Ensayo Del Cep

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 17

Instituto Tecnológico Superior de

Coatzacoalcos
Ingeniería Mecatrónica

Nombre del Alumno: Acosta Alcalá Abraham


Apellido Paterno Apellido Materno Nombre(s)

ENSAYO DEL CONTROL ESTADISTICO DE


PROCESOS (CEP)

Nombre de la Asignatura: Periodo:


ESTADISTICA Y CONTROL DE ENE-JUN 20
CALIDAD

No. Control: 16080937 Semestre: 2 Grupo: D

Nombre del MENDOZA VAZQUEZ ASUNCION YAMILETH


Docente: Apellido Paterno Apellido Materno Nombre(s)
INDICE
INTRODUCCIÓN……………………………………………………………….3

VARIABLIDAD…………………………………………………………………4

FUNDAMENTOS ESTADISTICOS…………………………………………..6

CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES……..8

GRAFICOS DE CONTROL…………………………………………………9

GRÁFICAS DE CONTROL DE VARIABLES…………………………….11

CAPACIDAD DE PROCESO………………………………………………15

CONCLUSIÓN………………………………………………………………16

BIBLIOGRAFIAS…………………………………………………………….17

2
INTRODUCCIÓN

El “Control Estadístico de Procesos” nació a finales de los años 20 en los Bell


Laboratories. Su creador fue W. A. Shewhart, quien en su libro “Economic Control of
Quality of Manufactured Products” (1931) marcó la pauta que seguirían otros discípulos
distinguidos (Joseph Juran, W.E. Deming, etc.). Sobre este libro han pasado más de 70
años y sigue sorprendiendo por su frescura y actualidad. Resulta admirable el ingenio
con el que plantea la resolución de problemas numéricos pese a las evidentes
limitaciones de los medios de cálculo disponibles en su época.

En la actualidad existen muchas herramientas que pueden ser utilizadas para las
posibles mejorías y diagnósticos, pero una de las principales es el uso de técnicas
estadísticas que viene a lo largo de los años, mejorando todo sistema operacional
además de permitir tornar los productos fabricados más competitivos.

Según la aplicación del control estadístico del proceso en una empresa, traerá la
estabilidad del proceso, y la reducción de variabilidad. No satisface apenas cumplir las
exigencias, cuanto mayor sea la reducción de la variabilidad del proceso, mejor será su
desempeño y mejor la imagen con relación a la presencia en el mercado garantizando
siempre un producto competitivo.

De esta forma, el trabajo consistió en investigar la producción para analizar posibles


anormalidades y elaborar planes de acción para lograr aumento de la producción con
calidad. El objetivo general es utilizar el Control Estadístico de Procesos en la
producción por extrusión de un producto posibilitando el mantenimiento y mejoría del
proceso, sin embargo, ese estudio podrá ser hecho en cualquier línea de producción
siempre que sea utilizado de la manera correcta analizando todas las variables
posibles. La experiencia de seis meses al frente de un proyecto sirvió de base para el
desarrollo de este trabajo que consistió en identificar las variables a ser analizadas para
introducir el Control Estadístico de Proceso CEP; analizar los posibles errores y
variaciones obtenidos por los gráficos de control además de evaluar y comparar los
resultados logrados con el estudio de Control Estadístico de Procesos antes y después
del monitoreo directo en la línea de producción.

3
VARIABILIDAD

La variabilidad es definida como un fenómeno común en los temas provenientes de un


proceso industrial. Ocurre tanto en indicadores de desempeño de operaciones del
proceso, como en su rendimiento, en los indicadores de calidad de los productos
producidos, estando el proceso bajo control.

Ilustración 1

El Control Estadístico de Procesos es una herramienta útil para alcanzar este segundo
objetivo. Dado que su aplicación es en el momento de la fabricación, puede decirse que
esta herramienta contribuye a la mejora de la calidad de la fabricación. Permite también
aumentar el conocimiento del proceso (puesto que se le está tomando “el pulso” de
manera habitual) lo cual en algunos casos puede dar lugar a la mejora del mismo.

Ilustración 2

4
Para cualquier proceso de producción, independientemente de sus características,
contiene muchas fuentes de variabilidad. Por mejor ajustado que esté, los productos
presentarán diferencias entre sí, pudiendo ser grandes o muy pequeñas. Para el control
del proceso y reducción de la variabilidad, es importante investigar las causas que las
originan. El primer paso es distinguir entre causas comunes y causas especiales. [9]
explica que la confusión entre causas comunes y especiales lleva a la mayor
variabilidad y a costos más elevados. La actuación en causas comunes cual si fuesen
causas especiales puede llevar a un aumento indeseado de la variación, además
representar un costo innecesario (Silva, 1999). Las causas comunes no pueden ser
evitadas, y cuando el proceso presenta solamente causas de variación comunes, las
variables del proceso siguen una distribución normal. Ya las causas especiales pueden
ser eliminadas y son ocasionadas por motivos claramente identificables. Por otro lado,
si las causas especiales pasan desapercibidas, pueden ser incorporadas al resultado
del proceso, tornando aceptable lo que debía ser rechazado, además de perder una
oportunidad de mejoría del producto. El CEP es bastante utilizado para el control de las
variabilidades del proceso, teniendo como principal objetivo lograr que el proceso quede
bajo control. Esto se logra mediante la identificación y eliminación de cualquier causa
de variación no asociada con el proceso.

Como se muestra en la imagen 3 algunos factores que afecta un proceso :

Ilustración 3

5
FUNDAMENTOS ESTADÍSTICOS

Para el entendimiento del Control Estadístico de Procesos no es necesario ser un


experto en estadística, pero es preciso recordar al menos los puntos que se describen a
continuación.

a) Distribución Normal o Campana de Gauss.


La distribución normal es desde luego la función de densidad de probabilidad “estrella”
en estadística. Depende de dos parámetros m y s, que son la media y la desviación
típica respectivamente. Tiene una forma acampanada (de ahí su nombre) y es simétrica
respecto a m. Llevando múltiplos de s a ambos lados de m, nos encontramos con que
el 68% de la población está contenido en un entorno ±1s alrededor de m, el 95% de la
población está contenido en un entorno ±2s alrededor de m y que el 99,73% está
comprendido en ±3s alrededor de m.

En la siguiente imagen se muestra un gráfico de la función de densidad.

6
b) Teorema del Límite Central.
El teorema del límite central (TLC) establece que si una variable aleatoria (v.a.) se
obtiene como una suma de muchas causas independientes, siendo cada una de ellas
de poca importancia respecto al conjunto, entonces su distribución es asintóticamente
normal. Es decir:

Si:

X =x 1+ x 2 +…+ x n donde x i son v . a . de media μi y varianza σ 2i

Entonces:

7
CAUSAS COMUNES Y CAUSAS ASIGNABLES O ESPECIALES

De acuerdo con lo dicho en la introducción, el proceso está afectado por un gran


número de factores sometidos a una variabilidad (por ejemplo, oscilaciones de las
características del material utilizado, variaciones de temperatura y humedad ambiental,
variabilidad introducida por el operario, repetibilidad propia de la maquinaria utilizada,
etc.), que inciden en él y que inducen una variabilidad de las características del
producto fabricado. Si el proceso está operando de manera que existen pequeñas
oscilaciones de todos estos factores, pero de modo que ninguno de ellos tiene un efecto
preponderante
frente a los demás, entonces en virtud del TLC es esperable que la característica de
calidad del producto fabricado se distribuya de acuerdo con una ley normal. Al conjunto
de esta multitud de factores se denominan causas comunes.

Por el contrario, si circunstancialmente incide un factor con un efecto preponderante,


entonces la distribución de la característica de calidad no tiene por qué seguir una ley
normal y se dice que está presente una causa especial o asignable. Por ejemplo, si
en un proceso industrial se está utilizando materias primas procedentes de un lote
homogéneo y se continúa la fabricación con materias primas procedentes de otro lote,
cuyas características son muy diferentes de las anteriores, es muy posible que las
características de los productos fabricados sean significativamente distintas a partir de
la utilización del nuevo lote.

Por definición, se dice que un proceso está bajo control estadístico cuando no hay
causas asignables presentes. El Control Estadístico de Procesos se basa en analizar
la información aportada por el proceso para detectar la presencia de causas asignables
y habitualmente se realiza mediante una construcción gráfica denominada Gráfico de
Control. Si el proceso se encuentra bajo control estadístico es posible realizar una
predicción del intervalo en el que se encontrarán las características de la pieza
fabricada.

8
GRÁFICOS DE CONTROL

Un gráfico de control consiste en una línea central, un par de límites de control, uno de
los cuales se localiza abajo y el otro arriba de la línea central, y valores característicos
marcados en el gráfico representando el estado de un proceso. Si todos esos valores
marcados están dentro de los límites de control, sin cualquier tendencia particular, el
proceso se considera bajo control, mientras que, si los puntos inciden fuera de los
límites de control o presentan una disposición atípica, el proceso es considerado fuera
de control.

Existen dos tipos de causas para las variaciones en un proceso o producto:

 Causa especial: Es una variación inevitable y fatalmente ocurre en un proceso,


aun cuando la operación sea ejecutada con el uso de materias primas y métodos
estandarizados.
 Causa común: Es la variación debida a una causa que se puede particularizar,
significa que existen factores relevantes que deben ser investigados, es eludible
pero no debe ser subvalorada. Cuando inciden puntos fuera de los límites de
control o muestran una tendencia particular, decimos que el proceso ésta fuera
de control.

No tiene sentido la evaluación de un proceso inestable que presenta causas especiales,


pues refleja apenas un determinado momento ya que el proceso no presenta
comportamiento previsible. Después de la eliminación de todas las causas especiales,
el proceso estará funcionando bajo control estadístico. Un proceso en control
estadístico o estable es aquél que posee variabilidad asociada apenas a las causas
comunes, o sea, sigue cierta calidad previsible a lo largo del tiempo. Sin embargo, esa
calidad estable del proceso puede o no ser capaz de producir piezas que atiendan a las
especificaciones de clientes o de proyecto. Una vez eliminadas las causas especiales,
se puede entonces evaluar la real capacidad del proceso comparando su variabilidad
asociada a las causas comunes con las especificaciones.

¿QUÉ CONDICIONES HACEN FALTA PARA QUE SE PUEDA APLICAR EL


GRÁFICO DE CONTROL?
Para que tenga sentido la aplicación de los gráficos de control, el proceso ha de tener
una estabilidad suficiente que, aun siendo aleatorio, permita un cierto grado de
predicción. En general, un proceso caótico no es previsible y no puede ser controlado.
A estos procesos no se les puede aplicar el gráfico de control ni tiene sentido hablar de
capacidad. Un proceso de este tipo debe ser estudiado mediante herramientas
estadísticas avanzadas hasta que el grado de conocimiento empírico obtenido sobre el
mismo permita conocer las causas de la estabilidad y se eliminen.

9
En lo sucesivo, se supondrá que los procesos tienen un cierto grado de estabilidad.
Podemos distinguir dos casos:
 El proceso está regido por una función de probabilidad cuyos parámetros
permanecen constantes a lo largo del tiempo. Este sería el caso de un
proceso normal de media constante y desviación típica constante. Este es
el caso ideal y al que se pueden aplicar los gráficos de control para
detectar la presencia de causas asignables.
 El proceso está regido por una función de probabilidad alguno de cuyos
parámetros varía ligeramente a lo largo del tiempo. Este sería el caso de un
proceso normal cuya media varía a lo largo del tiempo (por ejemplo, una
herramienta de corte que va desgastando la cuchilla de corte).
Estrictamente hablando, este desgaste de la herramienta sería una causa
especial; sin embargo, si puede conocerse la velocidad de desgaste, podría
compensarse resultando un proceso análogo al caso anterior.

Puede ocurrir que las características propias del proceso hagan que alguno de los
factores de variabilidad intrínsecos al mismo, tenga un efecto preponderante, de modo
que en este caso la distribución no sea normal. Un ejemplo puede ser la distribución de
los diámetros de un proceso de taladrado, cuyo valor inferior está limitado por el propio
diámetro de la broca, mientras que la distribución presenta una cola hacia diámetros
mayores debido a posibles incidencias oblicuas de la broca. En este caso, se dice que
el proceso está bajo control estadístico cuando no hay otras causas asignables
presentes. Esto es equivalente a decir que el proceso permanezca estable, es
decir que los parámetros de la distribución permanezcan invariables y por lo tanto
puede realizarse una predicción del intervalo en el que se encontrarán los valores de la
característica de respuesta.

Por lo tanto, debe tratar de conocerse todo lo que sea posible de los fundamentos
tecnológicos del proceso, ya que puede dar pistas sobre el tipo de distribución que
seguirán los datos. En ningún caso debe “darse la normalidad por supuesta”. Debe
comprobarse y en caso de que los datos no sean normales, deben aplicarse métodos
especiales.

10
GRÁFICAS DE CONTROL DE VARIABLES
¿Qué es una gráfica de control de variables?

Las gráficas de control de variables grafican datos de procesos de medición continua,


tales como longitud o presión, en una secuencia ordenada por tiempo. En contraste, las
gráficas de control de atributos grafican datos de conteo, tales como el número de
defectos o unidades defectuosas. Las gráficas de control de variables, las gráficas de
variables, como todas las gráficas de control, ayudan a identificar las causas de
variación que se deben investigar, de manera que usted pueda ajustar su proceso sin
controlarlo exageradamente.

Existen dos tipos principales de gráficas de control de variables: gráficas para datos
recopilados en subgrupos y gráficas para mediciones individuales.

Gráficas de control de variables para datos de subgrupos

Cada punto en la gráfica representa a un subgrupo; es decir, a un grupo de unidades


producidas en las mismas condiciones. Por ejemplo, usted desea graficar una medición
particular de su proceso. Si recoge y mide cinco partes cada hora, el tamaño de su
subgrupo debería ser 5.

Las gráficas de control de variables para subgrupos incluyen Xbarra, R, S y Zona.

11
Gráfica Xbarra
Grafica la media del proceso en el tiempo. Utilícese para rastrear el nivel del proceso y
detectar la presencia de causas especiales que afecten la media.

Gráfica R
Grafica el rango del proceso en el tiempo. Utilícese para rastrear la variación del
proceso y detectar una variación inesperada.

Gráfica S
Grafica la desviación estándar del proceso en el tiempo. Utilícese para rastrear la
variación del proceso y detectar una variación inesperada.

12
Gráfica de zona
Grafica las puntuaciones acumuladas sobre la base de "zonas" en 1, 2 y 3 desviaciones
estándar desde la línea central. Utilícese para detectar una variación inesperada.

Gráficas de control de variables para datos individuales

Cada punto en la gráfica representa una medición individual; de esta manera, el tamaño
del subgrupo es 1. Las gráficas de observaciones individuales se utilizan cuando las
mediciones son costosas, el volumen de producción es bajo o los productos tienen un
tiempo largo entre ciclos; por ejemplo, para probar la resistencia al impacto de las
piezas (pruebas de destrucción). Las gráficas de control de observaciones individuales
incluyen gráficas I y MR.

Gráfica I
Grafica observaciones individuales en el tiempo. Utilícese para rastrear el nivel del
proceso y detectar la presencia de causas especiales.

13
Gráfica de rangos móviles
Grafica el rango móvil en el tiempo. Utilícese para rastrear la variación del proceso y
detectar la presencia de causas especiales.

Otros tipos de gráficas de control de variables

Minitab ofrece también otros dos tipos de gráficas de variables para aplicaciones más
complejas:

 Gráficas de tiempo ponderado – Utilice puntos de datos históricos para rastrear


cambios leves en un proceso.

 Gráficas de control multivariadas – Muestran cómo las variables correlacionadas


afectan conjuntamente un proceso o resultado.

14
CAPACIDAD DE PROCESO

CONCEPTO DE CAPACIDAD DE PROCESO


Como consecuencia de todo lo anterior, si un proceso normal está en control
estadístico, la característica de calidad del 99,73% de los elementos fabricados estará
comprendida entre m - 3σ y m + 3σ . El parámetro m depende del punto en el que
centremos el proceso. Sin embargo, depende del número y variabilidad de las causas
comunes del proceso y por lo tanto es intrínseca a él. Por lo tanto, 6σ es la
Variabilidad Natural del Proceso o Capacidad del Proceso. Por definición:

Es esencial resaltar que la variabilidad natural del proceso, 6s, es intrínseca a él e


independiente de las tolerancias que se asignen. Por lo tanto, si 6s es menor que el
intervalo de las tolerancias a cumplir, necesariamente algunos productos fabricados
estarán fuera de tolerancia y serán no conformes. Si no se tiene en cuenta este hecho y
se pretende corregir a base de reajustar el proceso, es decir modificar el centrado, lo
único que se consigue es aumentar la variabilidad del mismo.

15
CONCLUSIÓN

Fueron presentados elementos básicos necesarios del Control Estadístico de Proceso y


aplicados para evaluar las posibilidades de mejorar un proceso productivo, los
resultados mostraron la necesidad de un control más riguroso de la calidad de los
insumos.

Las variables definidas tomando como base los registros históricos de paradas en el
equipo debido a problemas de calidad fueron el peso, rotura de las piezas acabadas y
color del producto, resultando bastantes satisfactorias generando resultados confiables.
Se observó que la única variable que no presentó ninguna anomalía desde el inicio del
estudio fue relacionada a la alteración de color.

Al analizar los posibles errores y variaciones indicados por los gráficos de control de
acuerdo con la literatura, fueron detectados errores y variaciones perceptibles en la
calidad del producto específicamente en el peso y roturas cuando no existió un control
riguroso del proceso (primera situación).

Al comparar los resultados logrados con el estudio de CEP antes y después del
monitoreo directo en la línea de producción se percibe la gran diferencia de un rígido
control de calidad con monitoreo constante en la línea y bajo condiciones normales de
trabajo (situación segunda).

16
BIBLIOGRAFÍAS

1. CAMPOS, V. F. TQC: Controle da Qualidade Total (estilo japonés). Belo Horizonte:


Fundação Christiano Ottoni, Escola de Engenharia da UFMG, 1992.

2. MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro: LTC


- Livros Técnicos e Científicos Editora S.A., 2004, 74 p.

3. ABIPLA, Anuário Abipla 2012. São Paulo, 2012, 234 p.

4. SAMOHYL, R. W. Controle Estatístico de Qualidade. 1ª ed. 2009, editora: Campus


Elsiever, 275 p.

5. CAMPOS, R.; ROCHA, R. "O controle estatístico de processos (CEP) para o monitoramento
da qualidade do farelo lex no processo do óleo de soja na empresa CAC". NUPEM, 2009, 13
p.

6. WHEELER, D. J.; CHAMBERS, D. S. Understanding Statistical Process Control. 3ª ed. SPC


Press, Knoxville - Tennessee, 2010.

7. KUME, H. Métodos Estatísticos para Melhoria da Qualidade. 1ª edição, SAO PAULO. Gente,
1993, p.177-187.

8. HEIZER, Jay; RENDER, Barry. Administração de operações. 5. ed. Rio de Janeiro: Livros


Técnicos e Científicos Editora S.A., 2001.

9. RIBEIRO, J. L.; CATEN, C. S. Série Monográfica Qualidade - Controle Estatístico do


Processo. Porto Alegre: FEENG/UFRGS, 2012, 172p.

17

También podría gustarte