2.2 El plan de control (control plan). Grficos de variables.
(Carot, 397, 433 y 708)
1.- INTRODUCCION.
En Control de Calidad mediante el trmino variable se designa a cualquier
caracterstica de calidad medible tal como una longitud, un voltaje, un peso, una
resistencia a la rotura, un volumen, etc., mientras que se denomina atributo a las
caractersticas de calidad que no son medibles y que presentan diferentes estados
(normalmente dos) t como conforme y disconforme o defectuoso y no defectuoso.
Segn sea el tipo de la caracterstica de calidad a controlar as ser el
correspondiente Grfico de Control que, por tanto, se clasifican en Grficos de Control
por Variables y Grficos de Control por Atributos.
En este capitulo nos ocuparemos del estudio de los Grficos de Control por
Variables.
Como se expone en el capitulo anterior, cuando la caracterstica de calidad es una
variable, controlar el proceso es equivalente a controlar la media y la desviacin tpica
de esta variable aleatoria. Por ello, existen dos tipos de Grficos de Control por
Variables: los que controlan la posicin de la distribucin de la variable (Grfico de La
Media y Grfico de la Mediana) y los que controlan la dispersin (Grfico del Rango,
Grfico de la Desviacin Tpica (que a su vez son dos Grficos el de s n y el de s n 1 ) y
Grfico de la Varianza).
2. GRAFICA DE LA MEDIA.
2.1 Calculo de los Lmites de Control.
Este
es la representacin grafica del test de hiptesis de dos colas para contrastar:
diagrama
H 0 0 contra H 1 0
En el apartado
4.3.1 del capitulo V se han estudiado las diferentes test de hiptesis para la media y, en
particular, el de dos colas. Si la desviacin tpica es conocida, la zona de aceptacin de
H 0 es:
0 z
2
x 0 z
n
n
2
Si,
por
el
contrario, la desviacin tpica es desconocida, en Control de Calidad, en vez de se
utiliza la estimacin que corresponde al parmetro muestral que se usa en el Grafico de
R
Dispersin, as, si se usa el Grafico de Rango es R d , si se utiliza en el Grafico de
2, n
219
la desviacin tpica muestral s n 1 es s
n 1
s n 1
, si el parmetro es s n , la estimacin
c 4,n
n
ser s c
y si hay garantas de que la media ha permanecido constante, la
2,n
n
estimacin a utilizar es s
m . n 1
s m.n 1
que siendo insesgada es la de menor variancia.
c 4 , m. n
Incluso, a veces, se utiliza el estimador sesgado s s 2 .
2
Las
estimaciones de que se utiliza en los Grficos de Control suelen ser muy buenas, pues
se utilizan tamaos de muestra elevados. Por ello en la formula anterior se mantiene la
variable z en vez de utilizar la t de student.
Designaremos por LC a la Lnea Central del grfico y por LCS y LCI a los Lmites de
Control Superior e Inferior respectivamente Si es conocida ser:
LC 0
LCS 0 z
2
LCI 0 z
2
0
n
0
n
en las que 0 y 0 son los parmetros poblacionales cuando e! proceso esta bajo control,
n es el tamao de la muestra y es la probabilidad de error de primera especie, es
decir, el riesgo que estamos dispuestos a correr de concluir que el proceso esta
descorregido cuando realmente no lo esta, siendo
z
2
el correspondiente valor de la
variable normal tipificada.
La mecnica de uso del Grfico de Control para la Media es sencilla. Si la media
muestral x cae fuera de tos Lmites de Control, se rechaza la Hiptesis Nula de que el
proceso es estable respecto a su posicin ( constante) y, en consecuencia, se busca una
causa asignable que ha modificado a . Si, por el contrario, x se sita entre dichos
limites, se acepta que, en lo que respecta a la media, el proceso esta bajo control y se deja
que el proceso siga actuando libremente.
Por razones histricas se acostumbra a utilizar el denominado criterio tres sigma o
3. , designado as porque se hace z 3 , lo que corresponde a
2
=0.0027.
Bajo el criterio 3 , se da nombre a determinadas constantes, as mediante A se designa
a:
A
con lo que
220
LCS 0 A. 0
LCI 0 A. 0
Los valores de
A se encuentran en la tabla 8.
Si 0 es desconocida, se estima a partir de los datos del ltimo Grafico de
Control para la Media en el que no existe una seal de falta de control mediante:
221
x
i 1
en la que m es el numero de muestras utilizadas (normalmente el de un Grafico de
Control para la media) y:
n
x
j 1
xi
i, j
es la media muestral de la muestra numero i con lo que
n
x
i 1 j 1
i, j
m.n
con ello queda:
LCS x A. 0
LCI x A. 0
Si 0 es desconocida, se utiliza una estimacin que depende del tipo de grafico
que se utiliza para el estudio de la dispersin, quedando:
a) Si se usa s n : (Corresponde al subtema 2.2.2 de la Antologa)
LCS x z
2
LCI x z
2
sn
c 2,n
n
sn
c 2, n
n
con el criterio 3 resulta
LCS x 3
LCI x 3
se denomina:
222
sn
c 2, n
n
sn
c 2, n
n
A1
3
c 2,n . n
con lo que:
LCS x A1 * s n
LCI x A1 * s n
los valores de A1 se encuentran en la tabla 8.
b) Si se utiliza el Rango R queda: (Corresponde al subtema 2.2.1 de la Antologa)
LCS x z
2
LCS x z
2
R
d 2,n
n
R
d 2,n
n
con el criterio 3 es:
LCS x 3
LCI x 3
R
d 2, n
n
R
d 2,n
n
resultando
LCS x A2 * R
LCI x A2 * R
los valores de A2 se encuentran en la tabla 8.
c) Si se usa s n 1 : (Corresponde al subtema 2.2.2 de la Antologa)
LCS x z
2
223
s n 1
c 4, n
n
LCI x z
s n 1
c 4, n
n
con el criterio 3 resulta
LCS x 3
LCI x 3
s n 1
c 4,n
n
s n 1
c 4, n
n
se denomina
A3
3
c 4,n . n
con lo que:
LCS x A3 * s n 1
LCI x A3 * s n 1
los valores de A3 se encuentran en la tabla 8.
(continua Carot, 403)
2.2 EFICACIA DEL GRAFICO.
El criterio estndar (criterio 3 ) nos garantiza con una muy alta probabilidad (
1 0.9973 ) que cuando el proceso esta bajo control no cometeremos el error de
llegar a la conclusin de que el proceso funciona incorrectamente. Sin embargo esto no
significa que cuando el proceso est fuera de control el grafico de la media nos lo detecte,
tambin, con una alta probabilidad. No es infrecuente encontrar grficos de control en los
que cuando se producen importantes descorreciones de la media la probabilidad de ser
detectadas es pequea. Cuando esto ocurre, se esta produciendo un gasto en efectuar el
control y se tiene puesta la confianza en una herramienta que no es eficaz para los fines
que fue elaborada.
El objeto de este apartado consiste, precisamente, en exponer como obtener
Grficos de Control para la Media eficaces.
En el capitulo V se ha puesto de manifiesto que la curva caracterstica para
contrastar:
H 0 0 contra H 1 0
es decir, a probabilidad de aceptar la hiptesis nula o, lo que es equivalente, que
224
un punto caiga dentro de los lmites de control, es:
Pa d z d *
2
n z d *
n 1
en lo que d es el descentrado relativo:
d
0
0
En la figura 8.1 se han representado para varios valores del tamao de muestra n
las correspondientes curvas caractersticas, con una probabilidad de error de primera
especie de 0.0027 (criterio 3).
En la Tabla 13 del Anexo I puede encontrarse esta figura y otras para diferentes
criterios y valores de . Su utilidad resulta evidente, pues puede servir, adems de para
conocer la eficacia de un grfico control, para determinar el de tamao de muestra que es
necesario si queremos obtener una determinada eficacia, es decir, tomar un
determinado para un d fijado.
En la mencionada figura 8.1 puede observarse que para obtener una probabilidad
de error de segunda especie del orden de =0.1, con tamaos de muestra de 4 o 5
piezas, el descentrado debe tomar valores del orden de 2 o superiores. Por tanto, el
Grfico de la Media es poco eficaz para descentrados relativos pequeo con muestras
pequeas.
La curva caracterstica permite determinar la eficacia de un grfico de control a travs de
la probabilidad de detectar una descorreccion de la media en la muestra tomada
inmediatamente despus de que se produzca este descentrado. Una forma diferente y muy
ilustrativa de medir la eficacia de un grfico de control es mediante el clculo de
denominado ARL (Average Run Length) o longitud media de la racha necesaria para que
un punto se salga de tos Lmites de control o, ms explcitamente, el ARL es el nmero
medio de muestras que es necesario tomar hasta que un punto caiga por primera vez,
fuera de los lmites de control.
225
Figura 8.1 Curvas caractersticas para el grafico de la Media con
muestra.
0.0027 y diversos tamao de
La variable aleatoria X Numero de muestras a tomar para que, posprimera vez,
una muestra se situ fuera de los limites de control es, evidentemente, una variable
Binomial Negativa de parmetros r=1, p=1- . Esta variable ha sido estudiada en el
Capitulo III en el que se expone que:
E x
r
y D x
p
r* p
p2
con lo que:
ARL
1
1
Ejemplo 8.1
Si el proceso esta bajo control y el criterio utilizado para calcular los lmites de
control es el estndar 3 , como 0.0027 y d=0, resulta 1 0.0027 de donde:
226
ARL
1
370.37
0.0027
lo cual significa que cuando aplicamos el criterio 3 , si el proceso esta bajo control,
son necesarias, por termino medio, 370.37 muestras para que un punto se salga de los
limites de control por primera vez.
Ejemplo 8.2
Bajo el criterio 3 , si d=1.6 y n=4 resulta:
Pa d 3 1.6 * 4 3 1.6 * 4 1 0.4207
Por tanto, con el criterio 3 con n=4 si se produce una descorreccin en la
media poblacional de 1.6 , solo en el 58% de los casos detectaremos esta descorreccin
en la primera muestra. Sin embargo, visto de otra forma, por trmino medio ser
necesario tomar:
ARL
1
1
1.73
1 1 0.4207
muestras para detectar la mencionada descorreccion.
Por otra parte, como:
P X 4 1 * 1 2 * 1 3 * 1 0.97
es casi seguro que detectaremos en las 4 primeras muestras despus de que se produzca
aquella.
Si una vez calculados los lmites de control iniciales, tal como se expone en un
apartado posterior de este mismo capitulo, se determina que la eficacia del Grafico de
Control es insuficiente para nuestros fines, disponemos de dos procedimientos para
disminuir para un d determinado: a) Disminuir y b) Aumentar n o, lgicamente ,
ambas cosas a la vez.
En el Capitulo V hemos visto que dados
muestra n es:
z z
(o el ARL) y d el tamao de
ecuacin que sirve para disear el Grafico de Control para la Media.
Ejemplo 8.3.
Sea T (Target) es el valor nominal de una determinada caracterstica de calidad
que coincide con 0 que es la media del proceso cuando este esta bajo control.
El
Departamento
de
Ingeniera
establece
que
las
especificaciones
son
T 0.45 0 0.45 . La desviacin tpica poblacional, cuando el proceso esta bajo
227
control, es conocida y vale 0 0.1 . El criterio utilizado para disear el Grafico de
Control es el estndar 0.0027 . Se desea tener una probabilidad de 10% de detectar
una descorreccion de la media tal que comienzan a producirse piezas defectuosas
grandes.
La media 1 para que se comience a producir piezas defectuosas es:
1 T2 3 0 0.45 3 * 0.1
de donde
1 0 0.15
con lo que resulta: d=1.5
El tamao de muestra a tomar ser:
2
z z
3 1.28
1.5
8.14
es decir debemos tomar, al menos 9 piezas en cada muestra.
Podemos disminuir este tamao de muestra si aumentamos el riesgo de
equivocarnos cuando el proceso esta bajo control. Si, por ejemplo, fijamos este riesgo en
0.05 , el tamao de muestra es entonces:
2
z z
1.96 1.28
1.5
4.66
que es prcticamente la mitad del calculo anteriormente.
8.- GRFICOS DE CONTROL INICIALES.
Una buena prctica consiste en calcular los Lmites de Control de una hoja de un
Grfico de Control a partir de los datos de la hoja anterior en los que el proceso ha
permanecido bajo control. De esta forma, las mejoras que se vayan realizando sern
tenidas en cuenta en los sucesivos grficos. Nos queda por tanto por resolver el problema
del clculo de los Limites de Control del grafico inicial. Un buen procedimiento para este
clculo preliminar se recoge en la figura 8.12
Cuando se considera que el proceso esta bajo control, se toman unas 25 muestras
de tamao 5. A partir de estas muestras se calculan sus propios Lmites de Control para
los Grficos de la Media y de la Dispersin representndose sobre ellos los propios
puntos que han servido para su clculo
SI en ninguno de los dos grficos hay seales de falta de control, los limites
calculados son los preliminares y, por tanto, sern los utilizados en la siguiente hoja de
los grficos de control.
228
Si no es as, se analiza primero el Grafico de la Media; si hay puntos fuera de
control, se eliminan. Si los puntos restantes son menos de 20, se rechazan todos los datos
disponibles, se regula el proceso y se vuelve a empezar. Si quedan 20 o mas puntos, se
recalculan los limites de control de los dos grficos.
Cuando no se eliminan puntos del Grafico de la Media se analiza el Grafico de la
Dispersin, procedindose de forma anloga a la realizada con el Grafico de la Media.
Se procede iterativamente hasta que ninguno de los dos grficos muestra seales
de falta de control y se dispone de al menos 20 puntos. Los limites as calculados sern
los limites preliminares, es decir, los que sern utilizados en la siguiente hoja de los
Grficos de Control.
Una vez efectuado el clculo de los Limites Preliminares, deberemos recorrer los
siguientes pasos:
a)
Deberemos calcular la precisin de las
estimaciones utilizadas con el fin de determinar cual es el nmero mnimo
de muestras a utilizar en la estimacin de los parmetros muestrales.
b)
Asimismo, el tamao de muestra n
deber ser recalculado a fin de obtener la eficacia deseada de los grficos
de control.
c)
Finalmente deber realizarse un estudio
de la capacidad del proceso. El siguiente capitulo IX esta dedicado
exclusivamente al estudio de la capacidad del proceso
Tomar 25 muestras de tamao n=5
Calcular
x y R o s con las muestras
229
existentes.
Corregir
Calcular el grafico para la media
Corregir
proceso
proceso
Eliminar las muestras fuera de
control
Se ha
eliminado
Quedan
si
menos de
alguna
no
20
si
no
Construir el grafico para
R o s
Eliminar las muestras fuera de
control
no
Quedan
si
menos de
Se ha
si
eliminado
20
alguna
no
GRAFICOS PRELIMINARES
Figura 8.12 Grafico de Control preliminar
(Evans, 737, 749, 694)
Ubicacin de los lmites de control.
Un error tipo I ocurre cuando se llega a la conclusin incorrecta de que una causa
especial est presente, cuando en realidad no existe, y esto da como resultado el costo de
tratar de encontrar un problema inexistente. Un error tipo I ocurre cuando estn presentes
230
causas especiales, pero no se seala en la grafica de control porque, por casualidad, los
puntos caen dentro de los lmites de control. Debido a que los productos no conformes
tienen mayores probabilidades de producirse, con el tiempo se incurrir en un costo como
resultado de ello. El tamao de un error tipo I depende slo de los lmites de control
utilizados; mientras ms amplios sean los lmites, menor ser la probabilidad de que un
punto caiga fuera de ellos y, como consecuencia, menor ser la probabilidad de cometer
un error tipo I. Sin embargo, un error tipo I depende de la amplitud de los lmites de
control, del grado en que el proceso est fuera de control y del tamao de la muestra. Para
un tamao de muestra fijo, los lmites de control ms amplios aumentan el riesgo de
cometer un error tipo II.
El enfoque tradicional de utilizar lmites 3 supone en forma implcita que el
costo de un error tipo I es alto en relacin con el de un error tipo II, es decir, se desea que
un error tipo I se minimice Sin embargo ste no siempre es el caso; se han realizado
muchas investigaciones sobre el diseo econmico de grficas de control. Los modelos
de costos tratan de encontrar la mejor combinacin de parmetros de diseo (lnea
central, lmites de control, tamao de la muestra e intervalo de muestreo) que minimice el
costo esperado o maximice las utilidades esperadas
Ciertos costos se relacionan con cometer errores tipo I y II. Un error tipo I da
como resultado investigaciones innecesarias para una causa asignable, incluidos los
costos del tiempo de produccin perdido y realizacin de pruebas especiales. Un error
tipo II puede ser ms significativo. Si no se detecta un proceso fuera de control, los
artculos defectuosos que se producen pueden dar como resultado costos ms altos de
desecho y reproceso en etapas posteriores de la produccin o despus de que el artculo
terminado llega al cliente. Por desgracia el costo de un error tipo ll es casi imposible de
calcular debido a que depende del nmero de artculos no conformes, una cantidad que es
desconocida.
Los costos relacionados con los errores tipo I y II entran en conflicto conforme
cambian los lmites de control. Cuantos ms estrechos sean estos lmites, mayor ser la
probabilidad de que una muestra indique que el proceso est fuera de control. De ah que
el costo de un error tipo I aumente conforme se reducen los lmites de control. Por otra
parte, los lmites de control ms estrechos reducirn el costo de un error tipo II porque los
estados fuera de control se van a identificar con mayor facilidad y la cantidad de
productos defectuosos se va a reducir.
Los costos relacionados con el muestreo y las pruebas pueden incluir el tiempo
productivo perdido cuando el propietario del proceso toma mediciones sencillas de las
muestras, realiza clculos y lleva los puntos a la grfica de control. Si las pruebas son
destructivas, tambin incluir el valor de las unidades perdidas. Por tanto, los tamaos de
muestras mayores y el muestreo ms frecuente da como resultado costos ms altos.
El tamao de la muestra y la frecuencia tambin afectan los costos de los errores
tipo I y II. Conforme aumenta el tamao de la muestra o la frecuencia, se reducen los
errores tipo I y II porque se proporciona mejor informacin para tomar decisiones. La
tabla 14.4 resume este anlisis de los costos de interaccin en tres direcciones. En el
diseo econmico de grficas de control se deben considerar en forma simultnea. Casi
231
todos los modelos para estas decisiones se vuelven muy complejos y estn ms all del
alcance de este libro.
A fin de que todo sea ms prctico, con frecuencia se utiliza el sentido comn acerca de
la naturaleza de las operaciones y los costos involucrados en la toma de estas decisiones.
Raymond Mayer sugiere los siguientes lineamientos:
1. Si el costo de investigar una operacin para identificar la causa de una
condicin fuera de control aparente es alto, un error tipo I se vuelve
importante, y es preciso adoptar lmites de control ms amplios. Por el
contrario, si ese costo es bajo, es necesario seleccionar lmites ms
estrechos
2. Si el costo del producto defectuoso generado por una operacin es
considerable, un error tipo ll es serio y es preciso usar lmites de control
ms estrechos. De lo contrario, se deben seleccionar lmites de control ms
amplios
Fuente del costo
Tamao de la
muestra
Frecuencia. del
muestreo
Limites d control
Error tipo I
grande
alta
amplios
Error tipo II
grande
alta
estrechos
pequea
baja
----------
Muestreo y pruebas
Tabla 14.4 Decisiones econmicas para la elaboracin de una grafica de control
3. Si los costos de un error tipo I y el del error tipo II para una actividad
determinada son significativos, es necesario elegir lmites de control
amplios y tomar en cuenta la posibilidad de reducir el riesgo de un error
tipo II aumentando el tamao de la muestra. Asimismo, es preciso tomar
muestras con mayor frecuencia para reducir la duracin de cualquier
condicin fuera de control que pudiera ocurrir.
4. Si las experiencias anteriores con una operacin indican que una condicin
fuera de control se presenta con mucha frecuencia, es necesario
seleccionar lmites de control ms estrechos debido a la gran cantidad de
oportunidades de cometer un error tipo II. Cuando la probabilidad de una
condicin fuera de control es baja, se prefieren los lmites ms amplios.
GRFICAS Y CUADROS DE CONTROL PARA DATOS DE VARIABLE
Los datos de variable son aquellos que se miden con base en una escala continua.
Ejemplos de datos de variable son longitud, peso, tiempo y distancia. Las graficas que se
utilizan con mayor frecuencia para los datos de variable son la grfica x (grfica de x
testada) y la grfica R (grfica de rangos). La grfica se usa para el seguimiento del
centrado del proceso y la grfica R se utiliza para el seguimiento de la variacin en el
proceso. El rango se emplea como una medida de la variacin simplemente por
232
conveniencia, sobre todo cuando los trabajadores en el rea del trabajo realizan a mano
los clculos de la grfica de control. Para muestras grandes y cuando los datos se analizan
mediante un programa de computadora la desviacin estndar es una mejor medida de la
variabilidad (que se estudia ms adelante en este captulo)
Elaboracin de grficas x y R, y establecimiento del control estadstico
El primer pas al elaborar graficas x y R consiste en recopilar los datos. Por lo
general, se toman alrededor de 25 a 30 muestras. Casi siempre se utilizan tamaos de
muestra entre 3 y 10 siendo 5 el ms comn. El nmero de muestras se indica con k, y n
seala el tamao de la muestra. Para cada muestra i, se calculan la media (expresada
como x i ) y el rango ( Ri ). Estos valores se trazan en sus grficas de control respectivas.
A continuacin, se calculan la media general y el rango promedio. Estos valores
especifican las lneas centrales para las grficas x y R, respectivamente. La media
general (que se expresa x ) es el promedio de las medias de las muestras:
k
x
i 1
El rango promedio ( R ) se calcula de manera similar utilizando la frmula:
k
R
i 1
El rango promedio y la media promedio se utilizan para calcular los lmites de
control superior e inferior (LCS y LCI) para las grficas x y R. Los limites de control se
calculan con facilidad utilizando las siguientes frmulas:
LCS R D4 R
LCI R D3 R
LCS x x A2 R
LCI x x A2 R
donde las constantes D3, D4, y A2 dependen del tamao de la muestra y se encuentran
en el apndice B
Los lmites de control representan el rango en que se espera se ubiquen todos los
puntos si el proceso est bajo control estadstico. Si cualquiera de los puntos cae fuera de
los lmites de control o si se observa algn patrn fuera de lo comn, es posible que
alguna causa especial haya afectado el proceso y ste se debe estudiar para determinar la
causa. Si estn presentes causas especiales, stas no son representativas del estado real
del control estadstico, y los clculos de la lnea central y los lmites de control
presentarn un sesgo Es preciso eliminar los puntos de datos correspondientes y calcular
nuevos valores para x , R y los limites de control.
Al determinar si un proceso est bajo control estadstico, siempre se analiza
primero la grfica R. Debido a que los lmites de control en la grfica dependen del rango
promedio, las causas especiales en la grfica R pueden producir patrones fuera de lo
233
comn en la grfica x , aun cuando el centrado del proceso est bajo control. (Ms
adelante, en este captulo, se dar un ejemplo de estos patrones distorsionados.) Una vez
que se establece el control estadstico para la grfica R, se puede centrar la atencin en la
grfica x .
La figura 14.4 muestra una hoja de datos tpica utilizada para registrar datos y
elaborar grficas de control, que est disponible en la American Society for Quality
(ASQ). Esta forma proporciona un espacio para la informacin descriptiva acerca del
proceso, el registro de observaciones de la muestra y los valores estadsticos calculados,
as como la elaboracin de grficas de control. En la parte posterior de esta forma se
encuentra una hoja de trabajo (figura 14.5) para calcular los lmites de control y la
informacin sobre la capacidad del proceso. La elaboracin y anlisis de las grficas de
control se entienden mejor con un ejemplo. El grosor de los wafers de silicn utilizados
en la produccin de semiconductores debe estar muy bien controlado. La tolerancia de
uno de estos productos se especifica como 0.0125 centmetros. En una planta de
produccin se seleccionaron tres wafers cada hora y se midi su grosor con detenimiento
dentro de un lmite de 2.54 diezmilsimas de centmetro. La figura 14.6 muestra los
resultados obtenidos para 25 muestras. Por ejemplo, la media de la primera muestra es:
xi
41 70 22 113
44
3
3
El rango de la muestra 1 es 70 -22 = 48. (Nota: las operaciones se redondearon al
entero ms prximo para simplificar.)
Los clculos del rango promedio, la media general y los lmites de control se
muestran en la figura 14.7. El rango promedio es la suma de los promedios muestrales
(676) dividida entre el nmero de muestras (25); la media general es la suma de los
promedios de las muestras (1221) dividida entre el nmero de muestras (25). Como el
tamao de la muestra es 3, los factores que se utilizan al calcular los lmites de control
son A2 = 1.023 y D4 = 2.574. (Para tamaos muestrales menores a 6 o menos, el factor D 3
= 0; por tanto, el lmite de control inferior en la grfica de rangos es cero.) Las lneas
centrales y los lmites de control se encuentran representados en la grfica de la figura
14.8.
Al examinar primero la grfica de rangos, pareciera que el proceso est bajo control.
Todos los puntos caen dentro de los lmites de control y no existen patrones fuera de lo
comn. Sin embargo, en la grfica la muestra 17 se encuentra por encima del lmite de
control superior. Al investigar, se detecta el uso de materiales defectuosos. Este dato se
debe eliminar de los clculos de la grfica de control. La figura 14.9 muestra los clculos
despus de eliminar la muestra 17, Las lneas centrales y los lmites de control revisados
aparecen en la figura 14.10. Los puntos fuera de control se indican en la grfica. La
grfica resultante parece bajo control.
234
Figura 14.4 Hoja de datos de la grafica de control de la ASQC.
235
Figura 14.5 Hoja de trabajo para calcular el cuadro de control. De la ASQC.
236
Figura 14.6 Datos del grosor de los wafers de silicio
237
Figura 14.8 Cuadro de control inicial
Figura 14.9 Clculos para el cuadro de control revisado
238
Figura 14.10 Cuadro de control revisado
Seguimiento y control de procesos.
Cuando se ha determinado que un proceso est bajo control es preciso utilizar los
cuadros todos los das para el seguimiento del desempeo, identificar cualquier causa
especial que surja y hacer correcciones slo cuando es necesario. Los ajustes innecesarios
en un proceso dan como resultado trabajo improductivo, produccin reducida y mayor
variabilidad en el producto.
Es ms productivo si los empleados que manejan proceso toman las muestras y
elaboran un cuadro con los datos. De esta manera, pueden reaccionar con rapidez a los
cambios en el proceso y hacer los ajustes de in mediato. Para una mayor eficacia, es
esencial entrenar a los empleados. Muchas empresas manejan programas de capacitacin
internos para ensear a operadores y supervisores los mtodos elementales del control
estadstico de la calidad. Esta capacitacin no slo proporciona las habilidades
matemticas y tcnicas necesarias, sino que tambin hace que tomen mayor conciencia de
la calidad.
Por lo general, las mejoras en la conformidad siguen a la introduccin de los cuadros de
control en cualquier proceso, sobre todo cuando ste requiere de mucho trabajo. Al
parecer, la participacin de los directivos en el trabajo de los empleados a menudo
produce modificaciones conductuales positivas (como se demostr por primera vez en los
239
famosos estudios de Kawthorne En estas circunstancias y como una buena prctica
eficaz, los directivos y empleados deben revisar los limites de control en forma peridica
y determinar la capacidad de los nuevos procesos conforme tienen lugar las mejoras.
Los cuadros de control estn diseados para que los empleados los utilicen en sus
reas de trabajo en lugar de los inspectores o el personal de control de calidad. Segn la
filosofas del control estadstico de procesos, son los empleados quienes tienen la
responsabilidad
(Gant, 117)
Instrucciones para graficas X Y R simples.
El ahorro en tos costos de inspeccin y en el nmero de empleados que a menudo
son el resultado de la introduccin del control de calidad, ha aparecido en tantas
publicaciones que ha habido la tendencia a perder de vista el objetivo real del sistema,
que es el de mejorar la calidad, aumentarla uniformidad, reducir o evitarla produccin de
material de desecho y ofrecer un comentario constante del rendimiento de las mquinas y
los operarios. invaluable para investigaciones en los talleres y en la planeacin de
fbricas.
Pasos a seguir en el empleo de las grficas de control de X y R para cualquier
caracterstica de un producto manufacturado.
Es til tener una relacin de las decisiones que se deben tomar, clculos a efectuar
y actuaciones a realizar, en una secuencia ms o menos como la siguiente:
I. Decisiones antes de preparar las grficas de control
A. Algunos posibles objetivos de las grficas
B. Eleccin de la variable
C. Eleccin de la base de formacin de subgrupos
D. Decisin del tamao y frecuencia de los subgrupos
E. Mtodo y formatos para registro de los datos
F. Determinacin del mtodo de medicin
II. Iniciacin de las grficas de control
A. Efectuar las mediciones
B. Registro de las mediciones y otros datos pertinentes.
C. Clculo del promedio, X , de cada subgrupo.
D. Clculo del recorrido o amplitud R de cada subgrupo.
E. Trazo de la grfica X .
F. Trazo de la grfica R.
240
III. Determinacin de los lmites de control de la prueba.
A. Decisin del nmero de subgrupos requerido antes de calcular los lmites de
control.
B. Clculo de R , el promedio de las amplitudes.
C. Clculo de los lmites superior e inferior de control para R.
D. Clculo de X , el promedio de los valores de X .
E. Clculo de los lmites superior e inferior de control para X .
E. Trazo de las lneas centrales y lmites en las grficas.
IV. Obtencin de conclusiones preliminares con las grficas.
A. Indicacin de control o de falta de control.
B. Relacin aparente entre el curso que sigue el proceso y el que
se
supone debe seguir.
C. Actuaciones que sugiere la grfica de control.
V. Continuidad en el empleo de las grficas.
A. Revisin de la lnea central y de los lmites de control de R.
U. Revisin de la lnea central y de los lmites de control de X .
C. Empleo de las grficas para actuaciones en el proceso.
D. Empleo de las grficas para la aceptacin
E. Empleo de las grficas para actuacin en las especificaciones
1. Decisiones antes de preparar las grficas de control.
Algunos posibles objetivos de las graficas.
En general, cuando se va a iniciar el empleo de las grficas de control de variables, sean
X y R o X y s, intervienen algunas o todas de las siguientes finalidades:
1.
Analizar un proceso con vista al logro de uno o mas de los siguientes objetivos:
a)
Obtener informacin que se utilizar para
establecer o cambiar las especificaciones o para determinar si un proceso dado
puede o no cumplir con las especificaciones. Este caso se ilustra en el ejemplo
1-2.
b)
Obtener la informacin que se emplear
para establecer o cambiar los procedimientos para produccin. Estos cambios
pueden ser la eliminacin de las causas asignables (causas especiales) de
variacin o cambios fundamenta les en los mtodos para produccin (causas
comunes) que se pudiesen requerir cuando la grfica de control indica con
claridad que con los mtodos vigentes no se puede cumplir con las
especificaciones. En los ejemplos 1-1, 3-1, 3-2 y 4-1 hasta 4-3 se mencionan
241
cambios en la
o cambiar los procedimientos para inspeccin, los
procedimientos para aceptacin o ambos. Este objetivo se menciona en los
ejemplos 1-1, 1-2, 3-2 y 4-1 hasta 4-3.
2. Constituir la base para toma de decisiones durante el curso de la produccin, para
saber cundo se deben buscar las causas de la variacin y tomar la accin
necesaria para corregirlas y cundo hay que dejar que el proceso contine como
est. ste es casi siempre una de los objetivos de cualquier grfica de control para
variables.
3. Constituir la base para toma de decisiones cotidianas con respecto a la aceptacin o
rechazo del producto manufacturado o comprado. Se ilustra en los ejemplos 3-2 y
4-1 y se comenta en forma adicional en el captulo 17. En ocasiones, como ocurre
en el ejemplo 3-2, la grfica de control se inicia para ese objetivo. A menudo,
cuando se inicia para otros fines, hay la esperanza de que, conforme pasa el
tiempo y se logran los otros fines, a fin de cuentas ser posible reducir los costos
de inspeccin con el empleo, para la aceptacin de la grfica de control de
variables. Esto es casi esencial para cumplir con las condiciones de control de
inventario Justo a Tiempo (JIT). Se logr en realidad en el ejemplo 1-2 y se
sugiri como posibilidad en los comentarios al ejemplo 1-1.
4. Divulgar entre el personal el empleo de las grficas de control. Aunque ello podra
parecer una finalidad legtima slo en las primeras etapas del empleo de control
estadstico de calidad en cualquier organizacin, las grficas de control que se
empiezan a usar para este fin, a menudo, revelan oportunidades para reducir
costos. Ms all, es indispensable cuando la administracin ha establecido como
uno de sus objetivos el criterio de mejoras ininterrumpidas en la calidad, como las
que menciona Genichi Taguchi.
Eleccin de la variable.
La variable elegida para las grficas de control de X y R debe ser algo que se
pueda medir y expresar con nmeros, tal como una dimensin, un nmero de dureza,
resistencia a la traccin, peso, etc. La base real para la eleccin es siempre la perspectiva
de reducir o prevenir costos. Desde el punto de vista de la posibilidad de reducir los
costos de produccin, una posible anotacin en la grfica de control es cualquier
caracterstica de calidad que est ocasionando rechazar o rehacer productos aun costo
considerable. Desde los puntos de vista de inspeccin y de aceptacin, las pruebas
destructivas siempre sugieren la posibilidad de emplear la grfica de control para reducir
los costos. Los procedimientos analticos costosos o prolongados, tambin dan a entender
la posibilidad de reducir los costos de inspeccin con las grficas de control.
En general, si la aceptacin se hace sobre la base de muestreo y la calidad probada
se puede expresar como una variable medida, es posible que valga la pena examinar los
costos de inspeccin para formar una base de juicio en cuanto a las posibilidades de
reducir estos costos, si la aceptacin se basa en la grfica de control de variables. Cuando
hay 100% de inspeccin sobre la base de atributos, por ejemplo, con calibradores de
pasa- no pasa, las posibilidades de ahorro en los costos dependen de las consideraciones
expuestas en el captulo 19.
242
Con frecuencia, las mejores posibilidades para reducir costos estn en lugares que no
saltan a la avista ni con un examen de los costos del desperdicio, o desechos o de rehacer,
ni de los costos de inspeccin. Dependen del empleo de la grfica de control para analizar
un proceso
(Evans, 122)
II. Iniciacin de las grficas de control.
Efectuar y registrar las mediciones y otros datos pertinentes.
El trabajo real con las grficas de control se inicia con las primeras mediciones.
Siempre se debera recordar que la informacin dada por la grfica de control tiene la
influencia de las variaciones en las medicaciones y por las variaciones en la caracterstica
de calidad que se mide. Cualquier mtodo de medicin tendr su propia variabilidad
inherente; por ello, es importante no incrementarla con errores al hacer la lectura de los
instrumentos de medicin o con errores al anotar los datos. Tambin es importante hacer
anotaciones respecto a cualquier ocurrencia que, si la grfica de control muestra mas
tarde falta de control pueda constituir una ayuda en la investigacin de las causas
asignables o atribuibles de variacin.
(Siliceo)
APORTACION.
En el transcurso de los semestres y aprovechando las visitas industriales, con el
afn de tener evidencias de los formatos utilizados en la industria, principalmente en la
automotriz, se muestran algunos de ellos utilizados en el CEP.
Tambin se muestra la tabla I, en donde se pueden localizar las constantes para las
ecuaciones de los lmites de control y dependen del valor de la muestra.
243
244
245
246
247
248
249
