Core Tools de Calidad Control Estadístico de Procesos SPC: Proceso Productivo

Core Tools de Calidad
Control Estadístico de Procesos SPC

Conforme a la Segunda Edición de la AIAG
Minitab 17 Español
Ing. Jorge Adrián Espinosa Álvarez

Capacitado en Core Tools por AIAG
Ingeniero Industrial Administrador
Maestría en Calidad y Productividad
Doctorando en Proyectos de Calidad Industrial
Master Black Belt en Seis Sigma
Certificado en Manufactura Esbelta
jorge_espinosa@kairyoconsultores.com
www.kairyoconsultores.com 1
Proceso productivo:
Es el conjunto de insumos necesarios para llevar a cabo la producción

de un bien o servicio.
Servicio
Proceso de o
Insumos transformación Producto
terminado Voz del
cliente
Los problemas comienzan cuando queremos controlar el producto

terminado sin haber controlado los insumos ni el proceso de
transformación.
Kairyo Consultores www.kairyoconsultores.com

1
Especificaciones
Las especificaciones son llamadas la Voz del Cliente
Puede ser una especificación bilateral teniendo un mínimo y un

máximo, como por ejemplo un espesor, un diámetro, longitud etc. Al
punto central entre el límite inferior (LIE) y el límite superior (LSE)
se le llama Objetivo o Nominal
Especificación unilateral, puede tener solo un límite superior como

poros, burbujas, manchas, grietas, runout, etc.
Especificación unilateral, puede tener un límite inferior como brillo,

resistencia, adherencia etc.
Concepto de Calidad y Productividad

Entonces, Productividad o Calidad?
Nosotros como clientes queremos que lo que adquirimos sea de

buena calidad de acuerdo a las especificaciones que necesitamos del
producto o servicio, así que si satisface nuestras especificaciones
decimos que es de buena calidad.
La buena calidad es entonces un producto o servicio que satisface

las especificaciones definidas por el cliente
Los problemas comienzan cuando tenemos tanta variación en

nuestro proceso que no satisfacemos la voz del cliente por producir
mucho.

2
Histograma
A la variación se le llama La Voz del Proceso
Para medir ésa variación debemos realizar un Histograma para

visualizar la dispersión de los datos.
Histograma
Ejercicio:
Para la siguiente serie de datos graficar el Histograma
46 31 37 33 69 Clase Frecuencia Total

36 27 28 96 61 5-14:
54 71 64 49 50 15-24:
63 45 39 36 19 25-34:
35-44:
73 65 13 62 54
45-54:
44 57 45 76 47
55-64:
38 48 45 91 38
65-74:
50 45 64 77 33 75-84:
56 35 25 37 64 85-94:
42 31 59 48 40 95-105:

3
Histograma
Histograma
Gráfica>Histograma
Histograma

4
Histograma
Resultado
Histograma
Asistente>Análisis gráfico>Histograma
Histograma.xls
10

5
Histograma
11
Distribución Normal
La distribución Normal:
Es una distribución de probabilidad que describe los datos que se
agrupan en torno a un valor central. La representación gráfica es la
curva de distribución normal también denominada campana de Gauss.
Una distribución Normal se caracteriza por:

1. Los valores de las mediciones tienden a agruparse alrededor de un
punto central, la media.
2. La representación de los datos es simétrica a ambos lados de la
media
3. Tiene 3 desviaciones estándares de cada lado a partir de la media.
4. El área bajo la curva tiene valores conocidos.
12

6
Área bajo la curva de la Distribución Normal:

Cada desviación estándar está representada por un sigma (s).
68.3%
95.4%
99.73%
- 3s - 2s -1s 0 1s 2s 3s
13
Relación entre Distribución Normal y el Histograma:

Esperamos que la distribución de los datos sea Normal, de ésta forma
podemos pronosticar el comportamiento del proceso.
= 68.3%
= 95.4%
= 99.73%
14

7
Gráfica>Gráfica de probabilidad
15
Distribución
Normal si
p>0.05
16

8
Desviación Estándar (s):

Es un índice de la dispersión de un conjunto de números, y adquiere las
unidades de lo que se está midiendo. La desviación estándar es
proporcional a la variación de los datos.
donde = media de la muestra

xi = valores individuales
n = tamaño de la muestra
17
Ejercicio:
Calcule manualmente la varianza y la desviación estándar de estos 5 datos
Promedio
o Media:
= ______
Suma de la
s última columna
= ________
Divida la suma entre

(n-1):
s = ________ =Varianza(s2) =
_______
18

9
Ejercicio:
Grafique la curva de distribución Normal con sus respectivas sigmas y
porcentajes de área bajo la curva.
- 3s - 2s -1s 1s 2s 3s
19
Voz del Cliente –vs- Voz del Proceso
% Scrap p PPMs
LEI Nominal LES Nivel Calidad Capacidad
- 3s - 2s -1s 1s 2s 3s
20

10
Introducción al SPC
¿Cuál es el origen del SPC?

Concepto Aprobación de Programa Prototipo Piloto Lanzamiento
Inicial/Aprobación Program Approval Prototype Pilot Launch
Planificación
Planificación
(Planear y Definir Programa)
Planning
Planning
Diseño y Desarrollo del Producto

Product Design & Development
Diseño y Desarrollo del Proceso

Process Design & Development
Validación del Producto y Proceso

Product & Process Validation
Producción
Production
Retroalimentación de la Evaluación y Acción Correctiva

Feedback Assessment & Corrective Action
Plan y Definir Verificación del Verificación del Validación del Retroalimentación

Programa Diseño y Desarrollo Diseño y Desarrollo Producto y Proceso de la Evaluación
Plan and Define del Producto del Proceso Product and Process y Acción Correctiva
Program Product Design and Process Design and Validation Feedback Assessment
Development Development & Corrective Action
Verification Verification
21
Fases del Proceso APQP
ENTRADAS SALIDAS
3.1 Estándares de Empaque FASE 4 4.1 corrida significativa de

3.2 Revisión del Sistema de Validación del Producto Producción
Calidad y Proceso 4.2 Evaluación del Sistema de
3.3 Diagrama de Flujo del Proceso Medición
3.4 Plan de Layout de Piso 4.3 Estudio inicial de capacidad

En esta etapa el Proceso de de Proceso
3.5 Matriz de Características manufactura es validado por
medio de la evaluación de una 4.4 Aprobación de Partes de
corrida significativa Producción
3.6 AMEF´s de Proceso
4.5 Pruebas de Validación de
3.7 Plan de Control de Prelanzamiento Producción
El Equipo de planificación
3.8 Instrucciones de Proceso 4.6 Evaluación de Empaque
avanzada de la calidad debe
3.9 Plan de Análisis de los verificar que el plan del control y
Sistemas de Medición el diagrama de flujo del proceso 4.7 Plan de Control de Proceso
(Producción)
son seguidos y que aseguran el
3.10 Estudio inicial de
capacidad de Proceso cumplimiento de los requisitos del 4.8 Aprobación del plan de calidad
cliente y apoyo de la Dirección
3.11 Apoyo de la Dirección`
22

11
Construir con Calidad
Voz del Proceso SPC
Cada paso del proceso Proceso/

Proceso/
Proveedor No recibir No hacer No enviar Cliente
Previo Siguiente
Defectos Defectos Defectos
Identificar las
Analizar, Mantener y Mejorar necesidades y
expectativas
cambiantes
Voz del Cliente
23
Concepto
• CEP (SPC) es la representación gráfica de la variación del
producto y/o proceso en el tiempo.
• Forma datos en modelos los cuales pueden ser probados
estadísticamente, y como resultado, conduce a información
acerca de la conducta de las características del producto y/o
proceso.
24

12
Objetivos de las gráficas de control
• Detectar la variación por causas especiales

• Estabilizar el proceso
• Mantener el proceso centrado en el valor nominal
• Definir la capacidad del proceso
• Comprender el proceso y sus fuentes de variación
25
Plan de muestreo
• Definir subgrupos racionales

• Un grupo racional minimiza la variación debida a causas
especiales dentro de un subgrupo, mientras se maximiza
la posibilidad de variación debida a causas asignables
entre subgrupos.
• Tomar muestras consecutivas para los subgrupos
minimiza la oportunidad de que cambie el proceso
debido a causas especiales.
• La frecuencia de muestreo determina la oportunidad de
que el proceso cambie entre subgrupos.
• El tamaño del subgrupo es determinado por el equipo
responsable dependiendo del tipo de proceso.
Reference: AIAG Statistical Process Control Second Edition July, 2005

26

13
Plan de muestreo
• El tamaño de grupo debe permanecer constante.

• Número de subgrupos: 25 o más conteniendo 100 o más
lecturas individuales.
• Si las causas especiales que afectan el proceso pueden
ocurrir de forma imprevista, el esquema de muestreo
adecuado es aleatorio.

27
Plan de muestreo
• No hay una regla que establezca con que frecuencia

deben obtenerse los subgrupos
• Pueden usarse tablas de muestreo para establecer el
tamaño de la muestra:
• Tabla ANSI/ASQ Z1.9 (para variables continuas)
28

14
Plan de muestreo
Inspección normal, nivel II

Variables continuas
Tamaño de lote Tamaño de la muestra

91-150 10
151-280 15
281-400 20
401-500 25
501-1,200 35
1,201-3,200 50
3,201-10,000 75
10,001-35,000 100
35,001-150,000 150
29
Plan de muestreo
Ejemplo para muestreo por variables continuas:

• En un proceso se deben producir 15,000 piezas por
turno. Determinar el total de inspecciones y el numero
de subgrupos si los subgrupos se hacen de 5 piezas.
• De la tabla ANSI/ASQ Z1.9, el total de inspecciones debe
ser 100.
• El total de subgrupos debe ser 100/5=20
• Tomar una muestra de 5 piezas cada 20-30 minutos
30

15
Tipos de variación
Variación por causas comunes
? ?
Variación por causas especiales
31
Causas comunes
• Muchas fuentes de variación que actúan

consistentemente sobre el proceso
• Producen una distribución estable y repetible a través
del tiempo, conocido como estado de control estadístico.
• El resultado del proceso es estable.

32

16
Causas comunes
Un proceso estable muestra una gráfica de control sin puntos fuera de control
33
Causas especiales
• Factores que causan variación que afecta solamente una

parte del resultado del proceso.
• Son intermitentes e impredecibles
• Las causas especiales son identificadas por uno o más
puntos fuera de los límites de control o patrones no
aleatorios de puntos dentro de los límites de control.
• El proceso no es estable
• También se les conoce como causas asignables
• Pueden ser perjudiciales (eliminar) o benéficas (hacer
permanentes)

34

17
Causas especiales
Un proceso
inestable...
? ?
…es impredecible.
35
Causas especiales
Un proceso inestable muestra una gráfica de control con puntos fuera de
control o patrones no aleatorios
36

18
Causas especiales
Minitab (Nelson)
1. Cualquier punto fuera de los
límites de control
UCL 2. 7 puntos consecutivos en el
C
mismo lado de la línea central
B
3. 6 puntos consecutivos
A aumentando o disminuyendo
6s 4s 2s
A 4. 14 puntos consecutivos
B alternando aumentando y
disminuyendo
C
LCL 5. 2 de 3 puntos en la misma zona
C o mas lejos
Nota:
6. 4 de 5 puntos en la misma zona
Las pruebas 1-8 aplican a gráficas de B o mas lejos
control de centramiento por variables
7. 15 puntos consecutivos en
(X-barra, I) cualquier zona A
Las pruebas 1-4 aplican a gráficas de
8. 8 puntos seguidos fuera de la
control de dispersión por variables (R, zona A, cualquier lado de la
s, MR) y por atributos (p, np, c, u) línea central
37
Causas especiales
UCL
C
C
LCL
Regla 1: Cualquier punto fuera de los
límites de control
38

19
Causas especiales
UCL
C
C
LCL
Regla 2: 7 puntos consecutivos en el mismo lado de la

línea central
39
Causas especiales
UCL
C
C
LCL
Regla 3: 6 puntos consecutivos aumentando o

disminuyendo
40

20
Causas especiales
UCL
C
C
LCL
Regla 4: 14 puntos consecutivos alternando aumentando

y disminuyendo
41
Causas especiales
UCL
C
C
LCL
Regla 5: 2 de 3 puntos en la misma zona C o más

lejos
42

21
Causas especiales
UCL C
C
LCL
Regla 6: 4 de 5 puntos en la misma zona B o más

lejos
43
Causas especiales
UCL
C
C
LCL
Regla 7: 15 puntos consecutivos en cualquier

zona A
44

22
Causas especiales
UCL
C
C
LCL
Regla 8: 8 puntos consecutivos fuera de cualquier
zona A
45
Cómo seleccionar la gráfica de control
Tipo de
medición
Variable
Atributo
continua
n=1 n: 2-8 n>8 Unidad

defectuosa
Defecto
I-MR X-R X-S p np c u
46

23
Gráfica Promedios-Rangos
• Se utiliza para variables continuas

• Se toman mediciones de subgrupos de n unidades (2-8)
• La gráfica de promedios mide el centramiento del
proceso
• La gráfica de rangos mide la dispersión
47
X-bar-R.xls
48

24
Estadísticas>Gráficas de control>Gráficas de
variables para subgrupos>Xbarra-R
49
Resultado
Promedio de cada subgrupo
Rango de cada subgrupo
50

25
51
52

26
Límites extendidos
variables para subgrupos>Xbarra-R
53
Límites extendidos
54

27
Límites extendidos
55
Gráfica Promedios-Sigmas
• Se utiliza para variables

• Se toman mediciones de subgrupos mayores a 8
unidades
• La gráfica de promedios mide el centramiento del
proceso
• La gráfica de desviación estándar mide la dispersión
56

28
s = sigma o desviación estándar

x = mediciones individuales
= promedio de las mediciones del subgrupo
n = tamaño de subgrupo
57
XBar-s.xls
58

29
variables para subgrupos>Xbarra-s
59
Resultado
Promedio de cada subgrupo
Desviación estándar de cada subgrupo
60

30
61
62

31
63
Gráfica I-MR
• Se utiliza para variables continuas

• Procesos con bajo volumen de producción
• Pruebas destructivas o costosas
• Procesos continuos
• Se toman mediciones individuales
• La gráfica de datos individuales I mide el centramiento
del proceso
• La gráfica de rango móvil MR mide la dispersión
64

32
Gráfica I-MR
I-MR.xls
65
Gráfica I-MR
control para individuos>I-MR
66

33
Gráfica I-MR
Resultado
Lecturas individuales
Rango móvil de dos piezas consecutivas
67
Gráfica I-MR
68

34
Gráfica I-MR
69
Gráficas de control para atributos
Defecto contra Defectuoso
Un artículo defectuoso es el que tiene uno o más defectos
• np - número de unidades defectuosas

• p - proporción de unidades defectuosas
Un defecto es cada no-conformidad para los criterios de

aceptación especificados.
• c - número de defectos
• u - número de defectos por unidad de inspección
70

35
Defectos vs. Defectuosos
En estas 12 piezas… hay...
3 Piezas
Defectuosas
6 Defectos
• Cantidad de defectuosos np =3 piezas defectusas

• Fracción defectuosa p =np/n = 3/12 = 0.25 fraccion defectuosa
• Cantidad de defectos c = 6 defectos
• Defectos por unidad u = c/n =6/12 =0.5dpu
71
Gráfica p
• Se utiliza para atributos

• Mide la fracción de piezas defectuosas p
• Pasa-no pasa
• Se usa en lotes o subgrupos de tamaño constante y
variable
72

36
Gráfica p
p.xls
73
Gráfica p
Estadísticas>Gráficas de control>Gráficas de atributos>p
74

37
Gráfica p
Resultado
Fracción defectuosa de cada subgrupo
75
Gráfica p
LCLp
76

38
Gráfica np

• Mide la cantidad de piezas defectuosas np
• Pasa-no pasa
• Se usa en lotes o subgrupos de tamaño constante
77
Gráfica np
np.xls 78

39
Gráfica np
atributos>np
79
Gráfica np
Resultado
Unidades defectuosas de cada subgrupo
80

40
Gráfica np
81
Gráfica c

• Mide la cantidad de defectos c
• Una pieza puede tener varios defectos
• Se usa en lotes o subgrupos de tamaño constante
82

41
Gráfica c
c.xls
83
Gráfica c
Estadísticas>Gráficas de control>Gráficas de atributos>c
84

42
Gráfica c
Resultado
85
Gráfica c
86

43
Gráfica u

• Mide la cantidad de defectos por unidad u
• Una pieza puede tener varios defectos
• Se usa en lotes o subgrupos de tamaño constante o
variable
87
Gráfica u
u.xls
88

44
Gráfica u
Estadísticas>Gráficas de control>Gráficas de atributos>u
89
Gráfica u
Resultado
Tasa de defectos de cada subgrupo
90

45
Gráfica u
91
• Preguntas?
• Muchas gracias
92

46
Core Tools de Calidad
Capacidad de Proceso
Ing. Jorge Adrián Espinosa Álvarez

Capacitado en Core Tools por AIAG
Ingeniero Industrial Administrador
Maestría en Calidad y Productividad
Doctorando en Proyectos de Calidad Industrial
Master Black Belt en Seis Sigma
Certificado en Manufactura Esbelta
jorge_espinosa@kairyoconsultores.com
www.kairyoconsultores.com 93
2.2 Los 18 Requisitos del PPAP

2.2.11 Estudios Iniciales del Proceso
2.2.11.1 General
• El nivel inicial de la capacidad o desempeño del proceso

DEBE ser aceptable antes de la presentación para todas
las características especiales designadas por el cliente o
proveedor. El proveedor debe acordar con el cliente el
índice para estimar la capacidad inicial del proceso
antes de la presentación.
• El proveedor DEBE desarrollar un análisis del sistema
de medición para entender que errores de medición
afectan las mediciones del estudio (Ver 2.2.8).
Ref: AIAG PPAP Reference Manual Fourth Edition 94

47
• Cpk - El índice de capacidad para un proceso estable. La estimación

de Sigma esta basada en la variación dentro del subgrupo (R-bar/d2
o S-bar/c4
• Ppk- El índice de desempeño .La estimación de sigma esta basada
en la variación total.
• Estudio Inicial del Proceso — El propósito del estudio inicial es
para entender la variación del proceso y no solo para logar
un valor de índice especificado. Cuando existe información
histórica o suficientes datos iniciales para generar una gráfica de
control ( al menos 100 muestras individuales), se puede calcular el
Cpk cuando el proceso es estable. De lo contrario, para procesos
con causas especiales conocidas y predecibles y con productos
dentro de especificaciones, debe usarse el Ppk. Cuando no existe
suficientes datos (menos de 100 muestras) o existen fuentes
desconocidas de variación, contactar al cliente para desarrollar un
plan adecuado.
2.2.11.3 Criterios de Aceptación para los estudios iniciales

• El proveedor DEBE utilizar los siguientes criterios de aceptación para
estudios iniciales en procesos que aparecen estables:
• Resultados
• Valor del índice> 1.67.- El proceso cumple actualmente con los
requisitos del cliente.
• Valor del índice >= 1.33 pero <= 1.67.- El proceso puede ser
aceptable. Contactar al cliente para una revisión de los resultados
del estudio
• Valor del índice <1.33 .- El proceso no cumple actualmente con los
criterios de aceptación. Contactar al representante apropiado del
cliente para una revisión de los resultados.
• Nota: El criterio de aceptación supone normalidad y especificación
bilateral (nominal en el centro)

48
2.2.11 Estudios Iniciales del proceso

2.2.11.4 Procesos Inestables
• Dependiendo de la naturaleza de la inestabilidad, el
proceso puede no cumplir con los requisitos del cliente.
• El proveedor DEBE:
• Identificar, evaluar y siempre que sea posible, eliminar
las causas especiales de variación antes de la
presentación del PPAP
• Se DEBE notificar al cliente sobre cualquier proceso
inestable que exista y DEBE presentar un plan de acción
correctiva al cliente antes de cualquier presentación.
2.2.11 Estudios iniciales del proceso

2.2.11.6 Estrategia cuando no se Satisfacen los Criterios de
aceptación
• El proveedor DEBE contactar al cliente si no se alcanza el criterio de
aceptación definido en el requisito 2.2.11.3
• Si no se puede obtener una capacidad aceptable de proceso para la
fecha ofrecida para la presentación PPAP, el proveedor DEBE
• Desarrollar y obtener la aprobación del cliente, dar un plan de
acción incluyendo una acción correctiva y de un PLAN DE CONTROL
revisado, ofreciendo normalmente la inspección al 100%. Los
esfuerzos de reducción de la variación DEBEN continuar hasta que
se cumplan los criterios de aceptación o hasta que se reciba
aprobación del cliente.
• Nota 1: Las metodologías de 100% de inspección están sujetas a
revisión y acuerdo por el cliente.

49
Tipos de variación
Variación total (Pp, Ppk, Cpm)
Variación interna (Cp, Cpk)
n A2 D3 D4 d2 c4
2 1.880 0 3.267 1.128 0.7979
3 1.023 0 2.574 1.693 0.8862
4 0.729 0 2.282 2.059 0.9213
5 0.577 0 2.114 2.326 0.9400
6 0.483 0 2.004 2.534 0.9515
7 0.419 0.076 1.924 2.704 0.9594
Entre subgrupos 8 0.373 0.136 1.864 2.847 0.9650
9 0.337 0.184 1.816 2.970 0.9693
Interna/Entre subgrupos 10 0.308 0.223 1.777 3.078 0.9727

99
Requisitos
Los estudios de capacidad se deben conducir con cuidado.
Los siguientes supuestos se toman al hacer cálculos de capacidad:
1. Está en control
(Eliminar la variación por causas asignables )
2. Tiene una distribución normal

(Eliminar la variación por causas asignables o transformar)
El no cumplir con estos supuestos resultará en estudios de

capacidad erróneos.
100

50
Índices de capacidad de proceso
Variación dentro de subgrupos (Interna)
n A2 D3 D4 d2 c4
2 1.880 0 3.267 1.128 0.7979
3 1.023 0 2.574 1.693 0.8862
4 0.729 0 2.282 2.059 0.9213
5 0.577 0 2.114 2.326 0.9400
6 0.483 0 2.004 2.534 0.9515
7 0.419 0.076 1.924 2.704 0.9594
8 0.373 0.136 1.864 2.847 0.9650
9 0.337 0.184 1.816 2.970 0.9693
10 0.308 0.223 1.777 3.078 0.9727
101
Índices de desempeño de proceso
Variación total del proceso (Total)
Índice de Taguchi
T=Nominal
102

51
Calculo de Cp Ejercicio
Ejercicio #1 de Cp
Supongamos un proceso donde, LSE = 24 y el LIE = 0, se establece un

equipo de mejoramiento continuo . Este equipo realizo cambios en el proceso
para reducir la desviación estándar ya que era de 8. Se analizaron los datos
de Junio después del trabajo realizado y el proceso nos dio una desviación
estándar de 4.
Calcule Cp.
¿ Qué es lo que usted deduce de este proceso ?
103
Ejercicio #1 de Cpk
Como en nuestro ejemplo previo, donde LSE = 24 y LIE = 0, la desviación
estándar para Junio era 4. Supongamos que la media es igual a 20.
Ahora, calcule el Cp , CPU, CPL, y el Cpk …usando las formulas anteriores.
LSE = 24; LIE = 0; x = 20; s = 4
CPU = __________
CPL = ___________
Cpk = _________
¿ Como interpretamos los resultados ?
104

52
Media = X
LIE LSE
-8 -4 0 4 8 12 16 20 24 28 32 36
105
Ejercicio #2 de Cpk
La información del ejercicio anterior fue decisivo para asignar a un equipo de trabajo en el
mejoramiento del proceso, logrando una disminución de la variación en un periodo muy
corto de tiempo. Los datos del mes siguiente después de las mejoras dieron como
resultado una desviación estándar de 2. La media se mantuvo en 20. Calcule el Cpk y
comente el movimiento respecto de los datos del mes anterior del Ejercicio #1 de Cpk.
LSE = 24; LIE = 0; x = 20; s = 2
Ejercicio
CPU = __________ =
CPL = ___________ =
Cpk = ____________=
106

53
Media = X
LIE LSE
-8 -4 0 4 8 12 16 20 24 28 32 36
107
Ejercicio #3 de Cpk
Ahora, se han hecho más mejoras para mover la media (o centrar el proceso) más cerca
del objetivo de 12. El 3er mes los datos produjeron la misma desviación estándar de 2.
Sin embargo, la media ahora es igual a 14. Calcule el Cpk y comente este movimiento
respecto de los datos del mes anterior del Ejercicio #2 de Cpk.
LSE = 24; LIE = 0; s = 2; x = 14
CPU = __________ =
CPL = __________ =
Cpk = ___________=
Ejercicio
108

54
Media = X
LIE LSE
-8 -4 0 4 8 12 16 20 24 28 32 36
109
Capacidad de Proceso Xbarra-R
• Ejemplo: Se cuenta con

información sobre la longitud
de 125 pernos mostrada en la
siguiente tabla. Evaluar la
Capacidad y el desempeño.
• LIE=21.5
• LSE=23.5
X-bar-R.xls
110

55
Estadísticas>Herramientas de calidad>Capability Sixpack>Normal
111
112

56
Índices de Capacidad de proceso
Variación dentro de subgrupos
113
Variación total del proceso
114

57
Capacidad de Proceso Xbar-S
• Ejemplo: Se cuenta con información sobre la altura de

llenado de cierta pieza moldeada mostrada en la
siguiente tabla. Evaluar la Capacidad y el desempeño.
• LIE=-3
• LSE=3
Xbar-S.xls
115
Estadísticas>Herramientas de calidad>Capability Sixpack>Normal
116

58
117
Índices de Capacidad de proceso
Variación dentro de subgrupos
118

59
Variación total del proceso
119
Capacidad de Proceso I-MR
Ejercicio: Se cuenta con información sobre la temperatura de un

proceso mostrada en la siguiente tabla. Evaluar la Capacidad y
el desempeño.
LIE=30
LSE=40
I-Mr.xls 120

60
Estadísticas>Herramientas de calidad>Capability
Sixpack>Normal
121
122

61
• Preguntas?
• Muchas gracias
123

62

Core Tools de Calidad Control Estadístico de Procesos SPC: Proceso Productivo

Cargado por

Copyright:

Formatos disponibles

Core Tools de Calidad Control Estadístico de Procesos SPC: Proceso Productivo

Cargado por

Información del documento

Título original

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

Core Tools de Calidad Control Estadístico de Procesos SPC: Proceso Productivo

Cargado por

Copyright:

Formatos disponibles

Core Tools de Calidad

Control Estadístico de Procesos SPC

Ing. Jorge Adrián Espinosa Álvarez

Es el conjunto de insumos necesarios para llevar a cabo la producción

Los problemas comienzan cuando queremos controlar el producto

Kairyo Consultores www.kairyoconsultores.com

Las especificaciones son llamadas la Voz del Cliente

Puede ser una especificación bilateral teniendo un mínimo y un

Especificación unilateral, puede tener solo un límite superior como

Especificación unilateral, puede tener un límite inferior como brillo,

Concepto de Calidad y Productividad

Nosotros como clientes queremos que lo que adquirimos sea de

La buena calidad es entonces un producto o servicio que satisface

Los problemas comienzan cuando tenemos tanta variación en

Kairyo Consultores www.kairyoconsultores.com

Para medir ésa variación debemos realizar un Histograma para

Para la siguiente serie de datos graficar el Histograma

46 31 37 33 69 Clase Frecuencia Total

Kairyo Consultores www.kairyoconsultores.com

Kairyo Consultores www.kairyoconsultores.com

Kairyo Consultores www.kairyoconsultores.com

Una distribución Normal se caracteriza por:

Kairyo Consultores www.kairyoconsultores.com

Área bajo la curva de la Distribución Normal:

Relación entre Distribución Normal y el Histograma:

Kairyo Consultores www.kairyoconsultores.com

Kairyo Consultores www.kairyoconsultores.com

Desviación Estándar (s):

donde = media de la muestra

Divida la suma entre

Kairyo Consultores www.kairyoconsultores.com

Voz del Cliente –vs- Voz del Proceso

Kairyo Consultores www.kairyoconsultores.com

¿Cuál es el origen del SPC?

Diseño y Desarrollo del Producto

Diseño y Desarrollo del Proceso

Validación del Producto y Proceso

Retroalimentación de la Evaluación y Acción Correctiva

Plan y Definir Verificación del Verificación del Validación del Retroalimentación

Fases del Proceso APQP

3.1 Estándares de Empaque FASE 4 4.1 corrida significativa de

3.4 Plan de Layout de Piso 4.3 Estudio inicial de capacidad

Kairyo Consultores www.kairyoconsultores.com

Voz del Proceso SPC

Cada paso del proceso Proceso/

Voz del Cliente

Kairyo Consultores www.kairyoconsultores.com

• Detectar la variación por causas especiales

• Definir subgrupos racionales

Reference: AIAG Statistical Process Control Second Edition July, 2005

Kairyo Consultores www.kairyoconsultores.com

• El tamaño de grupo debe permanecer constante.

Reference: AIAG Statistical Process Control Second Edition July, 2005

• No hay una regla que establezca con que frecuencia

Kairyo Consultores www.kairyoconsultores.com

Inspección normal, nivel II

Tamaño de lote Tamaño de la muestra

Ejemplo para muestreo por variables continuas:

Kairyo Consultores www.kairyoconsultores.com