABLE
En algunas aplicaciones para la fracción defectiva, la muestra es la inspección 100% de los
servicios proporcionados en un periodo de tiempo, por tanto la muestra será variable. En este
caso los límites de control son variables:
Los límites de control para cada muestra con base en la fracción defectiva promedio p y su
tamaño de muestra son LC = p  3 p(1  p) / ni . La amplitud de los límites es inversamente
proporcional a la raíz cuadrada del tamaño de muestra.
Ejemplo: Se tomaron datos del resultado de la inspección diaria, registrando los defectivos del
día y la producción total.
Defectuosos
Producción
Pi
Pprom
LIC
LSC
20
98
0.20
0.17
0.055
0.282
18
104
0.17
0.17
0.058
0.279
14
97
0.14
0.17
0.055
0.283
16
99
0.16
0.17
0.056
0.281
13
97
0.13
0.17
0.055
0.283
29
102
0.28
0.17
0.057
0.280
21
104
0.20
0.17
0.058
0.279
14
101
0.14
0.17
0.057
0.280
6
55
0.11
0.17
0.017
0.320
6
48
0.13
0.17
0.006
0.331
7
50
0.14
0.17
0.010
0.327
7
53
0.13
0.17
0.014
0.323
9
56
0.16
0.17
0.018
0.319
5
49
0.10
0.17
0.008
0.329
8
56
0.14
0.17
0.018
0.319
9
53
0.17
0.17
0.014
0.323
9
52
0.17
0.17
0.013
0.324
10
51
0.20
0.17
0.011
0.326
9
52
0.17
0.17
0.013
0.324
10
47
0.21
0.17
0.005
LC=Pprom+3*(Pprom*(1Pprom)/ni))
0.332
Pprom=
0.17
En Minitab, copiar los datos de servicios no conformes y muestras a dos columnas de
Minitab
Stat > Control charts > Attribute charts > p
Variable Defectuosos
Subgroups in Producción
OK
Página 50 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
P Chart of Serv_no_conf
0.35
UCL=0.3324
0.30
1
Proportion
0.25
0.20
_
P=0.1685
0.15
0.10
0.05
LCL=0.0047
0.00
1
3
5
7
9
11
Sample
13
15
17
19
Tests performed with unequal sample sizes
¿Está el proceso de control estadístico? NO
a.
Asumir que se pueden identificar las causas asignables, eliminar el subgrupo 6 que
sale de control y recalcular los límites de control con otra corrida
P Chart of Serv_no_conf
0.35
UCL=0.3199
0.30
Proportion
0.25
0.20
_
P=0.1596
0.15
0.10
0.05
0.00
LCL=0
1
3
5
7
9
11
Sample
13
15
17
19
Tests performed with unequal sample sizes
Página 51 de 181
Página 52 de 181
7
8
9
LSE
10
11
LIE
OPERACIÓN
12
13
P
14
15
NP
MAQUINA / LINEA
16
17
C
18
19
U
CARACTERISTICA
20
21
22
LSC
23
CALIBRADOR
24
25
LIC
26
T. MUESTRA
27
28
29
FRECUENCIA
30
G
H
C
D
H
FALTA DE
REGISTRO
G
D
E
E
D
% RECH.
B
D
CANT. RECH.
A
B
C
CANT. INSP.
A)
B)
C)
D)
F)
G)
DEFECTOS
Fin de corrida de producción
Falta de material
Ajuste de línea y/o Máquina
Cambio de modelo
Fin de turno
Otro ( Indicar )
4.- Indique en el último renglón, y justo
abajo del último subgrupo graficado,
las causas por las cuales se deja de
graficar de acuerdo con la frecuencia
indicada, si es que se presenta el caso.
Utilice las siguientes claves:
3.- Registre las causas del comportamiento
en la bitácora, al reverso de la gráfica,
asi como las acciones realizadas o
propuestas para correguir la falla
2.- Investigue y corrija las causas
del comportamiento ( si es posible )
Si no es posible llama a su supervisor
1.- Encierre en un círculo los patrones
anormales de comportamiento
RECOMENDACIONES
UNIDADES
FECHA TERMINO
TIPO DE EVALUACION
FECHA INICIO
A
HORA
FECHA
6
AREA
No. GRAFICA
INICIALES
L
E
C
T
U
R
A
S
5
4
3
1
2
No. PARTE
MODELO
GRAFICA DE CONTROL POR ATRIBUTOS
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CARTA DE CONTROL np
En lugar de tener fracciones no conformes, si el tamaño de muestra es constante, se pueden
utilizar directamente el número de artículos defectivos o no conformes np, para evitarle
operaciones aritméticas al operador, los parámetros de esta carta son:
LSCnp  np  3 np(1  p)
LCnp  np
LICnp  np  3 np(1  p)
Si no se conoce el valor de p, se puede estimar con la p .
El número de defectivos o no conformes es un entero, por tanto es más fácil de graficar e
interpretar por los operadores que llevan el C.E.P.
Ejemplo: Se toma muestras de tamaño n de muestra constante de 200 servicios. Al
inspeccionar m = 30 muestras se encontraron los siguientes servicios no conformes con
errores en cada una respectivamente:
Serv_Error nPprom
10.60
8
10.60
13
10.60
7
10.60
8
10.60
5
10.60
13
10.60
7
10.60
12
10.60
27
10.60
10
10.60
12
10.60
6
10.60
10
10.60
9
10.60
13
10.60
7
10.60
8
10.60
5
10.60
15
10.60
25
10.60
7
10.6
10
10.6
5
10.6
12
LIC
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
1.095
LSC
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
20.105
Página 53 de 181
CORE TOOLS DE LA AIAG
6
6
10
17
14
11
Prom.=
P. Reyes / mayo 2008
10.6
1.095
10.6
1.095
10.6
1.095
10.6
1.095
10.6
1.095
10.6
1.095
10.6 P prom=
20.105
20.105
20.105
20.105
20.105
20.105
0.053
En Minitab
Stat > Control charts > Attribute charts > np
Variable Serv_no_conf
Subgroups size 200
OK
NP Chart of Serv_Error
30
1
1
Sample Count
25
UCL=20.10
20
15
__
NP=10.6
10
5
LCL=1.10
0
1
4
7
10
13
16
Sample
19
22
25
28
¿Está el proceso en control estadístico? NO
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen
de control y recalcular los límites de control. Repetir tantas veces como sea necesario
hasta tener un proceso estable.
NP Chart of Serv_Error
20
UCL=18.52
Sample Count
15
__
NP=9.5
10
5
LCL=0.48
0
1
4
7
10
13
16
Sample
19
22
25
28
La capacidad del proceso se determina como Cp = (1 – Pmedia)*100 =
Página 54 de 181
Página 55 de 181
7
8
9
LSE
10
11
LIE
OPERACIÓN
12
13
P
14
15
NP
MAQUINA / LINEA
16
17
C
18
19
U
CARACTERISTICA
20
21
22
LSC
23
CALIBRADOR
24
25
LIC
26
T. MUESTRA
27
28
29
FRECUENCIA
30
G
H
C
D
H
FALTA DE
REGISTRO
G
D
E
E
D
% RECH.
B
D
CANT. RECH.
A
B
C
CANT. INSP.
A)
B)
C)
D)
F)
G)
DEFECTOS
Fin de corrida de producción
Falta de material
Ajuste de línea y/o Máquina
Cambio de modelo
Fin de turno
Otro ( Indicar )
4.- Indique en el último renglón, y justo
abajo del último subgrupo graficado,
las causas por las cuales se deja de
graficar de acuerdo con la frecuencia
indicada, si es que se presenta el caso.
Utilice las siguientes claves:
3.- Registre las causas del comportamiento
en la bitácora, al reverso de la gráfica,
asi como las acciones realizadas o
propuestas para correguir la falla
2.- Investigue y corrija las causas
del comportamiento ( si es posible )
Si no es posible llama a su supervisor
1.- Encierre en un círculo los patrones
anormales de comportamiento
RECOMENDACIONES
UNIDADES
FECHA TERMINO
TIPO DE EVALUACION
FECHA INICIO
A
HORA
FECHA
6
AREA
No. GRAFICA
INICIALES
L
E
C
T
U
R
A
S
5
4
3
1
2
No. PARTE
MODELO
GRAFICA DE CONTROL POR ATRIBUTOS
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
donde Pmedia = nPmedia / n = nPmedia / 20. Cp = 95.25%
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CARTAS DE CONTROL PARA NO CONFORMIDADES (DEFECTOS) – c y u
Una no conformidad o defecto es una característica específica que no cumple con la
especificación del producto. Las no conformidades pueden tener una gravedad diferente
desde menores hasta críticas. Se pueden desarrollar cartas de control para el número total de
no conformidades en una unidad o el número promedio de no conformidades por unidad de
inspección.
TAMAÑO DE MUESTRA CONSTANTE - CARTA c
Una unidad de inspección es simplemente una entidad para la cual es conveniente registrar el
número de defectos, puede formarse con 5 unidades de producto, 10 unidades de producto,
etc. Los límites de control para la carta de no conformidades son:
LSCc = c + 3
c
LCc = c
LICc = c - 3
c en el caso que sea negativo toma el valor cero
Ejemplo: los errores encontrados en servicios de mantenimiento preventivo (1 unidad de
inspección = 20 elementos) son respectivamente:
LC = C+C
3raiz*(C )
Errores Cmedia
5.55
9
5.55
11
5.55
2
5.55
5
5.55
15
5.55
13
5.55
8
5.55
7
5.55
5
5.55
2
5.55
4
5.55
4
5.55
2
5.55
5
5.55
5
5.55
2
5.55
3
5.55
2
5.55
1
5.55
6
LIC
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
LSC
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
12.62
Página 56 de 181
CORE TOOLS DE LA AIAG
Prom=
P. Reyes / mayo 2008
5.55
En Minitab
Stat > Control charts > Attribute charts > C
Variable Errores
OK
C Chart of Errores
16
1
14
1
UCL=12.58
Sample Count
12
10
8
_
C=5.53
6
4
2
0
LCL=0
1
3
5
7
9
11
Sample
13
15
¿Está el proceso en control estadístico? Si __
17
19
No __X__
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen
de control y recalcular los límites de control. Repetir tantas veces como sea necesario
hasta tener un proceso estable.
C Chart of Errores
UCL=10.22
10
Sample Count
8
6
_
C=4.13
4
2
0
LCL=0
1
3
5
7
9
Sample
11
13
15
Página 57 de 181
Página 58 de 181
7
8
9
LSE
10
11
LIE
OPERACIÓN
12
13
P
14
15
NP
MAQUINA / LINEA
16
17
C
18
19
U
CARACTERISTICA
20
21
22
LSC
23
CALIBRADOR
24
25
LIC
26
T. MUESTRA
27
28
29
FRECUENCIA
30
G
H
C
D
H
FALTA DE
REGISTRO
G
D
E
E
D
% RECH.
B
D
CANT. RECH.
A
B
C
CANT. INSP.
A)
B)
C)
D)
F)
G)
DEFECTOS
Fin de corrida de producción
Falta de material
Ajuste de línea y/o Máquina
Cambio de modelo
Fin de turno
Otro ( Indicar )
4.- Indique en el último renglón, y justo
abajo del último subgrupo graficado,
las causas por las cuales se deja de
graficar de acuerdo con la frecuencia
indicada, si es que se presenta el caso.
Utilice las siguientes claves:
3.- Registre las causas del comportamiento
en la bitácora, al reverso de la gráfica,
asi como las acciones realizadas o
propuestas para correguir la falla
2.- Investigue y corrija las causas
del comportamiento ( si es posible )
Si no es posible llama a su supervisor
1.- Encierre en un círculo los patrones
anormales de comportamiento
RECOMENDACIONES
UNIDADES
FECHA TERMINO
TIPO DE EVALUACION
FECHA INICIO
A
HORA
FECHA
6
AREA
No. GRAFICA
INICIALES
L
E
C
T
U
R
A
S
5
4
3
1
2
No. PARTE
MODELO
GRAFICA DE CONTROL POR ATRIBUTOS
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
La capacidad del proceso se determina con el número de errores máximo aceptable.
Por ejemplo si el LSE = 5, la media es 4.13 y la probabilidad de Poisson para encontrar
cero defectuosos es: Poisson(5, 4.13, 1) = 0.7644 o 76.44%
Para la investigación de los defectos se sugiere realizar un Diagrama de Pareto con los defectos
registrados en la carta de control, para tomar acciones.
Diagrama de Pareto – Se utiliza para identificar problemas o causas principales:
Ejemplo: Se tienen los defectos siguientes:
A. Emulsión
20
B. Grasa
60
C. Derrame
80
D. Tapa barrida
30
E. Mal impresa
10
Construir un diagrama de Pareto y su línea acumulativa
Pareto Chart of C1
200
100
Count
60
100
40
50
0
C1
Count
Percent
Cum %
Percent
80
150
20
C
80
40.0
40.0
B
60
30.0
70.0
D
30
15.0
85.0
A
20
10.0
95.0
Other
10
5.0
100.0
0
Diagrama de Pareto
Ejercicio: Hacer un diagrama de Pareto con los principales defectos en una línea:
Tipo de defecto
A
B
C
D
E
Frecuencia
Descripción del defecto
Frecuencia
%
Página 59 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Conclusiones:
Carta u
Si se encuentra un total de c no conformidades en la muestra de n unidades de inspección,
entonces el promedio de no conformidades por unidad de inspección u es:
u
c
n
Los límites de control son:
LSCu  u  3
u
n
LCu  u
LSCu  u  3
u
n
Donde u representa el número promedio de no conformidades por unidad en un conjunto de
datos preliminar. Los límites anteriores se consideran límites preliminares.
Ejemplo: Obtener una carta u para los Defectos encontrados en lotes de Facturas
variables:
LC=UU
+3*raiz(U/ni)
Ui
Umedia
LIC
LSC
Defectos Facturas
0.082
0.055
0
0.12
9
110
0.109
0.055
0
0.12
11
101
Página 60 de 181
CORE TOOLS DE LA AIAG
2
5
15
13
8
7
5
2
4
4
2
5
5
2
3
2
1
6
98
105
110
100
98
99
100
100
102
98
99
105
104
100
103
100
98
102
Umedia
P. Reyes / mayo 2008
0.020
0.048
0.136
0.130
0.082
0.071
0.050
0.020
0.039
0.041
0.020
0.048
0.048
0.020
0.029
0.020
0.010
0.059
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0.055
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.13
0.12
0.12
0.12
0.13
0.13
0.12
0.12
0.12
0.13
0.13
0.12
0.12
0.12
0.12
0.12
0.13
0.12
En Minitab, copiar los datos de Defectos y Facturas en dos columnas de Minitab
Stat > Control charts > Attribute > u
Variable Defectos
Subgroups in Facturas
OK
U Chart of Defectos
1
0.14
1
UCL=0.1241
Sample Count Per Unit
0.12
0.10
0.08
_
U=0.0546
0.06
0.04
0.02
0.00
LCL=0
1
3
5
7
9
11
Sample
13
15
17
19
Tests performed with unequal sample sizes
¿Está el proceso en control estadístico? Si____
No X_____
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen de
control y recalcular los límites de control
Página 61 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
U Chart of Defectos
0.12
UCL=0.1090
Sample Count Per Unit
0.10
0.08
0.06
_
U=0.0456
0.04
0.02
0.00
LCL=0
1
3
5
7
9
11
Sample
13
15
Tests performed with unequal sample sizes
Página 62 de 181
17
Página 63 de 181
7
8
9
LSE
10
11
LIE
OPERACIÓN
12
13
P
14
15
NP
MAQUINA / LINEA
16
17
C
18
19
U
CARACTERISTICA
20
21
22
LSC
23
CALIBRADOR
24
25
LIC
26
T. MUESTRA
27
28
29
FRECUENCIA
30
G
H
C
D
H
FALTA DE
REGISTRO
G
D
E
E
D
% RECH.
B
D
CANT. RECH.
A
B
C
CANT. INSP.
A)
B)
C)
D)
F)
G)
DEFECTOS
Fin de corrida de producción
Falta de material
Ajuste de línea y/o Máquina
Cambio de modelo
Fin de turno
Otro ( Indicar )
4.- Indique en el último renglón, y justo
abajo del último subgrupo graficado,
las causas por las cuales se deja de
graficar de acuerdo con la frecuencia
indicada, si es que se presenta el caso.
Utilice las siguientes claves:
3.- Registre las causas del comportamiento
en la bitácora, al reverso de la gráfica,
asi como las acciones realizadas o
propuestas para correguir la falla
2.- Investigue y corrija las causas
del comportamiento ( si es posible )
Si no es posible llama a su supervisor
1.- Encierre en un círculo los patrones
anormales de comportamiento
RECOMENDACIONES
UNIDADES
FECHA TERMINO
TIPO DE EVALUACION
FECHA INICIO
A
HORA
FECHA
6
AREA
No. GRAFICA
INICIALES
L
E
C
T
U
R
A
S
5
4
3
1
2
No. PARTE
MODELO
GRAFICA DE CONTROL POR ATRIBUTOS
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 64 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
LSE
Especificación
superior
LIE
Especificación
inferior
Z
s
xi
_
X
p = porcentaje de partes fuera de Especificaciones
Capacidad del proceso
Página 65 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 66 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 67 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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 68 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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.
 1 
100
P  
 Cp 
Página 69 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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.
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,
Página 70 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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

1V 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:
Si T es el centro de las especificaciones.
C pkm 
Cpk
  T 
1 

  
2
Página 71 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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 =
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:
Página 72 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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 =
h) Real Cpk =
Conclusiones _
i) ¿Qué se puede hacer para mejorar el Cpk? _
Ejemplo:
Página 73 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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
Capacidad de procesos no normales
Cuando los datos provienen de poblaciones no normales una opción para realizar el estudio de
capacidad de procesos es mediante la distribución Weibull.
Página 74 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Ejemplo en Minitab
En una compañía se manufacturan losetas para piso, el problema que se tiene es referente a la
deformación en las mismas. Se toman 100 mediciones durante 10 días. El límite superior de
especificación (USL) = 3.5 mm Realice un estudio de capacidad con la ayuda de Minitab e
interprete los resultados.
Generar 100 datos aleatorios en Minitab con Factor de forma = 1, Factor de escala = 1 con
5. Calc > Random data > Weibull
6. Generate 100 Store in columns C1 Shape parameter 1.2 Scale parameter 1
Threshold parameter 0 OK
Considerando Límites de especificaciones LIE = 0 y LSE = 3.5
Determinar la capacidad con:
1. Stat > Quality tools > Capability análisis > NoNormal
2. Single column C1 Dsitribution Weibull Lower Spec 0 Upper spec 3.5
3. Estimate R-bar OK
Los resultados se muestran a continuación:
Process Capability of Datos1
Calculations Based on Weibull Distribution Model
USL
P rocess D ata
LS L
Target
USL
S ample M ean
S ample N
S hape
S cale
O v erall C apability
Pp
*
PPL
*
PPU
0.85
P pk
0.85
*
*
3.50000
0.82279
100
1.24929
0.88470
E xp. O v erall P erformance
P P M < LS L
*
P P M > U S L 3795.26
P P M Total 3795.26
O bserv ed P erformance
P P M < LS L
*
P P M > U S L 10000
P P M Total
10000
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
El histograma no muestra evidencia de alguna discrepancia seria entre el modelo y los datos,
ya que la curva muestra buen ajuste. Sin embargo observamos que algunos datos caen fuera
Página 75 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
del límite superior de especificación. Lo cual quiere decir que en algunos casos la deformación
será mayor a 3.5 mm.
El índice Ppk y Ppu2 = 0.85 lo cual nos dice que el desempeño del proceso no es capaz ya que
0.85<.1.33.
También observamos que PPM > USL 3,795 lo cual significa que aproximadamente 3,795 PPM
estarán fuera de los límites de especificaciones.
También se cuenta con la opción Six Pack para esta opción.
2
Los índices Pp y Ppk son similares a los índices Cp y Cpk , se refieren a la capacidad del proceso a largo
plazo.
Página 76 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
4. Análisis de sistemas de medición (MSA)
Propósito
Presentar una guía para evaluar la calidad de un sistema de medición. Este material se enfoca
no en un compendio de análisis para todos los sistemas de medición, se enfoca principalmente
en sistemas de medición donde sus lecturas puedan ser repetidas en cada parte.
Definiciones y terminología
Medición: asignación de números [o valores] a cosas materiales para representar las
relaciones entre ellos con respecto a propiedades particulares.
Calibre o escantillón (gage): dispositivo utilizado para obtener mediciones; utilizado
frecuentemente para referirse específicamente a los dispositivos utilizados en el piso de
manufactura.
Sistema de medición: es el grupo de instrumentos o calibres, estándar, operaciones, métodos,
dispositivos, software, personal, medio ambiente y supuestos utilizados para cuantificar una
unidad de medida o valoración determinada al rasgo de la característica medida; proceso
completo utilizado para obtener mediciones.
Estándar: base aceptada para comparación, criterio de aceptación, valor conocido, dentro de
límites establecidos de incertidumbre, aceptado como un valor verdadero, valor de referencia
Un estándar debe ser una definición operacional: una definición la cual produce los mismos
resultados cuando es aplicado por el proveedor o cliente, con el mismo significado ayer, hoy y
mañana
Discriminación, legibilidad, resolución: alias: unidad legible más pequeña, medición de
resolución, límite de escala o detección del límite. Unidad de escala más pequeña de medida o
producción para un instrumento. 10 a 1 de modo empírico. Reportado como unidad de
medida.
Discriminación: La discriminación es la cantidad de cambio de un valor de referencia que un
instrumento puede detectar e indicar. Esto también es referido como resolución o legibilidad.
La medida de esta habilidad es el valor de la graduación más pequeña de la escala del
instrumento. La regla 10 a 1 se interpreta como que el equipo de medición tiene la capacidad
para discriminar al menos un décimo de la variación del proceso.
Página 77 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Debido a las limitaciones físicas y económicas, el sistema de medición no nota todas las partes
de la distribución de un proceso teniendo características separadas o de diferente medida. En
lugar de eso la característica medida será agrupada por los valores medidos dentro de
categorías de datos. Todas las partes de la misma categoría de datos tendrán el mismo valor
para las características medidas.
Regla
Intervalo medio
Si al sistema de medición no tiene discriminación (sensibilidad de una resolución efectiva),
puede no ser un sistema apropiado para identificar la variación del proceso o cuantificar los
valores de una característica individual de la parte. En este caso se deben utilizar mejores
técnicas de medición.
La discriminación es inaceptable para análisis si este no puede detectar la variación del
proceso, e inaceptable para el control si no puede detectar la variación de causas especiales.
Número de categorías
1 categoría de datos
2 - 4 categorías de datos
Control
Puede ser utilizado para
control solo si:
 La variación del
proceso es pequeña
al compararla a las
especificaciones
 La fuente principal de
variación causa un
cambio en el
promedio
 Puede ser utilizado
con técnicas de
control semivariables basadas en
la distribución del
proceso
 Puede producir cartas
de control por
variables insensibles
Página 78 de 181


Análisis
Inaceptable para
la estimación de
parámetros del
proceso e índices
Sólo indica si el
proceso está
produciendo
partes conformes
o no conformes
- generalmente no
aceptable para
estimación de
parámetros de proceso e
índices ya que sólo
proporciona estimados
gruesos
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008

Puede ser utilizado
con cartas de control
por variables
Recomendado
5 o más categorías de datos
Impacto del número de categorías distintas (ndc) de la distribución del proceso en actividades
de control y análisis
Los síntomas de discriminación inadecuada pueden aparecer en la carta de rangos.
Resolución efectiva: la sensibilidad de un sistema de medición a una variación del proceso
para una aplicación particular. Reportado siempre como una unidad de medida
Valor de referencia: Valor aceptado de un artefacto. Requiere una definición operacional.
Utilizado como el sustituto para el valor verdadero
Valor verdadero: Valor actual de un artefacto. Desconocido y incognoscible
Estándar de trabajo: Un estándar cuyo uso intencionado es realizar mediciones de
rutina dentro del laboratorio, no proyectado como un estándar de calibración sino más
bien utilizado como un estándar de transferencia.
Estándar de referencia
Patrón
Equi
po
de
Medi
ción
y
prue
ba
Estándar de transferencia
Estándar de calibración
Estándar de transferencia
Estándar de trabajo
Verificación de
estándar
Relación entre varios estándares
Página 79 de 181
Patrón
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Incertidumbre en la medición: Incertidumbre de la medición es un término que es utilizado
internacionalmente para describir la calidad de un valor de medición, los estándares del
sistema de calidad ISO/IEC TS16949 requieren que, “la incertidumbre en la medición debe ser
conocida y consistente con la capacidad de medición requerida de cualquier inspección,
medición o equipo de prueba”.
La incertidumbre es el rango asignado al resultado de la medición que describe, dentro de un
nivel de confianza definido, el rango esperado que contenga el resultado de medición
verdadero. La incertidumbre es una expresión cuantificable de la confiabilidad de la medición.
Una expresión simple de este concepto es:
Medición verdadera = medición observada (resultado)  U
U es el término para “incertidumbre ampliada” del resultado de la medición. La incertidumbre
ampliada es el error combinado estándar (uc) o desviación estándar de los errores combinados
(al azar y sistemático), en el proceso de medición multiplicado por un factor de protección (k)
que representa el área de la curva normal para un nivel de confianza deseado. Una
distribución normal es aplicada como principio de suposición para los sistemas de medición. La
guía para la incertidumbre en la medición del ISO/IEC establece el factor de protección
suficiente para reportar la incertidumbre al 95% de la distribución normal. Esto es interpretado
como k = 2.
U  kuC
El error combinado estándar (uc) incluye todos los componentes significantes de variación en
el proceso de medición.
Incertidumbre de la medición y MSA: La mayor diferencia entre incertidumbre y el MSA es
que el MSA se enfoca en la comprensión del proceso de medición, determinando la cantidad
de error en el proceso, y evaluando la adecuación del sistema de medición para el control del
producto y del proceso. El MSA promueve la comprensión y mejora (reducción de variación).
La incertidumbre es el rango de valores de medición, definido por un intervalo de confianza,
Página 80 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
asociado con un resultado de medición y esperando que incluya el valor verdadero de
medición.
Trazabilidad de Medición: La trazabilidad es la característica de medición o el valor de un
estándar por medio del cual este puede ser relacionado a referencias establecidas, usualmente
estándares nacionales o internacionales, mediante una cadena intacta de comparaciones
teniendo todas establecidas la incertidumbre. Al incluir tanto el término de las fuentes de
variación de la medición a corto y largo plazo que son presentados por el sistema de medición
y la cadena de trazabilidad, la incertidumbre de medición del sistema de medición puede ser
evaluada asegurando que todos los efectos de trazabilidad son tomados en cuenta.
Fuentes de la Variación del Proceso y errores de medición
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
Definición de errores en la medición
Reproducibilidad: La reproducibilidad se relaciona con la variabilidad entre evaluadores
(between appraisers). Es definida como la variación en el promedio de mediciones hechas por
Página 81 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
varios evaluadores utilizando el mismo instrumento de medición cuando se mide la misma
característica idéntica en la misma parte. Es verdadero para instrumentos manuales
influenciados por la habilidad del operador. No es verdadero para procesos de medición
(sistemas automatizados) donde el operador no es la mayor fuente de variación. Por esta
razón, la reproducibilidad es referida como el promedio de variación entre sistemas o entre
condiciones de medición.
Reproducibilidad
Evaluador
A
C
B
La definición del ASTM va más allá de esto para incluir no sólo diferentes evaluadores sino
también diferentes: gages, laboratorios y medio ambiente (temperatura, humedad) así como
incluir repetibilidad en el cálculo de la reproducibilidad.
Repetibilidad: es la variabilidad “dentro de los evaluadores (within appraiser)”. Es la variación
en mediciones obtenidas con un instrumento de medición mientras se mide la
característica idéntica en la misma parte. Esta es la variación inherente o capacidad del
equipo por si mismo (Equipment Variation). La repetibilidad es variación de causas
comunes (Error al azar) de pruebas sucesivas bajo condiciones definidas de medición. El
mejor término para la repetibilidad es la variación dentro del sistema (Within) cuando las
condiciones de medición son fijas y definidas – parte fija, instrumento, estándar, método,
operador, medio ambiente. La repetibilidad también incluye toda la variabilidad dentro del
sistema de cualquier otra condición del erro muestra.
REPETIBILIDAD
Evaluación de la repetibilidad
Página 82 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
R&R o GRR del calibre, escantillón o gage
Es un estimado de variación combinada de repetibilidad y reproducibilidad. Dicho de
otra forma, GRR es la varianza igual a la suma de las varianzas dentro del sistema y
entre sistema.
2
2
2
 GRR
  reproducib
ilidad   repetitividad
Valor verdadero: Valor correcto teórico / estándares NIST3
Precisión: Es la habilidad de repetir la misma medida cerca o dentro de una misma zona
Exactitud o sesgo: Es la diferencia entre el promedio del número de medidas y el valor
verdadero.
Preciso pero no exacto
Exacto pero no preciso
Exacto y preciso
(resolución)
Evaluación de la precisión y exactitud
El sesgo es la diferencia entre el valor verdadero (valor de referencia) y el promedio de
mediciones observadas en la misma característica en la misma parte. El sesgo es la medida del
error sistemático del sistema de medición. Es la contribución al error total comprendido de los
efectos combinados de todas las fuentes de variación, conocidas o desconocidas, cuyas
contribuciones al error total tiende a compensar consistentemente y de manera predecible
todos los resultados de las aplicaciones repetidas del mismo proceso de medición en el tiempo
de las mediciones.
3
·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 83 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
De referencia
Valor

Verdadero
Sesgo
Promedio de
mediciones
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.
Estabilidad
Valor de referencia
Linealidad: es la diferencia de sesgo a través del rango (medición) de operación esperada del
equipo es llamada linealidad. La linealidad puede ser pensada como un cambio de sesgo con
respecto al tamaño.
Sesgo
Sesgo
Valor 1
Valor N
Página 84 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Note que una linealidad inaceptable puede venir en una variedad de sabores. No asumir un
sesgo constante.
Observado
Línea de sesgo cero
Linealidad – sesgo no constante
Valores de referencia
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.
Estudio de R&R Método del rango
Este método proporcionará únicamente el panorama completo del sistema de medición. No
analiza la variabilidad en la repetibilidad y reproducibilidad. Es utilizado como un chequeo
rápido para verificar que el GRR no ha cambiado.
Este método tiene el potencial de detectar un sistema de medición inaceptable 80% de las
veces con un tamaño de muestra de 5 y un 90% con un tamaño de muestra de 10. Este
método normalmente emplea dos evaluadores y cinco partes para el estudio. Ambos
evaluadores miden las mismas partes. El rango para cada parte es la diferencia absoluta entre
Página 85 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
la medición obtenida por el evaluador A y la medición obtenida por el evaluador B. La suma de
las distancias es encontrada y la distancia promedio ( R ) es calculada.
La variabilidad total de medición se encuentra al multiplicar la distancia promedio por
1
d 2*
donde d 2* se encuentra en el apéndice C, con m = 2 y g = número de partes.
Partes
1
2
3
4
5
Tasador A
0.85
0.75
1.00
0.45
0.50
Rango promedio ( R ) =
Tasador B
0.80
0.70
0.95
0.55
0.60
R
i
5

Distancia (A,B)
0.05
0.05
0.05
0.10
0.10
0.35
 0.07
5
 R   R   0.07 
 

 d *    1.19    1.19   0.0588
 2 

GRR = 
(Desviación estándar del proceso = 0.0777 de estudio previo)


GRR
  75.7%
 Desviación estándar del proceso
% GRR = 100 * 
Estudio de calibre o gage (método del rango)
Para determinar qué porcentaje de la desviación estándar del proceso de la variación consume
el sistema de medición, convierta el GRR en un porcentaje al multiplicarlo por 100 y dividirlo
entre la desviación estándar del proceso. En el ejemplo, la desviación estándar del proceso es
0.0777,


GRR
  75.7%
 Desviación estándar del proceso
% GRR = 100 * 
Se concluye que el sistema de medición necesita mejora.
Página 86 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 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

Desviaciones estándar de cada uno de los conceptos mencionados

Análisis del porcentaje de tolerancia
Página 87 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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.
Cálculos numéricos
La repetibilidad de calibre o gage y cálculos de reproducibilidad son mostradas en las
siguientes dos figuras.
Tasador / PARTE
PROMEDIO
prueba
1
2
3
4
5
6
7
8
9
10
1A
1
0.29
-0.56
1.34
0.47
-0.80
0.02
0.59
-0.31
2.26
-1.36
0.1
2
2 0.41
-0.68
1.17
0.50
-0.92
-0.11
0.75
-0.20
1.99
-1.25
0.1
3
3 0.64
-0.58
1.27
0.64
-0.84
-0.21
0.66
-0.17
2.01
-1.31
0.2
4 Promedio
0.447
-0.607
1.260
0.537
-0.853
-0.100
0.667
-0.227
2.087
-1.307 X a  0.19
5 Rango
0.35
0.12
0.17
0.17
0.12
0.23
0.16
0.14
0.27
0.11 R a  0.1
6B
1 0.08
-0.47
1.19
0.01
-0.56
-0.20
0.47
-0.63
1.80
-1.68
0.0
7
2 0.25
-1.22
0.94
1.03
-1.20
0.22
0.55
0.08
2.12
-1.62
0.1
8
3 0.07
-0.68
1.34
0.20
-1.28
0.06
0.83
-0.34
2.19
-1.50
0.0
9 Promedio
0.133
-0.790
1.157
0.413
-1.013
0.027
0.617
-0.297
2.037
-1.600 X b  0.06
10 Rango
0.18
0.75
0.40
1.02
0.72
0.42
0.36
0.71
0.39
0.18 R b  0.5
11 C
1 0.04
-1.38
0.88
0.14
-1.46
-0.29
0.02
-0.46
1.77
-1.49
-0.2
12
2 -0.11
-1.13
1.09
0.20
-1.07
-0.67
0.01
-0.56
1.45
-1.77
-0.2
13
3 -0.15
-0.96
0.67
0.11
-1.45
-0.49
0.21
-0.49
1.87
-2.16
-0.2
14 Promedio
0.073
-1.157
0.880
0.150
-1.327
-0.483
0.080
-0.503
1.697
-1.807 X c  -0.25
15 Rango
0.19
0.42
0.42
0.09
0.39
0.38
0.20
0.10
0.42
0.67
0.3
Promedio de
16 parte
0.169
-0.851
1.099
0.367
-1.064
-0.186
-0.454
-0.342
1.940
-1.571 R p  0.00
17 R = Ra  0.184  Rb  0.513  Rc  0.328 / # det asadores  3 
X  3.5
18 X DIFF  Max X  0.1903  Min X  0.2543  0.4446
R  0.34
19 *UCL = R  0.3417 xD 4  2.58   UCL R  0.8816
*D 4= 3.27 para 2 pruebas y 2.58 para 3 pruebas, representa el límite de R’s individuales. Circule aquellos que están más allá de este límite. Identifique la causa y corrija







 


Repita estas lecturas utilizando el mismo tasador y unidad como se utilizó originalmente o descarte valores y re-promedio y recompute yRlos valores
limitantes de las observaciones restantes.
Notas:_______________________________________________________________________________________________________________________
El procedimiento para hacer los cálculos después de que los datos han sido recolectados es el
siguiente:
Página 88 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
1) Reste la lectura más pequeña de la más grande en las filas 1, 2 y 3; ingrese el resultado
en la fila 5. Haga lo mismo para las filas 6, 7 y 8; y 11, 12 y 13 e ingrese los resultados
en las filas 10 y 15 respectivamente.
2) Las entradas en las filas 5, 10 y 15 son campos y siempre serán valores positivos.
3) Total de la fila 5 y divida el total por el número de partes muestreadas para obtener el
promedio para las primeras pruebas del evaluador R a . Haga lo mismo para las filas 10
y 15 para obtener R b y
Rc
4) Transfiera los promedios de las filas 5, 10 y 15 ( R a , R b , R c ) a la fila 17. Júntelos y
divídalos por el número de evaluadores e ingrese el resultado R (promedio de todos
los campos)
5) Ingrese R (valor promedio) en filas 19 y multiplique por D4 para obtener el límite de
control superior. D4 es 3.27 si son utilizadas dos pruebas. El valor del límite de control
superior (UCLR) de los campos individuales es ingresado a la fila 19.
6) Repita cualquier lectura que produzca un campo mayor que el UCLR calculado,
utilizando el mismo evaluador y parte como se utilizó originalmente, o descarte esos
valores y re- promedie el límite superior de control UCLR con base en el tamaño de
muestra revisada,
7) Sume las filas (fila 1, 2, 3, 6, 7, 8, 11, 12 y 13). Divida la suma en cada fila por el número
de partes muestreadas e ingrese esos valores en la columna de la derecha llamada
“promedio”
8) Agregue los promedios en las filas 1, 2 y 3 y divida el total por el número de pruebas e
ingrese el valor en la fila 4 en el bloque X a . Repita esta operación para las filas 6, 7 y
8; 11, 12 y 13 e ingrese los resultados en los bloque para X b y X c en las filas 9 y 14
respectivamente
9) Ingrese los promedios máximos y mínimos de las filas 4, 9 y 14 en el espacio apropiado
en la fila 18 y determine las diferencias. Ingrese la diferencia en el espacio etiquetado:
X DIFF en la fila 18
10) Sume las mediciones para cada prueba, para cada parte y divida el total por el número
de mediciones (número de pruebas número de veces de evaluadores). Ingrese los
resultados en la fila 16 en los espacios proporcionados para el promedio de parte.
Página 89 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
11) Reste el promedio más pequeño de parte del promedio más alto de parte e ingrese el
resultado en el espacio etiquetado R p en la fila 16. R p es el campo de promedios de
parte
Lo siguiente se refiere a la figura 25
12) Transferir los valores calculados de R , X DIFF y R p en los espacios vacíos
proporcionados en el lado del reporte.
13) Realice los cálculos bajo la columna titulada “Análisis de unidad de medición” del lado
izquierdo del formato
14) Realice los cálculos bajo la columna titulada “% variación total” del lado derecho del
formato
15) Verifique los resultados para asegurarse de no haber cometido errores.
Hoja de recolección de datos de medida de repetibilidad y reproducibilidad con datos y
cálculos realizados.
Página 90 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Repetitividad de medida y reporte de reproducibilidad
No. de parte y nombre:
Características:
Especificaciones:
Nombre de medida:
Medida No.:
Tipo de medida:
R  0 . 3417
De hoja de datos:
X
DIFF
Análisis de unidad de medición
Repetitividad-Variación de equipo (EV )
EV  RxK1
=0.3417 x 0.5908
=0.20188
Pruebas
2
3
Reproducibilidad - Variación del tasador (AV )
AV 
=

X
DIFF
xK 2
  EV
2
2
K1
Fecha:
Realizado por:
R p  3.511
 0 . 4446
% de variación total (TV )
%EV = 100[EV/TV ]
= 100[0.20188/1.14610]
= 17.62%
0.8862
0.5908

/ nr
0.4446 x0.52312  0.20188 2 / 10 x3
%AV = 100[AV/TV ]
= 100 [0.22963/1.14610]
= 20.04%
= 0.22963
Tasador
n = partes
r = pruebas
K2
Repetitividad y reproducibilidad (GRR )
GRR =
EV 2  AV 2
0.20188
2
 0.22963 2
2
0.7071
3
0.5231
% GRR= 100[GRR /TV ]
= 100[0.30575/1.14610]
= 26.68%

K3
Partes
2
0.7071
3
0.5231
% PV = 100[PV /TV ]
4
0.4467
= 100[1.10456/1.14610]
5
0.4030
= 96.38%
6
0.3742
7
0.3534
ndc =
8
0.3375
= 1.41(1.10456/0.30575)
2
2
= 0.30575  1.10456
9
0.3249
= 5.094~5
=
1.14610
10
0.3146
Para información sobre la teoría y constantes utilizadas en el formato vea MSA manual de referencia, tercera edición
=
= 0.30575
Variación de parte (PV )
PV = R p xK3
= 1.10456
Variación Total (TV )
TV= GRR2  PV 2


Reporte de repetibilidad de medida y reproducibilidad
Análisis de resultados numérico
Las figuras anteriormente mostradas proporcionarán un método para el análisis numérico de
los datos de estudio. El análisis estimará la variación y porcentaje de variación del proceso para
el sistema de medición total y sus componentes de repetibilidad, reproducibilidad y variación
de parte.
En el lado izquierdo de la figura 25, la desviación estándar es calculada para cada componente
de variación. La repetibilidad o variación de equipo (EV o

 E ) es determinada multiplicando
el campo promedio R por una constante (k1). k1 dependiendo del número de pruebas
utilizadas en el estudio de calibre es igual a la inversa de d 2* es dependiente del número de
evaluadores (m) y g = 1. Desde que la variación del evaluador está contaminada por la
Página 91 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
variación en el equipo, debe ser ajustada mediante la sustracción de una fracción de la
variación del equipo. La variación del evaluador (AV) es calculada por:
AV 
X
DIFF
xK 2

2

EV 2
nr
donde n = número de partes y r = número de pruebas
La variación del sistema de medición para la repetibilidad y reproducibilidad (GRR o  M ) es
calculada al añadir el cuadrado de la variación del equipo y el cuadrado de la variación del
evaluador, y tomando la raíz cuadrada de la siguiente manera:
GRR 
EV 2  ( AV ) 2
La variación de la parte (PV o  p ) se determina al multiplicar el rango de los promedios de
parte ( R p ) por una constante K 3  . K 3  depende del número de partes utilizadas en el
estudio de medida y es el inverso de d 2* que se obtiene del apéndice C. d 2* es dependiente del
número de partes (m) y (g). En esta situación g = 1 pues es sólo una medida de cálculo.
Si la variación del proceso es conocida y su valor está basado en 6 , puede ser utilizado en
lugar de la variación total del estudio (TV) calculada de los datos de estudio del calibre. Para lo
cual se realizan los siguientes dos cálculos:
1) TV 
var iacióndelp roceso
6.00
2) PV 
TV 2  GRR 2
Una vez que la variabilidad para cada factor en el estudio de calibre es determinado, puede ser
comparada a la variación total (TV). Este se cumple al realizar los cálculos al lado derecho del
reporte de medida de la figura 25 bajo “% Variación total”.
Página 92 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
El porcentaje de consumo de la variación del equipo (%EV) de la variación total es calculado
por 100[EV/TV].
La suma de los porcentajes consumidos por cada factor no serán igual al 100%
El resultado de esta variación total de porcentaje necesita ser evaluado para determinar si el
sistema de medición es aceptable para esta aplicación.
Si el análisis está basado en la tolerancia en lugar de la variación del proceso, entonces el
reporte de repetibilidad y reproducibilidad de medida (fig. 25) puede ser modificado por lo que
el lado derecho represente el porcentaje de tolerancia en lugar del porcentaje de la variación
total. En tal caso, % EV, % AV, %GRR y % PV son calculados por sustitución del valor de
tolerancia dividido por seis en el denominador de los cálculos en lugar de la variación total.
En paso final en el análisis numérico es determinar el número de distintas categorías que
pueden ser distinguidas por el sistema de medición.
Análisis gráfico
Un método gráfico que es sugerido es el de diagrama de interacción. Confirma los resultados
de la prueba F donde la interacción es o no significativa. Aquí se grafica, el promedio de
medición de evaluador por parte contra número de parte (1, 2, 3...etc.). Los puntos para cada
promedio por evaluador son conectados para formar k líneas (número de evaluadores). La
manera para interpretar la gráfica es si las líneas K son paralelas no existe término de
interacción. Donde las líneas no son paralelas, la interacción puede ser significativa.
Ejemplo: Método de X-R en Minitab:
Página 93 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
0. File > Open worksheet > Gageaiag.mtw
1. STAT>QUALITY TOOLS>GAGE STUDY > Gage R&R (Crossed)
2. Seleccione C1 (parte), C2 (operador), C3 (Medición)
3. Método de Análisis Xbar and R
4. En Options Seleccionar: Study variation 5.15
Process tolerance 12
Alfa to remove
interaction 0.25
5. OK
Los resultados son los siguientes:
Gage R&R Study - XBar/R Method
Source
Total Gage R&R
Repeatability
Reproducibility
Part-To-Part
Total Variation
VarComp
0.09357
0.04073
0.05284
1.21909
1.31266
%Contribution
(of VarComp)
7.13
3.10
4.03
92.87
100.00
Process tolerance = 12
Source
Total Gage R&R
Repeatability
Reproducibility
Part-To-Part
Total Variation
StdDev (SD)
0.30589
0.20181
0.22988
1.10412
1.14571
Study Var
(5.15 * SD)
1.57535
1.03933
1.18386
5.68623
5.90042
%Study Var
(%SV)
26.70
17.61
20.06
96.37
100.00
%Tolerance
(SV/Toler)
13.13
8.66
9.87
47.39
49.17
Number of Distinct Categories = 5
Gage R&R for Measurement
Gage R&R (Xbar/R) for Measurement
Reported by :
Tolerance:
M isc:
G age name:
Date of study :
Components of Variation
Measurement by Part
100
% Contribution
2
Percent
% Study Var
% Tolerance
0
50
0
-2
Gage R&R
Repeat
Reprod
1
Part-to-Part
2
3
Sample Range
A
B
UCL=0.880
0.5
_
R=0.342
0.0
LCL=0
B
-2
8
9
10
-2
A
B
Operator
C
Operator * Part Interaction
C
2
_
_
UCL=0.351
X=0.001
LCL=-0.348
Average
Sample Mean
7
0
2
0
6
2
Xbar Chart by Operator
A
5
Measurement by Operator
C
1.0
4
Part
R Chart by Operator
Operator
A
B
C
0
-2
1
2
Página 94 de 181
3
4
5
6
Part
7
8
9
10
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
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%.
Carta de promedios
Los promedios de las lecturas múltiples de cada evaluador en cada parte son graficadas por el
evaluador con el número de parte como un índice. Esto puede ayudar a determinar
consistencia entre los evaluadores. La gráfica de promedio resultante proporciona un
indicador de “usabilidad” del sistema de medición.
El área dentro de los límites de control representa la sensibilidad (ruido) de la medición. Dado
que el grupo de partes utilizadas en el estudio representan la variación del proceso,
aproximadamente la mitad o más de la mitad de los promedios caerán fuera de los límites de
control. Si los datos muestran este patrón, entonces el sistema de medición puede
proporcionar información útil para el análisis y control del proceso.
La revisión de las gráficas indica que el sistema de medición aparenta tener suficiente
discriminación para procesos con variación descritas por la muestra de las partes.
Cartas de rango
La gráfica de control de rango es utilizada para determinar si el proceso está en control. La
razón de esto es que no importa que tan grande sea el error de medición, los límites de control
permitirán ese error. Es por eso que las causas especiales necesitan ser identificadas y
removidas antes de realizar un estudio de medición.
Los rangos de lecturas múltiples de cada evaluador sobre cada parte son graficados en una
carta de rango estándar incluyendo el rango promedio y los límites de control.
Si un evaluador está fuera de control, el método utilizado difiere de otros. Si todos los
evaluadores tienen algunos campos fuera de control, el sistema de medición es sensible a la
técnica del evaluador y es necesario mejorar para obtener datos confiables.
Página 95 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
La carta de rango puede ayudar en la determinación de:

Control estadístico con respecto a la repetibilidad

Consistencia del proceso de medición entre evaluadores para cada parte.
Una revisión de las cartas de control indica que hay diferencia de variabilidad entre los
evaluadores, el evaluador B debe repetir las mediciones en la parte 4.
Carta de tendencia
Las lecturas individuales son graficadas por parte para todos los evaluadores para tener idea
de:

el efecto de las partes individuales en la consistencia de variación

indicación de lecturas anormales.
La revisión de la carta no indica puntos aberrantes (outliers) o partes no consistentes.
II. Método ANOVA
En el análisis de varianza, la variación puede ser descompuesta en cuatro categorías: partes,
evaluadores, interacción entre partes y evaluadores, y error de replica debido al calibre.

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.
Página 96 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008

Calcula las varianzas en forma más precisa.

Los cálculos numéricos requieren de una computadora.
Las ventajas de las técnicas ANOVA en comparación con los métodos de promedio y ranggo
son:

Tienen la capacidad de manejar cualquier ajuste experimental

Pueden estimar las variaciones de manera más precisa

Extraen más información (tal como la interacción entre partes y efecto por el
evaluador) de los datos experimentales.

El Método ANOVA es más preciso
Ejemplo: Método de ANOVA en Minitab:
0. File > Open worksheet > Gageaiag.mtw
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 12
interaction 0.25
5. OK
Two-Way ANOVA Table With Interaction
Source
Part
Operator
Part * Operator
Repeatability
Total
DF
9
2
18
60
89
SS
88.3619
3.1673
0.3590
2.7589
94.6471
MS
9.81799
1.58363
0.01994
0.04598
F
492.291
79.406
0.434
P
0.000
0.000
0.974
Alpha to remove interaction term = 0.25
Two-Way ANOVA Table Without Interaction
Source
Part
Operator
Repeatability
Total
DF
9
2
78
89
SS
88.3619
3.1673
3.1179
94.6471
Source
Total Gage R&R
Repeatability
Reproducibility
Operator
VarComp
0.09143
0.03997
0.05146
0.05146
MS
9.81799
1.58363
0.03997
F
245.614
39.617
P
0.000
0.000
Gage R&R
%Contribution
(of VarComp)
7.76
3.39
4.37
4.37
Página 97 de 181
Alfa to remove
CORE TOOLS DE LA AIAG
Part-To-Part
Total Variation
P. Reyes / mayo 2008
1.08645
1.17788
92.24
100.00
Process tolerance = 12
Source
Total Gage R&R
Repeatability
Reproducibility
Operator
Part-To-Part
Total Variation
Study Var
(5.15 * SD)
1.55721
1.02966
1.16821
1.16821
5.36799
5.58929
StdDev (SD)
0.30237
0.19993
0.22684
0.22684
1.04233
1.08530
%Study Var
(%SV)
27.86
18.42
20.90
20.90
96.04
100.00
%Tolerance
(SV/Toler)
12.98
8.58
9.74
9.74
44.73
46.58
Number of Distinct Categories = 4
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).
Gage R&R for Measurement
Gage R&R (ANOVA) for Measurement
Reported by :
Tolerance:
M isc:
G age name:
Date of study :
Components of Variation
Measurement by Part
100
% Contribution
2
Percent
% Study Var
% Tolerance
0
50
0
-2
Gage R&R
Repeat
Reprod
1
Part-to-Part
2
3
Sample Range
B
0.5
_
R=0.342
0.0
LCL=0
9
10
-2
A
B
Operator
C
Operator * Part Interaction
C
2
_
_
UCL=0.351
X=0.001
LCL=-0.348
Average
Sample Mean
-2
8
0
2
0
7
2
Xbar Chart by Operator
B
6
Measurement by Operator
C
UCL=0.880
A
5
Part
R Chart by Operator
A
1.0
4
Operator
A
B
C
0
-2
1
2
3
4
5
6
Part
7
8
9
10
Evaluación de la capacidad de sistemas de medición
Las conclusiones son similares que con el método de X barra – R.
Existen ciertas propiedades fundamentales que definen un “buen” sistema de medición. Esto
incluye:
1) Discriminación y sensibilidad adecuada. Los incrementos de medida deberían ser
pequeños en relación a la variación del proceso o límites de especificación para el
propósito de medición. La regla de 10 a 1, establece que la discriminación del
instrumento deberá dividir la tolerancia (variación del proceso) en diez partes o más.
Página 98 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
2) El sistema de medición debería estar en control estadístico, la variación en el sistema
de medición se deba a causas comunes y no debido a causas especiales. Esto puede
conocerse como estabilidad estadística y se evalúa mejor por métodos gráficos.
3) Para control de producto, la variabilidad del sistema de medición debe ser pequeño
comparado a los límites de las especificaciones.
4) Para el control del proceso, la variabilidad del sistema de medición trata en algo de
demostrar una resolución efectiva y de ser pequeña comparada a la variación del
proceso de manufactura.
Página 99 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
GAGE REPEATABILITY AND REPRODUCIBILITY DATA SHEET
VARIABLE DATA RESULTS
Part Number
Gage Name
Appraiser A
Gage Number
Appraiser B
Gage Type
Appraiser C
NUMBER
Part Name
NAME
Characteristic
Specification
Lower Upper
Characteristic Classification
Trials
Parts
Date Performed
PART
APPRAISER/
TRIAL #
Appraisers
1
2
3
4
5
AVERAGE
6
7
8
9
10
1. A
1
2.
2
3.
3
4.
AVE
5.
R
6. B
1
7.
2
8.
3
9.
AVE
10.
R
11. C
1
12.
2
13.
3
14.
AVE
15.
R
xc=
rc=
16. PART
AVERAGE
X=
Rp =
xa=
ra=
xb=
rb=
17.
(ra + rb + rc) / (# OF APPRAISERS) =
18.
xDIFF = (Max x - Min x) =
19.
* UCLR =
R=
xDIFF=
R x D4 =
UCLR=
* D4 =3.27 for 2 trials and 2.58 for 3 trials. UCLR represents the limit of individual R's. Circle those that are
beyond this limit. Identify the cause and correct. Repeat these readings using the same appraiser and unit as originally used or
discard values and re-average and recompute
R and the limiting value from the remaining observations.
Notes:
Página 100 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
GAGE REPEATABILITY AND REPRODUCIBILITY DATA SHEET
VARIABLE DATA RESULTS
Part Number
Gage Name
Appraiser A
Gage Number
Appraiser B
Characteristic
Gage Type
Appraiser C
Characteristic Classification
Trials
NUMBER
Part Name
NAME
Parts
Appraisers
Measurement Unit Analysis
Date Performed
% Total Variation (TV)
Repeatability - Equipment Variation (EV)
EV
=
R x K1
Trials
K1
=
2
0.8865
=
=
3
0.5907
=
Reproducibility - Appraiser Variation (AV)
{(xDIFF x K2)2 - (EV2/nr)}1/2
AV
=
% AV
=
=
=
=
Appraisers
2
3
K2
0.7087
0.5236
r = trials
Repeatability & Reproducibility (GRR)
=
2
2
{(EV + AV )}
1/2
% GRR
=
Parts
K3
=
=
2
0.7087
=
=
3
0.5236
Part Variation (PV)
RP x K3
PV
=
4
0.4464
5
0.4032
=
=
6
7
0.3745
0.3534
8
0.3378
9
0.3247
10
0.3145
Total Variation (TV)
TV
=
=
n = parts
GRR
% EV
=
=
2
2
{(GRR + PV )}
1/2
=
% PV
=
100 (EV/TV)
100 (AV/TV)
100 (GRR/TV)
100 (PV/TV)
=
=
ndc
=
1.41(PV/GRR)
=
=
For information on the theory and constants used in the form see MSA Reference Manual , Third edition.
Página 101 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
GAGE REPEATABILITY AND REPRODUCIBILITY DATA SHEET
VARIABLE DATA RESULTS
Part Number
Gage Name
Appraiser A
Gage Number
Appraiser B
Characteristic
Gage Type
Appraiser C
Characteristic Classification
Trials
NUMBER
Part Name
NAME
Parts
Appraisers
Measurement Unit Analysis
Date Performed
% Tolerance (Tol)
Repeatability - Equipment Variation (EV)
EV
=
R x K1
Trials
K1
=
2
0.8865
=
=
3
0.5907
=
Reproducibility - Appraiser Variation (AV)
{(xDIFF x K2)2 - (EV2/nr)}1/2
AV
=
% AV
=
=
=
=
Appraisers
2
3
K2
0.7087
0.5236
r = trials
Repeatability & Reproducibility (GRR)
=
2
2
{(EV + AV )}
1/2
% GRR
=
Parts
K3
=
=
2
0.7087
=
=
3
0.5236
Part Variation (PV)
RP x K3
PV
=
4
0.4464
5
0.4032
=
=
6
7
0.3745
0.3534
8
0.3378
Tolerance (Tol)
Tol
=
=
n = parts
GRR
% EV
=
Upper - Lower / 6
9
0.3247
=
( Upper - Lower ) / 6
10
0.3145
=
% PV
=
100 (EV/Tol)
100 (AV/Tol)
100 (GRR/Tol)
100 (PV/Tol)
=
=
ndc
=
1.41(PV/GRR)
=
=
For information on the theory and constants used in the form see MSA Reference Manual , Third edition.
Página 102 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Estudios de R&R por atributos
Una empresa está entrenando a cinco evaluadores para la porción escrita de un examen
estándar de doceavo grado. Se requiere determinar la habilidad de los evaluadores para
calificar el examen de forma que sea consistente con los estándares. Cada uno de los
evaluadores califica 15 exámenes en una escala de cinco puntos (-2, -1, 0, 1, 2):
1 Abrir el archive ESSAY.MTW.
2 Seleccionar Stat > Quality Tools > Attribute Agreement Analysis.
3 En Attribute column, poner Rating.
4 En Samples, poner Sample.
5 En Appraisers, poner Appraiser.
6 En Known standard/attribute, poner Attribute.
7 Checar Categories of the attribute data are ordered y poner OK
El contenido del archivo es como sigue:
Appraiser
Sample
Simpson
1
Montgomery
1
Holmes
1
Duncan
1
Hayes
1
Simpson
2
Montgomery
2
Holmes
2
Duncan
2
Hayes
2
Simpson
3
Montgomery
3
Holmes
3
Duncan
3
Hayes
3
Simpson
4
Montgomery
4
Holmes
4
Duncan
4
Hayes
4
Simpson
5
Montgomery
5
Holmes
5
Duncan
5
Rating
2
2
2
1
2
-1
-1
-1
-2
-1
1
0
0
0
0
-2
-2
-2
-2
-2
0
0
0
-1
Attribute
2
2
2
2
2
-1
-1
-1
-1
-1
0
0
0
0
0
-2
-2
-2
-2
-2
0
0
0
0
Página 103 de 181
CORE TOOLS DE LA AIAG
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
Hayes
Simpson
Montgomery
Holmes
Duncan
5
6
6
6
6
6
7
7
7
7
7
8
8
8
8
8
9
9
9
9
9
10
10
10
10
10
11
11
11
11
11
12
12
12
12
12
13
13
13
13
13
14
14
14
14
14
15
15
15
15
P. Reyes / mayo 2008
0
1
1
1
1
1
2
2
2
1
2
0
0
0
0
0
-1
-1
-1
-2
-1
1
1
1
0
2
-2
-2
-2
-2
-1
0
0
0
-1
0
2
2
2
2
2
-1
-1
-1
-1
-1
1
1
1
1
0
1
1
1
1
1
2
2
2
2
2
0
0
0
0
0
-1
-1
-1
-1
-1
1
1
1
1
1
-2
-2
-2
-2
-2
0
0
0
0
0
2
2
2
2
2
-1
-1
-1
-1
-1
1
1
1
1
Página 104 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Hayes
15
1
1
Gage R&R for Datos / Results for: Essay.MTW
Attribute Agreement Analysis for Rating
Each Appraiser vs Standard
Assessment Agreement
Appraiser
# Inspected
Duncan
15
Hayes
15
Holmes
15
Montgomery
15
Simpson
15
# Matched
8
13
15
15
14
Percent
53.33
86.67
100.00
100.00
93.33
95 % CI
(26.59, 78.73)
(59.54, 98.34)
(81.90, 100.00)
(81.90, 100.00)
(68.05, 99.83)
# Matched: Appraiser's assessment across trials agrees with the known standard.
Fleiss' Kappa Statistics
Appraiser
Response
Kappa SE Kappa
Z P(vs > 0)
Duncan
-2
0.58333 0.258199 2.25924
0.0119
-1
0.16667 0.258199 0.64550
0.2593
0
0.44099 0.258199 1.70796
0.0438
1
0.44099 0.258199 1.70796
0.0438
2
0.42308 0.258199 1.63857
0.0507
Overall
0.41176 0.130924 3.14508
0.0008
Hayes
-2
0.62963 0.258199 2.43855
0.0074
-1
0.81366 0.258199 3.15131
0.0008
0
1.00000 0.258199 3.87298
0.0001
1
0.76000 0.258199 2.94347
0.0016
2
0.81366 0.258199 3.15131
0.0008
Overall
0.82955 0.134164 6.18307
0.0000
Holmes
-2
1.00000 0.258199 3.87298
0.0001
-1
1.00000 0.258199 3.87298
0.0001
0
1.00000 0.258199 3.87298
0.0001
1
1.00000 0.258199 3.87298
0.0001
2
1.00000 0.258199 3.87298
0.0001
Overall
1.00000 0.131305 7.61584
0.0000
Montgomery -2
1.00000 0.258199 3.87298
0.0001
-1
1.00000 0.258199 3.87298
0.0001
0
1.00000 0.258199 3.87298
0.0001
1
1.00000 0.258199 3.87298
0.0001
2
1.00000 0.258199 3.87298
0.0001
Overall
1.00000 0.131305 7.61584
0.0000
Simpson
-2
1.00000 0.258199 3.87298
0.0001
-1
1.00000 0.258199 3.87298
0.0001
0
0.81366 0.258199 3.15131
0.0008
1
0.81366 0.258199 3.15131
0.0008
2
1.00000 0.258199 3.87298
0.0001
Overall
0.91597 0.130924 6.99619
0.0000
Kendall's Correlation Coefficient
Appraiser
Coef
SE Coef
Z
Duncan
0.89779 0.192450 4.61554
Hayes
0.96014 0.192450 4.93955
Holmes
1.00000 0.192450 5.14667
Montgomery 1.00000 0.192450 5.14667
Simpson
0.93258 0.192450 4.79636
Página 105 de 181
P
0.0000
0.0000
0.0000
0.0000
0.0000
CORE TOOLS DE LA AIAG
Between Appraisers
Assessment Agreement
# Inspected # Matched
15
6
P. Reyes / mayo 2008
Percent
40.00
95 % CI
(16.34, 67.71)
# Matched: All appraisers' assessments agree with each other.
Fleiss' Kappa Statistics
Response
Kappa
SE Kappa
Z P(vs > 0)
-2
0.680398 0.0816497
8.3331
0.0000
-1
0.602754 0.0816497
7.3822
0.0000
0
0.707602 0.0816497
8.6663
0.0000
1
0.642479 0.0816497
7.8687
0.0000
2
0.736534 0.0816497
9.0207
0.0000
Overall
0.672965 0.0412331 16.3210
0.0000
Kendall's Coefficient of Concordance
Coef Chi - Sq DF
P
0.966317
67.6422 14 0.0000
All Appraisers vs Standard
Assessment Agreement
# Inspected # Matched Percent
15
6
40.00
95 % CI
(16.34, 67.71)
# Matched: All appraisers' assessments agree with the known standard.
Fleiss' Kappa Statistics
Response Kappa SE Kappa
Z P(vs > 0)
-2
0.842593 0.115470
7.2971
0.0000
-1
0.796066 0.115470
6.8941
0.0000
0
0.850932 0.115470
7.3693
0.0000
1
0.802932 0.115470
6.9536
0.0000
2
0.847348 0.115470
7.3383
0.0000
Overall
0.831455 0.058911 14.1136
0.0000
Kendall's Correlation Coefficient
Coef
SE Coef
Z
P
0.958102 0.0860663 11.1100 0.0000
* NOTE * Single trial within each appraiser. No percentage of
assessment agreement within appraiser is plotted.
Página 106 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Date of study :
Reported by :
Name of product:
Misc:
Assessment Agreement
Appraiser vs Standard
100
95.0% C I
P ercent
Percent
80
60
40
20
0
Duncan
Hayes
Holmes
Appraiser
Montgomery
Simpson
Interpretación de resultados
Minitab muestra tres tablas de acuerdo: Cada evaluador vs el estándar, Entre evaluadores y
Todos los evaluadores vs estándar. Los estadísticos de Kappa y Kendall también se incluyen en
cada una de las tablas. En general estos estadísticos sugieren buen acuerdo.
El coeficiente de Kendall entre evaluadores es 0.966317 (p = 0.0); para todos los evaluadores
vs estándar es 0.958192 (p = 0.0). Sin embargo la observación del desempeño de Duncan y
Haues indica que no se apegan al estándar.
La gráfica de Evaluadores vs. Estándar proporciona una vista gráfica de cada uno de los
evaluadores vs el estándar, pudiendo comparar fácilmente la determinación de acuerdos para
los cinco evaluadores.
Se puede concluir que Duncan, Hayes y Simpson requieren entrenamiento adicional.
Página 107 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
GAGE REPEATABILITY AND REPRODUCIBILITY REPORT
ATTRIBUTE HYPOTHESIS TEST METHOD
Part Number
Gage Name
Date Performed
Appraiser A
Gage Number
Gage Type
Appraiser B
Upper Specification
Lower Specification
Appraiser C
NUMBER
Part Name
NAME
Characteristic
DATA TABLE
PART
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
A-1
A-2
A-3
B-1
B-2
B-3
C-1
Página 108 de 181
C-2
C-3
Reference
Reference
Value
Code
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Evaluación de la Linealidad
Un supervisor de planta fue entrenado a un nuevo sistema de medición para el proceso. Como
parte del PPAP la linealidad del sistema de medición requería ser evaluada. Cinco partes
fueron escogidas a través del rango de operación del sistema de medición con base en la
variación documentada del proceso. Cada parte fue medida por inspección de layout para
determinar su valor de referencia. Cada parte fue medida doce veces por el operador. Las
partes fueron seleccionadas al azar durante el estudio.
PRUEBAS
Valor de
referencia
de parte
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
2.00
2.70
2.50
2.40
2.50
2.70
2.30
2.50
2.50
2.40
2.40
2.60
2.40
4.00
5.10
3.90
4.20
5.00
3.80
3.90
3.90
3.90
3.90
4.00
4.10
3.80
6.00
5.80
5.70
5.90
5.90
6.00
6.10
6.00
6.10
6.40
6.30
6.00
6.10
8.00
7.60
7.70
7.80
7.70
7.80
7.80
7.80
7.70
7.80
7.50
7.60
7.70
10.00
9.10
9.30
9.50
9.30
9.40
9.50
9.50
9.50
9.60
9.20
9.30
9.40
Tabla. Estudio de datos de linealidad
Utilizando una hoja de Excel y software estadístico, el supervisor generó la gráfica de
linealidad.
Tendencia
Valor de
referencia
de parte
1
2
3
4
5
6
7
8
9
10
11
12
Promedio de
tendencias
1
2
3
4
5
2.00
0.7
0.5
0.4
0.5
0.7
0.3
0.5
0.5
0.4
0.4
0.6
0.4
4.00
1.1
-0.1
0.2
1.0
-0.2
-0.1
-0.1
-0.1
-0.1
0.0
0.1
-0.2
6.00
-0.2
-0.3
-0.1
-0.1
0.0
0.1
0.0
0.1
0.4
0.3
0.0
0.1
8.00
-0.4
-0.3
-0.2
-0.3
-0.2
-0.2
-0.2
-0.3
-0.2
-0.5
-0.4
-0.3
10.00
-0.9
-0.7
-0.5
-0.7
-0.6
-0.5
-0.5
-0.5
-0.4
-0.8
-0.7
-0.6
0.491667
0.125
0.025
-0.29167
-0.61667
Página 109 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Tabla: estudio de linealidad – Resultados intermedios
Gage Linearity and Bias Study for Response
Reported by :
Tolerance:
M isc:
G age name:
Date of study :
P redictor
C onstant
S lope
Regression
95% CI
1.0
Data
Avg Bias
S
Linearity
0.23954
1.86889
Bias
0.5
0.0
Reference
A v erage
2
4
6
8
10
0
G age Linearity
C oef S E C oef
0.73667 0.07252
-0.13167 0.01093
R-S q
% Linearity
G age Bias
Bias % Bias
-0.053333
0.4
0.491667
3.5
0.125000
0.9
0.025000
0.2
-0.291667
2.1
-0.616667
4.3
P
0.000
0.000
71.4%
13.2
P
0.040
0.000
0.293
0.688
0.000
0.000
-0.5
-1.0
2
4
6
Reference Value
8
10
Percent
Percent of Process Variation
10
5
0
Linearity
Bias
El valor R2 indica que la regresión lineal puede no ser un modelo apropiado para este tipo de
datos.
Página 110 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
5. Análisis del modo y efecto de falla (FMEA)
El Análisis Efecto Modo Falla es una metodología para evaluar un sistema, diseño, proceso o
servicio, las posibles maneras en las que pueda fallar, los problemas, errores, fallas, riesgos
que puedan ocurrir.
Es una técnica de ingeniería usada para definir, identificar y eliminar las fallas potenciales,
problemas, errores que se pueden presentar en los sistemas, diseño, proceso y/o servicio
antes de que estos lleguen al cliente.
El AMEF deberá identificar decisiones correctivas requeridas para prevenir fallas antes de que
los sistemas, diseños, procesos o servicios hayan finalizado.
El AMEF provee de un método sistemático para examinar para examinar todas las formas en
las que una falla pueda ocurrir.
La esencia del AMEF es identificar y prevenir problemas conocidos y potenciales que pueden
llegar al cliente. Para esto se tienen que priorizar las posibles fallas o los problemas.
Existen tres componentes que ayudas a priorizar las fallas o problemas:

Ocurrencia (O): Frecuencia de la falla.

Severidad (S): Los efectos de la falla.

Detención (D: Es la habilidad para detectar la falla antes de que llegue al cliente.
AMEF de Diseño (DFMEA)
Se usa para analizar un producto con base en sus componentes y funciones. Un AMEF de
diseño se enfoca a los modos de falla causados por diseños deficientes. El resultado de un
AMEF es:

Una lista potencial de modos de falla calificado por un RPN.

Una lista potencial de características críticas y/o significativas.

Una lista potencial de acciones recomendadas dirigidas a las características críticas o
significativas.

Una lista potencial de eliminación de causas de modo de falla, reducción de la
ocurrencia, mejora de la detección de defectos.
Los beneficios del AMEF de diseño son:
Página 111 de 181
CORE TOOLS DE LA AIAG

P. Reyes / mayo 2008
La identificación de las deficiencias del diseño del producto y ofrecer un plan acciones
correctivas.

Identificar características críticas y/o significativas y ayuda a desarrollar planes de
control.

Establecer una prioridad en las acciones correctivas.

Asistencia en el análisis de revisión de diseño.

Documentación relacionada con los cambios.
El enfoque del AMEF de diseño es minimizar los efectos de las deficiencias del diseño.
Proceso

Desarrollar lista de Entradas, Salidas y Características/Artículos - diagrama de bloque
de referencia, Matriz de Causa Efecto.

Evaluar entradas y características de la función requerida para producir la salida.

Evaluar Interfaz entre las funciones para verificar que todos los Posibles Efectos sean
analizados.

Asumir que las partes se manufacturan de acuerdo con la intención del diseño.
Evaluar 3 (tres) niveles de Efectos del Modo de Falla
•
Efectos Locales: Efectos en el área local; impactos Inmediatos
•
Efectos Mayores Subsecuentes: entre efectos locales y usuario final
•
Efectos Finales: efecto en el Usuario Final del producto
Causas relacionadas con el diseño: características de la Parte, selección de Material,
Tolerancias/Valores objetivo, configuración, Modos de Falla a nivel de Componente
Causas que no pueden ser Entradas de Diseño, tales como: ambiente, Vibración, Aspecto
Térmico
Mecanismos de Falla: rendimiento, Fatiga, Corrosión, Desgaste
Página 112 de 181
Item /
Function
Core Team:
Potential
Failure
Mode
Model Year(s)/Vehicle(s)
Component
Subsystem
System
Potential
Effect(s)
of Failure
APPLICATION
S
e
v
C
l
a
s
s
Potential
Causes(s)/
Mechanism(s)
of Failure
Key Date
Design Responsibility:
O
c
c
u
r
Current
Design
Controls
-Prevention
-Detection
ORGANIZATION
POTENTIAL
FAILURE MODE AND EFFECTS ANALYSIS
(DESIGN FMEA)
D
e
t
e
c
R.
P.
N.
Recommended
Action(s)
Responsibility
& Target
Completion
Date
Date (Rev.)
Date (Orig.)
Prepared by:
FMEA Number:
Actions
Taken
S
e
v
O
c
c
Action Results
FILE.XLS
D
e
t
R.
P.
N.
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Página 113 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
SEVERIDAD
Efecto
Rango
Criterio
No
1
Sin efecto
Muy poco
2
Cliente no molesto. Poco efecto en el desempeño del artículo o
sistema.
Poco
3
Menor
desempeño
4
Cliente algo molesto. Poco efecto en el desempeño del artículo o
sistema.
El cliente se siente un poco fastidiado. Efecto menor en el
del artículo o sistema.
Moderado
5
El cliente se siente algo insatisfecho. Efecto moderado en el
desempeño del artículo o sistema.
Significativo
6
El cliente se siente algo inconforme. El desempeño del artículo se ve
afectado, pero es operable y está a salvo. Falla parcial, pero
operable.
Mayor
seriamente
7
El cliente está insatisfecho. El desempeño del artículo se ve
afectado, pero es funcional y está a salvo. Sistema afectado.
Extremo
inoperable.
8
El cliente muy insatisfecho. Artículo inoperable, pero a salvo. Sistema
Serio
tiempo,
materia de
9
Efecto de peligro potencial. Capaz de descontinuar el uso sin perder
dependiendo de la falla. Se cumple con el reglamento del gobierno en
riesgo.
Peligro
10
Efecto peligroso. Seguridad relacionada - falla repentina.
Incumplimiento con reglamento del gobierno.
Ocurrencia
Criterios
Remota
Falla improbable. No existen fallas
asociadas con este producto o con
un producto casi idéntico
1
<1 en 1,500,000
Zlt > 5
Muy Poca
Sólo fallas aisladas asociadas con
este producto o con un producto
casi idéntico
2
1 en 150,000
Zlt > 4.5
Poca
Fallas aisladas asociadas con
productos similares
3
1 en 30,000
Zlt > 4
Moderada
Este producto o uno similar ha
tenido fallas ocasionales
4
5
6
1 en 4,500
1 en 800
1 en 150
Zlt > 3.5
Zlt > 3
Zlt > 2.5
Alta
Este producto o uno similar han
fallado a menudo
7
8
1 en 50
1 en 15
Zlt > 2
Zlt > 1.5
Muy alta
La falla es casi inevitable
9
10
1 en 6
>1 en 3
Zlt > 1
Zlt < 1
Rango Probabilidad de Falla
Nota:
El criterio se basa en la probabilidad de que la causa/mecanismo ocurrirá. Se puede
basar en el desempeño de un diseño similar en una aplicación similar.
Página 114 de 181
45
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
RANGO DE DETECCIÓN
Rango de Probabilidad de Detección basado en la efectividad del Sistema de
Control Actual; basado en el cumplimiento oportuno con el Plazo Fijado
1
Detectado antes de la ingeniería prototipo
2-3
Detectado antes de entregar el diseño
4-5
Detectado antes de producción masiva
6-7
Detectado antes del embarque
8
Detectado después del embarque pero antes de que el
cliente lo reciba
9
Detectado en campo, pero antes de que ocurra la falla
10
No detectable hasta que ocurra la falla en campo
RPN - Nivel de prioridad de riesgo
Producto de Severidad, Ocurrencia, y Detección
RPN / Gravedad usada para identificar CTQs
Severidad mayor o igual a 8
RPN mayor a 50
Planear acciones requeridas para reducir el riesgo general de diseño atendiendo todos los
CTQs

Listar todas las acciones sugeridas, qué persona es la responsable y fecha de
terminación.

Describir la acción adoptada y sus resultados.

Recalcular número de prioridad de riesgo .
Página 115 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
ANALISIS DEL MODO Y EFECTO DE FALLA
AMEF de Diseño
Componente ______________________
Responsable del Diseño ____________
AMEF Número _________________
Ensamble ________________
Pagina _______de _______
Preparó _______________
Equipo de Trabajo ___________
FECHA (orig.) de FMEA ______(rev.) ______
Resultados de Acción
C
Modo
Efecto (s) S
Causa(s)
l
Artículo / Potencial Potencial e
Potencial(es) /
a
Función de Falla
(es)
v
Mecanismos
s
de falla
.
de la falla
e
Abertura deLa aberturaLOCAL:
engrane no es
Daño a sensor
proporciona
s uficiente de velocidad y
claro de
engrane
aire entre
dientes
MAXIMO PROXIMO
Falla en eje
O Controles Controles de
c de Diseño
Diseño
c Actuales
Actuales
u Prevención Detección
r
D
e
t
e
c
3
5 105
R
P
N
Acción (es) Responsable
Recomenda y fecha objetivo
da (s)
de Terminación
Acciones
Tomadas
CON CLIENTE
Equipo
parado
7
Usar RPN para identificar
acciones futuras. Una vez
que se lleva a cabo la
acción, recalcular el RPN.
Página 116 de 181
S O D R
e c e P
v c t N
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
AMEF de Proceso (PFMEA)
Se usa para analizar un proceso de ensamble o manufactura. Un AMEF de proceso se enfoca
en modos de falla causados por procesos o ensambles deficientes.
El resultado de un AMEF es:

Una lista potencial de modos de falla calificado por un RPN.

Una lista potencial de características críticas y/o significativas.

Una lista potencial de acciones recomendadas dirigidas a las características críticas o
significativas.

Una lista potencial de eliminación de causas de modo de falla, reducción de la
ocurrencia, mejora de la detección de defectos del CPk no puede mejorar.
Los beneficios del AMEF de proceso son:

La identificación de las deficiencias del proceso y ofrecer un plan acciones correctivas.

Identificar características críticas y/o significativas y ayuda a desarrollar planes de
control.

Establecer una prioridad en las acciones correctivas.

Asistencia en el análisis de procesos de manufacturas o ensambles.

Documentación relacionada con los cambios.
El enfoque del AMEF de proceso es minimizar lo efectos de las fallas en el proceso.
La producción envuelve 6 componentes: trabajo, manufactura, método, material, medición y
ambiente. La meta de estos componentes es la producción de un bien.
PASOS:
1. Identificación del proceso: Identificar el nombre del proceso o ensamble o número de
referencia o código del proceso.
2. Función del proceso: El ingeniero escribe el proceso, propósito, meta o objetivo del
proceso. La función del proceso se debe derivar de la especificación del diseño y el “qué es” el
proceso ahora y no lo que debe ser.
3. Modo Potencial de Falla: Es el problema/ la preocupación, la oportunidad de mejora/ la
falla/ el rechazo/ el defecto. Cuando se piensa en la falla potencial, se debe pensar en la
Página 117 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
pérdida de función del proceso (en una falla específica). Para mayor claridad, es la mejor
oportunidad para la identificación de los efectos y causas de la falla. Las fallas en procesos
ocurren cuando un producto no esta adecuadamente protegido contra riesgos.
4. Efectos potenciales de falla: Un efecto potencial de falla es la consecuencia de la falla del
siguiente proceso, operación, producto, cliente y/o regulación gubernamental. Las preguntas
usualmente hecho son: ¿Qué pasó o cuáles son las ramificaciones que tuvo problema o falla?.
No importa como el efecto potencial es identificado y las ramificaciones de las pérdidas de la
función del proceso deben ser determinados.
Las consideraciones deben darse en el proceso mismo, en otros procesos, el producto,
seguridad, regulaciones gubernamentales, maquinas y equipamiento y el cliente. Si las
consideraciones de seguridad deben ser un tema, esta columna debe llenarse con mayor
cuidado.
5. Características críticas: Usualmente están asociadas con el AMEF de Diseño, las
características críticas son importantes porque definen los requerimientos de procesos,
servicios, herramientas y cualquier cosa que pueda afectar al cliente o a regulaciones
gubernamentales.
La columna de las características críticas aplica solo cuando afecta a regulaciones
gubernamentales, seguridad, especificaciones de ingeniería del producto y/o del proceso.
La identificación de lo crítico o significativo en un AMEF de un proceso, es solo designar
controles específicos para el proceso, ensamble y/o AMEF de servicio, esto se transfiere al plan
de control.
La entrada en ésta columna “Y” para Si o “N” para No u otro símbolo de notación. El propósito
es marcar una característica potencial crítica cuando podría o no existir. Una buena indicación
de criticidad es cuando la severidad está calificada entre 9 o 10 con una ocurrencia o detección
mayor que 3.
6. Severidad. La severidad es un indicador de la gravedad del efecto del modo potencial de
falla del proceso. Hay una correlación directa entre el efecto y la severidad. Por ejemplo, si el
Página 118 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
efecto es crítico, la severidad es alta. Por otra parte, si el efecto no es crítico, la severidad es
muy baja.
La pregunta básica es ¿en qué sentido la falla puede afectar el funcionamiento del sistema?
Otro método es preguntar 5 por qué´s, en un renglón. La forma debe ser progresiva ¿qué
circunstancias pueden causar la falla?, ¿cómo o porqué puede fallar una parte que cumple con
las especificaciones de ingeniería?.
CRITERIO DE EVALUACIÓN DE SEVERIDAD SUGERIDO PARA AMEFP
Esta calificación resulta cuando un modo de falla potencial resulta en un defecto con un cliente final y/o una planta de manufactura
/ ensamble. El cliente final debe ser siempre considerado primero. Si ocurren ambos, use la mayor de las dos severidades
Calif.
Efecto
Efecto en el cliente
Efecto en Manufactura /Ensamble
Peligroso
sin aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
cumplimiento con alguna regulación gubernamental, sin aviso
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso
10
Peligroso
con aviso
Calificación de severidad muy alta cuando un modo potencial de
falla afecta la operación segura del producto y/o involucra un no
cumplimiento con alguna regulación gubernamental, con aviso
Puede exponer al peligro al operador (máquina o ensamble)
sin aviso
9
Muy alto
El producto / item es inoperable ( pérdida de la función
primaria)
El 100% del producto puede tener que ser desechado op
reparado con un tiempo o costo infinitamente mayor
8
Alto
El producto / item es operable pero con un reducido nivel de
desempeño. Cliente muy insatisfecho
El producto tiene que ser seleccionado y un parte
desechada o reparada en un tiempo y costo muy alto
7
Modera
do
Producto / item operable, pero un item de confort/conveniencia
es inoperable. Cliente insatisfecho
Una parte del producto puede tener que ser desechado sin
selección o reparado con un tiempo y costo alto
6
Bajo
Producto / item operable, pero un item de confort/conveniencia
son operables a niveles de desempeño bajos
El 100% del producto puede tener que ser retrabajado o
reparado fuera de línea pero no necesariamente va al àrea
de retrabajo .
5
Muy bajo
No se cumple con el ajuste, acabado o presenta ruidos y
rechinidos. Defecto notado por el 75% de los clientes
El producto puede tener que ser seleccionado, sin desecho,
y una parte retrabajada
4
Menor
No se cumple con el ajuste, acabado o presenta ruidos y
rechinidos. Defecto notado por el 50% de los clientes
El producto puede tener que ser retrabajada, sin desecho,
en línea, pero fuera de la estación
3
Muy
menor
No se cumple con el ajuste, acabado o presenta ruidos, y
rechinidos. Defecto notado por clientes muy críticos (menos del
25%)
El producto puede tener que ser retrabajado, sin desecho
en la línea, en la estación
2
Ninguno
Sin efecto perceptible
Ligero inconveniente para la operación u operador, o sin
efecto
1
Página 119 de 181
22
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
7. Ocurrencia: Es el valor dado correspondiente al número estimado de la frecuencia y/o
acumulado del número de fallas que pueden ocurrir debido a una causa dada, cantidad de
partes producidas con los controles existentes.
CRITERIO DE EVALUACIÓN DE OCURRENCIA SUGERIDO PARA AMEFP
Probabilidad
Muy alta: Fallas
persistentes
Índices Posibles de
falla
Calif.
< 0.55
10
50 por mil piezas
> 0.55
9
20 por mil piezas
> 0.78
8
10 por mil piezas
> 0.86
7
5 por mil piezas
> 0.94
6
2 por mil piezas
> 1.00
5
1 por mil piezas
> 1.10
4
0.5 por mil piezas
> 1.20
3
0.1 por mil piezas
> 1.30
2
0.01 por mil piezas
> 1.67
1
100 por mil piezas
Alta: Fallas frecuentes
Moderada: Fallas
ocasionales
Baja : Relativamente pocas
fallas
Remota: La falla es
improbable
Ppk
<
25
Verificación/ Validación de actividades de Diseño o control de proceso usadas para evitar la
causa, detectar falla anticipadamente, y/o reducir impacto: cálculos, Análisis, Prototipo de
Prueba, Pruebas piloto. Poka Yokes, planes de control, listas de verificación
•
Primera Línea de Defensa - Evitar o eliminar causas de falla o error
•
Segunda Línea de Defensa - Identificar o detectar fallas o errores Anticipadamente
•
Tercera Línea de Defensa - Reducir impactos/consecuencias de falla o errores
8. Método de detección: el objetivo es detectar una deficiencia en el proceso lo más temprano
posible. La ineficiencia se debe ver como una debilidad del sistema que se debe detectar y
eliminar del proceso. La idea de una detección temprana en el AMEF del proceso es proveer
una manufactura eficiente y/o controles eficientes de producción.
Página 120 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
La detección es una valoración correspondiente a la probabilidad de que los controles actuales
del proceso, detecten la causa raíz de un modo de falla antes de que las piezas dejen el área de
manufactura.
CRITERIO DE EVALUACIÓN DE DETECCION SUGERIDO PARA AMEFP
Detección
Criterio
Tipos de
Inspección
A
B
Métodos de seguridad de Rangos de
Detección
Calif
C
Casi
imposible
Certeza absoluta de no detección
X
No se puede detectar o no es verificada
10
Muy
remota
Los controles probablemente no
detectarán
X
9
Remota
Los controles tienen poca
oportunidad de detección
X
Muy baja
Los controles tienen poca
oportunidad de detección
X
El control es logrado solamente con
verificaciones indirectas o al azar
El control es logrado solamente con
inspección visual
El control es logrado solamente con
doble inspección visual
Baja
Los controles pueden detectar
X
El control es logrado con métodos gráficos con
el CEP
6
Moderada
Los controles pueden detectar
X
El control se basa en mediciones por variables después de que las
partes dejan la estación, o en dispositivos Pasa NO pasa realizado en
el 100% de las partes después de que las partes han dejado la
estación
5
Moderada
mente
Alta
Alta
Los controles tienen una buena
oportunidad para detectar
X
X
Detección de error en operaciones subsiguientes, o medición
realizada en el ajuste y verificación de primera pieza ( solo para
causas de ajuste)
4
Los controles tienen una buena
oportunidad para detectar
X
X
Detección del error en la estación o detección del error en
operaciones subsiguientes por filtros multiples de aceptación:
suministro, instalación, verificación. No puede aceptar parte
discrepante
3
Muy Alta
Controles casi seguros para
detectar
X
X
Detección del error en la estación (medición automática
con dispositivo de paro automático). No puede pasar la
parte discrepante
2
Muy Alta
Controles seguros para detectar
X
No se pueden hacer partes discrepantes porque el item ha
pasado a prueba de errores dado el diseño del
proceso/producto
1
Tipos de inspección: A) A prueba de error
X
8
7
29
B) Medición automatizada C) Inspección visual/manual
9. Risk Priority Number (RPN). Este número es el producto de severidad, ocurrencia y
detección. El RPN se define la prioridad de la falla. Por si mismos los RPN no tienen valor o
significado, pero son de gran utilidad al definir las deficiencias potenciales del proceso.
La severidad puede ser reducida solo a través del cambio en el diseño. Esto alcanzable, cuando
la falla es eliminada. La ocurrencia puede ser reducida por el mejoramiento de especificaciones
de ingeniería y/o requerimientos en el proceso con la intención de prevenir causas o reducir su
Página 121 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
frecuencia. La detección puede ser reducida por adición o mejoramiento de las técnicas de
evaluación o incrementando el tamaño de muestra y/o adicionando equipo de detección. El
resultado será un mejoramiento en la habilidad de detectar la falla antes de que alcance al
cliente.
10. Acción Recomendada. El AMEF de debe hacerse recomendando una acción. La acción
recomendada comúnmente es acciones o estudios a futuro. La idea de la acción de
recomendación el AMEF es reducir la severidad, ocurrencia, detección o todas.
Para facilitar esta meta el equipo de AMEF debe priorizar esos modos de falla con el
más alto RPN, la más alta severidad, la más alta ocurrencia. Las recomendaciones
típicas pueden ser:

Ninguna acción en este periodo.

Incorporar equipos de detección.

Proveer alternativas de diseño.

Adicionar subsistemas redundantes.
11. Área o persona responsable y fecha determinación: Identificar área/ persona responsable
y la fecha planeada de terminación de la acción recomendada.
12. Acción tomada: Esto es lo que se tiene que llevar a cabo. Solo por que algo fue
recomendado, no significa que fue hecho. Es imperativo que alguien (usualmente el ingeniero
de proceso) llevará a cabo las recomendaciones vistas si ellas han sido direccionadas
adecuadamente, propiamente, y/o si ellas tienen necesidad de actualizar.
Hay que notar que todos los AMEF son documentos vivos y como tales alguien debe ser
responsable de actualizar. En muchas ocasiones la persona responsable es el ingeniero de
proceso. Esta persona tiene la responsabilidad de hacer del AMEF de proceso un documento
vivo y debe reflejar en su documento la información más relevante y al igual que las acciones
más relevantes.
13. RPN Revisado: Después de las acciones que son incorporadas en los procesos, el AMEF
debe ser reevaluado en la severidad, ocurrencia y detección. Los resultados deben ser
revisados por el equipo del AMEF y un nuevo RPN calculado y valoradas las fallas.
Página 122 de 181
NUMBER
Process
Function/
Requirements
Core Team:
Potential
Failure
Mode
Model Year(s)/Vehicle(s)
Item:
Print #
Potential
Effect(s)
of Failure
APPLICATION
NAME
Rev.
S
e
v
C
l
a
s
s
ECL
Potential
Causes(s)/
Mechanism(s)
of Failure
Key Date
Process Responsibility
O
c
c
u
r
Current
Process
Controls
Prevention
Current
Process
Controls
Detection
ORGANIZATION
POTENTIAL
FAILURE MODE AND EFFECTS ANALYSIS
(PROCESS FMEA)
D
e
t
e
c
R.
P.
N.
Recommended
Action(s)
Responsibility
& Target
Completion
Date
Date (Rev.)
Date (Orig.)
Prepared by:
FMEA Number:
Actions
Taken
S
e
v
O
c
c
Action Results
FILE.XLS
D
e
t
R.
P.
N.
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Página 123 de 181
Machinery
Function /
Requirements
Core Team:
Potential
Failure
Mode
Program(s) / Plant(s)
Component
Subsystem
System
Potential
Effect(s)
of Failure
S
e
v
C
l
a
s
s
Potential
Causes(s)/
Mechanism(s)
of Failure
Key Date
Supplier Name
O
c
c
u
r
Current
Process
Controls
Prevention
Current
Process
Controls
Detection
ORGANIZATION
POTENTIAL
FAILURE MODE AND EFFECTS ANALYSIS
(MACHINERY FMEA)
D
e
t
e
c
R.
P.
N.
Recommended
Action(s)
Responsibility
& Target
Completion
Date
Date (Rev.)
Date (Orig.)
Prepared by:
FMEA Number:
Actions
Taken
S
e
v
O
c
c
Action Results
FILE.XLS
D
e
t
R.
P.
N.
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Página 124 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
6. Planeación avanzada de la calidad (APQP)
y Control Plan
Definiciones y terminología
Método estructurado que define y establece los pasos necesarios para asegurar que un
producto satisfaga los requerimientos del cliente.
Su meta es facilitar la comunicación con todos los involucrados para asegurar que todos los
pasos requeridos se completen a tiempo.
PROGRAMA DE PLANEACIÓN DE LA CALIDAD
INICIACION \ APROBACION
DEL CONCEPTO
APROBACION DEL
PROGRAMA
PROTOTIPO
PILOTO
LANZAMIENTO
PLANEACION
PLANEACION
DISEÑO Y DESARROLLO DEL PRODUCTO
DISEÑO Y DESARROLLO DEL PROCESO
VALIDACION DE PRODUCTO Y DEL PROCESO
PRODUCCION
RETROALIMENTACION DE EVALUACION Y ACCION CORRECTIVA
3
Beneficios esperados:
•
Reducciones en la complejidad de la planeación de calidad del producto para los
clientes y proveedores.
•
Un medio para facilitar a las empresas la comunicación de sus requerimentos de
planeación de calidad a los proveedores.
Página 125 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
El equipo debe identificar las necesidades expectativas y requerimientos del cliente, como
mínimo debe realizar lo siguiente:
•
Seleccionar un líder de proyecto responsable de vigilar el proceso de planeación puede rotarse al líder durante el ciclo de planeación.
•
Definir las funciones y responsabilidades de cada área representada.
•
Identificar los clientes - internos y externos.
•
Definir los requerimientos de los clientes.(si aplica) usar QFD.
•
Seleccionar las disciplinas, individuos y \ o proveedores que deben sumarse al grupo y
los no requeridos.
•
Entender las expectativas del cliente. p. ej. diseño, número de pruebas.
•
Evaluar la factibilidad del diseño propuesto, requerimientos de desempeño y proceso
de manufactura.
•
Identificar costos, tiempo y restricciones a considerar.
•
Determinar asistencia requerida del cliente.
•
Identificar documentación de proceso o método.
PLANES DE CONTROL
Descripciones escritas de los sistemas para controlar partes y procesos.
Planes separados que describan las tres distintas fases:
•
PROTOTIPO - Una descripción de las mediciones dimensionales, pruebas a materiales y
de desempeño que ocurriran durante la construcción del prototipo.
•
PRE - PRODUCCION - Una descripción de las mediciones dimensionales, pruebas a
materiales y de desempeño que ocurriran después de la construcción del prototipo y
antes de la producción.
•
PRODUCCION - Una documentación completa de las características de
producto\proceso controles de proceso, pruebas y sistemas de medición que ocurriran
durante la producción masiva.
SOLUCIÓN DE PREOCUPACIONES
•
Durante el proceso de planeación, el grupo encontrará preocupaciones sobre el diseño
de producto y\o proceso.• Estas preocupaciones serán documentadas en una matriz
con responsabilidades asignadas y tiempo de ejecución. Se recomienda el uso de
métodos disciplinados para solución de problemas ante situaciones difíciles.
CALENDARIZACIÓN DEL PLAN
•
Listar tareas, asignaciones, otros eventos y fechas (inicial y final) de ejecución.
Página 126 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
1.0 PLANEACION Y DEFINICION DEL PROGRAMA
ENTRADAS
Etapa de
traducción de las
1.1 Voz del cliente
necesidades y
1.2 Plan de Negocios y
expectativas del
Estrategias de Mercado
cliente en
1.3 Comparación competitiva especificaciones y
del producto/proceso
objetivos de
calidad del
1.4 Supuestos del
producto/proceso
producto. Asegura
1.5 Estudios de
que las
Confiabilidad del
necesidades y
producto
expectativas del
1.6 Información del
cliente estén bien
cliente interno
definidas
SALIDAS
1.7 Metas de diseño
1.8 Metas de Confiabilidad y Calidad
1.9 Lista preliminar de Materiales
1.10 Diagrama de flujo
preliminar del Proceso
1.11 Características especiales de
Producto y Proceso
1.12 Plan de Aseguramiento
del Producto
1.13 Soporte de la Dirección
12
ENTRADAS
1.1 VOZ DEL CLIENTE: reclamos, recomendaciones, datos e información obtenida de clientes
internos y\o externos.
1.1.1 INVESTIGACIÓN DE MERCADO: entrevistas con clientes, cuestionarios y encuestas con
clientes, pruebas de mercado y reportes de posicionamiento, estudios de calidad y fiabilidad a
nuevos productos, estudios competitivos de calidad de producto, reportes de cosas que van
bien ( things going right TGR).
1.1.2 INFORMACIÓN HISTÓRICA DE GARANTÍA Y CALIDAD: reportes de cosas que van mal,
reportes de garantía, indicadores de habilidad, reportes internos de calidad en planta ,reportes
de solución de problemas ,reclamos y rechazos de clientes a planta, análisis de productos
retornados de campo.
Página 127 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
1.1.3 EXPERIENCIA DEL GRUPO: análisis y comentarios de medios: reportes de revistas y
periódicos, etc. cartas y sugerencias de clientes, reportes de cosas que van mal y cosas que
van bien (TGR, TGW), comentarios de distribuidores, comentarios de transportistas, reportes
de servicios de campo, evaluaciones internas usando clientes sustitutos, pruebas de viajes en
caminos, comentarios de la administración o dirección, asuntos y problemas reportados de
clientes internos, requerimientos y regulaciones gubernamentales, revisión de contrato.
1.2 PLAN DE NEGOCIO / ESTRATEGIA DE MERCADO
PLAN DE NEGOCIO – LIMITACIONES EN: tiempo, costo, iInversión, posicionamiento del
producto, recursos para investigación y desarrollo
ESTRATEGIA DE MERCADO: consumidor objetivo, puntos clave de venta, competidores clave.
1.3 COMPARACIÓN COMPETITIVA DEL PRODUCTO / PROCESO: identificar quien el mejor en
relación al aspecto de interés, entender la razón de la diferencia del estado actual contra el
comparado, desarrollar el plan para eliminar, igualar o superar la diferencia.
1.4 SUPUESTOS SOBRE EL PRODUCTO / PROCESO
SE ASUME QUE EL PRODUCTO TIENE CIERTO CONCEPTO DE APARIENCIA, DISEÑO O PROCESO
Innovaciones técnicas, materiales avanzados, evaluaciones de confiabilidad, nuevas
tecnologías.
1.5 ESTUDIOS DE CONFIABILIDAD DEL PRODUCTO: es la probabilidad de que un componente
o sistema desempeñe satisfactoriamente la función para la que fue creado durante un periodo
establecido y bajo condiciones de operación establecidos, es calidad en el tiempo.
1.6 ENTRADAS DEL CLIENTE: requerimientos específicos del usuario que mutuamente
acordados proporcionan indicadores de satisfacción a clientes.
Despliegue de la función de calidad (QFD)
El despliegue de la función de la calidad: Quality Function Deployment (QFD), es relacionado
comúnmente con “la voz de los clientes”, o con “la casa de la calidad”.
Página 128 de 181
Peso normalizado
punto de venta
Esto da como resultado la identificación de las especificaciones
críticas de diseño del producto de acuerdo a la prioridad
Peso Ponderado
Meta
Dificultad para lograr la meta
% Relativo Nums. De Prioridad
Relación de mejoramiento
Números de Prioridad
Especs. de la empresa
Especs. de la competencia
Meta de la empresa
Desempeño actual
Relaciones
entre las necesidades
del cliente y las caract.
de diseño del producto
Desempeño de la competencia.
Necesidades
del cliente
Características de diseño
del producto
Importancia para el cliente
Correlaciones
Técnicas
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
1.7 METAS DE DISEÑO: traducción de la voz del cliente en objetivos de diseño medibles,
asegura que la voz del cliente no se pierda en las actividades subsecuentes del diseño.
1.8 METAS DE CALIDAD Y CONFIABILIDAD: se establecen en función de las expectativas del
cliente y benchmarks, probabilidad de sobrevivencia y limites de confianza, MTBF, MTTF, etc.
nivel de defectos, ppm, reducción de desperdicio, etc.
1.9 LISTA PRELIMINAR DE MATERIALES: establecer materiales a emplear, lista preliminar de
proveedores, características especiales preliminares del producto \ proceso.
1.10 DIAGRAMA DE FLUJO DEL PROCESO PRELIMINAR: anticipar el proceso de manufactura
en base a los supuestos de producto \ proceso y lista preliminar de materiales
1.11 LISTADO PRELIMINAR DE CARACTERISTICAS ESPECIALES
DE PRODUCTO Y PROCESO: resultado del análisis de las entradas relacionadas con
expectativas y necesidades del cliente.
Desarrollada en base a: supuestos del producto, identificación de requerimientos \ metas de
fiabilidad, procesos de manufactura anticipados, AMEF’S de partes similares,
1.12 PLAN DE ASEGURAMIENTO DEL PRODUCTO
Parte importante del plan de calidad del producto.
Sumario sistemático de requerimientos del programa: identificación de requerimientos de
confiabilidad, evaluación de nueva tecnología, complejidad, materiales, aplicación, medio
ambiente, empaque, servicio, requisitos de manufactura, etc. desarrollo de AMEF, desarrollo
de requerimientos de estándares de ingeniería preliminares.
SOPORTE GERENCIAL: actualizar la información para la gerencia al concluir cada fase de la
planeación demostrando que todos los requerimientos se han cumplido. documentar y
programar las fechas de solución de preocupaciones surgidas durante el desarrollo de la
planeación. Participación de la gerencia en las juntas de planeación de Calidad de Producto.
Página 129 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
2.0 DISEÑO Y DESARROLLO DEL PRODUCTO
Etapa de revisión
critica de los
requisitos de
1.7 Metas de diseño
diseño y de la
1.8 Metas de Fiabilidad y
información
Calidad
técnica.
SALIDAS
ENTRADAS
1.9 Lista preliminar de
Materiales
2.1 AMEF de diseño
2.2 Diseño para manufactura y
ensamble
2.3 Verificación del Diseño
2.4 Construcción de Prototipo
Desarrollo y
1.10 Diagrama de flujo verificación del
preliminar del Proceso diseño evaluando
1.11 Características
los problemas
especiales de Producto y
potenciales del
Proceso
diseño en la
1.12 Plan de Aseguramiento
manufactura.
del Producto
2.5 Dibujos de Ingeniería
2.6 Especs. de Ingeniería
2.7 Especs. de Materiales
2.8 Cambios a dibujos y
especificaciones
2.9 Reqs. de equipo, herramental
e instalaciones
2.10 Características esp.de
Producto/Proceso
Definición de los
controles
especiales del
producto/proceso
2.11 Plan de control de Prototipo
2.12 Req. de Equipo de Prueba
y gages
1.13 Soporte de la
Dirección
2.13 Compromiso de factibilidad del
grupo y Soporte de la Dirección
21
SALIDAS
2.1 AMEF DE DISEÑO (AMEFD): técnica analítica disciplinada que evalúa la probabilidad de
falla así como su efecto. documento vivo actualizado continuamente conforme lo requieran las
expectativas y necesidades de los clientes.
2.2 DISEÑO PARA MANUFACTURABILIDAD Y ENSAMBLE
Proceso de ingeniería simultánea
Diseñado para optimizar la relación entre la función de diseño, manufacturabilidad
y facilidad de ensamble. .
2.3 VERIFICACION DEL DISEÑO: verificar que el diseño de producto cumple con los
requerimientos del cliente. Derivados de las actividades descritas en sección 1.0
2.4 REVISIONES AL DISEÑO: método para prevenir problemas y malos entendidos.
Página 130 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
2.5 CONSTRUCCION DE PROTOTIPO - PLAN DE CONTROL: asegurar la existencia de un plan de
control para prototipos.
Los prototipos deben revisarse para: asegurar que el producto o servicios cumple con
especificaciones, reportando los datos; asegurar que se ha dado particular interés a las
características especiales de producto y proceso; usar los datos y experiencia para establecer
los parámetros preliminares de proceso y requerimientos de empaque; comunicar al cliente
cualquier preocupación, desviación y \ o impacto en costo.
2.6 DIBUJOS DE INGENIERIA: pueden incluir características especiales ( regulaciones
gubernamentales o de seguridad), mostradas en el plan de control. Determinar cuales
características afectan al uso, función, durabilidad y \ o requerimientos de seguridad regulados
por el gobierno. Deben de tener suficiente información para Layout dimensional. Los
localizadores\datums deben identificarse claramente para diseño de equipo y escantillones
para control. Las dimensiones deben evaluarse para asegurar factibilidad y compatibilidad con
los estándares de manufactura y medición de la industria.
2.7 ESPECIFICACIONES DE INGENIERIA: Identificar los requerimientos de funcionalidad,
durabilidad y apariencia de los componentes o ensamble. Establecer para pruebas en proceso
el tamaño de la muestra, frecuencia y criterio de aceptación de los parámetros.
2.8 ESPECIFICACIONES DE MATERIALES: Deben revisarse los requerimientos de las
características críticas o especiales sobre propiedades fisicas, desempeño, ambientales,
manejo y almacenamiento. También deben incluirse en el plan de control.
2.9 CAMBIOS A DIBUJOS Y ESPECIFICACIONES: cuando exista un cambio, debe asegurarse su
rápida comunicación y adecuada documentación a todas las áreas afectadas.
2.10 REQUERIMENTOS PARA EL EQUIPO, HERRAMIENTAS E INSTALACIONES NUEVAS:. Los
requerimientos deben agregarse al programa del proyecto asegurando que el equipo y
herramientas tengan la capacidad requerida y se entreguen en forma oportuna. Se debe dar
seguimiento al avance en las instalaciones con objeto de asegurar su terminación para lograr
las metas de producción piloto.
2.11 CARACTERISTICAS ESPECIALES DE PRODUCTO Y PROCESO: El equipo debe tener
consenso en relación con las características críticas identificadas en la sección de Voz del
Cliente. Debe llenarse el Plan de control indicando estas características con los símbolos
correspondientes a cada cliente.
2.12 REQUERIMENTOS DE INSTRUMENTOS DE PRUEBA: El equipo debe identificar estos
requerimientos y agregarlos al programa, monitoreando para asegurar se cumpla con el
tiempo programado.
Página 131 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
2.13 COMPROMISO DE FACTIBILIDAD DEL GRUPO Y SOPORTE GERENCIAL: Evaluar la
factibilidad del diseño propuesto. El grupo debe estar convencido que el producto o servicio
diseñado podrá ser manufacturado, ensamblado, probado, empacado y entregado en cantidad
suficiente a un costo aceptable y en el tiempo programado.
3.0 DISEÑO Y DESARROLLO DEL PROCESO
ENTRADAS
2.1 AMEF de diseño
2.2 Diseño para
manufactura y ensamble
2.3 Verificación del Diseño
2.4 Construcción de
Prototipo
2.5 Dibujos de Ingeniería
2.6 Especs. de Ingeniería
2.7 Especs. de Materiales
2.8 Cambios a
dibujos y especs.
2.9 Reqs. de equipo,
herr. e instalaciones
2.10 Características
esp.de Producto/Proceso
2.11 Plan de control
de Prototipo
2.12 Req. de Equipo
e instr. de Prueba
2.13 Compromiso
de factibilidad
SALIDAS
En esta etapa
se asegura que
el proceso será
efectivo para
cumplir con las
necesidades y
expectativas
del cliente
3.1 Estandares de empaque
3.2 Revisión del
Sistema de Calidad
3.3 Diagrama de
Flujo del Proceso
3.4 Distribución del Planta
3.5 Matriz de carácterísticas
3.6 AMEF de Proceso
3.7 Plan de Control
de Pre-producción
3.8 Instrucciones
de Proceso
3.9 Plan de analisis de los
sistemas de medición
3.10 Estudio preliminar de
habilidad del proceso
3.11 Especificaciones
de empaque
3.12 Soporte de la Dirección
3.1 ESTANDARES DE EMPAQUE
•
Aplicar estándares actuales o modificarlos para preservar integridad del producto
desde su liberación hasta el punto de uso.
3.2 REVISION DEL SISTEMA DE CALIDAD DE PRODUCTO \ PROCESO
•
Revisión del Manual del Sistema de Calidad actualizándolo de acuerdo a las
necesidades de nuevo producto \ proceso.
3.3 DIAGRAMA DE FLUJO DEL PROCESO
Página 132 de 181
30
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008

Representación esquemática del flujo del proceso actual o propuesto

Enfatiza el impacto de fuentes de variación en proceso (maquinas, materiales,
métodos y mano de obra) de inicio a fin. Asiste al grupo para enfocarse sobre el
proceso durante la elaboración del AMEF de proceso y Plan de Control.
PROCESS FLOW DIAGRAM
NUMBER
DATE:
ECL:
PREPARED BY:
INSPECT
STORE
MOVE
OPERATION
DESCRIPTION
ITEM #
STEP
FABRICATION
NAME
PRODUCT AND
PROCESS
CHARACTERISTICS
Página 133 de 181
ECL
ITEM #
PART NUMBER:
PART DESCRIPTION:
CONTROL
METHODS
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
3.4 DISTRIBUCIÓN DEL PLANTA: Desarrollado y revisado para determinar la aceptabilidad de
los puntos de inspección, localización de cartas de control, aplicabilidad de ayudas visuales,
estaciones de reparación y áreas para contener material defectivo.
3.5 MATRIZ DE CARACTERÍSTICAS
Muestra las relaciones de los parámetros de proceso y las estaciones de
manufactura. Se numeran las dimensiones y \ o características del dibujo de
la parte y cada operación de manufactura, indicando las relaciones existentes.
MATRIZ DE CARACTERISTICAS
NO’s DE OPERACION
DIM
No.
DESCRIPCION
1
ID
2
CARA
TOLERANCIA
3
05
10
X
C
20
X
X
C
C
X
L
L
4
X
5
X
6
30
OD
X
C = CARACTERISTICA EN UNA OPERACION USADA PARA SUJECION
L = CARACTERISTICA EN UNA OPERACION USADA PARA LOCALIZAR
X = CARACTERISTICA CREADA O CAMBIADA POR ESTA OPERACION.
(DEBE ESTAR DIRECTAMENTE RELACIONADA A LA DIMENSION DE LA
COLUMNA EXCEDENTE EN LA FORMA DEL DIAGRAMA DE FLUJO DEL PROCESO).
46
3.6 AMEF DE PROCESO (AMEFP): debe elaborarse antes de iniciar la producción. Es una
revisión y análisis disciplinado para un proceso nuevo \ revisado realizado para anticipar,
resolver o monitorear problemas potenciales del proceso. Documento vivo que necesita ser
revisado y actualizado conforme se descubren nuevos modos de falla.
Página 134 de 181
Machinery
Function /
Requirements
Core Team:
Potential
Failure
Mode
Program(s) / Plant(s)
Component
Subsystem
System
Potential
Effect(s)
of Failure
S
e
v
C
l
a
s
s
Potential
Causes(s)/
Mechanism(s)
of Failure
Key Date
Supplier Name
O
c
c
u
r
Current
Process
Controls
Prevention
Current
Process
Controls
Detection
ORGANIZATION
POTENTIAL
FAILURE MODE AND EFFECTS ANALYSIS
(MACHINERY FMEA)
D
e
t
e
c
R.
P.
N.
Recommended
Action(s)
Responsibility
& Target
Completion
Date
Date (Rev.)
Date (Orig.)
Prepared by:
FMEA Number:
Actions
Taken
S
e
v
O
c
c
Action Results
FILE.XLS
D
e
t
R.
P.
N.
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Página 135 de 181
Process Name /
Operation
Description
Process
Number
For Mfg.
Jig, Tools
No.
Product
Characteristics
Process
Class.
Char.
Special
Other Approval/Date (if Req'd.)
Supplier/Plant
Part /
Supplier/Plant Approval/Date
Key Contac/Phone
Part Name/Description
Supplier Code
Production
Core Team
Machine, Device,
Pre-launch
Part Number/Latest Change Level
Control Plan Number
Prototype
Page
Evaluation/
Measurement
Technique
Specification/
Tolerance
Methods
Other Approval/Date (if Req'd.)
Size
Sample
Customer Quality Approval/Date (if Req'd.)
Freq.
Customer Engineering Approval/Date (if Req'd.)
Date (Orig.)
Product/Process
CONTROL PLAN
Control Method
Date (Rev.)
of
Reaction Plan
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
3.7 PLAN DE CONTROL DE PRE – LANZAMIENTO: Descripción de mediciones dimensionales,
pruebas funcionales y de materiales que se harán después de los prototipos y antes de
producción normal. Debe incluir controles adicionales al producto \ proceso a ser implantadas
hasta que el proceso de producción sea validado. Pretende contener no conformidades
potenciales previo o durante las corridas de producción inicial.
Página 136 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
3.8 INSTRUCCIONES DE PROCESO: proporcionan detalles suficientes para la operación del
proceso, accesibles a los operadores incluyendo parámetros de ajuste como: velocidad de
máquina, tiempos del ciclo etc.
Se desarrollan partiendo de: AMEF’S, Planes de control, Dibujos de ingeniería, especificaciones
de desempeño y de materiales, estándares visuales y estándares industriales. Diagrama de
flujo del proceso. Distribución de planta. Matriz de características. Estándares de empaque.
Parámetros de proceso. Experiencia y conocimiento de los procesos y productos.
Requerimientos de manejo de materiales. Operadores del proceso.
4.0 VALIDACION DEL PRODUCTO Y PROCESO
ENTRADAS
Etapa donde el
3.1 Estandares de empaque proceso de
manufactura es
3.2 Revisión del
validado por medio
Sistema de Calidad
3.3 Diagrama de
de la evaluación de
flujo del Proceso
una corrida piloto
3.4 Distribución de planta de prueba.
3.5 Matriz de caracter.
El grupo de APQP
3.6 AMEF de Proceso debe verificar que
3.7 Plan de Control
el Plan de Control y
de Pre-producción
el Diagrama de
3.8 Instrucciones
Flujo del proceso
de Proceso
3.9 Plan de analisis de los se aplican en piso y
sistemas de medición aseguran el
3.10 Estudio preliminar cumplimiento de
de habilidad del proceso los requisitos del
3.11 Especificaciones de cliente.
empaque
3.12 Soporte Gerencial
Página 137 de 181
SALIDAS (PPAP)
4.1 Corrida de Prueba
de Producción
4.2 Evaluación del
Sistema de Medición
4.3 Estudio Preliminar de
Capacidad del Proceso
4.4 Aprobación de
Partes de Producción
4.5 Pruebas de Validación de
Producción
4.6 Evaluación de Empaque
4.7 Plan de Control para
Producción
4.8 Cierre de la Planeación de
Calidad y Soporte de la Dirección
37
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
SALIDAS
4.1 CORRIDA DE PRUEBA DE PRODUCCION: debe conducirse empleando herramental,
equipo, ambiente (incluyendo operadores de producción), instalaciones y tiempo de ciclo
normales de producción. La cantidad mínima es determinada por el cliente.
Se usa para: estudios preliminares de habilidad de procesos, evaluación de sistemas de
medición, factibilidad final, revisión de proceso, pruebas de validación de producción,
aprobación de partes de producción, evaluación de empaque, habilidad de primera vez (FTC),
cierre de la planeación de calidad.
4.2 EVALUACION DEL SISTEMA DE MEDICION: deberán de emplearse los dispositivos y
métodos especificados para verificar las características identificadas en el plan de control.
Evaluar el sistema de medición previo o durante la corrida de producción de prueba, a través
de un estudio R&R, ANOVA o con Cartas de Control (MSA)
4.3 ESTUDIO PRELIMINAR DE CAPACIDAD DE PROCESO: evalúa la capacidad o habilidad del
proceso para la producción. Se desarrolla sobre las características identificadas en el plan de
control.
4.4 APROBACION DE PARTES DE PRODUCCION: valida que el producto hecho con
herramentales y procesos de producción normal cumple con los requerimientos de ingeniería.
Se aplica lo descrito en el Manual “Production Part Approval Process”
4.5 PRUEBAS DE VALIDACION DE PRODUCCION: pruebas de ingeniería para validar que los
productos hechos con herramientas y procesos de producción normal cumplen los estándares
de ingeniería. Se aplica lo descrito en “Quality System Requirements” de Ford, Chrysler y GM
4.6 EVALUACION DE EMPAQUE: todas las pruebas de embarque y los métodos de prueba
deben evaluar la protección del producto contra daños de transportación normal y factores
ambientales adversos.
4.7 PLAN DE CONTROL PARA PRODUCCION: extensión del plan preparado en la fase anterior.
Puede ser requerido por cliente para su aprobación.
4.8 CIERRE DE LA PLANEACION DE CALIDAD Y SOPORTE GERENCIAL: Reportar a la gerencia el
estado del programa. Efectuar revisión de piso y coordinar el cierre formal.
Previo al embarque de la primera producción se requiere revisar: planes de control existentes
y disponibles en todos los casos para las operaciones afectadas. Instrucciones de proceso
conteniendo todas las características especiales especificadas en el plan de control y todas las
recomendaciones derivadas del AMEF de proceso. Uso adecuado y estudios R & R de
dispositivos especiales de medición requeridos por el plan de control.
Página 138 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
TEAM FEASIBILITY COMMITMENT
Customer:
DaimlerChrysler
Part Number:
NUMBER
Date:
Part Name:
NAME
Feasibility Considerations
Our product quality planning team has considered the following questions, not intended to be all-inclusive in
performing a feasibility evaluation. The drawings and/or specifications provided have been used as a basis for
analyzing the ability to meet all specified requirements. All "no" answers are supported with attached comments
identifying our concerns and/or proposed changes to enable us to meet the specified requirements.
YES
NO
CONSIDERATION
Is product adequately defined (application requirements, etc. to enable
feasibility evaluation?
Can Engineering Performance Specifications be met as written?
Can product be manufactured to tolerances specified on drawing?
Can product be manufactured with Cpk's that meet requirements?
Is there adequate capacity to produce product?
Does the design allow the use of efficient material handling techniques?
Can the product be manufactured without incurring any unusual:
- Costs for capital equipment?
- Costs for tooling?
- Alternative manufacturing methods?
Is statistical process control required on the product?
Is statistical process control presently used on similar products?
Where statistical process control is used on similar products:
- Are the processes in control and stable?
- Are Cpk's greater than 1.33?
Conclusion
Feasible
Feasible
Not Feasible
Product can be produced as specified with no revisions.
Changes recommended (see attached).
Design revision required to produce product within the specified requirements.
Sign-Off
Team Member/Title/Date
Team Member/Title/Date
Team Member/Title/Date
Team Member/Title/Date
Team Member/Title/Date
Team Member/Title/Date
5.0 RETROALIMENTACION,EVALUACION Y ACCIÓN CORRECTIVA
ENTRADAS: las salidas de la fase anterior.
SALIDAS: variación reducida, satisfacción de cliente, entrega y servicio.
5.1 VARIACION REDUCIDA: emplear cartas de control u otra técnica estadística para identificar
variación de proceso. (ver “Statistical Process Control Reference Manual”). Analizar y tomar
acciones correctivas para reducir variación. Establecer mejora continua entendiendo las causas
comunes y reducir sus fuentes de variación.
5.2 SATISFACCION DEL CLIENTE: asociarse con el cliente para hacer los cambios necesarios
para corregir deficiencias.
5.3 ENTREGA Y SERVICIO: asociarse con el cliente para solución de problemas y mejora
continua. Junto con el cliente escuchar la Voz del Cliente y del Consumidor.
Página 139 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
7. Introducción a la norma ISO 17025
Requisitos generales para la competencia de los laboratorios de ensayo y
de calibración
0 Introducción
Esta norma mexicana contiene todos los requisitos que los laboratorios de ensayo y de
calibración, tienen que cumplir si desean demostrar que operan un sistema de calidad, que son
técnicamente competentes y que son capaces de generar resultados técnicamente válidos.
1
Alcance
1.1
Esta norma mexicana especifica los requisitos generales sobre la competencia para
llevar a cabo ensayos y/o calibraciones, incluyendo el muestreo. Cubre los ensayos y
calibraciones realizados aplicando métodos normalizados, métodos no normalizados y
métodos desarrollados por el laboratorio.
3
Términos y definiciones
NOTA: La norma NMX-CC-001-1995-IMNC establece las definiciones generales relacionadas
con la calidad, mientras que la ISO/IEC Guide 2: 1996 establece las definiciones
específicamente relacionadas con la normalización, la certificación y la acreditación de
laboratorios.
4
4.1
Requisitos administrativos
Organización
4.1.2 Es responsabilidad el laboratorio llevar a cabo sus actividades de ensayo y de
calibración de tal manera que se cumplan los requisitos de esta norma mexicana y se
satisfagan las necesidades del cliente, de las autoridades reguladoras u organizaciones que
proporcionan el reconocimiento.
4.1.5
a)
b)
c)
d)
e)
El laboratorio debe:
tener personal administrativo y técnico con la autoridad y recursos necesarios para
llevar a cabo sus deberes y para identificar la ocurrencia de desviaciones al sistema de
calidad o de los procedimientos para efectuar ensayo o calibraciones e iniciar acciones
para prevenir o minimizar tales desviaciones (véase también 5.2).
tener disposiciones para asegurar que su dirección y personal estén libres de cualquier
presión e influencia interna o externa indebida, comercial, financiera o de otro tipo,
que pudieran influenciar adversamente la calidad de su trabajo.
tener políticas y procedimientos para asegurar la protección de la información
confidencial y los derechos de propiedad de sus clientes, incluyendo procedimientos
para proteger el almacenamiento y transmisión electrónica de resultados;
tener políticas y procedimientos para evitar involucrarse en cualquier actividad que
pudiera disminuir la confianza en su competencia, imparcialidad, juicio o integridad
operacional;
definir la organización y estructura administrativa del laboratorio, su lugar en cualquier
organización final y las relaciones entre la dirección de calidad, operaciones técnicas y
servicios de apoyo;
Página 140 de 181
CORE TOOLS DE LA AIAG
f)
g)
h)
i)
j)
P. Reyes / mayo 2008
especificar la responsabilidad, autoridad e interrelaciones de todo el personal que
administra, efectúa o verifica el trabajo que afecta la calidad de los ensayos y/o
calibraciones;
proporcionar supervisión adecuada del personal de ensayo y de calibración, incluso los
de capacitación, por persona familiarizadas con los métodos y procedimientos,
propósito de cada ensayo y/o calibración y con la evaluación de los resultados de los
ensayos o calibraciones;
tener una dirección técnica que tenga responsabilidad total de las operaciones
técnicas y la provisión de los recursos necesarios para asegurar la calidad requerida de
las operaciones del laboratorio.
designar un miembro del personal como gerente de calidad (o como quiera llamarle),
quien independientemente de otros deberes y responsabilidades, deberá tener
definidas su responsabilidad y autoridad para asegurar que el sistema de calidad esté
implantado y seguido en todo momento. El gerente de calidad deberá tener acceso
directo al nivel más alto de la dirección en el cual se tomen las decisiones sobre las
políticas y recursos del laboratorio.
designar personal sustituto del personal directivo clave (véase la nota).
4.2
Sistema de calidad
4.2.1 El laboratorio debe establecer, implantar y mantener un sistema de calidad apropiado
al alcance de sus actividades. El laboratorio debe documentar sus políticas, sistemas,
programas, procedimientos e instrucciones en la extensión necesaria para asegurar la calidad
de los resultados de los ensayos y/o calibraciones. La documentación del sistema debe ser
comunicada, entendida, estar disponible y ser implantada por el personal apropiado.
4.3
Control de documentos
4.3.1
Generalidades
El laboratorio debe establecer y mantener procedimientos para controlar todos los
documentos que forman parte de su sistema de calidad (generado internamente o de fuentes
externas), tales como regulaciones, normas, otros documentos normativos, métodos de
ensayo y/o de calibración así como también dibujos, software, especificaciones, instrucciones
y manuales.
4.3.2
Aprobación y emisión de documentos.
4.3.3
Cambios en los documentos
4.4
Revisión de solicitudes, ofertas y contratos
4.4.1 El laboratorio debe establecer y mantener procedimientos para la revisión de
solicitudes, ofertas y contratos. Las políticas y procedimientos para esas revisiones que dan
lugar a un contrato sobre ensayo y/o calibración, debe asegurar que:
a)
los documentos incluyendo los métodos que van a ser usados, estén adecuadamente
definidos, documentados y entendidos (véase 5.4.2);
b)
el laboratorio tiene la capacidad y recursos para cumplir los requisitos.
c)
se selecciona el método de ensayo y/o calibración apropiado y capaz de cumplir los
requisitos del cliente (véase 5.4.2).
Cualquier diferencia entre la solicitud o la oferta y el contrato debe ser resuelta antes de que
se inicie el trabajo. Cada contrato debe estar aceptado tanto por el laboratorio como por el
cliente.
Página 141 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
4.4
Subcontratación de ensayos y calibraciones
4.5.1 Cuando un laboratorio subcontrata trabajo ya sea debido a razones imprevistas (por ej.
Sobrecarga de trabajo, necesidad de mayor experiencia o incapacidad temporal) o sobre una
base de continuidad (p. ej. mediante una subcontratación permanente, arreglos de agencia o
franquicia), este trabajo debe ser asignado a un subcontratista competente. Un subcontratista
competente es aquel que por ejemplo cumple con esta norma mexicana para el trabajo en
cuestión.
4.5
Compras de servicios y suministros
4.6.1 El laboratorio debe tener una política y procedimiento(s) para la selección y
adquisición de servicios y suministros que utiliza y afectan la calidad de los ensayos y/o
calibraciones. Deben existir procedimientos para la compra, recepción y almacenamiento de
reactivos y materiales consumibles de laboratorio, relevantes para los ensayos y/o
calibraciones.
4.6
Servicio al cliente
El laboratorio debe cooperar con los clientes o sus representantes, para aclarar sus solicitudes
y dar seguimiento al desempeño del laboratorio con relación al trabajo efectuado en el
entendimiento de que el laboratorio asegura la confidencialidad hacia otros clientes.
4.7
Quejas
El laboratorio debe tener una política y procedimiento para la resolución de quejas recibidas
de los clientes o de otras partes. Se deben mantener registros de todas las quejas y de las
investigaciones y acciones correctivas tomadas por el laboratorio (véase también 4.10).
4.8
Control del trabajo de ensayo y/o calibración no conforme
4.9.1 El laboratorio debe tener una política y procedimientos que deben ser implementados
cuando algún aspecto de su trabajo de ensayo y/o calibración, o los resultados de este trabajo,
no está conforme con sus propios procedimientos o con los requisitos acordados con el
cliente.
4.9
Acción correctiva
4.10.1 Generalidades
El laboratorio debe establecer una política y un procedimiento y debe designar autoridades
apropiadas para implantar la acción correctiva cuando haya sido identificado trabajo no
conforme o desviaciones a las políticas y procedimientos e le sistema de calidad o en las
operaciones técnicas.
4.11 Acción preventiva
4.11.1Deben identificarse las mejoras necesarias, y las fuentes potenciales de no
conformidades ya sean técnicas o concernientes al sistema de calidad. Si se requiere acción
preventiva, se deben desarrollar, implantar y monitorear planes de acción para reducir la
probabilidad de ocurrencia de dichas no conformidades y tomar ventaja de las oportunidades
de mejora.
4.12 Control de registros
4.12.1 El laboratorio debe establecer y mantener procedimientos para identificación,
colección, indexado, acceso, archivo, almacenamiento, mantenimiento y disposición de
Página 142 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
registros técnicos y de calidad. Los registros de calidad deben incluir informe de auditorias
internas, revisiones de la dirección así como también registros de las acciones correctivas y
preventivas.
4.12 Auditorías internas
4.13.1 El laboratorio debe conducir auditorías, periódicamente y de acuerdo a un calendario y
a un procedimiento predeterminados, para verificar que sus operaciones continúan
cumpliendo con los requisitos del sistema de calidad y de esta norma mexicana. El programa
de auditorías internas debe dirigirse a todos los elementos del sistema de calidad, incluyendo
las actividades de ensayo y/o calibración.
4.13 Revisiones de la dirección
4.14.1 De acuerdo con un calendario y un procedimiento predeterminado, la dirección
ejecutiva del laboratorio debe conducir periódicamente una revisión del sistema de calidad del
laboratorio y de las actividades de ensayo y/o calibración, para asegurar su adecuación y
efectividad continua y para introducir los cambios o mejoras necesarios.
5
Requisitos técnicos
5.1
Generalidades
5.1.1 Muchos factores determinan el desarrollo correcto y confiable de los ensayos y/o
calibraciones efectuada por un laboratorio.
5.1.2 La extensión en la que los factores contribuyen a la incertidumbre total de la medición
difiere considerablemente entre (tipos de) ensayos y entre (tipos de) calibraciones. El
laboratorio debe tomar en cuenta estos factores en el desarrollo de los métodos y
procedimientos de ensayo y calibración, en la capacitación y calificación del personal y en la
selección y calibración del equipo que utiliza.
5.2
Personal
5.2.1 La dirección del laboratorio debe asegurar la competencia de todos aquellos que
operen equipo específico, efectúan ensayos y/o calibraciones, evalúan resultados y firmen
informes de ensayos y certificados de calibración.
5.2.2 La dirección del laboratorio debe formular las metas con respecto a la educación,
capacitación y habilidades del laboratorio.
5.2.4 El laboratorio debe mantener descripciones de puestos actualizados para el personal
directivo, técnico y de soporte clave, involucrado en los ensayos y/o calibraciones.
5.3
Instalaciones y condiciones ambientales
5.3.1 Las instalaciones del laboratorio para ensayo y/o calibración, incluyendo pero no
limitadas a las fuentes de energía, iluminación y condiciones ambientales, deben ser tales que
faciliten la correcta ejecución de los ensayos y/o calibraciones.
5.4
Métodos de ensayo y calibración y validación del método
5.4.1 Generalidades
El laboratorio debe usar métodos y procedimientos apropiados para todos los ensayos y/o
calibraciones dentro de su alcance. Éstos incluyen muestreo, manejo, transporte,
Página 143 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
almacenamiento, y preparación de los elementos que serán ensayados y/o calibrados, y
cuando sea apropiado, una estimación de la incertidumbre de la medición, así como también
las técnicas estadísticas para el análisis de los datos de ensayo y/o calibración.
5.4.3 Estimación de la incertidumbre de medición.
5.4.6.1 Un laboratorio de calibración o de ensayos, que realiza sus propias calibraciones debe
tener y aplicar un procedimiento para estimar la incertidumbre de medición para todas las
calibraciones y tipos de calibración.
5.4.4 Control de datos
5.4.4.1 Los cálculos y la transferencia de datos deben estar sujetos a verificaciones adecuadas
en una forma sistemática.
5.5
Equipo
5.5.1 El laboratorio debe contar con todos los elementos para muestreo, medición y equipo
de ensayo, requeridos para la correcta ejecución de los ensayos y/o calibraciones (incluyendo
muestreo, preparación de los elementos de ensayo y/o calibración, procesamiento y análisis
de datos de ensayo y/o calibración.) En aquellos casos donde el laboratorio necesita usar
equipo fuera de su control permanente, éste debe asegurar que se cumplan los requisitos de
esta norma mexicana.
5.6
Trazabilidad de la medición
5.6.1 Generalidades
Todo el equipo usado para ensayos y/o calibraciones, incluyendo equipo para mediciones
auxiliares (p. Ej. para condiciones ambientales), que tenga un efecto significativo sobre la
exactitud o validez del resultado del ensayo, calibración o muestreo, deben tener establecido
un procedimiento y un programa para la calibración de su equipo.
5.6.2 Patrones de referencia y materiales de referencia
5.6.3.1 Patrones de referencia
5.6.3.2 Materiales de referencia
Los materiales de referencia deben ser, cuando sea posible, trazables a las unidades de
medición del SI, o a los materiales de referencia certificados. Los materiales de referencia
internos deben ser verificados tanto como sea técnica y económicamente posible.
5.7
Muestreo
5.7.1 El laboratorio debe tener un plan de muestreo y procedimientos para efectuarlo,
cuando lleve a cabo muestreo de sustancias, materiales o productos para ensayo y/o
calibración subsecuente. El plan de muestreo así como también los procedimientos de
muestreo deben estar disponibles en la localidad donde se realice el muestreo. Siempre que
sea razonable, los planes de muestreo deben estar basados en métodos estadísticos
apropiados. Los procesos de muestreo deben considerar los factores a ser controlados, para
asegurar la validez de los resultados de ensayo y calibración.
5.8
Manejo de los elementos de ensayo y calibración
5.8.1 El laboratorio debe tener procedimientos para la transportación, recepción, manejo,
protección, almacenaje, retención y/o disposición final de los elementos de ensayo y/o
calibración, incluyendo todas las provisiones necesarias para proteger la integridad del
elemento de ensayo y/o calibración, para proteger los intereses del laboratorio y del cliente.
Página 144 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
5.8
Aseguramiento de la calidad de los resultados de ensayos y calibración.
El laboratorio debe tener procedimientos de control de calidad para supervisar la validez de los
ensayos y/o calibraciones comprometidas. Los datos resultantes deben ser registrados en tal
forma que las tendencias sean detectadas y cuando sea práctico, deben aplicarse técnicas
estadísticas para realizar los resultados
5.10
Informe de resultados
5.10.1 Generalidades
Los resultados de cada ensayo, calibración o de series de ensayos o calibraciones llevadas a
cabo por el laboratorio, deben ser informados exactamente, claramente, sin ambigüedad,
objetivamente y de acuerdo con cualquier instrucción específica en los métodos de ensayo o
calibración.
Página 145 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
8. Métodos de solución de problemas
EL PROCESO 8D
Establecer un sistema de acciones correctivas y preventivas para eliminar las causas de no
conformidades actuales y futuras, a través de la metodología 8 Disciplinas.Los cambios
siempre deben documentarse, con capacitación previa. Las 8Ds son las siguientes:
D0. PREPARAR EL PROCESO DE 8 DISCIPLINAS (8D)
D1. ESTABLECER EL EQUIPO DE TRABAJO
D2. DESCRIBIR EL PROBLEMA
D3. DESARROLLAR ACCIONES INTERINAS DE CONTENCIÓN (ICA)
D4. DEFINIR Y VERIFICAR LA CAUSA RAÍZ Y PUNTO DE ESCAPE
D5. SELECCIONAR Y VERIFICAR ACCIONES CORRECTIVAS PERMANENTES (PCA`s) PARA LA
CAUSA RAÍZ Y PUNTO DE ESCAPE
D6. IMPLANTAR Y VALIDAR ACCIONES CORRECTIVAS PERMANENTES (PCA`s)
D7. PREVENIR LA RECURRENCIA
D8. RECONOCER AL EQUIPO Y LAS CONTRIBUCIONES INDIVIDUALES
Página 146 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
ENTERESE DEL
PROBLEMA
USE ENFOQUE DE
EQUIPO
DESCRIBA EL
PROBLEMA
IMPLEMENTE Y
VERIFIQUE ACCIONES
INTERINAS
IDENTIFIQUE CAUSAS
POTENCIALES
SELECCIONE CAUSAS
PROBABLES
¿ES LA CAUSA
POTENCIAL UNA
CAUSA RAÍZ ?
No
Sí
IDENTIFIQUE
SOLUCIONES
ALTERNATIVAS
VERIFIQUE
ACCIONES
CORRECTIVAS
IMPLEMENTE
ACCIONES
CORRECTIVAS
PERMANENTES
PREVENGA
RECURRENCIAS
¡FELICITE A SU
EQUIPO!
Página 147 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
D0. PREPARAR EL PROCESO
En respuesta a un síntoma evaluar la necesidad del proceso 8D. Si es necesario, proporcionar
una acción de respuesta de emergencia para proteger al cliente.
¿Se ha evaluado la necesidad de acciones de emergencia?.
¿Se han hecho mediciones para cuantificar los síntomas (severidad, urgencia y tendencia).
¿Se conoce la causa del problema?
¿La complejidad de los síntomas excede la habilidad de una persona para resolver el
problema?
HERRAMIENTAS: Carta de tendencias, Hoja de registro (Tipo de fallas vs. tiempo y vs. etapas de
lanzamiento del producto), Diagrama de Pareto
D1. ESTABLECER EL EQUIPO DE TRABAJO
Formar un pequeño grupo de personas que conozcan el proceso/producto, con tiempo
asignado, autoridad y habilidad en las disciplinas técnicas requeridas para resolver el problema
e implementar acciones correctivas. el grupo debe tener un “champion “ asignado.
ESTRUCTURA: 4-10 miembros, con un líder y un Champion, el equipo representa a la
organización / problema, tener buen ambiente de solución de problemas y Metas claras para
el equipo
D2. DESCRIBIR EL PROBLEMA
DEFINICIÓN DEL PROBLEMA
1. ¿Se ha contestado la pregunta que está mal con qué?
2. ¿Se ha hecho varias veces la pregunta ¿sabemos con certeza porqué está ocurriendo esto?
3. ¿Se ha definido el problema en términos de OBJETO y DEFECTO?
4. ¿Se ha hecho el análisis ES / NO ES (qué, dónde, cuándo y cuánto)?
5. ¿Se ha definido el flujo del proceso y si ha habido cambios?
6. ¿Se ha identificado en que paso del proceso aparece el problema?
7. ¿Se ha revisado si los componetes similares tienen el mismo problema?
8. ¿Se han colectao y analizado todos los datos?
9. ¿Se ha obtenido evidencia física del problema?
Página 148 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
DEFINICIÓN DEL PROBLEMA
PREGUNTAS: ¿Qué está saliendo mal?. ¿Sabemos porque está sucediendo? Si la respuesta es SI
volver a preguntar.
ES
NO ES
QUÉ:
QUÉ:
Nombrar el objeto que tiene la falla
Nombrar objetos similares que pudieran
tener la falla pero no la tienen
Nombrar otras fallas o problemas que el
objeto pudiera tener pero no tiene
Nombrar la falla o problema que está
teniendo
DÓNDE:
DÓNDE:
Lugar donde se encuentra el objeto con falla
Lugar donde primero se muestra la falla
Otros lugares donde el problema ocurre o ha
ocurrido
Donde en el objeto ocurre el problema
(dentro, fuera, parte sup., inf., etc.)
CUÁNDO:
En qué momento ocurrió el problema (día,
mes, año, hora, etc.)
Cuándo ocurrió el problema en el problema
Cuándo ocurrió el problema dentro del ciclo
de vida del producto
CUÁNTO:
Describir la magnitud del problema falla o
defecto
Cuántos objetos tienen o han tenido el
problema, falla o defecto
Determinar la magnitud del problema en
términos de %, rendimiento, etc.
Describir el número de defectos por objeto y
sus dimensiones físicas
Otros lugares donde el objeto puede ser
encontrado sin falla
Otros lugares donde el objeto pudiera
mostrar falla pero no tiene
Lugares similares donde el problema nunca
ha ocurrido
Donde en el objeto pudiera haber ocurrido
el problema, pero no ocurre
CUÁNDO:
Cuando pudo haber ocurrido el problema,
pero no ocurrió
Cuándo en el proceso el problema pudo
haber ocurrido pero no ocurrió
Cuándo dentro del ciclo de vida del ciclo de
vida del producto pudo haber ocurrido el
problema pero no ocurrió
CUÁNTO:
Describir los límites del problema, falla o
defecto
Cuántos objetos podrían haber tenido el
problema, pero no lo tienen
Describir qué pudo haber sido pero no es.
Describir qué pudo haber sido pero no lo es
incluyendo las dimensiones físicas
Página 149 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
D.3 IMPLEMENTAR Y VERIFICAR ACCIONES INTERINAS DE CONTENCIÓN
Definir e implantar acciones de contención para aislar el efecto del problema de cualquier
cliente interno / externo hasta que se implemente la acción correctiva. verificar la efectividad
de la acción de contención.
minimizar los efectos del problema en el cliente implementando acciones de contención.
Arreglos rápidos / prácticos o 100% de inspección. Verificar la efectividad de esas acciones
evaluando en términos cuantificables.
ACCIONES DE CONTENCIÓN
1.¿cuáles acciones de contención se han identificado?
2.¿se ha asegurado que la implementación de la acción de contención no va a crear otros
problemas?
3.¿podrán aguantar todas las acciones interinas mientras se implementan las acciones
correctivas permanentes?
4.¿ha coordinado el plan de acción con el cliente?
ACCIONES DE VERIFICACIÓN
1.¿se han tenido pruebas para evaluar la efectividad de las acciones?
2.¿puede efectuar experimentos controlados para predecir el resultado de las acciones?
3.¿puede probar las acciones en una escala menor para probar si son efectivas?
4.¿se está recopilando información actualizada para asegurarse que las acciones
permanecerán efectivas?
D4. DEFINIR Y VERIFICAR CAUSA RAÍZ Y PUNTO DE ESCAPE
identifique todas las causas potenciales que podrían explicar por qué ocurrió el problema
aísle y verifique la causa raíz probando cada causa potencial ante la descripción del problema y
la información de prueba. identifique las posibles acciones correctivas para eliminar la causa
raiz.
IDENTIFIQUE CAUSAS POTENCIALES
Identifique todas las causas potenciales; analice “por qué” todas las veces que sea necesario
para llevar el proceso hasta la causa raíz; tenga una lluvia de ideas utilizando un diagrama de
causa – efecto; incluya aportaciones de todos los miembros del equipo, si el problema es
nuevo; establezca una línea cronológica.
Página 150 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Establecer la necesidad de un sistema de control nuevo o mejorado
SALIDA: Necesidad establecida para un sistema mejorado de control
ALGO CAMBIO
Gradualmente
Abruptamente
Se requiere nuevo nivel de desempeño
ANÁLISIS COMPARATIVO
DIFERENCIA: Son hechos únicos al ES; para los hechos que no han sido establecidos en la
columna del ES, preguntar: ¿Qué es diferente, único, peculiar, especial o verdadero sólo en el
ES cuándo se compara al NO ES?
GUÍAS: Listar todos los hechos sin prejuicio, que sean causa o causa potencial, considerar las
5M´s, gente, métodos, materiales, máquinas, mediciones y medio ambiente.
CAMBIOS: Son hechos relacionados con las diferencias, preguntar: ¿Qué ha cambiado dentro,
fuera, alrededor o en relación con la diferencia y cuándo ocurrió el cambio?
GUIAS: Listar todos los cambios ocurridos en relación con las diferencias sin importar la fecha o
su potencialidad como causa, considerar las 5 M’s.
TEORIAS SOBRE LA CAUSA RAIZ: Son una forma limitada de tormenta de ideas; son
afirmaciones de las formas en que los cambios pudieron haber creado las fallas; son
afirmaciones de las formas para lograr un nivel de desempeño mejorado, preguntar: ¿Cómo o
de qué forma pudo este cambio haber causado el efecto en el objeto? ¿Cómo podría mejorar el
nivel de desempeño, esta diferencia identificada o cambio sugerido al producto, proceso o
sistema?
GUIAS: Listar cada teoría en forma individual, sin rechazarla por su probabilidad o no práctica;
Iniciar con las de cambios simples para variabilidad simple primero, después seguir con la de
variabilidad compleja; motivar al grupo a que siga generando teorías; dejar la crítica de las
teorías para el siguiente paso de PRUEBA DE TEORÍAS Y CAUSA RAÍZ.
Página 151 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
PRUEBA O CRÍTICA DE LAS TEORIAS SOBRE LA CAUSA RAIZ: hacer una evaluación crítica de las
teorías contra las tablas de ES / NO ES; probar la plausibilidad no posibilidad de cada teoría;
hacer una prueba de la probabilidad de la teoría; hacer un proceso de eliminación ¿La teoría
de la causa raiz explica ambos el ES y NO ES?
GUIAS: probar la teoría contra TODOS los grupos individuales de ES / NO ES; si la teoría pasa en
ambos el ES y NO ES, marcarla con un signo (+), en caso contrario marcarla con un signo (-). Si
hay incertidumbre marcarla con ? Probar las teorías simples primero y después las complejas
VERIFICACIÓN DE LA CAUSA RAIZ: describir el método óptimo para que primero en forma
pasiva y después en forma activa se verifique la causa raíz.
D5. SELECCIONAR Y VERIFICAR ACCIONES CORRECTIVAS PERMANENTES (PCA`s) PARA LA
CAUSA RAÍZ Y PUNTO DE ESCAPE
A través de programas de prueba o pre-producción confirmar cuantitativamente que las
acciones correctivas seleccionadas resolverán el problema del cliente, y no tendrán
consecuencias indeseables. Definir las acciones de contingencia si es necesario, basado en
estimaciones de riesgo. Verificar acciones correctivas antes de que estas se implanten.
Verificar los mejores enfoques: Pruebas de laboratorio, manufactura -indicadores de la
planta, gráficas de control para cambios en la manufactura, auditorias a reportes de
desperdicio, preparar un plan de acción que identifique quién va a hacer qué acciones y
cuándo. verificar la solución con el cliente. Hacer un análisis de decisión como parte de la
consideración de costo y tiempo, para resolver el problema.
D6. IMPLANTAR Y VALIDAR ACCIONES CORRECTIVAS PCAs
Defina e implemente las acciones correctivas permanentes; escoja controles continuos para
asegurarse que la causa raíz se elimine; una vez en producción, monitoreé los efectos a largo
plazo e implemente acciones de contingencia, si es que son necesarias; establezca un plan de
acción para todas las acciones permanentes; establezca controles continuos en el proceso;
inicie un plan estadístico para medir la efectividad de las acciones correctivas; implemente
cambios de entrenamiento apropiados; corrija las partes defectuosos ya producidas;
identifique las acciones de contingencia.
Página 152 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
D7. EVITAR RECURRENCIA.
Modificar los sistemas de administración, sistemas de operación, prácticas y procedimientos
para evitar recurrencias de éste y otros problemas similares. Describir las razones por las que
ocurrió este problema.
Diagrama de causa - efecto ; Diagrama de flujo de proceso; Análisis estadístico; ayude a los
gerentes a comprender por qué su sistema permitió que se desarrollara un problema; revise
los sistemas de administración, las prácticas y los procedimientos, si es necesario; documente
nuevos procedimientos obsoletos y revise normas anteriores; dar capacitación adicional si se
requiere.
8. FELICITAR AL EQUIPO DE TRABAJO
Dar un reconocimiento a los esfuerzos colectivos del equipo: reconocer el significado y valor
que tiene el solucionar un problema; documentar lo que se aprendió al resolver el problema;
escribir reportes de casos de estudio; dar un reconocimiento a los esfuerzos colectivos del
equipo.
Página 153 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
FORMATO DE 8 DISCIPLINAS
1. Identificar el equipo
2. Definir el problema
Integrado por personas de diferentes areas
o departamentos. Se necesita alguien de:
Descripción:
Producción?
Calidad?
Ingeniería?
Almacén ?
Fecha descubierta:
Dónde ocurre:
A qué afecta:
Mantenimiento?
Compras?
Sistemas de Cal?
Nombre
Dibujo
Departamento
2. Definir el problema
Herramientas: Mapas de proceso,
análisis “es/no es”
Definir unidad de medición y Gráfica de tendencia
(a) Cuál es la unidad?
ejem: Partes por millón
(b) Cuál es la meta?
ejem: 100 ppm de defectivos.
N° Parte :
Gráfica de Tendencia: Usar
gráfica para mostrar datos
históricos, unidades y meta
para el futuro
Tiempo
Página 154 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
3. Contener los síntomas
Acciones
Resp.
Contener los síntomas para prevenir que el
problema se escape al consumidor.
Realizar Plan de Acción Inmediato
4. Análisis de Causa Raiz
A. AMEF’s de referencia ( Utilizar herramientas de Calidad adicionales).
B. Lluvia de ideas
Mano de Obra
Método
Efecto/Síntoma
Materiales
Maquinaria
C. Causas probables
Tres puntos del Diagrama de Pescado que la mayoría concuerda en que son las causas más probables en orden de
importancia. Técnica del Grupo Nominal se recomienda para enlistar y priorizar las causas.
1
2
3
D. Análisis de 5 por qué’s
Causa más probable
Por qué?
¿Cuál es la causa raíz del problema.
Preguntarse 5 veces ¿por qué?
Escape
Ver anexo de anàlisis de PORQUE?
Causa
Proveedor
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
No sé o
es obvio.
No sé o
es obvio.
No sé o
es obvio.
No sé o
es obvio.
Página 155 de 181
Escape
Causa
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
E. Test de causa raiz
¿El enunciado de la causa raiz identifica algún elemento del proceso?
SI!
¿Es controlable la causa raiz?
SI!
¿Se puede preguntar “por qué” otra vez y obtener otra causa raiz controlable?
NO!
¿La causa raiz identificada es la falla fundamental del proceso?
SI!
Si corregimos o mejoramos la causa raiz identificada, ¿Asegurará que el problema identificado
no vuelva a ocurrir?
¿Hemos identificado la causa raiz del problema?
SI!
¿Ya checamos que nuestra causa raiz identificada sea aplicable para más de una parte o proceso?
SI!
SI!
5. Seleccionar acciones correctivas
Causas (Contribuyentes
Principales)
Acciones
Tipo de
Acción
C Quién es Responsable?
oP
Página 156 de 181
Fecha
Compromiso?
Estatus
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
6. Implantar acciones correctivas
Claves de los Tipos de Acción: T – Temporal
Causa / Punto
P – Permanente
Tiempo
7. Estandarizar acciones preventivas
Calendario de seguimientos
Fecha:
Fecha:
Fecha:
Fecha:
Fecha:
Fecha:
Fecha:
Fecha:
Hora:
Hora:
Hora:
Hora:
Hora:
Hora:
Hora:
Hora:
Lugar:
Lugar:
Lugar:
Lugar:
Lugar:
Lugar:
Lugar:
Lugar:
8. Reconocimiento al equipo
A. Reconocer contribuciones individuales - ¿qué hizo cada miembro del equipo para apoyar el proceso de 8D’s?
B. Celebrar los logros del equipo – Identificar meta y enlistar formas de celebración para cada meta.
Página 157 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Disciplina N° 4 Análisis de causa raíz
C. Causas probables
Tres puntos del Diagrama de Pescado que la mayoría concuerda en que son las causas más probables en orden de
importancia. Técnica del Grupo Nominal se recomienda para enlistar y priorizar las causas.
1 Lote de lámina decorada por proveedor nacional le aplico pintura café con baja elasticidad
2
3
D. Análisis de 5 por qué’s
Máquina AR3 operada
Por qué?
¿Cuál es la causa raíz del problema.
Preguntarse 5 veces ¿por qué?
Escape
Ver desglose de análisis
Causa
Proveedor
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
Por qué?
No sé o
es obvio.
No sé o
es obvio.
No sé o
es obvio.
No sé o
es obvio.
Página 158 de 181
Escape
Causa
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
7 STEP CORRECTIVE ACTION FORM
7 Step Initiator / Team Leader:
Status:
Phone:
Fax:
OPEN
CLOSED
e-mail:
Issue Date:
Customer Lead Responsibility:
Phone:
Fax:
Revision Date:
e-mail:
Supplier Name:
Supplier code:
Location:
Part No:
Description:
Date of Occurrence:
Vehicle Family Affected:
NC Ticket Number:
Other Reference Number (specify):
Containment Date / Time (see Step 2
Date of Root Cause Identified:
Date PCA Identified:
Date PCA Implemented:
Date Closed:
Source of Complaint:
note):
Date PCA Verified:
1. Problem Identification / Description:
2. Interim Action / Containment (response to the issuing location is due within 24 hr of NCT issuance)
3. Root Cause Analysis
Was this a Recurring Problem? No Yes (explain failure of prior corrective action plan below)
4. Permanent Corrective Action
5. Verification of Corrective Action Plan
6. Controls & Prevention
7. Verify Corrective Action Resolves Issue & Lessons Learned
Página 159 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Método de los 5 pasos
Objetivo: Establecer el proceso para la elaboración y seguimiento del 5 pasos y planes de
acción, para asegurar la identificación correcta de la causa –raíz o mejora potencial , el
establecimiento de acciones adecuadas y su seguimiento hasta la implementación, para
asegurar la estandarización de los procesos y prevenir la no recurrencia en el caso de las
acciones correctivas.
Que es un 5 Pasos y para que nos sirve?...
R= Es una metodología para resolver una falla critica ocurrida en el cual se identifica la causa
raíz se establecen las acciones necesarias para eliminarla y prevenir su recurrencia.
1. Reconocer el problema
1.1 Reconocer el problema: Para identificar el problema se compara el estado actual contra el
que debe ser,
1.2 Descripción del Problema: entre + clara sea la redacción de un problema + fácil es
orientarse a su solución. Se utilizan la técnica de las 7 preguntas: ¿Qué paso? ¿Dónde paso?
¿Cuánto afecto? ¿Cuándo paso? ¿Porqué paso? ¿Quién estuvo involucrado? ¿Cómo paso?
2 . Acción de contención
Los responsables directos del área (Equipo Básico) deben de establecer una acción de
contención temporal para minimizar los efectos del problema mientras se determinan las
acciones en el 5 pasos.
ACCION CONTENEDORA: “Acción que minimiza los efectos del problema y en donde se
establece: Qué se va a hacer? / Quien lo va a realizar? / Fecha de inicio – Fecha de termino/
Control de avance de realización ( si aplica) “
Página 160 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
3. Formación del Equipo
3.1 Equipo Básico: El equipo se conforma por el Jefe de turno o nivel-puesto equivalente, el
supervisor y el personal involucrado directamente en la desviación. El equipo básico realiza un
analisis preeliminar para determinar quién es el equipo completo que va a participar para el
desarrollo del 5 pasos. Se debe de convocar el equipo tan pronto como sea posible para
posterior presentar el 5 pasos ante el Staff.
3.2 Equipo completo: Equipo Básico + Equipo de soporte; el equipo de soporte está
conformado por las áreas adicionales pero necesarias para el análisis del problema.
Ejemplo: Paro de linea
Equipo de soporte: Calidad /
Planeación
4. Recopilar información – Información que aplica
Se recaba y analiza toda la información relacionada al problema. Se deben de identificar todas
las fuentes de información. Tipos de Información:
*Procedimientos / IT’s/ HTE’s; Mapeo de procesos; Plan de contingencia; Plan de Sustitución;
Expediente del trabajador; 5 pasos anteriores de eventos similares; Matriz de Habilidades;
Boletin de Seguridad / Informe de Accidentes/ Incidentes
5. Analizar el Problema
Se utiliza la técnica de los 5 Porque’s para llegar a la causa raíz. Esta técnica se utiliza siempre
que se ha definido el problema satisfactoriamente.
APLICACIÓN DE TORMENTA DE IDEAS – Excepción: Cuando no se conoce que paso con
exactitud o cuando no se puede definir el problema se emplea la “tormenta de ideas” para
identificar primero cual es el problema antes de determinar su(s) causa(s).
Se realiza el análisis y se determina la(s) causas(s) raíz.
Ejemplo: Problema aparecido en fin de semana
ANALISIS MEDIANTE 5 PORQUES’s :
El tractorista “x” surtió material “x” tomado de otro punto de uso. ( 1er. Porque del paro de
linea)
Porque? Porque no tenía equipo para desplazarse a recoger el material
Página 161 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Porque? Porque el tractor No. X hacia dos horas que presentaba una falla de frenos lo que
hacía peligroso su uso.
Porque? Porque al tractor le tocaba mantenimiento preventivo desde hace dos semanas y ya
presentaba problemas pero no fue llevado al Mantenimiento como estaba planeado.
Porque? (Causa raíz) Porque no se aplica ni se toma en consideración el Plan de
Mantenimiento Preventivo/ Correctivo a los equipos como está establecido.
6. Evaluar y decidir soluciones / Establecimiento de acciones correctivas/
Preventivas
Se define una o varias soluciones, se evalúa si las alternativas son viables, se considera que:
Son efectivas: eliminan por completo el problema o solo lo reducen; no causan efectos
secundarios.
Son factibles: existen los medios; hay conocimientos / Capacitación; el tiempo en el que se
realizan.
Económicamente aceptables: su costo es aceptable; el costo - beneficio es aceptable.
7. Implementación de las acciones
Se considera el responsable así como los tiempo de inicio y terminación de la actividad.
El control de la realización de una solución (actividad) se da de acuerdo a la siguiente tabla:
Se da seguimiento a las acciones, sin embargo se puede considerar durante la implementación
de las acciones que:
•
Se pueden tener ACTIVIDADES ADICIONALES
Se registran las acciones adicionales para lo cual se debe de reunir el equipo de forma
periódica hasta su terminación. La junta es convocada por el líder del equipo.
8. Efectividad de las acciones
Se llevan a cabo las acciones al 100% por parte de los responsables. Cuando las acciones se
cierran, se monitorean en un plazo de 25 días laborables (por el líder del equipo), quien mide
la efectividad de las acciones sobre la eliminación de la causa raíz, si esta se elimina y se
cumplen las acciones de forma efectiva se informa a la Gerencia y se da por cerrado el 5 pasos.
Cuando se cierran las acciones y se da por terminado el cinco pasos se revisa si el problema
puede afectar a otra área, proceso o material y se determina si las acciones se pueden aplicar
de forma preventiva para eliminar la posible falla antes de que aparezca.
Página 162 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Por último se da por concluido y se felicita al equipo. En el caso de que las acciones se puedan
aplicar a otras areas para prevenir la misma falla se emite un plan de acción
Semáforo 5 Pasos
•
Efectividad comprobada
•
Acciones al 100% con evidencia entregada y validación pendiente
•
Se cuenta con 5 pasos, pero faltan evidencias.
•
5 pasos con plazos vencidos
•
No se tienen los 5 pasos
TIPS PARA UN BUEN SEGUIMIENTO EN LA SOLUCIÓN DE PROBLEMAS
Para el análisis y solución de un problema existen recomendaciones que nos ayudan a trabajar
de mejor forma y lograr el objetivo propuesto:
 TRABAJO EN EQUIPO y PRIORIZACIÓN DE ACTIVIDADES
 El trabajo en equipo nos ayuda a reunir conocimientos, experiencias, o habilidades
para solucionar el problema
Características del Equipo: ausencia de Conflictos; planeación; apoyo mutuo; dialogo; Manejo
de diferencias; confianza mutua; retroalimentación; consenso; organización; tareas claras y
definidas; toma de decisiones; evaluación y Seguimiento.
Roles en un equipo:
Lider: Administra al equipo; maneja la logística; dirige al grupo; asegura que las acciones y
el problema se resuelva.
Facilitador ( Puede ser también el Líder): promueve la participación en equipo; ayuda a
eliminar los conflictos grupales; documentador; toma la minuta y acuerdos y los difunde; otros
participantes.
Página 163 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
PRIORIZACIÓN DE ACTIVIDADES: debemos de seleccionar las actividades a realizar en base a su
importancia, debemos de empezar por aquellas actividades que contribuyen en un mayor
porcentaje a la solución del problema, ya que aunque podemos tener varias actividades por
realizar pueden existir una dos a las cuales debemos de darles seguimiento de forma
inmediata.
Página 164 de 181
CORE TOOLS DE LA AIAG
5 PRINCIPLES FOR
PROBLEM SOLVING
SHEET for SUPPLIERS
(CA) PDCA FLOW IN 5P PROCESS
CAPDCA
C
A
P/D C
A
PS 1A 1B 2A 2B 2C 3 4 3 4 5
5P BOX
P. Reyes / mayo 2008
Problem#: RR# 33914, 33913
Resp.: ISSUER
Task: Issued By
PROBLEM STATEMENT
(OBJECT/DEFECT)
Rank:
SUPPLIER
Prepared By
Checked By
ISSUING DEPT.
Approved By
Checked By
Approved By Reported To
3 Month Checkup
Name:
Plt./Dept.
PROBLEM DEFINITION
1-A
USE THE 5W2H TO DESCRIBE THE EFFECTS AND HOW THEY WERE DETECTED
Who
What
Where
When
Why
1
How
How Many
4
2-C IDENTIFY ROOT CAUSE
1-B PROBLEM DEFINITION
SUMMARY OF ANALYSIS USED TO FIND AND CONFIRM TRUE CAUSE(S)
5
(ROOT CAUSE (WHY,WHY) ANALYSIS OF BOTH PROBLEM OCCURRENCE AND NONDETECTION)
(CIRCLE CAUSES TO BE COUNTERMEASURED)
2-D
IDENTIFY ROOT CAUSE
(CAUSES [FROM 2C] TO BE C/M & WHY SELECTED)
(PROBLEM)
WHY MADE
WHY SHIPPED
3 CORRECTIVE COUNTERMEASURE (S)
IDENTIFY TEMPORARY AND PERMANENT
RESPONSIBILITY
DATE
4 CONFIRM COUNTERMEASURE(S)
HOW
RESULTS
RESPONSIBILITY
5 FEEDBACK/FEEDFORWARD
DATE
Página 165 de 181
WHO
HOW
DATE
CORE TOOLS DE LA AIAG
4M
(4P)
2-A IDENTIFY ROOT CAUSE
Possible Causes
(BRAINSTORMING)
P. Reyes / mayo 2008
2B IDENTIFY ROOT CAUSE(Fishbone, Orginaz. Cht., Mind-Map, etc… Why, Why, Why Analysis)
Clarification
HARD SIDE - MECHANICAL FACTORS
Material
Method
(Procedure)
Man
(People)
Material
(Plant)
Machine
(Policy)
Machine
man
Etc./Other
method
SOFT SIDE - HUMAN FACTORS
Página 166 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Página 167 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
5Y PROFUNDIZAR EN EL PROBLEMA
Notas:
Se muestran las cartas del flujo de proceso para las ramas del documento de GM 3 x 5 para Predecir, Prevenir y Proteger
Ir en pasos de bebé, resitir la tentación de avanzar rápido y poner más de 1 caja Por Qué. Usar más de 5 cajas para cada rama como sea necesar
Específicamente, se están utilizando palabras "por qué…." o "debido a…" en cujalquier caja, hay tendencia a moverse a la siguiente
caja Por qué
Las preguntas y árboles lógicos son representativas de muchas fallas; las listas no incluyen a todas. Asegurar el análisis adecuado de
la falla, no tratar de adecuarse a las categorías aquí mostradas.
Tratar con "Qué es/ Fue´" al momento de la falla, no con "Qu pudo ser...", a pesar de usar diagramas de Ishikawa, ya que sus ramas
se enfocan a las causas potenciales principales y no inlcuyen todas.
La causa raíz técnica (X Roja) en el proceso debe ser conocidad antes de iniciar el análisis profundo en las hojas de trabajo
Prevenir: ¿Por qué el proceso de manufactura generó este defecto?
Enfocarse en los hechos del proceso al momento de la falla.
Iniciar aquí >>>>
¿Fue un error de la máquina?
SI
Por qué
1
¿Qué falló en la máquina / equipo que generó el defecto?
M1: Nuestra
Máquina / equipo (especificar que parte) creó el defecto.
Respuestas / razones comunes
Por qué
2
A
B
C
D
E
F
Por qué
3
La máquina se ajustó para producir el producto de esta forma
Los ajustes de la máquina cambiaron y generaron este defecto
La variación en la máquina creo partes defectivas
El herramental de la máquina se rompío causando este defecto
El herramental de la máquina se desgastó o deterioró causando este
defecto
La máquina no completó su ciclo normal
A
Las instrucciones de ajuste de la máquina fueron incorrectos / no claros
El ajustador no siguió las instrucciones de ajuste
El equipo de ajuste y medición no fue utilizado / no estaba disponible
La máquina fue ajustada para producir el producto defectuoso
La máquina fue ajustada por personal no calificado
B
Se le permitió a personal no calificado cambiar los ajustes de la máquina
Página 168 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Los ajustes de la máquina no fueron controlados y cambiaron por si
mismos
Los ajustes de la máq. se cambiaron para corregir un problema y crearon
otro
C
D
La parte se colocó fuera de posición, haciendo que la herramienta se rompa
La máquina se trabajó en un ciclo equivocado rompiendo el herramental
La herramienta no fue reemplazada antes de su rotura
Se utilizó herramental defectuoso y se rompío antes de su vida útil
E
El hrramental no fue reemplazado en el intervalo correcto
Ocurrió un desgaste excesivo en la herramienta
F
Por qué
4 ++++
NO
Esta maquinaria no puede ser controlada muy bine para prevenir el defecto
El proceso es demasiado complejo para controlar bien todas las variables
Las condiciones ambientales tienen un efecto excesivo en la máquina
La variablidad de la máquina se incrementó y el proceso se salió de control
La máquina se paró a mitad del ciclo
Ocurrió una falla en la máquina y se detuvo a mitad del ciclo
Los controles de la máquina detectaron un final de ciclo en falso
¿Cuál es la causa raíz de las fallas antes descritas? ¿Puede haber más de un
Por qué faltante? Siempre peguntar "¿Pudo este error evitarse con Poka
Yokes de modo que nunca PUDO OCURRIR?
¿Fue un error del operador?
SI
¿Qué hizo el operador incorrectamente?
M1: El operador tuvo un error y creó el defecto
Especificar la estación / operación donde ocurrió el error
Por qué
1
Respuestas / razones comunes
A
Por qué
2
B
C
D
E
La Parte / componente fue fixtured / localizada / instalada
incorrectamente
Una operación o componente fue omitido por el operador
El operador sólo completó una porción del ciclo normal
El operador realizó la operación en una secuencia incorrecta
El operador seleccionó las partes equivocadas para la operación
Página 169 de 181
CORE TOOLS DE LA AIAG
Por qué
3
P. Reyes / mayo 2008
El operador no siguió las instrucciones del trabajo estandarizado
No había instrucciones de trabajo estandarizado para la operación
Las instrucciones de trabajo estandarizado eran no claras /
inadecuadas / incorrectas
No se capacitó al nuevo operador
No se capacitó de forma adecuada al operador nuevo
Se capacitó al operador nuevo, pero no entendió los requerimientos de
la operación
La operación cambió, pero el operador no estaba enterado no
conciente
El desorden en el lugar de trabajo creo una oportunidad para error
Un operador hizo un cambio de producto y esto causó el defecto
A El operador desactivó o puenteó una parte del equipo
B El operador no utilizó las herramientas / ayudas adecuadas
C El operador no utilizó el equipo adecuado para la operación
D
E
Por qué
4 ++++
¿Cuál es la causa raíz de las fallas antes descritas? ¿Puede haber más
de un Por qué faltante? Siempre peguntar "¿Pudo este error evitarse
con Poka Yokes de modo que nunca PUDO OCURRIR?
NO
¿Fue un problema de Materiales?
SI
Por qué
1
¿Qué estuvo mal con los materiales?
M1: Un problema de material causó el defecto
(Especificar que tipo de problema de material ocurrió)
Respuestas / razones comunes
Página 170 de 181
CORE TOOLS DE LA AIAG
Por qué
2
A
B
C
D
E
P. Reyes / mayo 2008
Se utilizó un material equivocado en el proceso
El material estaba defectuoso
Los materiales estaban contaminados / mezclados
EL material estaba deteriorado / cambiado
El material no fue adecuadamente contenido
Se surtió un material equivocado a la línea / máquina
Se surtieron varios materiales a la estación y se seleccionó uno erróneo
A
Se utilizó material no identificado
Se utilizó material mal identificado o etiquetado
Los materiales comprados no cumplen especificaciones (ver sección de
Tier 2)
B Nuestro proceso creo o reveló defectos en las materias primas
Material defectuoso surtido internamente se pasó a procesos
posteriores
Por qué
3
El almacenamiento interno contaminó el material
C Se introdujo contaminación a la estación
Se recibieron Materiales contaminados del proveedor (ver Tier 2)
Los materiales se almacenaron inadecuadamente
D Los materiales se deterioraron con el tiempo
El proveedor de materiales hizo un cambio, y no estábamos enterados
No se consideraron todas las localizaciones de los materiales
E El material no es surtido siempre en FIFOs
La localización del material no es específica
Por qué
4 ++++
¿Cuál es la causa raíz de las fallas antes descritas? ¿Puede haber más
de un Por qué faltante? Siempre peguntar "¿Pudo este error evitarse
con Poka Yokes de modo que nunca PUDO OCURRIR?
NO
¿La parte cambió de Buena a Mala después de completar el proceso de
manufactura?
SI
Página 171 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
¿Cómo cambió la parte de OK a defectuosa después de completar el
proceso de manufactura?
M1: Las partes eran OK antes del proceso, pero cambiaron
subsecuentemente (especificar como cambiaron)
Por qué
1
Respuestas / razones comunes
Por qué
2
A Las Partes se dañaron en empaque o embarque
Las partes fueron deformadas / distorsionadas después de la
B
manufactura
C Ocurrió un exceso de compresión / expansión en las partes terminadas
D Las partes se almacenaron de manera inadecuada demasiado tiempo
E Las partes de dañaron durante el manejo de materiales
Las partes se empacaron en contenedores equivocados
A Las partes se empacaron incorrectamente en contenedores adecuados
Las ayudas de empaque no se usaron / usaron incorrectamente
La protección de mutilación del empaque no se utilizó / utilizó
inadecuadamente
Parts move during transit causing damage
Por qué
3
Las partes se empacaron muy calientes
Las partes empacaron incorrectamente
B
Las partes se almacenaron de manera incorrecta
Los métodos aceptados de empaque crearon esfuerzos excesivos
partes
C
Las Partes no se estabilizaron adecuadamente
Las Partes se expusieron a condiciones ambientales anormales
Controles de FIFO inadecuados
D Sobreproducción de productos terminados resp. a programas del
cliente
Las partes fueron tiradas / apiladas incorrectamente y les causó daño
E Las partes fueron embarcadas en el camión inadecuadamente
Las partesno fueron almacenadas en área protegida
Por qué
4 ++++
¿Cuál es la causa raíz de las fallas antes descritas? ¿Puede haber más
de un Por qué faltante? Siempre peguntar "¿Pudo este error evitarse
con Poka Yokes de modo que nunca PUDO OCURRIR?
Página 172 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
¿Pasó los defectos al proceso por el Tier 2 / tier 3 ?
Importante: El título del problema debe decir "Construimos y
embarcamos el producto con un defecto del Tier 2", Y se completa
como se falló al Predecir, Prevenir y Proteger a GM de esto. Anexar el
Tier 2 5Y al nuestro.
NO
SI
¿Cómo se pudo construir el producto con un defecto de Tier 2 / 3 y se
emabarcó a GM?
M1: El producto se construyó con un defecto
de Tier 2 / 3 y se embarcó a GM.
Por qué
1
Respuestas / razones comunes
A
Por qué
2
B
C
Nuestro operador cometió un error (ver columna de error del
operador)
Nuestra máquina tuvo un error (ver columna de la máquina)
Es un defecto no predecible en la empresa
A
Por qué
3
B
C
D
No
¿Falló el Poka Yoke para este defecto?
SI
Página 173 de 181
CORE TOOLS DE LA AIAG
Por qué
1
P. Reyes / mayo 2008
¿De que forma falló el Poka Yoke para este defecto?
M1: Falló el Poka Yoke o A Prueba de Error
Respuestas / razones comunes
Por qué
2
A
B
C
D
Los dispositivos A Prueba de Error o Poka Yoke se desconectaron
Los dispositivos A Prueba de Error o Poka Yoke se puentearon
Los dispositivos A Prueba de Error o Poka Yoke eran inadecuados
Los dispositivos A Prueba de Error o Poka Yoke se ajustaron mal
A
Los operadores desconectaron los dispositivos A Prueba de Error
Los operadores de ajuste fallaron en verificarlos
Mantenimiento los desconectó inadvertidamente
B
Los operadores los puentearon
El líder del equipo los puenteo
Los ajustadores los puentearon
Mantenimiento los puenteo
Por qué
3
C
D
Los dispositivos A Prueba de Error fueron mal diseñados
Los dispositivos A Prueba de Error se han deteriorado y no funcionan
bien
Los operadores de ajuste no siguieron las instrucciones
Las guías fueron incorrectas
Proteger: ¿Por qué no se protegió al cliente GM de este defecto?
¿Cómo salieron las partes defectivas de la planta?
Enfocarse en las fallas que sucedieron despúes que se embarcaron las partes
defectuosas.
Iniciar aquí >>>>
¿Había un proceso instalado para detector este defecto?
NO
Por qué
1
¿Por qué no se buscó el defecto?
Q1: No había un proceso para detector del defecto.
Common Answers / Reasons
Página 174 de 181
CORE TOOLS DE LA AIAG
A
Por qué
2
B
C
D
A
Por qué
3
B
P. Reyes / mayo 2008
El proceso de detección no estaba en el plan de control o instrucciones de
trabajo
El defecto no se pudo detector en la planta
Error de dedo al pasar los defectos del FMEA al PCP
No se identificó en el PFMEA como un modo de falla (ver segment de
Predicción
Este es un defecto de Tier 2 que no se verificó (ver segmento de
prevención)
El defecto visul está Escondido en las partes cuando se embarcaron
Sólo pruebas destructivas revelan este defecto.
El defecto solo ocurre durante el proceso de embarque
C
D
Por qué
4 +++
Yes
¿Cuál es la causa raíz de las fallas que se describieron arriba? ¿Puede
haber más de una, por qué?
¿Se detectó el defecto?
NO
Por qué
1
¿Por que no se detectó el defecto?
Q1: ¿El método de detección usado no pudo detector el defecto
Common Answers / Reasons
Why 2
A The sample size / frequency was inadequate to detect the occurrence
B Our inspection method was inadequate to detect this defect
C The detection process was not performed / did not work
D
Página 175 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
The RPN was incorrect (See Predict segment)
A High RPN was not used to generate more frequent inspections
Why 3
Error detection equipment had deteriorated
Gauging was not calibrated
B Inspection equipment was not capable
Inspection environment was not adequate (ie too dark, dirty, etc.)
Operators were not given adequate time to perform inspection correctly
Process step was missed
C Operator failed to perform inspection as per work instructions
Error detection equipment was bypassed / failed to work
Why 4
+++
What is the root cause of the failures you have described above? May
be more than one remaining Why?
Yes
Did you contain all the defective product?
NO
Why did your containment procedure fail?
Q1: The containment procedure failed to protect the customer from all
the defect parts.
Why 1
Common Answers / Reasons
Why 2
A
B
C
D
A
Why 3
B
Página 176 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
C
Why 4
+++
What is the root cause of the failures you have described above? May
be more than one remaining Why?
Predict: Why did you fail to PREDICT that this Defect would occur?
(or Did you predict it???) Focus on the PFD, PFMEA, and PCP as of
the
date the defect was built at your facility.
Was this Failure Mode listed on the PFMEA for this part when the defect
occurred?
Start Here >>>>
NO
Why was this failure mode not listed on the FMEA at all?
P1 PFMEA did not include this failure mode
Why 1
Common Answers / Reasons
Why 2
A
B
C
D
Our APQP Team overlooked this failure mode
We believed this failure mode had Zero potential for occurrence
New failure mode that had never been seen before
FMEA was done by others and not reviewed
A
APQP team was not cross functional
APQP team was not trained
APQP team did not follow proper procedures
APQP team did not use lessons learned from other parts
Clerical error on PFMEA not detected
B
APQP team did not understand the failure
mode
APQP team believed we were error proofed against this
Believed process capability was higher than it truly was
APQP team did not understand a new process
C
New process that was not properly evaluated
Why 3
Página 177 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
Special event that had never occurred before
Not anticipated on DFMEA
D
Why 4
+++
Takeover business that did not get thorough APQP
No review program for older PFMEA's
PFMEA's not updated frequently enough
What is the root cause of the failures you have described above? May
be more than one remaining Why?
Was the specific failure mode shown at the correct step on the Process
Flow Diagram?
Yes
NO
Why was the failure mode not shown at the right step in PFD?
P1: PFMEA listed failure mode at wrong process step.
Why 1
Common Answers / Reasons
Why 2
A APQP team did not realize failure could happen where it did
B PFD did not reflect actual process on the shop floor
PFMEA's do not recognize "downstream" failure modes, only original
C
ones
D Clerical error on PFMEA not detected
APQP team failed to consider all sources of defective parts
APQP team was not familiar with the full process
A APQP team was not cross functional
APQP team was not trained
APQP team did not use lessons learned from other parts
Why 3
PFD's not updated when processes changed
B PFD's not validated during APQP
PFD's not reviewed as part of PFMEA RPN Reduction Strategy
PFD developed by other suppliers, not updated to our processes
PFMEA's are generic and not specific to processes
C APQP process not robust and thorough
APQP process not validated by management
D
PFMEA not reviewed by the correct people
Inadequate controls on PFMEA development processes
Página 178 de 181
CORE TOOLS DE LA AIAG
Why 4
+++
Yes
P. Reyes / mayo 2008
What is the root cause of the failures you have described above? May
be more than one remaining Why?
Was the correct Cause mechanism for this failure mode identified on
the PFMEA?
NO
Why 1
Why did you fail to identify the correct cause of the known failure mode
on your PFMEA?
P1 PFMEA did not list the correct cause mechanism for this failure.
Common Answers / Reasons
Why 2
A APQP team was not aware that this defect could be caused this way
B APQP team omitted this cause when they developed PFMEA
C Clerical error on PFMEA not detected
APQP team failed to consider all potential causes of defective parts
APQP team was not well trained
A The process had changed creating a new failure cause
APQP team did not include the correct subject matter experts
APQP team was not cross functional
Why 3
Inadequate review of PFMEA's after initial PPAP authorization
B APQP team was not well trained
PFMEA's are generic and not specific to processes
PFMEA not reviewed by the correct people
C Inadequate controls on PFMEA development processes
Why 4
+++
What is the root cause of the failures you have described above? May
be more than one remaining Why?
Página 179 de 181
CORE TOOLS DE LA AIAG
Yes
P. Reyes / mayo 2008
Was the RPN assigned to the failure mode correct?
NO
Why 1
Why was the RPN incorrect?
P1 RPN assigned to this failure mode was incorrect
(Specify old RPN and correct RPN)
Common Answers / Reasons
Why 2
A Severity ranking was too low (Specify old and new Severity ranking)
Occurrence ranking was too low (Specify old and new occurrence
B
ranking)
C Detection ranking was too low (Specify old and new detection ranking)
D Multiplication error in RPN calculation was made
PFMEA was not updated to AIAG Rev 3 standards for severity
A Severity of defect was not understood by APQP team
GM engineering change caused an increase in severity that was missed
Why 3
PFMEA was not updated to AIAG Rev 3 standards for occurrence
Tier 2 failure rates were wrong / inadequately validated
Sudden change in occurrence rate caused ranking to be incorrect
Process change caused occurrence rate of defect to increase
B Occurrence ranking was based on external failures only, not actual
defect rate
Occurrence ranking was determined on a different but similar process
Occurrence ranking was determined based on faulty defect data
PFMEA was not updated to AIAG Rev 3 standards for detection
APQP team assumed detection method was more reliable than it really
C was
Change occurred that caused detection method to become less
effective
D RPN calculation formula was incorrect
Why 4
+++
Yes
What is the root cause of the failures you have described above? May
be more than one remaining Why?
Was the PCP correct (showed an appropriate reaction / control method
for this failure mode?)
Página 180 de 181
CORE TOOLS DE LA AIAG
P. Reyes / mayo 2008
NO
Why was the PCP incorrect?
P1: The Process Control Plan did not correspond to the PFMEA
Why 1
Why 2
A
B
C
D
Failure modes from PFMEA were not carried through to the PCP
PCP was changed without reference back to PFMEA
Control methods / frequencies were not shown or incorrect on PCP
Clerical error that was not detected
A
APQP team was not trained in APQP process
APQP team did not work with PCP development team
Process change was captured on PFMEA but not on PCP
B
Inadequate control on revisions to PCP
Lack of communication between PCP and PFMEA document owners
Why 3
C
D
Why 4
+++
Yes
PCP references other documents for details of controls & reactions
PCPs are generic and not process / product specific
PCP check frequencies were low for a high RPN
PFMEA not reviewed by the correct people
Inadequate controls on PFMEA development processes
What is the root cause of the failures you have described above? May
be more than one remaining Why?
P1: Planning Process was effective, and predicted the defect and
proper controls. Failure was in execution of controls.
STOP
Página 181 de 181