Professional Documents
Culture Documents
OBJETIVO: Al finalizar el Mdulo 1. Core Tools - CEP, el participante ser capaz de identificar los componentes de la variabilidad de los procesos (ISO/TS 8.1.2) y aplicar las tcnicas del Control Estadstico del Proceso para el seguimiento, anlisis y mejora de los procesos para contribuir a su mejora continua.
Contenido
Contenido..............................................................................................................................................................3 1. CONCEPTO DE VARIACIN.......................................................................................................................5 Introduccin......................................................................................................................................................5 Componentes de la variacin............................................................................................................................5 Estratificacin ..................................................................................................................................................6 Diagrama de Dispersin ..................................................................................................................................7 Histogramas ...................................................................................................................................................10 Las cartas de control.......................................................................................................................................12 Causas especiales y causas comunes .............................................................................................................13 Causas especiales o asignables:..................................................................................................................13 Causas comunes..........................................................................................................................................15 Tampering o sobreajuste.................................................................................................................................16 Distribucin de probabilidad normal..............................................................................................................17 Propiedades de la distribucin normal estndar.........................................................................................18 rea o probabilidad bajo la curva normal estndar....................................................................................18 Estandarizacin de valores reales a su equivalente Z.................................................................................23 Prueba de normalidad en Minitab...............................................................................................................25 2. CONTROL ESTADSTICO DEL PROCESO...............................................................................................27 Teorema del lmite central..............................................................................................................................27 Introduccin al Control estadstico del proceso..............................................................................................29 Qu es una carta de control?.....................................................................................................................29 Patrones principales de anormalidad en Cartas de Control .......................................................................31 Proceso de mejora en el CEP......................................................................................................................33 Cartas de control por variables.......................................................................................................................34 Cartas de control de medias-rangos (X-R).................................................................................................34 Cartas de control para lecturas individuales / Rango mvil (I-MR)...........................................................39 Cartas de control para atributos......................................................................................................................43 Carta de control para fraccin no conforme - p..........................................................................................44 Carta p con tamao de muestra variable.....................................................................................................48 Carta de control np.....................................................................................................................................52 Cartas de control para no conformidades (defectos) c y u...........................................................................55 Tamao de muestra constante - Carta c.....................................................................................................55 Carta u de Defectos por unidad..................................................................................................................59 3. CAPACIDAD DE PROCESOS....................................................................................................................62 Definiciones....................................................................................................................................................62
1. CONCEPTO DE VARIACIN
Introduccin
La variacin representa la diferencia entre las cosas, no hay en la naturaleza dos cosas EXACTAMENTE IGUALES, lo cual origina el estudio de la estadstica. La variacin es inherente en todos los procesos, por ejemplo:
Bisteck de 10 onzas
Tiempo de tostado
Componentes de la variacin
La variacin a largo plazo se denomina variabilidad del producto o proceso. Hay diferencia entre el promedio del proceso y la variacin de lote a lote. Puede ser necesario analizar cada lnea de productos por separado. Tambin se presenta la variacin de tiempo a tiempo, la variacin de pieza a pieza, la variacin posicional dentro de la misma pieza, el error de medicin cuando es significativo, y al final solo queda la variabilidad inherente del proceso, que es la reproducibilidad instantnea de la mquina bajo condiciones ideales.
Estratificacin
Se utiliza para separar el problema general en los estratos que lo componen, por ejemplo, por reas, departamentos, productos, proveedores, turnos, etc. Clasificacin de los datos o factores sujetos a estudio en una serie de grupos con caractersticas similares. Por ejemplo: Rechazos en general, rechazos en cada lnea, rechazos en cada mquina de la lnea.
Diagrama de Dispersin
Se utiliza para analizar la correlacin entre dos variables, se puede encontrar: Correlacin positiva o negativa, fuerte o dbil o sin correlacin. Es una herramienta que nos permite estudiar la relacin de dependencia entre dos o ms variables. El Coeficiente de correlacin r tiene valores entre -1 y 1 y el coeficiente de determinacin r2 toma valores entre 0 y 1. La ecuacin de regresin que pasa por los puntos tiene la forma Y=a+bX
Sin Correlacin
25 20 15 Y
Correlacin Positiva
10 5 0 0 5 10 X 15 20 25 25 20 15 Y 10 5
Correlacin Negativa
10 5 0 0 5 10 X 15 20 25
0 0 5 10 X 15 20 25
Diagrama de dispersin y su correlacin entre X,Y Ejercicio: Hacer un diagrama de dispersin con los datos siguientes: Espesor (escala 5 por divisin)
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Tiempo 4 2 8 6 10 5 7 1 Espesor 20 12 36 28 44 25 32 5
Tiempo (esc. 1/div.) En Excel se puede obtener esta grfica con la grfica de dispersin y agregando la lnea de tendencia lineal y el coeficiente de determinacin R^2 .
Espesor
50 45 40 35 30 25 20 15 10 5 0 0 2 4 6 8 10
y =4.1996x+2.6771 R =0.9939
12
Diagrama de Regresin lineal Ejercicio: Un jefe de mantenimiento reuni los datos siguientes de los tiempos de reparacin de un equipo con base a la experiencia del personal del tcnico . Tcni co 1 2 3 4 5 6 7 Experie ncia 1 3 4 4 6 8 10
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 8 9 10 10 11 13 X 123 117 136 Y
a) Obtener la ecuacin de regresin y estimar el tiempo para un tcnico de 9 aos de experiencia. b) Obtener el coeficiente de correlacin y el coeficiente de determinacin.
Histogramas
Se utilizan para ver la distribucin de frecuencia de los datos
Distribucin de frecuencias o histograma Pasos para hacer un histograma: 1. Contar el nmero de datos, identificar el valor mximo, el mnimo 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. Ejercicio: Realizar un histograma 2.41 17.87 33.51 38.65 3.34 18.03 33.76 39.02 4.04 18.69 34.58 39.64 4.46 19.94 35.58 40.41 8.46 20.20 35.93 40.58 9.15 20.31 36.08 40.64 11.59 24.19 36.14 43.61 12.73 28.75 36.80 44.06 13.18 30.36 36.92 44.52 15.47 30.63 37.23 45.01 con los 45.70 45.91 46.50 47.09 47.21 47.56 47.93 48.02 48.31 48.55 datos siguientes: 49.36 55.08 62.53 49.95 55.23 62.78 50.02 55.56 62.98 50.10 55.87 63.03 50.10 56.04 64.12 50.72 56.29 64.29 51.40 58.18 65.44 51.41 59.03 66.18 51.77 59.37 66.56 52.43 59.61 67.45
70.37 71.05 71.14 72.46 72.77 74.03 74.10 76.26 76.69 77.91
81.21 82.37 82.79 83.31 85.83 88.67 89.28 89.58 94.07 94.47
Paso 1. Nmero de datos = Valor mayor = Valor menor = Paso 2. Ancho de clase = Rango / 6 = redondear a: Paso 3. Contar elementos para cada clase: Columna 1 2 Intervalo 0 -17 18-35 Registro de frecuencias Frecuencia
Rango =
10
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 3 4 5 6 36-53 54-71 72-89 90 en adelante
Conclusiones:
En Excel se puede obtener esta grfica con la opcin de Anlisis de datos, Histograma y seleccionando la columna de datos y de lmites superiores de clases o celdas.
H istog ram
40 30 20
y c n u q e r F
10 0 17 35 53 71 B in 89 106 More
Frequency
11
Carta de control
Escuche la Voz del Proceso
M E D I D A S C A L I D A D
LSC
LIC
El proceso ha cambiado
TIEMPO
Patrones de anormalidad en cartas de control Las cartas de control detectan la variacin anormal en un proceso, denominadas causas especiales o causas asignables de variacin. El patrn normal de un proceso se llama causas de variacin comunes.
12
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 El patrn anormal debido a eventos especiales se llama causa especial de variacin.
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 estadstico.
Esta variabilidad se puede corregir en el rea de trabajo por el personal involucrado, y no es necesaria la intervencin de la direccin para su correccin. En una carta de control los patrones de anormalidad ms comunes son: las causas especiales, las tendencias crecientes o decrecientes y las corridas de nivel
Ejemplo de variacin anormal en el tiempo:
13
14
Causas comunes
La variabilidad natural siempre existe en cualquier proceso de produccin, no importa que tan bien diseado est. Esta variabilidad natural es denominada causas comunes o aleatorias de variabilidad, un proceso que opera en estas condiciones se dice que est en control estadstico.
SI LAS VARIACIONES PRESENTES SON IGUALES, SE DICE QUE SE TIENE UN PROCESO ESTABLE. LA DISTRIBUCION SERA PREDECIBLE EN EL TIEMPO
Prediccin
Tiempo
Proceso en control, solo causas comunes presentes De la figura cuando el proceso est en control, la mayor parte de la produccin se encuentra dentro de los lmites de control (LSC y LIC). Las causas de variacin comn son el resultado de causas naturales, o diferencias normales pequeas entre productos que se espera ver, por ejemplo: Dimetro de cobre, tiene una variacin pero dentro de control Espesor de acabado, con una variacin normal Temperatura del horno con variaciones de temperatura normales.
Cuando slo se tienen presentes en el proceso causas comunes, entonces logramos un PROCESO ESTABLE, con un patrn de comportamiento consistente y normal en el tiempo, de esta forma se pueden determinar los lmites de control dentro de los cuales se tendr la variabilidad natural de este proceso estable el 99.73% del tiempo (por estar los lmites de control a tres sigmas).
15
UCL
LCL
Esta variacin no puede ser reducida sin cambios fundamentales en el proceso por la direccin (cambio de maquinaria, nuevos materiales, etc.)
Tampering o sobreajuste.
El intento de ajustar un proceso normal y estable para reducir su variacin al final incrementa la variacin alrededor de la media del proceso ( Tampering o sobreajuste).
T ampering
Al manejar de Mxico 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 esmenor a 90 Km / hr.
El trmino sobre ajuste o Tamperingse refiere a los ajustes que se hacen al proceso de produccin que no son estadsticamente apropiados, dado que el proceso es estable:
16
. .
TAMAO
TAMAO
TAMAO
TAMAO
Pero ellas forman un patrn, tal que si es estable, se denomina distr. Normal
SIZE TAMAO TAMAO
TAMAO
TAMAO
17
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 La distribucin normal es una de las distribuciones ms 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 distribucin de frecuencias cuya forma es muy parecida a la distribucin normal. La distribucin normal es llamada tambin campana de Gauss por su forma acampanada. Cuando se incluyen todos los datos de un proceso o poblacin, sus parmetros se indican con letras griegas, tales como: promedio o media = (mu), y desviacin estndar (indicador de la dispersin de los datos) = (sigma). Para el caso de estadsticos de una muestra se tiene media = X y desv. est.= s.
Propiedades de la distribucin normal estndar: El rea bajo la curva o probabilidad de menos infinito a ms infinito vale 1. La distribucin normal es simtrica, la mitad de curva tiene un rea de 0.5. La escala horizontal de la curva se mide en desviaciones estndar. La forma y la posicin de una distribucin normal dependen de los parmetros , , por lo que hay un nmero infinito de distribuciones normales.
LIE
LSE
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Existe una relacin del porcentaje de probabilidad o rea bajo la curva normal a la desviacin estndar. En la figura observamos por ejemplo que el rea bajo la curva para 1 tiene un porcentaje de 68.26%, 2 = 95.46% y 3 = 99.73% .
rea bajo la curva de Distribucin normal Lo anterior se puede calcular con la Tabla de distribucin normal o con Excel (Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z). En la tabla normal, se busca el valor de Z y se encuentra el rea bajo la curva. La primera tabla sirve para determinar el rea o probabilidad que se encuentra fuera del lmite inferior de especificacin, para Z menores a cero. La segunda tabla proporciona valores de rea bajo la curva para Zs mayores a cero. En cada una se muestran ejemplos de su uso.
19
Ejemplo a) Determinar el rea bajo la curva de menos infinito a Z = - 1. P(Z<= -1) = 0.1587
20
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 b) Determinar el rea bajo la curva de menos infinito a Z = - 2. P(Z<= - 2) = 0.0228 c) Determinar el rea bajo la curva entre Z >= -2. hasta Z <= -1. P(- 2 <= Z<= -1) = 0.1259 En Excel: Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z).
21
Ejemplo: a) Determinar el rea bajo la curva de menos infinito a Z = 1. P(Z <= 1) = 0.8413 b) Determinar el rea bajo la curva de menos infinito a Z = 2. P(Z <= 2) = 0.9772
22
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 c) Determinar el rea bajo la curva de Z = 1 a Z = 2. P(1 <= Z <= 2) = 0.9772 0.8413 = 0.1369 d) Determinar el rea total que representa P(Z<=-2) + P(Z>= 2.5) En Excel Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z. En Excel = 1 - distr.norm.estand(Z) proporciona el rea desde Z hasta ms infinito.
EJERCICIO: Qu porcentaje del rea bajo la curva normal estndar o probabilidad est incluido dentro de los siguientes rangos?
Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z
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) = 1 - P(Z <= 2.4) = e) P( Z<=-2.9) + P(Z>= 3.1) = P(Z <= -2.9) + [1 - P(Z <=3.1)] = f) P(Z>= 1.9) = 1 - P(Z <= 1.9) = Estandarizacin de valores reales a su equivalente Z
Determina el nmero de desviaciones estndar entre algn valor X y la media de la poblacin Para calcular el valor de Z usamos la siguiente frmula.
Z= X
Z1 =
X1
Z2 =
X2
X1
Media Real
X2
23
Desviacin estndar = 1
Z1
Media=0
Z2
Estandarizacin de datos reales para clculo de rea Ejemplo: El departamento de personal de una empresa requiere que los solicitantes a un puesto en cierta prueba alcancen una calificacin de 500. Si las calificaciones de la prueba se distribuyen normalmente con media = 485 y desviacin estndar = 30 Qu porcentaje de los solicitantes pasar la prueba? Calculando el valor de Z obtenemos: X 500 485 Z = = 0.5 = 30 Buscamos el valor correspondiente Z en las tablas de distribucin normal estndar o por medio de Excel =distr.norm.estand(0.5). Z0.5 = 0.69146 = 69.146%. donde la probabilidad de que la calificacin sea menor a 500 es P (X <= 500). Dado que el porcentaje pedido es P( X 500) la solucin es 10.69146 =0.3085, por tanto slo 30.85% de los participantes pasarn la prueba. Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.
3 0 .8 5 %
Z.0 5
Ejemplo: Suponga que un proceso tiene una distribucin normal dada tiene una media de 20 y una desviacin estndar de 4. Calcule la probabilidad P (X >=24) = 1 P(X <= 24) = En la barra de herramientas seleccione el icono de funciones fx>Estadsticas>Distr.Norm.Estand. OK. El sistema muestra la siguiente ventana, en la cual llenamos los siguientes datos:
24
25
26
__ =
X
Donde n es el tamao de la muestra y es la desviacin estndar de la poblacin. Seleccionando muestras de tamao n y calculando la X-media o promedio en cada una se tiene:
X1 X-media 1
X2 X-media 2
X3 X-media 3
Shewhart, W.A., Economic Control of Quality of Manufactured Product, Van Nostrand Reinhold Co., 1931, p. 182
27
Por ejemplo si la distribucin de la poblacin de los datos es la siguiente (no es normal), la distribucin de sus medias muestrales de tamao 5 si es normal, es la base del CEP:
Histogram of Datos
40 12 10 30 F requency F requency 8 6 4 10 2 0 0
Histogram of Media
20
4 Datos
3.0
3.6
4.2
28
6.0
6.6
7.2
Conforme el tamao de muestra se incrementa las muestras se distribuyen normalmente con media de medias y desviacin estndar de las medias de las muestras / n. Tambin se denomina Error estndar de la media. Este teorema es la base fundamental del CEP.
29
Cartas de Control
Causa especial
DEFI NI CI ON Es una ayuda grfica para el control de las variaciones de los procesos adm inistrativos y de m anufactura.
LSC
LIC
30
Tendencias: Se pueden presentar tendencias hacia arriba o hacia abajo en las cartas de control (ascendentes o descendentes), se considera que 7 puntos o ms indican una situacin fuera de control.
Corrimiento en la media del proceso: Esto puede ser generado por un cambio en mtodos, operadores, materias primas, mtodos de inspeccin, etc. se considera que 7 puntos o ms indican una situacin fuera de control
31
Para reconocer un patrn de comportamiento no slo se requiere conocer las tcnicas estadsticas, sino tambin es necesario tener un conocimiento profundo del proceso. Debe tenerse cuidado de no exagerar en la aplicacin de las reglas ya que se pueden tener muchas falsas alarmas quitndole efectividad al programa del CEP.
32
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Proceso en Control estadstico: 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 variacin comn est presente, podemos incurrir en Sobre ajustes o Tampering.
ENTRADA
PROCESO
SALIDA
SISTEMA DE EVALUACIN
Verificacin y seguimiento
33
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Implantar Accin problema Correctiva PASFC Identificar causa raz del
34
Se obtiene una media de medias X y un rango promedio R, para proceder a determinar los lmites de control como sigue: Las constantes para n = 5 de esta carta son A2 = 0.577, D3 = 0, D4 = 2.114. LSCx = X + A2 x R LICx = X - A2 x R Para el caso de los rangos, la lnea central es R . los lmites de control para el rango son: LSCr= D4 x R LICr = 0
Se identifican situaciones fuera de control, se investigan las causas y se toman acciones preventivas para prevenir la reincidencia y se recalculan los lmites de control futuros.
Carta de control X-R fuera de control Despus 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 lmites de control.
35
LCL=597.629
UCL=8.465
_ R=4.003
LCL=0
Carta de control de medias rangos X-R estable . Ejercicio Hacer una carta X-R utilizando las fichas de ejemplo por equipos.
36
37
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Ejercicio: Obtener una carta de Medias Rangos X-R, Se monitorean cada hora subgrupos de 5 dimetros de una parte metlica con los siguientes resultados: Datos de cada uno de los subgrupos x1 x2 x3 x4 x5 Xm
Xmm -+A2*Rm Xm m LICx 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 16.2 16.0 92 21 LSCx Ri 16.56 3 0.80 16.56 3 0.50 16.56 3 0.40 16.56 3 0.50 16.56 3 0.40 16.56 3 0.90 16.56 3 0.40 16.56 3 0.20 16.56 3 0.30 16.56 3 0.50 16.56 3 0.50 16.56 3 0.80 16.56 3 0.50 16.56 3 0.30 16.56 3 0.30 16.56 3 0.30 16.56 3 0.20 16.56 3 0.50 16.56 3 0.40 Rm 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 0.47 LICr LSCr 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4 0.99 0 4
15.8 16.3 16.2 16.1 16.6 16.20 16.3 15.9 15.9 16.2 16.4 16.14 16.1 16.2 16.5 16.4 16.3 16.30 16.3 16.2 15.9 16.4 16.2 16.20 16.8 16.9 16.7 16.5 16.6 16.70 16.1 15.8 16.7 16.6 16.4 16.32 16.1 16.3 16.5 16.1 16.5 16.30 16.2 16.1 16.2 16.1 16.3 16.18 16.3 16.2 16.4 16.3 16.5 16.34 16.6 16.3 16.4 16.1 16.5 16.38 16.2 16.4 15.9 16.3 16.4 16.24 15.9 16.6 16.7 16.2 16.5 16.38 16.4 16.1 16.6 16.4 16.1 16.32 16.5 16.3 16.2 16.3 16.4 16.34 16.4 16.1 16.3 16.2 16.2 16.24 16 16.2 16.3 16.3 16.2 16.20
16.4 16.2 16.4 16.3 16.2 16.30 16 16.4 16.2 16.4 16.5 16.1 16.24 16 16.3 16.4 16.4 16.30
38
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 16.4 16.4 16.5 16 15.8 16.22 Media de medias 16.29 (Xmm) 2 16.2 92 16.0 16.56 21 3 Rmed A2=0.577 io 0.70 0.47 0.47 0 0.99 4
a) Obtener una carta de control X-R de medias rangos. Est el proceso en control estadstico? En Excel (seleccionar la informacin de la carta X verde y despus la del rango R amarillo, usar el asistente de grficas, grfica de lneas, ajustar escalas y colores) En Minitab, copiar los datos de las columnas X1 a X5 e C1 a C5. Stat > Control Charts > Variable charts for subgroups > Xbar R Seleccionar Subgroups across rows off X1 X2 X3 X4 X5 Xbar Options seleccionar Estimate Rbar OK b) Si no est 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 rengln 4 y borrarlo en Minitab) recalcular los lmites de control con otra corrida.
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 habr (m 1) rangos en total. Con m = nmero de valores individuales. Por ejemplo:
Valores individuals X 12 15 11 14 8 Rango 3 4 3 6
39
Al final se hace un promedio de los valores X y un promedio de rangos mviles R y los lmites de control de la carta I-MR se calculan como sigue, para n=2 (E2 =2.66, D3=0, D4=3.27): Para la carta I: y para la carta R:
LSCx = X + E 2 * R ) LICx = X E 2 * R )
LICr = 0
LSCr = D4 * R
UCL=601.176
600
_ X=599.548
599
598
1
LCL=597.920 1 10 20 30 40 50 60 Observation
1
70
80
90
100
UCL=2.000
__ MR=0.612 LCL=0
Ejercicio equipos.
40
Cp. :
CALIBRADOR T. MUESTRA FRECUENCIA TIPO DE EVALUA.
CPK: % Z Inf.:
% Z Sup.:
UNIDADES NOMINAL L.S.E. L.I.E. X L.S.C.x L.I.C.x R L.S.C. R L.I.C. R
% NC:
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
INSTRUCCIONES 1.- Encierre en un crculo los patrones anormales de comportamiento ( puntos fuera de los lmites de control, tendencias, adhesiones, etc). 2.- Investigue y corrija la causa del comportamiento. Si no es posible llame a su supervisor o Ing. de Manufactura. 3.- Registre la (s) causa (s) del comportamiento en la bitcora (al reverso de la grfica), as como las acciones realizadas o propuestas para corregir la falla.
LECTURAS
4.- Indique en el ltimo rengln, 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: A) Fin de corrida de produccin B) Falta de material C) Ajuste de lnea / mquina D) Cambio de modelo E) Fin de turno F) Otro (indicar)
INICIALES
RANGOS
FECHA HORA
X
VALORES
41
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Carta de control I-MR: se muestran a continuacin los siguientes datos de mediciones individuales de una viscosidad de un elemento (constantes para n = 2, E2 = 2.66, D3 = 0, D4 = 3.27): =Xm -+ E2*Rm Viscocid LIC ad Xm x LSCx D3*Rm =D4*Rm 6.00 6.00 5.92 6.08 Rango Rm LICr LSCr 5.98 6.00 5.92 6.08 0.02 0.033 0 0.109 0.033 0.109 5.97 6.00 5.92 6.08 0.01 0 0.033 0.109 6.01 6.00 5.92 6.08 0.04 0 0.033 0.109 6.15 6.00 5.92 6.08 0.14 0 0.033 0.109 6.00 6.00 5.92 6.08 0.15 0 0.033 0.109 5.97 6.00 5.92 6.08 0.03 0 0.033 0.109 6.02 6.00 5.92 6.08 0.05 0 0.033 0.109 5.96 6.00 5.92 6.08 0.06 0 0.033 0.109 6.00 6.00 5.92 6.08 0.04 0 0.033 0.109 5.98 6.00 5.92 6.08 0.02 0 0.033 0.109 5.99 6.00 5.92 6.08 0.01 0 0.033 0.109 6.01 6.00 5.92 6.08 0.02 0 0.033 0.109 6.03 6.00 5.92 6.08 0.02 0 0.033 0.109 5.98 6.00 5.92 6.08 0.05 0 0.033 0.109 5.98 6.00 5.92 6.08 0.00 0 0.033 0.109 6.01 6.00 5.92 6.08 0.03 0 0.033 0.109 5.99 6.00 5.92 6.08 0.02 0 0.033 0.109 5.99 6.00 5.92 6.08 0.00 0 0.033 0.109 5.98 6.00 5.92 6.08 0.01 0 0.033 0.109 6.01 6.00 5.92 6.08 0.03 0 0.033 0.109 5.99 6.00 5.92 6.08 0.02 0 0.033 0.109 5.98 6.00 5.92 6.08 0.01 0 0.033 0.109 5.99 6.00 5.92 6.08 0.01 0 0.109 6.00 6.00 5.92 6.08 0.01 0.033 0 =abs(Xj Promedio Xm Xi) = Rango i Rm En Excel (seleccionar la informacin de la carta X verde y despus la del rango R amarillo, usar el asistente de grficas, grfica de lneas, ajustar escalas y colores) En Minitab, copiar los datos de la viscosidad a una columna C1 u otra. Stat > Control Charts > Variable charts for individuals > I MR I-MR Options > Estimate > n = 2 Variable Viscocidad OK a) Est el proceso en control estadstico? ___ Si ___ No
42
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 b) En caso de que no se encuentre en control estadstico 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 estar en control y recalcular los lmites, repetir corrida en Minitab.
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 fraccin defectiva o la np para el nmero de defectivos o de no conformes. Se aplica a productos simples (tornillos, lpices, botellas, etc.) Cuando ms bien se controla el nmero 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, cmaras de video, escritorios, refrigeradores, etc.) Un defecto o no conformidad es una discrepancia respecto a los estndares 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. En estas cartas de control se recomienda un tamao de muestra de al menos 50 partes.
43
pi =
Di ni
La distribucin de este estadstico sigue la distribucin binomial por tanto los lmites de control de la carta p son: LSCp = p + 3 p (1 p ) n
__ __ __
LCp = p LICp = p 3 p (1 p ) n
__ __ __
__
cero.
Cuando la fraccin defectiva del proceso es desconocida, se estima de los datos observados en m muestras iniciales, cada una de tamao n, por lo general se toman 20 a 25 de estas. As si Di son unidades no conformes en la muestra i , la fraccin defectiva de la muestra i - sima estar dada como: pi = D i / n i = 1, 2, 3,....., m
p=
Di
i =1
mn
p
i =1
Una vez hecha la grfica trazando los lmites anteriores, cualquier punto que se encuentre fuera de control debe ser investigado, si se encuentra una causa
44
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 asignable o especial, deben tomarse medidas correctivas para prevenir su recurrencia, los puntos correspondientes a la situacin fuera de control se eliminan y se calculan de nuevo los lmites de control preliminares. Ejemplo: Para un servicio de mantenimiento se tomaron datos de 30 muestras (m) de 50 partes cada una (n) contabilizando las partes defectuosas o no conformes en cada muestra (Di) como sigue:
Partes Partes Partes defectuos defectuos defectuos Muestra as Muestra os Muestra as 1 12 11 5 21 20 2 15 12 6 22 18 3 8 13 17 23 24 4 10 14 12 24 15 5 4 15 22 25 9 6 7 16 8 26 12 7 16 17 10 27 7 8 9 18 5 28 13 9 14 19 13 29 9 10 10 20 11 30 6 Como en total se encontraron 347 partes defectuosas (Suma de Di) o no conformes, se estima p como sigue:
p=
Di
i =1
mn
p
i =1
Corrida en Minitab 1. Stat > Control Charts > Atrribute charts > P 2. Variable Partes defectuosas Subgroup size 50 3. OK Los lmites de control usando Minitab son: LSCp = 0.4102 LCp = 0.2313 LICp = 0.0524 Est en control estadstico el proceso?
45
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Si no, identificar la causa que ocasiona la anormalidad, tomar acciones para prevenir su recurrencia, eliminar puntos fuera de control y recalcular lmites de control
Proportion
De la carta de control se observa que las muestras 15 y 23 estn fuera de los lmites de control, de tal forma que el proceso est fuera de control. Eliminando estos puntos y adems el punto 21 se tiene el proceso dentro de control con una fraccin defectiva promedio del 20.8%.
46
47
48
UCL=0.3324
Est el proceso de control estadstico? NO a. Asumir que se pueden identificar las causas asignables, eliminar el subgrupo 6 que sale de control y recalcular los lmites de control con otra corrida
P Chart of Serv_ no_ conf
0.35 0.30 0.25 Proportion 0.20 0.15 0.10 0.05 0.00 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 UCL=0.3199
_ P=0.1596
49
50
No. GRAFICA
FECHA INICIO
FECHA TERMINO
FRECUENCIA
TIPO DE EVALUACION
UNIDADES
LSE
LIE
NP
LSC
LIC
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
RECOMENDACIONES 1.- Encierre en un crculo los patrones anormales de comportamiento 2.- Investigue y corrija las causas del comportamiento ( si es posible ) Si no es posible llama a su supervisor 3.- Registre las causas del comportamiento en la bitcora, al reverso de la grfica, asi como las acciones realizadas o propuestas para correguir la falla 4.- Indique en el ltimo rengln, y justo abajo del ltimo 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: A) Fin de corrida de produccin B) Falta de material C) Ajuste de lnea y/o Mquina D) Cambio de modelo F) Fin de turno G) Otro ( Indicar )
L E C T U R A S
FECHA HORA INICIALES CANT. INSP. CANT. RECH. % RECH. A B C D E D G H FALTA DE REGISTRO A B C D E D G H
DEFECTOS
51
Carta de control np
En lugar de tener fracciones no conformes, si el tamao de muestra es constante, se pueden utilizar directamente el nmero de artculos defectivos o no conformes np, para evitarle operaciones aritmticas al operador, los parmetros de esta carta son: np(i) = Di, np(media) = promedio(Di)
LSC np = np + 3 np (1 p )
LC np = np
LIC np = np 3 np (1 p )
Si no se conoce el valor de p, se puede estimar con la p . El nmero de defectivos o no conformes es un entero, por tanto es ms fcil de graficar e interpretar por los operadores que llevan el C.E.P.
Ejemplo: Se toma muestras de tamao n de muestra constante de 200 muestras. Al inspeccionar m = 30 muestras se encontraron las siguientes partes defectuosas o no conformes en cada muestra respectivamente: Defectuos as nPprom 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 10.60 10 10.6 5 10.6 12 10.6
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
52
En Excel graficar la zona verde. En Minitab Stat > Control charts > Attribute charts > np Variable Defectuosas Subgroups size 200 OK
Est el proceso en control estadstico? NO Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen de control y recalcular los lmites de control. Repetir tantas veces como sea necesario hasta tener un proceso estable. La capacidad del proceso se determina como Cp = (1 Pmedia)*100 = donde Pmedia = nPmedia / n = nPmedia / 20. Cp = 95.25%
53
No. GRAFICA
FECHA INICIO
FECHA TERMINO
FRECUENCIA
TIPO DE EVALUACION
UNIDADES
LSE
LIE
NP
LSC
LIC
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
RECOMENDACIONES 1.- Encierre en un crculo los patrones anormales de comportamiento 2.- Investigue y corrija las causas del comportamiento ( si es posible ) Si no es posible llama a su supervisor 3.- Registre las causas del comportamiento en la bitcora, al reverso de la grfica, asi como las acciones realizadas o propuestas para correguir la falla 4.- Indique en el ltimo rengln, y justo abajo del ltimo 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: A) Fin de corrida de produccin B) Falta de material C) Ajuste de lnea y/o Mquina D) Cambio de modelo F) Fin de turno G) Otro ( Indicar )
L E C T U R A S
FECHA HORA INICIALES CANT. INSP. CANT. RECH. % RECH. A B C D E D G H FALTA DE REGISTRO A B C D E D G H
DEFECTOS
54
Ejemplo: los defectos encontrados en partes metalicas (1 unidad de inspeccin = 1 parte) son respectivamente: LC = C+C 3raiz*(C )
Defect os 9 11 2 5 15 13 8 7 5 2 4 4 2 5 5 2 Cmedia 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 5.55 LIC 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
55
C Chart of Errores
16 14 12 Sample Count 10 8 6 4 2 0 1 3 5 7 9 11 Sam ple 13 15 17 19 LCL=0 _ C=5.53
1 1
UCL=12.58
No __X__
Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen de control y recalcular los lmites de control. Repetir tantas veces como sea necesario hasta tener un proceso estable.
C Chart of Errores
10 UCL=10.22
8 Sample Count
6 _ C=4.13
0 1 3 5 7 9 Sample 11 13 15
LCL=0
56
No. GRAFICA
FECHA INICIO
FECHA TERMINO
FRECUENCIA
TIPO DE EVALUACION
UNIDADES
LSE
LIE
NP
LSC
LIC
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
RECOMENDACIONES 1.- Encierre en un crculo los patrones anormales de comportamiento 2.- Investigue y corrija las causas del comportamiento ( si es posible ) Si no es posible llama a su supervisor 3.- Registre las causas del comportamiento en la bitcora, al reverso de la grfica, asi como las acciones realizadas o propuestas para correguir la falla 4.- Indique en el ltimo rengln, y justo abajo del ltimo 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: A) Fin de corrida de produccin B) Falta de material C) Ajuste de lnea y/o Mquina D) Cambio de modelo F) Fin de turno G) Otro ( Indicar )
L E C T U R A S
FECHA HORA INICIALES CANT. INSP. CANT. RECH. % RECH. A B C D E D G H FALTA DE REGISTRO A B C D E D G H
DEFECTOS
57
La capacidad del proceso se determina con el nmero de errores mximo 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 investigacin 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. Emulsin 20 B. Grasa 60 C. Derrame 80 D. Tapa barrida 30 E. Mal impresa 10 Construir un diagrama de Pareto y su lnea acumulativa
Pareto Chart of C1
200 100 80
150 Count
60 100 40 50
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
Diagrama de Pareto Ejercicio: Hacer un diagrama de Pareto con los principales defectos en una lnea: Tipo de Descripcin del defecto Frecuencia defecto A B C D E
58
Percent
Conclusiones:
ui =
ci ni
LC u = u
LSC u = u + 3 u n Si es negativo se toma cero.
Donde u representa el nmero promedio de no conformidades por unidad en un conjunto de datos preliminar. Los lmites anteriores se consideran lmites preliminares.
Ejemplo: Obtener una carta u para los Defectos encontrados en lotes de Partes variables: LC=U+3*raiz(U/ni) LSC
U Defecto s Lote Ui
Umedia LIC
59
En Excel graficar la zona verde. En Minitab, copiar los datos de Defectos y Facturas en dos columnas de Minitab Stat > Control charts > Attribute > u Variable Defectos Subgroups in Lote OK
No X_____ Asumir que se pueden identificar las causas asignables, eliminar los puntos que salen de control y recalcular los lmites de control
60
No. GRAFICA
FECHA INICIO
FECHA TERMINO
FRECUENCIA
TIPO DE EVALUACION
UNIDADES
LSE
LIE
NP
LSC
LIC
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
RECOMENDACIONES 1.- Encierre en un crculo los patrones anormales de comportamiento 2.- Investigue y corrija las causas del comportamiento ( si es posible ) Si no es posible llama a su supervisor 3.- Registre las causas del comportamiento en la bitcora, al reverso de la grfica, asi como las acciones realizadas o propuestas para correguir la falla 4.- Indique en el ltimo rengln, y justo abajo del ltimo 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: A) Fin de corrida de produccin B) Falta de material C) Ajuste de lnea y/o Mquina D) Cambio de modelo F) Fin de turno G) Otro ( Indicar )
L E C T U R A S
FECHA HORA INICIALES CANT. INSP. CANT. RECH. % RECH. A B C D E D G H FALTA DE REGISTRO A B C D E D G H
DEFECTOS
61
3. CAPACIDAD DE PROCESOS
Definiciones
Proceso: ste se refiere a alguna combinacin nica de mquinas, herramientas, mtodos, materiales y personas involucradas en la produccin. Capacidad o habilidad: Esta palabra se usa en el sentido de aptitud, basada en el desempeo probado, para lograr resultados que se puedan medir. Capacidad del proceso: Es la aptitud del proceso para producir productos dentro de los lmites 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 medicin 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 estadstico, es decir, en ausencia de causas especiales o atribuibles de variacin. Variabilidad natural: Los productos fabricados nunca son idnticos sino que presentan cierta variabilidad, cuando el proceso est bajo control, solo actan las causas comunes de variacin en las caractersticas de calidad. Valor Nominal: Las caractersticas de calidad tienen un valor ideal ptimo que es el que desearamos que tuvieran todas las unidades fabricadas pero que no se obtiene, aunque todo funcione correctamente, debido a la existencia de la variabilidad natural.
62
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 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 instantnea). 2. La variabilidad en el tiempo. Es usual tomar 8-sigma de la poblacin como la dispersin en la distribucin de la caracterstica de calidad del producto como medida de la capacidad del proceso. Los lmites de tolerancia natural del proceso, superior (LTNS) e inferior (LTNI) , se encuentran en 4 , o sea: LTNS = + 4 LTNI = - 4 Para un proceso normal, los lmites de tolerancia naturales incluyen 99.9936% de la variable, slo (64 ppm) de la salida del proceso se encontrar fuera de estos lmites de tolerancia naturales. Sin embargo, si el proceso no es normal, el porcentaje puede diferir grandemente. Esto se esquematiza en la figura siguiente:
LTNS
63
Cualquiera que sea la mejora que lleve a cabo, asegurarse que se mantenga
64
Zi
Zs
65
Cp = (LSE - LIE ) / 6 st
Debe ser 1.33, si est entre 1 1.33 requiere mucho control, <1 inac. para tener el potencial de cumplir con especificaciones (LIE, LSE) Habilidad o capacidad real Cpk = Menor | ZI y ZS | / 3 El Cpk debe ser 1.33 para que el proceso cumpla especificaciones, entre 1 y 1.33 requiere control, <1 inac.
LIE 3
Cp inferior
66
67
Lo cual indica falta de habilidad, la fraccin abajo del lmite inferior es: ZI = LIE 200 264 = = 2 32
68
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 P(x <= ZI) = 0.0228 o 2.28% por debajo del lmite inferior de especificaciones. Se recomienda que para procesos existentes el mnimo Cp sea de 1.33 y de 1.67 para procesos crticos, el ideal es 2.0. El Cpk toma en cuenta la localizacin relativa de la media del proceso respecto a los lmites de especificaciones. Ejemplo: Para un proceso donde los lmites de especificacin sean LSE=62, LIE=38, la media del proceso sea =53 y su desviacin estndar =2, se tiene: Cps = PCRS = 62 53 53 38 = 1.5 para el LSC, Cpi = PCRI = = 2.5 para el LIC. 32 32
Siempre se cumple que, Cpk <= Cp, Siendo el Cpk menor cuando el proceso no est centrado. Los criterios de mnimo Cpk son similares a los del Cp.
Cp
2
C pm =
1+V
Con Minitab: Con los datos de la carta X-R anterior, una vez que se
encuentra en control: a) Con los lmites de especificacin reales de la lnea o producto LIE = 15.2 y LSE = 16.6:
69
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 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 Zs OK OK b) Calcular la desviacin estndar del proceso o sigma Std Dev. Within c) Determinar los lmites de tolerancia natural del proceso (Media de medias +4*sigma): LTNI = Media de medias 4*sigma = LTNS = Media de medias + 4*sigma = d) Cul es el valor de la fraccin defectiva total fuera de especificaciones (Exp. Within performance % Total )? e) Cul es el valor del Cp = es potencialmente hbil el proceso?. f) Cul es el valor del Cpk = Es realmente hbil el proceso? g) Qu recomendara para mejora capacidad real del proceso?.
Con Minitab: Con los datos de la carta I-MR anterior, una vez que se
encuentra en control: a) si los lmites de especificacin 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 1 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 Zs OK OK b) Determinar la Desviacin estndar (St dev. Within )= desviacin estndar = Rmedio / d2 = (d2 = 2.326)
70
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 Media (Mean) = c) Limites de tolerancia natural del Proceso (variacin 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) Fraccin defectiva = % Total Within = P(Zlie) + P(Zlse) = _ Indices de capacidad g) Potencial Cp = h) Real Cpk = Conclusiones _
i) Qu se puede hacer para mejorar el Cpk? _ Ejemplo: De una carta de control X - R (con subgrupos de n = 5), despus de que el proceso se estabiliz quedando slo con causas comunes, se obtuvo lo siguiente: Xmedia de medias = 264.06 Rmedio = 77.3 Por tanto estimando los parmetros del proceso se tiene: = X media de medias = Rmedio / d2 = [ d2 para n = 5 tiene el valor 2.326] Si el lmite de especificacin es: LIE = 200. El Cpk = por tanto el proceso ? cumple con las especificaciones Ejercicio : De una carta de control X - R (con tamao de subgrupo n = 5), despus de que el proceso se estabiliz quedando slo con causas comunes (LIE = 36, LSE = 46) se obtuvo lo siguiente: Xmedia de medias = 40 Rmedio = 5 a) Determinar la desviacin estndar del proceso b) Determinar los lmites de tolerancia natural del proceso c) Determinar la fraccin defectiva o porcentaje fuera de especificaciones d) Determinar el Cp
71
MDULO 1. CORE TOOLS DE LA AIAG - CEP P. Reyes / junio 2010 e) Determinar el Cpk f) Determinar el Cpm g) Determinar el Cpkm h) Establecer conclusiones de los resultados anteriores
72
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 del lmite superior de especificacin. Lo cual quiere decir que en algunos casos la deformacin ser mayor a 3.5 mm.
El ndice Ppk y Ppu2 = 0.85 lo cual nos dice que el desempeo del proceso no es capaz ya que 0.85 < 1.33.
Tambin observamos que PPM > USL 3,795 lo cual significa que aproximadamente 3,795 PPM estarn fuera de los lmites de especificaciones. Tambin se cuenta con la opcin Six Pack para esta opcin.
En Minitab otras opciones son transformar los datos con los mtodos de Box Cox o Johnson y despus determinar la capacidad del proceso de manera tradicional calculando el Cp y el Cpk. MINITAB: Transformacin de Box Cox File > Open worksheet > Tiles.mtw Stat > Control Charts > Box Cox Transformation Variable Warping Subgroup size 1 OK
2
Los ndices Pp y Ppk son similares a los ndices Cp y Cpk , se refieren a la capacidad del proceso a largo plazo.
73
Para normalizar la variable anormal, se eleva a la potencia indicada en Best Value (0.5) y este valor es cero, se toma el logaritmo natural de la variable. En ambos casos tambin se deben transformar los lmites de especificaciones.
74