Control Estadístico de Procesos

Control Estadístico de Procesos
(CEP)
M. en C. Cecilia Pérez Colín

Seminario de Métricas de Software
Facultad de Ciencias
Semestre: 2011 - 1
• Es una técnica estadística, de uso muy extendido, para
asegurar que los procesos cumplen con los estándares.
• Todos los procesos están sujetos a ciertos grados de
variabilidad, por tal motivo es necesario distinguir entre las
variaciones por causas naturales y por causas imputables,
desarrollando una herramienta simple pero eficaz para
separarlas: el gráfico de control.
• “Se dice que un fenómeno es controlado cuando con el uso
de experiencia pasada, podemos predecir, al menos dentro
de límites, como se espera que el fenómeno varíe en el
futuro”
• “Procesos controlados son procesos estables, un proceso
estable te permite predecir resultados”
• Las variaciones naturales afectan a todos los
procesos de producción, y siempre son de
esperar.
• Las variaciones naturales son las diferentes
fuentes de variación de un proceso que está bajo
control estadístico.
• Cuando estas variaciones son normales, se
caracterizan por dos parámetros:
– La medida de la tendencia central
– La desviación estándar
Tendencia central
• Una de las tres medidas (media, mediana y moda) en
estadística, diseñada para indicar el lugar en que se
concentra el mayor número de elementos en una curva
de distribución.
• Media – el valor mas importante de tendencia central
es la suma de un conjunto de valores, divididos entre el
número de valores involucrados.
• Moda – el valor que ocurre con más frecuencia.
• Mediana – si acomodamos un conjunto de
observaciones de menor a mayor, entonces el es valor
de que cae en el centro. Si el número es par entonces
seria el valor entre los dos de en medio.
Varianza
• Varianza – En una población de N observaciones, se define
como el promedio del cuadrado de las desviaciones de las
observaciones con respecto a su media.
• Cuando se esté trabajando con una muestra de población, se

calcula de la siguiente forma:
Desviación estándar
• Desviación estándar – de un conjunto de n
observaciones es igual a la raíz cuadrada
positiva de la varianza.
Ejemplo
Límites de Control
• Despliega la variación natural del proceso debido a causas
internas que son parte del mismo proceso
4.5
3.5
UCL
LCL
UCL = Límite de control superior
3
CL
= CL + 3 * S
2.5 LCL = Lïmite de control inferior
= CL – 3 * S
2
CL = Límite central
1.5
• Si los valores se encuentran entre los límites, se dice que el

proceso se encuentra “bajo control estadístico” o que es
“estable” excepto en los casos que se describen a continuación.
Procesos fuera de control
4. 5
ZONE
4
A Any of the following cases
3. 5
UCL B indicate the presence of
LCL C
3
CL C "assignable causes " which
2. 5
B are not attributable to normal
2 A process variation:
1. 5
1. 2 of 3 consecutive values on the 'A' zone at the same side of the central line or further.
2. 4 of 5 consecutive values are on the 'B' zone at the same side of the central line or further.
3. 14 values ascending and descending from the central line
4. 9 consecutive values on the same side of the central line
5. 6 consecutive values ascending or descending
6. 15 consecutive values on the 'C' zone (up and down from the central line)
7. 68% or more values on the 'C' zone
8. More than 32% values on the 'A' or 'B' zone
9. Any other non random values distribution
CEP – Gráficas de control
 Diferentes métodos estadístico para
propósitos diferentes
–XmR
–U
–PA
–S Curve (Es una gráfica que no es gráfica de
control)
Gráfica XmR
• The XmR chart is most useful for software development
• Consists of two charts: X & mR (moving Range of X)
• X chart CL is the average of the measurement values (X)
• mR chart CL is the average of the moving range (mR =
difference between successive measurements)
– note: since mR > 0, the LCL always = 0
• Use both charts together when analyzing process performance
– X picks up some assignable causes that mR might miss, and
vice-versa
– If both charts are in bounds, process is stable
• How much data is required?
– 40-45 data points are desirable to conclude that the process
is stable
Gráfica XmR
U Chart
Se puede utilizar para controlar el número de defectos por
unidad de procesos. Ej. Defectos por Puntos de Función
Gráfica PA
• Es una variación de la gráfica XmR y se utiliza sobre todo para
comparar dos datos. Por ejemplo, Planeado vs. Actuales. Las
datos a graficar debe cumplir con las reglas de la gráfica XmR.
La curva S
• La curva S no es una gráfica de control estadístico de procesos.
Es una gráfica que se grafica los datos actuales vs. Planeados
en una forma incremental. Es recomendada para dar
seguimiento a elementos planeados a ejecutar vs elementos
ejecutados.

Control Estadístico de Procesos

Cargado por

Copyright:

Formatos disponibles

Control Estadístico de Procesos

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control Estadístico de Procesos

Cargado por

Copyright:

Formatos disponibles

Control Estadístico de Procesos

M. en C. Cecilia Pérez Colín

• Cuando se esté trabajando con una muestra de población, se

• Si los valores se encuentran entre los límites, se dice que el

También podría gustarte