Professional Documents
Culture Documents
VW
101 31
1
2
3
3.1
3.2
3.2.1
3.2.2
3.2.3
3.2.4
3.2.5
3.3
3.3.1
3.3.2
3.4
3.5
4
4.1
4.2
4.3
4.4
4.4.1
4.4.2
4.4.3
41
4.4.4
4.4.5
4.4.6
4.4.7
4.4.8
4.4.9
4.4.10
4.5
4.6
4.7
4.8
5
6
7
8
FE
Continuacin pgina 2 a 62
Normung/Standards (EZTD, 1733)
K-QS-1/2
Modelo
01.03
Responsabilidad tcnica/Responsibility
Neupert
Tel.: -79298
Sobanski
Confidencial. Todos los derechos reservados. Prohibida la publicacin o reproduccin sin previa autorizacin por escrito de un departamento de normas del Gupo
Volkswagen. Las partes contratantes obtendrn la norma slo a travs de la plataforma de proveedores www.vwgroupsupply.com.
Confidential. All rights reserved. No part of this document may be transmitted or reproduced without prior permission of a Standards Department of the Volkswagen Group.
Parties to a contract can only obtain this standard via the B2 B supplier platform www.vwgroupsuppy.com.
VOLKSWAGEN AG
Verificar la actualidad de la norma antes de su aplicacin / Check standard for current issue prior to usage.
N clasificacin 11 00 5
Pgina 2
VW 101 31: 2005-02
Introduccin
Una valoracin de la capacidad de proceso relativa a caractersticas de fabricacin analizadas y
medibles es una condicin previa muy importante para el cumplimiento de los requisitos de calidad
determinados. Sin embargo para muchos casos prcticos de la comprobacin de la capacidad an
no se haban establecido unas normas o directrices normalizadas para el Grupo, de forma que
podan resultar unas valoraciones de capacidad completamente distintas en casos idnticos. Por
lo tanto, esta norma se ha elaborado para poder realizar la comprobacin de la capacidad
basndose en prescripciones normalizadas para todos los casos prcticos y para asegurar la
comparabilidad de los resultados en el Grupo VW.
La norma contiene en su conjunto todos los fundamentos tericos que son necesarios para su
aplicacin y entendimiento. Los ensayos estadsticos, detalladamente descritos en normas y obras
de referencia de la literatura estadstica, se indican nicamente mediante una referencia.
Para realizar una comprobacin de la capacidad de mquina segn esta norma es imprescindible
un programa informtico en el que se apliquen los algoritmos descritos. En caso de disponer de un
programa informtico, el usuario debe tomar en consideracin principalmente las
reglamentaciones descritas en el apartado 4 y, cuando sea necesario, consultar los fundamentos
tericos. Las subdivisiones ms importantes de los apartados son:
-
4.2 Muestreo
4.5 Documentacin
En el apartado 5 se presentan adems unos ejemplos que sirven como ayuda en la valoracin de
resultados.
reconocer las influencias sistemticas, condicin previa para una mejora dirigida del proceso
1)
2)
En el siguiente texto se utiliza para este tipo de caracterstica la denominacin Caractersticas medibles en lugar de la
denominacin recomendada por la DIN Caractersticas continuas, ya que se ha establecido as en VW.
Las caractersticas de fabricacin y los parmetros de proceso se denominan en el siguiente texto de forma general con el
concepto Caracterstica.
Pgina 3
VW 101 31: 2005-02
2
Principio de la comprobacin de la capacidad de proceso
En el marco de un proceso de fabricacin de piezas similares, en principio, resultan valores
distintos para una caracterstica analizada debido a influencias aleatorias. Estos valores de
caracterstica3) se dispersan segn la calidad de fabricacin respecto a una posicin condicionada
por influencias sistemticas. Por eso se comprueba hasta qu punto se adapta la distribucin de
los valores de caracterstica al intervalo de tolerancia determinado por el ingeniero (figura 1). La
valoracin al respecto se define mediante los valores caractersticos de capacidad cp y cpk (c de
capability), con lo cual mediante el valor cp nicamente se toma en consideracin la dispersin del
proceso y con el valor cpk tambin se considera la posicin del proceso. Es preciso que estos
valores caractersticos sean como mnimo tan elevados como los valores lmite determinados para
cumplir el requisito de un proceso seguro.
Para determinar los valores caractersticos de capacidad respecto a la caracterstica analizada
durante un periodo de tiempo apropiado y de manera que, a ser posible, puedan entrar en accin
todas las influencias procedentes de las categoras de mquina, hombre, material, medioambiente
y mtodo, se toma una cantidad suficiente de muestreo de la fabricacin en serie, siempre con un
volumen de entre 3 y 5. De este muestreo total se realiza una estimacin fiel a las expectativas de
la posicin y los lmites de dispersin x 0,135% y x 99,865% para la totalidad de los valores de
caracterstica (tericamente un nmero infinito) y adems una comparacin con el intervalo de
tolerancia [Gu , Go]4) (figura 1). Los lmites del margen de dispersin se especifican de manera
que la proporcin de valores de caracterstica fuera del margen de dispersin en ambos lados sea
en cada caso pe = 0,135%.
Adems se analiza mediante ensayos estadsticos la evolucin cronolgica de un proceso y la
distribucin de los valores de caracterstica para obtener as informacin sobre influencias de
proceso sistemticas.
Tolerancia
Frecuencia
Banda de dispersin de
proceso definida
p e = 0,135%
Gu
x 0,135%
4
p e = 0,135%
6
8
Valor de caracterstica
x 99,865%
10
Go12
3)
4)
La definicin Valor de caracterstica no se debe confundir con la definicin Valor de medicin, ya que este ltimo contiene frente al
primero una inseguridad.
Para designar el valor lmite tambin est pemitido USG, OSG o USL, OSL o Tu, To.
Pgina 4
VW 101 31: 2005-02
Principios tericos
3.1
Dispersin m (t)
constante
Dispersin m (t)
no constante
Posicin m (t)
constante
Posicin m (t)
no constante
Adems, el modelo de tiempo de proceso C con una distribucin normal momentnea se divide
segn el tipo de posicin dependiente del tiempo y de la distribucin resultante 8) en
C1: Variaciones de posicin no sistemticas 9) y distribucin normal resultante
C3: Variacin sistemtica de posicin (tendencia y ciclos) y distribucin normal ampliada
C4: Variaciones de posicin sistemticas y no sistemticas y ninguna distribucin normal
resultante
En las figuras 2 a 9 los modelos de tiempo de proceso estn representadas de forma esquemtica.
5)
6)
7)
8)
9)
Otros parmetros estadsticos son la oblicuidad y la convexidad de una distribucin. stos no se utilizan para caracterizar los
modelos de tiempo del proceso y por ello ya no se tienen en cuenta.
Los modelos de tiempo del proceso descritos en la VDA tomo 4, parte 1, Aseguramiento de calidad antes de aplicacin en serie, 3.
edicin, estn identificados segn otra sistemtica.
El modelo de tiempo de proceso A2* se ha definido como ampliacin de la DIN 55319, para poder diferenciar p.ej. el caso de un
muestreo incorrecto de distintas herramientas de una mquina del caso correcto.
El modelo de tiempo de proceso C2 definido en la DIN 55319 wird in dieser Norm nicht verwendet, da es sich durch keinen
statistischen Test vom Modell C4 unterscheiden lsst und die wesentlichen Praxisflle sich bereits durch die Modelle C1, C3 und C4
beschreiben lassen.
Las modificaciones de posicin no sistemticas no deben confundirse con las desviaciones aleatorias de los valores de una
caracterstica de la posicin actual del proceso. En este caso se trata de desviaciones sistemticas de la posicin de proceso que,
sin embargo, no presentan ningn tipo de regularidad.
Pgina 5
VW 101 31: 2005-02
Modelo de tiempo de proceso A1:
Posicin:
Constante
Dispersin:
Constante
Distribucin momentnea: Distribucin normal
Distribucin resultante:
Distribucin normal
Ejemplo:
Medidas de longitud de ejes
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Pgina 6
VW 101 31: 2005-02
Modelo de tiempo de proceso A2*:
Posicin:
Constante
Dispersin:
Constante
Distribucin momentnea: Modelo de distribucin no definido
Distribucin resultante:
Modelo de distribucin no definido
Ejemplo:
Distribucin mixta debido a la toma de muestreo de 2 herramientas
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Pgina 7
VW 101 31: 2005-02
Modelo de tiempo de proceso C1:
Posicin:
Variaciones no sistemticas
Dispersin:
Constante
Distribucin momentnea: Distribucin normal
Distribucin resultante:
Distribucin normal
Ejemplo:
Proceso con discontinuidades debido a cambios de herramienta
frecuentes
Distribucin reslutante
Frecuencia
Tiempo
Valor de caracterstica
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Pgina 8
VW 101 31: 2005-02
Modelo de tiempo de proceso C4:
Posicin:
Variaciones sistemticas y no sistemticas
Dispersin:
Constante
Distribucin momentnea: Distribucin normal
Distribucin resultante:
Distribucin mixta
Ejemplo:
Proceso con discontinuidades debido a cambio de lote
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Distribucin resultante
Frecuencia
Tiempo
Valor de caracterstica
Pgina 9
VW 101 31: 2005-02
3.2
Modelos de distribucin
3.2.1
Distribucin normal
fN ( x ) =
1
2
1 x
(2.1)
Densidad de probabilidad
con los parmetros valor medio y desviacin estndar que identifican la posicin y la
anchura de una distribucin, con lo cual el cuadrado de la desviacin estndar 2 se denomina
variancia.
Puntos de inflexin
pe = 0,135%
-4
-4
-3
-3
pe = 0,135%
-2
-2
--1
0
+1
Valor de caracterstica
2
+2
3
+3
4
+4
Pgina 10
VW 101 31: 2005-02
En la figura 10 se puede interpretar como probabilidad la parte de superficie situada por debajo del
grfico dentro de un intervalo analizado. La probabilidad de encontrar un valor de caracterstica x
en una totalidad, que es como mximo tan grande como un valor lmite xg analizado, se indica por
tanto mediante la funcin integral, la funcin de distribucin, que para la distribucin normal es
xg
FN (xg ) =
fN (x ) dx
(2.2)
donde
fN (x ) dx = 1
(2.3)
u=
(2.4)
(u ) =
1
2
1
u2
e 2
(2.5)
y la funcin de distribucin
ug
(u g ) = (u ) du
(2.6)
3.2.2
x g N
FB1 (x g ) =
N
x + N
+ g
para x 0
(2.7)
(2.8)
donde
N:
Valor medio de la distribucin normal original que identifica un cero flotante sistemtico.
N :
Desviacin estndar de la distribucin normal original
:
Funcin de distribucin de la distribucin normal estandarizada
Pgina 11
VW 101 31: 2005-02
La figura 11 muestra las funciones de densidad que resultan de la plegadura de la densidad de la
distribucin normal en el caso de distintos ceros flotantes.
N = 1 N
Densidad de probabilidad
N = 0
1 N
2N
N = 2 N
N = 3 N
3N
4N
Valor de caracterstica
5N
6 N
= N N
N
2 N
+
e
1
N
2N
2 = N2 + N2 2
(2.9)
(2.10)
2 N
2
2 = 1 N2
(2.11)
(2.12)
Como muestra la figura 11, la distribucin de valor tipo 1 con cero flotante se aproxi ma a una
distribucin normal. Por tanto en el caso
(2.13)
la distribucin de valor tipo 1 con buena aproximacin puede sustituirse por una distribucin
normal.
Pgina 12
VW 101 31: 2005-02
3.2.3
La distribucin de valor tipo 2 resulta de los valores vectoriales de los componentes ortogonales x
e y de una distribucin normal bidimensional aceptando para los componentes las mismas
desviaciones estndar. Este caso se da en muchas caractersticas de fabricacin en forma de
desviaciones radiales r de un punto analizado o un eje analizado.
La funcin de densidad y la funcin de distribucin de la distribucin de valor tipo 2 son
generalmente
1 z 2 +r 2
N2
r
2
f B2 (r ) =
e
2
2 N
z r cos
N2
para r 0
(2.14)
rg
FB 2 (rg ) = fB 2 (r ) dr
(2.15)
donde
N :
z:
z = 1N
z = 2 N
z = 3 N
Densidad de probabilidad
z=0
1N
2 N
3N
4N
Valor de caracterstica
5N
6N
Pgina 13
VW 101 31: 2005-02
= fB 2 (r ) r dr
(2.16)
2 = 2 N2 + z 2 2
(2.17)
Para el caso de una excentricidad z = 0 resultan de (2.14) y (2.15) la funcin de densidad y la
funcin de distribucin de la distribucin de Weibull con el valor 2 de parmetro de forma
fB 2 (r ) =
1 r
2 N
1 rg
2 N
r
e
N2
FB2 (rg ) = 1 e
(2.18)
(2.19)
= N
(2.20)
2 = 2 N2
2
(2.21)
Como muestra la figura 12, la distribucin de valor tipo 2 con excentricidad creciente se aproxima
a una distribucin normal. Por tanto en el caso
(2.22)
la distribucin de valor tipo 2 con buena aproximacin puede sustituirse por una distribucin
normal.
3.2.4
1 x N 1
2 N
x < N1
e
para N1 x N 2
1
2
1 x N 2
x > N2
e 2 N
f EN ( x ) =
donde
1
2 N + N 2 N1
(2.23)
Pgina 14
VW 101 31: 2005-02
ampliada
N :
Densidad de probabilidad
N1
N2
Valor de caracterstica
3.2.5
Distribucin mixta
La distribucin mixta (vase tambin el modelo de tiempo de proceso C4, en el apartado 3.1)
resulta de la superposicin de varias distribuciones normales ponderadas con desviaciones
estndar idnticas pero con valores medios distintos de la siguiente forma:
L
f M* (x ) = g l e
1 x l
2 m
(2.24)
l =1
gl =
tl
tg
(2.25)
donde
c=
fM (x ) dx
*
(2.26)
Pgina 15
VW 101 31: 2005-02
fM ( x ) =
1 *
fM ( x )
c
(2.27)
Densidad de probabilidad
k
k
2
Valor de caracterstica
3.3
Determinacin de capacidad
Los valores caractersticos de capacidad cp y cpk indican en qu medida los resultados de proceso
cumplen el intervalo de tolerancia de una caracterstica analizada. No obstante, mediante el valor
cp nicamente se toma en consideracin la dispersin de proceso. La posicin de proceso se toma
en consideracin mediante el valor cpk. Esto quiere decir que, por un lado, se puede expresar cul
es el valor alcanzable en caso de una posicin de proceso ideal y, por otro lado, mediante la
comparacin de ambos valores puede expresarse hasta qu punto la posicin de proceso se
aparta del valor nominal. Cuanto mayores son los valores caractersticos de capacidad
determinados, tanto mejor es el proceso.
Para determinar los valores caractersticos de capacidad existen distintas frmulas de evaluacin
que deben seleccionarse adecuadamente para cada caso. Dado que la determinacin de los
valores caractersticos de capacidad slo puede realizarse a partir de valores de muestreo, los
resultados nicamente representan estimaciones de los valores buscados de la totalidad y, por
tanto, se identifican mediante un smbolo de tejado10).
10)
La identificacin de los valores caractersticos de capacidad estimados mediante un smbolo de techo slo es importante para
entender la teora, de tal manera que se puede prescindir de ella en las evaluaciones en casos prcticos.
Pgina 16
VW 101 31: 2005-02
3.3.1
Valores caractersticos de capacidad para una caracterstica con tolerancias por ambos lados
(segn DIN 55319, mtodo M4), por ejemplo para la medida de longitud:
c p =
Go Gu
x 99 ,865% x0 ,135%
Go
Gu
c pk = min
;
x 99 ,865% x 0,135 %
(3.1)
(3.1)
Valores caractersticos de capacidad para una caracterstica con tolerancia unilateral hacia arriba
con un valor lmite natural inferior cero, por ejemplo para excentricidad:
c p =
Go
x 99 ,865% x0 ,135%
c pk =
Go
x 99 ,865%
(3.3)
(3.4)
Valor caracterstico de capacidad para una caracterstica con tolerancia unilateral hacia abajo, por
ejemplo para resistencia a la traccin:
c pk =
Gu
x 0 ,135%
(3.5)
donde
Go, Gu : Medida mxima, o bien medida mnima
:
Valor medio de proceso estimado en el tiempo total de la comprobacin
x 0,135 % , x 99 ,865% : Valores estimados para lmites de dispersin (cuantila, por debajo de la cual
se sita la parte p indicada de valores de medicin)
El valor caracterstico de capacidad momentneo para caractersticas con tolerancias por
ambos lados es otro valor caracterstico muy til para la valoracin de un proceso
c *p =
Go Gu
6 m
(3.6)
donde
Pgina 17
VW 101 31: 2005-02
importante para definir los lmites de intervencin de las tarjetas de regulacin de la calidad, por
ejemplo, para procesos con tendencia o con discontinuidades.
3.3.1.2 Estimacin de parmetros estadsticos
Los parmetros estadsticos valor medio y desviacin estndar de una totalidad pueden
estimarse de forma fiel a las expectativas, independientemente del modelo de distribucin, a partir
de los valores de medicin del muestreo m mediante
= x =
= s =
1 m
nj x j
n g j =1
(3.7)
m
1
nj x j x
m 1 j =1
(3.8)
j
1
xj =
x ji
n j i =1
(3.9)
y el volumen total efectivo del muestreo (es decir, sin valores extraos)
m
ng = n j
(3.10)
j =1
donde
m: Cantidad de muestreos
nj : Volumen efectivo del muestreo en posicin j (es decir sin valores extraos)
xji : Valor medido en posicin i del muestreo en posicin j
La desviacin estndar momentnea se determina mediante
m = s m =
1 m 2
sj
m j =1
(3.11)
s 2j
j
1
=
(x x j
n j 1 i =1 ji
)2
(3.12)
= x =
1 K
a k x k __
n g k =1
K
1
= s =
a xk x
n g 1 k =1 k
donde
(3.13)
(3.14)
Pgina 18
VW 101 31: 2005-02
m =
R
dn
(3.15)
donde
R =
1
a Rk
m k =0 k
(3.16)
R k = k x
(3.17)
d n = d n (d n d n 1 ) (n n )
(3.18)
n=
ng
(3.19)
n 1 < n n
(3.20)
a k : Frecuencia absoluta de las envergaduras en la clase n posicin k
: Envergadura mxima de clase
k : Cantidad de clases resultante de la diferencia entre las clases con el valor de medicin
mximo y mnimo de un muestreo (envergadura de clase)
x : Variacin total de clase
d n : Valor esperado de la distribucin w (vase tambin [1])
Para algunos volmenes de muestreo se indica el valor dn en la tabla 2
Tabla 2 - Valor esperado de la distribucin w en funcin de n
ng
dn
2
3
4
5
6
7
8
9
10
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
Pgina 19
VW 101 31: 2005-02
x 99 ,865 %
= 3
x 0 ,135 %
(3.21)
de los cuales mediante la aplicacin en la frmula (3.1) y (3.2) resultan por otra parte las frmulas
clsicas para el clculo de los valores caractersticos de capacidad.
= B1 N
N
N
N
=
N
N
N
2
2
1
N
2 N
(3.22)
= B1 N
B1 N
N
1 + N
N
B1 N
(3.23)
2
= 1,3236
2
(3.24)
Los valores de parmetros buscados de la distribucin de valor tipo 1 por tanto pueden estimarse
con la condicin (3.24) mediante
Pgina 20
VW 101 31: 2005-02
N =
1+
1 + B1
(3.25)
N = B1 N
(3.26)
donde
B1 : la funcin inversa de (3.23)
Para el caso de que la relacin debido a desviaciones aleatorias de los parmetros del
muestreo sea ms pequea que el valor lmite 1,3236 de la condicin (3.24), la relacin se
aplica a este valor lmite del cual resultan los siguientes valores de parmetros:
N =
= 1,659
2
(3.27)
3,5
3,0
N
2,5
2,0
1,5
1,0
0,5
0,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
2,6
2,8
3,0
Posicin relativa /
Pgina 21
VW 101 31: 2005-02
Para la distribucin de valor tipo 1 adaptada es posible determinar numricamente los lmites de
dispersin cuyas dependencias de la posicin relativa se representan en la figura 16.
x99,865% /
6
5
4
3
2
1
x0,135% /
0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
2,6
2,8
3,0
Posicin relativa /
B1 1,64 1,3236
0 ,286
+ 0 ,634 1,3236
1,05
(3.28)
Adems la determinacin de los lmites de dispersin para 1,3236 < 3 puede realizarse
directamente con ayuda de la siguiente aproximacin (error relativo a inferior a 0,02)
x 99 ,865 %
x 0 ,135 %
0 ,67
(3.29)
Pgina 22
VW 101 31: 2005-02
= B 2
N
N
1
=
e
2
1 z
2 N
v
v 2 e 2 e N
0
0
2
v cos
d dv
(3.30)
donde
v=
r
N
(3.31)
= B2
z
B 2
N
z
2 +
N
z
B 2
N
(3.32)
= 1,9131
(3.33)
Los valores de parmetros buscados de la distribucin de valor tipo 2 por tanto pueden estimarse
con la condicin (3.33) mediante
N =
1+
2 + B 2
z = B2 N
(3.34)
(3.35)
donde
B 2 : Funcin inversa de (3.32)
Para el caso en que la relacin debido a desviaciones aleatorias de los parmetros del
muestreo sea ms pequea que el valor lmite 1,9131 de la condicin (3.33), la relacin se
aplica a este valor lmite del cual resultan los siguientes valores de parmetros:
2
= 1,526
4
(3.36)
Pgina 23
VW 101 31: 2005-02
La relacin entre los valores de parmetros z y N de la distribucin de valor tipo 2 y los valores
caractersticos y estadsticos se muestra mediante representacin grfica en la figura 17
referida a .
7
6
5
z /
4
3
2
N
1
0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
5,5
6,0
Posicin relativa /
Figura 17 - Valores de parmetros relativos de la distribucin de valor tipo 2 en funcin
de la posicin relativa
Para la distribucin de valor tipo 2 adaptada es posible determinar numricamente los lmites de
dispersin cuyas dependencias de la posicin relativa se representan en la figura 18.
9
8
x99,865% /
7
6
5
4
3
2
x0,135% /
1
0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
5,5
6,0
Posicin relativa /
Pgina 24
VW 101 31: 2005-02
Para determinar directamente los valores caractersticos z y N a partir de los valores
caractersticos y tambin es posible utilizar para 1,9131 < 6 la siguiente aproximacin
como funcin inversa de (3.32) con precisin suficiente (error relativo a inferior a 0,02).
B1 2 ,1 1,9131
0 ,313
+ 0 ,466 1,9131
1,22
(3.37)
Adems la determinacin de los lmites de dispersin para 1,9131 < 6 puede realizarse
directamente con ayuda de la siguiente aproximacin (error relativo a inferior a 0,03)
x 99,865%
x 0 ,135%
0 ,62
0 ,9
0 ,9
2 ,6 exp 1,7031 0 ,8 + 1,425 1,9131 2 ,1206
(3.38)
x 99,865% = N 2 + u
x 0 ,135% = N1 u
(3.39)
donde
con
N1
*
= 1 + N 2
2
2 N
0 ,00135
(3.40)
N1 = N 2 =
para
5
m
4
N 2
3
2
2
= 3 m m
N 1
4
para >
5
m
4
5 2 + m2
6
=
47
m
32
5
4 m
para
5
> m
4
(3.41)
(3.42)
Pgina 25
VW 101 31: 2005-02
1
l = x l =
ml
j ol
nj
x ji
(3.43)
j = j ul i =1
ml = j ol j ul + 1
(3.44)
donde
ml : Cantidad de muestreos dentro del margen en posicin l de una posicin de proceso constante
j ol , j ul : Nmero de muestreo del lmite superior o bien inferior del margen en posicin l de una
posicin de proceso constante
A causa de la superposicin de las distribuciones normales L con los valores medios l y la
desviacin estndar m resulta segn la frmula (2.24) a (2.27) la distribucin mixta a partir de la
cual finalmente pueden determinarse numricamente los lmites de dispersin.
Para el caso en que no se puedan determinar los puntos de discontinuidad, en lugar de aplicar la
frmula (2.24) se realiza una superposicin de L = m distribuciones normales con los valores
medios j = x j mediante
m
f M* (x ) = e
n x j
2 (n 1 ) m
(3.45)
j =1
3.3.2
Determinacin de capacidad en caso de modelos de distribucin no definidosEn
caso de que a una caracterstica de fabricacin no se le pueda asignar ningn modelo de
distribucin apropiado o los valores de medicin del muestreo extrado sean contrarios al modelo
de distribucin aceptado se realiza una estimacin no distribuida de los ndices de capacidad
segn el mtodo de envergadura de la siguiente forma modificada tomando en consideracin el
volumen del muestreo11):
Valores caractersticos de capacidad para una caracterstica con tolerancias por ambos lados:
c p =
Go Gu
x o x u
G x50 % x 50 % Gu
c pk = min o
;
x o x 50 % x 50 % x u
11)
(3.46)
(3.47)
Aqu se trata slo de una representacin algo distinta del mismo modo de clculo como en la norma de recursos vlida hasta ahora
de VW BV 1.40 para las caractersticas distribuidas normalmente.
Pgina 26
VW 101 31: 2005-02
Valores caractersticos de capacidad para una caracterstica con tolerancia unilateral hacia arriba
con un valor lmite natural inferior cero:
Go
x o x u
c p =
c pk =
Go x 50 %
x o x 50 %
(3.48)
(3.49)
Valor caracterstico de capacidad para una caracterstica con tolerancia unilateral hacia abajo:
c pk =
x 50 % Gu
x 50 % x u
(3.50)
donde
x50% = ~
x
(3.51)
donde
~
x : Valor mediano es el valor que est situado en el centro de una secuencia de valores de
medicin
x o
R
= xc k
x u
2
(3.52)
donde
xc =
x max + x min
2
(3.53)
(3.54)
x max , x min : Valor de medicin mximo o mnimo del muestreo total efectivo
Mediante el factor de correccin
k=
6
:
dn
(3.55)
12)
Estrictamente hablando se parte de un total base distribuido normalmente de los valores individuales para el valor esperado de la
distribucin w. Al no existir un mtodo ms apropiado para el clculo libre de distribucin de los valores caractersticos de
capacidad no se tiene en cuenta esta condicin previa.
Pgina 27
VW 101 31: 2005-02
Para algunos volmenes totales de muestreo ng se indica el valor dn en la tabla 3.
Tabla 3 - Valor esperado de la distribucin w en funcin de ng
ng
dn
30
35
40
45
50
60
70
80
100
125
150
200
250
4,09
4,21
4,32
4,42
4,50
4,65
4,77
4,87
5,04
5,21
5,34
5,55
5,71
(3.56)
x 50% = x uk +
A uk
ak
n
Auk + a k
2
(3.57)
donde
Pgina 28
VW 101 31: 2005-02
3.4
Para obtener la capacidad de proceso para una caracterstica analizada es preciso que los valores
caractersticos de capacidad determinados cumplan el siguiente requisito respecto a los valores
lmite especificados c p;Grenz y c pk ;Grenz :
para caracterstica con tolerancia por ambos lados:
c p c p; Grenz y c pk c pk ;Grenz
(4.1)
c pk c pk ;Grenz
(4.2)
Si no se ha acordado de otra forma son vlidos los siguientes valores lmite de capacidad:
c p; Grenz = 1,33
c pk ;Grenz = 1,33
Para aquellos casos en que los gastos justificables slo permiten realizar una comprobacin con
un volumen total de muestreo efectivo inferior a 125 es preciso tener en cuenta la mayor
inseguridad resultante de los valores caractersticos de capacidad determinados mediante valores
lmite convenientemente superiores.
La determinacin de los valores lmite para los volmenes totales de muestreo efectivos inferiores
a 125 se refiere a los valores lmite que pueden cumplirse sobre la base del requisito (4.1) o (4.2)
para la totalidad pendiente de anlisis con una probabilidad de un 95% (lmites de mrgenes de
confianza inferiores). Estos valores resultan de la hiptesis de una totalidad con distribucin
normal del lmite del margen de confianza superior de la desviacin estndar
o =
y
el
proceso
124
52%;124
margen
(4.3)
proporcional
x 99,865%
= u 99,865%
x 0 ,135%
estadstico
1 +
2 125
para
124
52%;124
la
dispersin
de
(4.4)
donde
13)
) Aunque para las caractersticas toleradas slo unilateralmente hacia arriba no se ha determinado un valor lmite para Cp, se debe
determinar e indicar un valor Cp, ya que se puede comprobar a partir de la comparacin de este valor con el valor Cpk, si existe un
desplazamiento de la posicin indeseada. Si por ejemplo el valor Cpk es mayor que el valor Cp, entonces la distribucin est ms
cerca del valor lmite cero natural que del valor mximo.
Pgina 29
VW 101 31: 2005-02
Mediante la transformacin y la aplicacin en las frmulas de evaluacin (3.1) y (3.2) resultan los
valores lmite de capacidad para la totalidad
c p c p; Grenz
c pk c pk ;Grenz
52%;124
124
= 0 ,895 c p; Grenz
1 + 1 250
52%;124
124
= 0 ,891 c pk ;Grenz
(4.5)
(4.6)
Por tanto para los volmenes totales efectivos de muestreo n g < 125 resultan los siguientes
valores lmite de capacidad adaptados14)
c p c p; Grenz 0 ,895
(4.7)
2
5 %;f
1
c pk c pk ;Grenz 0 ,891 1 +
2 ng
2
5%; f
(4.8)
f = ng 1
(4.9)
Ejemplo:
En el caso de valores lmite de capacidad especificads de c p; Grenz = 1,33 , c pk ;Grenz = 1,33 y un
volumen total efectivo de muestreo de n g = 50 segn las frmulas (4.7) a (4.9) resultan los
siguientes valores lmite adaptados para una caracterstica con tolerancias por ambos lados:
c p 1,33 0 ,895
50 1
= 1,43
33 ,9
1 50 1
c pk 1,33 0 ,891 1 +
= 1,44
2 50
33 ,9
Dado que el valor Cp de una caracterstica con tolerancias por ambos lados no debe ser inferior al
valor Cpk, el valor lmite para cp en este caso se equipara al de cpk.
14)
La determinacin de los valores lmite de capacidad adaptados con ayuda de las frmulas (4.7) a (4.9) se utiliza tambin para los
totales base de distribucin normal, ya que para ello hasta ahora no existe ningn otro mtodo y por lo menos se tiene en cuenta de
forma til un volumen de muestras total, que es inferior a 125.
Pgina 30
VW 101 31: 2005-02
3.5
Ensayos estadsticos
Sera ideal que los valores de medicin registrados de una comprobacin de capacidad de
proceso no mostrasen ningn tipo de
-
En caso contrario es preciso contar con influencias sistemticas adicionales en la fabricacin. Para
este comportamiento deberan conocerse las causas y aceptarse sus efectos con el fin de cumplir
la condicin previa de un proceso de fabricacin seguro.
En una comprobacin de capacidad de proceso, por lo tanto, es preciso aplicar los
correspondientes ensayos estadsticos para comprobar los criterios antes citados. Dado que estos
ensayos estadsticos ya se han tratado ampliamente en las normas y obras de referencia de la
literatura estadstica, de aqu en adelante se indicarn nicamente mediante referencias:
Ensayo de valores extraos mediante el ensayo independiente de la distribucin segn
Hampel en forma modificada (vase VW 10133)
-
Test de desviacin de la distribucin normal momentnea mediante el ensayo de ShapiroWilk-Test 16) (vase ISO 5479, Apartado 9)
En caso de que los datos pendientes de evaluar que existen sean nicamente las distribuciones
de frecuencias de valores de medicin y envergaduras clasificados pueden aplicarse
para la comprobacin de la posicin de proceso una forma modificada del anlisis de
variancia simple17) (anlisis de variancia simple vase [3])
para la comprobacin de la dispersin de proceso una forma modificada del ensayo de
Cochran
en los cuales las variancias de los muestreos individuales para las magnitudes de ensayo deben
determinarse a partir de las envergaduras segn la frmula (3.15). Sin embargo, en ese caso no
puede aplicarse un ensayo de desviacin de una distribucin normal momentnea.
-
15)
16)
17)
De forma estricta para el Test Cochran es condicin previa una distribucin normal momentnea. El correspondiente Test Levene
libre de distribucin result inapropiado en el caso de simulaciones. As indica demasiado frecuentemente modificaciones de
dispersin con un creciente nmero de muestras, aunque no exista ninguna modificacin. Adems para este test slo se deben
comprobar muestras aleatorias de tamaos idnticos.
Aunque en la ISO 5479 es condicin previa n > 8 para el Test Shapiro-Wilk ampliado, el test es tambin apropiado tamaos de
muestra ms pequeos n > 3, como han mostrado las simulaciones.
Para este test se toma como condicin previa una distribucin normal momentnea, pero como no se dispone para este tipo de
datos actualmente de otro test, esta condicin previa no se puede tener en cuenta. Por ello slo se modifica levemente la
seguridad de la sentencia en el caso de una distribucin anormal momentnea.
Pgina 31
VW 101 31: 2005-02
-
Clculo del valor experimental de los valores del muestreo segn la frmula de la magnitud de
ensayo
Comparacin del valor experimental con el valor umbral para decidir si existe una
contradiccin respecto a la hiptesis nula y, por tanto, es vlida la hiptesis alternativa
Es preciso tener en cuenta que en un ensayo estadstico con el coeficiente de confianza indicado
en su caso puede demostrarse nicamente una contradiccin respecto a la hiptesis nula, por
ejemplo, que presente una desviacin significativa de los valores de medicin de una totalidad con
distribucin normal. En el caso de que del ensayo no resulte ninguna contradiccin respecto a la
hiptesis nula, no significa que esto implique una confirmacin de la validez de la hiptesis nula.
En este caso, con el coeficiente de confianza indicado, por ejemplo, no se puede demostrar que
exista una totalidad con distribucin normal. Entonces se decide anlogamente al principio jurdico
En caso de duda para el acusado slo para la aceptacin de la hiptesis nula.
Mediante la probabilidad de error se indica el riesgo del rechazo de la hiptesis nula debido al
resultado del ensayo, a pesar de que coincida (riesgo ).
Para la probabilidad de error no se puede especificar cualquier valor pequeo, ya que de esta
forma aumentara, por ejemplo, el riesgo de no descubrir una desviacin real de una distribucin
normal (riesgo ).
En caso de un proceso con dispersin constante pero con una posicin no constante se requieren
otros ensayos estadsticos para asignar tanto a la evolucin cronolgica de la posicin el
correspondiente modelo de tiempo de proceso C1, C3 o C4 (vase apartado 3.1) como tambin a
la distribucin resultante el modelo de distribucin correspondiente. Esta asignacin es posible con
ayuda de los ensayos que se describen a continuacin:
Ensayo de tendencia considerando las discontinuidades de posicin
Valor de medicin
En el caso de una dispersin constante pero una posicin no constante se comprueba primero si
existe una tendencia. Los procesos con tendencia durante el tiempo de la comprobacin
generalmente no muestran ninguna evolucin cronolgica montonamente creciente o
descendiente. Su evolucin ms bien se interrumpe debido a discontinuidades de posicin,
resultantes de medidas correctoras despus de sobrepasar los lmites de intervencin de las
tarjetas de regulacin de la calidad (la llamada evolucin de dientes de sierra, vase figura 19). Un
ensayo de tendencia de estos puntos de discontinuidad conducira a un resultado inservible. Por
tanto, en el primer paso es preciso determinar aquellos mrgenes situadas entre los puntos de
discontinuidad.
10
15
20
25
30
35
40
45
50
Muestreo
Pgina 32
VW 101 31: 2005-02
Ensayo de discontinuidad de posicin:
H0: La posicin no se modifica o slo de forma constante
H1: La posicin vara de forma discontinua
Probabilidad de error especificada: = 1%
Magnitud de ensayo para todos los nmeros del muestreo j de 1 a m:
(x j )2 = (x j +2 + x j +1 + x j x j 1 x j 2 x j 3 )2
(5.1)
donde
E = 12 ;1
6
27
m2 +
R2
n
4
(5.2)
donde
R2 = 2 m2
(5.3)
2 :
2
m
2
1 ;1 :
)2 > E
(5.4)
{
{
{
}
}
}
(x j +2 ) = max (x j +2 ) , (x j +1 ) ,(x j )
j + 2
2
2
2
2
J l = j + 1 para ( x j +1 ) = max (x j + 2 ) , (x j +1 ) , ( x j )
j
(x j )2 = max (x j +2 )2 , (x j +1 )2 , (x j )2
(5.5)
J ul j J ol
(5.6)
mediante
l =1
1
para
J ul =
l >1
J l 1 + 1
(5.7)
l <L
J 2
J ol = l
para
l =L
m
(5.8)
Pgina 33
VW 101 31: 2005-02
donde
L : Cantidad de mrgenes libres de puntos de discontinuidad
Como segundo paso se realiza el ensayo de tendencia. Para los mrgenes libres de puntos de
discontinuidad determinados anteriormente con una cantidad de muestreos m l 7 se realiza una
estimacin de la constante a0 y de la pendiente a1 de la recta de regresin como se expone a
continuacin:
a 0 = x l a1 j l
(5.9)
s xJ
s J2
a1 =
(5.10)
donde
s xJ
J ol
1
=
j x j ml j l x l
m l 1 j = Jul
s J2 =
: Covariancia
Jol
1
j 2 m l j l2 : Variancia de los nmeros de muestreo
m l 1 j = Jul
(5.11)
(5.12)
H 0 : a1 = 0
H 1 : a1 0
Probabilidad de error especificada: = 5%
Magnitud de ensayo:
t=
a1
s a1
(5.13)
donde
s a21 =
s2
1
r2 : Variancia de la pendiente de la recta
(ml 1 ) s J
s r2 =
1
fl
(x j
Jol
j = Jul
x j
: Variancia de residuos
(5.14)
(5.15)
(5.16)
f l = m l 2 : Grado de libertad
(5.17)
Pgina 34
VW 101 31: 2005-02
Es vlido H1, en caso de valor experimental
t > t1
(5.18)
2 ; fl
donde
t1
2 ; fl
H 0 : Tendencia lineal
H 1 : Tendencia no lineal
Probabilidad de error especificada: = 5%
Magnitud de ensayo:
F =n
s r2
(5.19)
s K2
F > F1 ; f1 ; f2
(5.20)
donde
(5.21)
f 2 = ml (n 1 )
(5.22)
En caso de que se determinen tendencias lineales para al menos dos terceras partes de los
mrgenes libres de puntos de discontinuidad, se acepta el modelo de tiempo de proceso C3.
E = 12 ;1
6
m2
n
(5.23)
Pgina 35
VW 101 31: 2005-02
Condiciones de
PFU cumplidas
no
4.5 Documentacin
de
4.6 Valoracin
MFU
resultados
cumplidas
4.7
Repeticin del
anlisis
no
no
Mejora de
proceso
s
Proceso controlado e
idneo
Mejora de
proceso
no
4.8 Tratamiento de procesos
no controlados o no
Final
Pgina 36
VW 101 31: 2005-02
Pgina 37
VW 101 31: 2005-02
Desviacin del
modelo de
distribucin
no
no
Desviacin normal
s
4.4.6.3 Evaluacin segn el
modelo de tiempo de proceso A2
Continuacin en 4.4
Pgina 38
VW 101 31: 2005-02
Pgina 39
VW 101 31: 2005-02
4.6 Valoracin de resultados
no
Valores extraos a
causa de medicin
errneas
no
Modelo de tiempo
de proceso A
s
no
Otro modelo
de distribucin
posible
s
repeticin de evaluacin
continuacin en 4
s
Valor caracterstico
de capacidad inferior al valor
lmite
Causa conocida y
efecto aceptable
no
proceso no idneo
continuacin en 4
no
proceso no controlado
continuacin en 4
proceso controlado + idneo
continuacin en 4
no
Pgina 40
VW 101 31: 2005-02
4.1
Para la PFU nicamente debe aplicarse un medio de ensayo que haya aprobado el departamento
responsable del proceso de ensayo previsto.
4.2
Los muestreos deben proceder de la fabricacin continua en condiciones de serie (es decir
en estado rodado de mquina con el tiempo de ciclo y con los parmetros de ajuste de
mquina de la fabricacin en serie) a intervalos de tiempo regulares y siempre el mismo
volumen19). A diferencia de la comprobacin de capacidad de mquina (MFU) es preciso
tomar en consideracin todos los efectos de las variaciones de valores de parmetros de
mquina, los cambios de herramienta y las anomalas de mquina20).
En una toma de muestreo las piezas con la caracterstica analizada o los valores del
parmetro de proceso analizado deben tomadarse en secuencia directa siempre que sea
posible21) El volumen de muestreo n debe ascender como mnimo a 3 (volumen
recomendado n = 5)
18)
19)
20)
21)
Pgina 41
VW 101 31: 2005-02
-
3 cambios de empleado
un cambio de herramienta o modificacin de los valores de parmetros de mquina y
un cambio de lote de material
Es preciso que entre el proveedor y el cliente acuerden el mtodo de medicin que debe
definirse antes de la comprobacin. Este mtodo no puede modificarse durante el tiempo de la
comprobacin.
4.3
Si las condiciones para la toma del muestreo mencionadas en el apartado 4.2 no pueden
cumplirse por completo, especialmente en el inicio de serie para la determinacin de los lmites de
intervencin de las tarjetas de regulacin de la calidad, se admite en casos justificados la
realizacin de una PFU limitada, con lo cual es preciso documentar las justificaciones al respecto
mediante la indicacin PFU limitada.
4.4
Evaluacin de datos
4.4.1
Para la evaluacin de datos en primer lugar debe determinarse el modelo de distribucin esperado
para el tipo de caracterstica. Los modelos de distribucin asignados a los tipos de caractersticas
de fabricacin ms importantes (vase tambin VW 01056) deben extraerse de la tabla 4.
Tabla 4 - Asignacin de tipos de caractersticas y modelos de distribucin
Tipo de caracterstica
Medidas de longitud
Dimetro, radio
Alineacin
Planicidad
Redondez
Modelo de distribucin
N
N
B1
B1
B1
Forma cilndrica
Linealidad
Forma plana
Paralelidad
Rectangularidad
Pendiente (angulosidad)
Posicin
B1
B1
B1
B1
B1
B1
B2
Coaxialidad/Concentricidad
Simetra
B2
B1
Marcha concntrica
Refrentado
Rugosidad
Desequilibrio
Par de giro
B2
B2
B1
B2
N
Leyenda:
N: Distribucin normal
B1: Distribucin de valor tipo 1
B2: Distribucin de valor tipo 2 (distribucin de Rayleigh)
Pgina 42
VW 101 31: 2005-02
Para los tipos de caracterstica no listados en la mayora de los casos puede realizarse una
asignacin de una distribucin segn la siguiente regla:
-
para caractersticas con tolerancias por ambos lados o con tolerancias unilaterales hacia
abajo una distribucin normal
y para las caractersticas con tolerancias unilaterales hacia arriba una distribucin de valor tipo
1 o tipo 2
4.4.2
Con ayuda del ensayo de valores extraos independiente de la distribucin segn VW 10133 en
primer lugar debe averiguarse si los valores de medicin registrados contienen valores extraos.
Los valores extraos son valores de medicin que varan tanto respecto a los otros valores de
medicin que es muy probable que no procedan de la misma totalidad que los valores restantes,
como por ejemplo, las mediciones incorrectas. El ensayo de valores extraos debe realizarse con
un coeficiente de confianza del 99%.
4.4.3
En caso de hallar valores extraos, no deben tomarse en consideracin para el clculo de los
valores caractersticos estadsticos22). Los valores extraos no deben borrarse sino que deben
identificarse de forma correspondiente en la representacin grfica del desarrollo de los valores
individuales y la cantidad debe indicarse en la documentacin.
4.4.4
Con ayuda del ensayo de Cochran (vase [1]) debe comprobarse si el proceso muestra una
variacin significativa en la dispersin en el transcurso del tiempo de comprobacin. Una variacin
significativa de la dispersin puede producirse, por ejemplo, a causa del desgaste de un
rodamiento de la mquina. Este ensayo debe realizarse con un coeficiente de confianza del 95%.
En caso de que se hayan registrado nicamente las distribuciones de frecuencia de los valores de
medicin y envergaduras clasificados se admite la aplicacin de la forma modificada del ensayo de
Cochran (vase apartado 3.5) con un coeficiente de confianza del 95%.
4.4.5
Con ayuda del ensayo segn Kruskal y Wallis no dependiente de la distribucin (vase [2]) es
preciso determinar si la posicin de proceso muestra en el transcurso del tiempo de comprobacin.
Una variacin significativa de la posicin del proceso puede originarse, por ejemplo, debido a la
modificacin de los lotes de material o a causa de un desgaste de herramienta. Este ensayo debe
aplicarse con un coeficiente de confianza del 95%.
En caso de que se hayan registrado nicamente las distribuciones de frecuencia de los valores de
medicin y envergaduras clasificados se admite la aplicacin de la forma modificada del anlisis
de variancia simple (vase apartado 3.5) con un coeficiente de confianza del 95%.
22)
Del muestreo con valores errneos se tienen en cuenta sin embargo todos los restantes valores de medicin para determinar los
valores caractersticos estadsticos. Los valores de las muestras distintos resultantes se tienen en cuenta en las frmulas (3.7) a
(3.20) para estimar los valores caractersticos estadsticos.
Pgina 43
VW 101 31: 2005-02
4.4.6
Cuando los valores de medicin registrados no muestran ninguna variacin significativa, tanto de
la posicin como de la dispersin de proceso durante el tiempo de comprobacin, es preciso
realizar la evaluacin segn los modelos de tiempo de proceso A.
4.4.6.1 Ensayo de desviacin del modelo de distribucin especificado
En primer lugar debe comprobarse si los valores de medicin registrados muestran una desviacin
significativa respecto al modelo de distribucin especificado para la caracterstica en cuestin.
Adems, en el caso de una distribucin normal especificada es preciso aplicar el ensayo de EppsPulley (vase ISO 5479) y en el caso de otro modelo de distribucin determinado, por ejemplo, de
una distribucin de valor tipo 1 o tipo 2, el ensayo del chi al cuadrado (vase [1]) con un
coeficiente de confianza del 95%.
Una desviacin del modelo de distribucin determinado puede producirse, por ejemplo, debido a la
toma de muestreo de diferentes herramientas (distribucin mixta, vase tambin el apartado 5.
Ejemplos, figura 28).
4.4.6.2 Evaluacin segn modelo de tiempo de proceso A1
En el caso de una distribucin normal especificada donde los valores de medicin registrados no
muestran ninguna desviacin significativa respecto al modelo de distribucin, el comportamiento
cronolgico debe identificarse mediante el modelo de tiempo de proceso A1 y el clculo de los
valores caractersticos de capacidad en funcin del tipo de tolerancia debe realizarse segn las
frmulas (3.1) a (3.5), con lo cual se determinan los lmites de dispersin segn (3.21) (vase
tambin el apartado 5. Ejemplos, figura 25).
4.4.6.3 Evaluacin segn modelo de tiempo de proceso A2En el caso de una distribucin de
valor tipo 1 o tipo 2 especificada ( o en su caso de otra distribucin no normal) en la cual los
valores de medicin registrados no muestran ninguna desviacin significativa respecto al modelo
de distribucin, el comportamiento cronolgico debe identificarse mediante el modelo de tiempo de
proceso A2 y el clculo de los valores caractersticos de capacidad en funcin del tipo de
tolerancia debe realizarse segn las frmulas (3.1) a (3.5), con lo cual pueden determinarse los
valores caractersticos de la distribucin pendiente de adaptacin segn (3.25) y (3.26) o bien
(3.34) y (3.35) con ayuda de la funcin aproximada (3.28) o bien (3.37) y los lmites de dispersin
pueden calcularse segn las funciones aproximadas (3.29) o bien (3.37) (vase tambin el
apartado 5. Ejemplos, figuras 26 y 27).
4.4.6.4 Evaluacin segn modelo de tiempo de proceso A2*
Si del ensayo estadstico resulta una contradiccin entre los valores de medicin registrados y el
modelo de distribucin especificado o si no se puede encontrar ningn modelo de distribucin
apropiado para la caracterstica de fabricacin en cuestin, el comportamiento cronolgico debe
identificarse mediante el modelo de tiempo de proceso A2* y el clculo no distribuido de los
valores caractersticos de capacidad en funcin del tipo de tolerancia debe realizarse segn las
frmulas (3.46) a (3.57) (vase tambin el apartado 5. Ejemplos, figura 28).
Pgina 44
VW 101 31: 2005-02
4.4.7
Cuando un proceso muestra una variacin significativa de la posicin pero no existe una variacin
significativa de la dispersin, es preciso comprobar con ayuda del ensayo de Shapiro-Wilk
ampliado (vase ISO 5479, apartado 9) si los valores de medicin registrados muestran una
diferencia significativa en comparacin con la totalidad con distribucin normal momentnea de
valores de caractersticas. Este ensayo debe realizarse con un coeficiente de confianza del 95%.
Las causas de una desviacin significativa de una totalidad con distribucin normal momentnea
pueden ser, por ejemplo, las tomas de muestreos de diferentes herramientas.
Para la aplicacin de este ensayo es preciso que la resolucin del valor de medicin (precisin de
lectura) sea suficientemente exacta, ya que de otra forma existe un alto riesgo de que, debido al
ensayo, pueda resultar una contradiccin respecto a la totalidad con distribucin normal
momentnea de los valores de caractersticas23) a pesar de que no se manifieste.
La relacin de la desviacin estndar momentnea y la resolucin del valor de medicin debe ser
de como mnimo 5. De no ser as es preciso no aplicar este ensayo y aceptar segn el principio
jurdico en caso de duda para el acusado una distribucin normal momentnea si se haba
determinado una distribucin normal como modelo o se ha realizado una aproximacin segn los
criterios (2.13) o bien (2.22).
En el caso de una distribucin de valor tipo 1 o tipo 2 especificada (o en su caso de otra
distribucin no normal) en la que no se ha realizado ninguna aproximacin mediante una
distribucin normal segn los criterios (2.13) o bien (2.22) es preciso considerar una desviacin
significativa de una distribucin normal momentnea aunque del ensayo no haya resultado
ninguna desviacin significativa.
En caso de que se hayan registrado nicamente las distribuciones de frecuencia de los valores de
medicin y envergaduras clasificados no es posible aplicar este ensayo, debiendo proceder segn
lo anteriormente descrito.
4.4.8
Cuando durante el tiempo de comprobacin mediante los ensayos estadsticos se determina una
variacin significativa de la posicin pero no de la dispersin de un proceso y no resulta ninguna
contradiccin a la hiptesis de una distribucin normal momentnea, entonces la evaluacin debe
realizarse segn el modelo de tiempo de proceso C.
4.4.8.1 Ensayo de tendencia
En primer lugar es preciso averiguar con ayuda del ensayo descrito en el apartado 3.5 si los
valores de medicin registrados muestran una tendencia (en su caso con discontinuidades de
posicin debido a correcciones). Una tendencia, por ejemplo, puede producirse por un desgaste
de herramienta que aumenta con el paso del tiempo.
En caso de que se hayan registrado nicamente las distribuciones de frecuencia de los valores de
medicin y envergaduras clasificados, es imposible aplicar este ensayo. Sin embargo, se puede
aprovechar la oportunidad para decidir visualmente si existe una tendencia basndose en la
evolucin de los valores de medicin correspondientes registrados a mano en las tarjetas de
regulacin.
23)
La definicin Valor caracterstico no se debe confundir con la definicin Valor de medicin, ya que ste ltimo frente al primero
contiene una inseguridad.
Pgina 45
VW 101 31: 2005-02
4.4.8.2 Ensayo de desviacin de una distribucin normal resultante
Con ayuda de los ensayos segn Epps-Pulley (vase ISO 5479) es preciso determinar si los
valores de medicin registrados muestran una desviacin significante respecto a una distribucin
normal resultante. Este ensayo debe realizarse con un coeficiente de confianza del 95%.
4.4.8.3 Evaluacin segn el modelo de tiempo de proceso C1
En caso de que no se pueda demostrar una tendencia y si de los valores de medicin registrados
no resulta ninguna contradiccin respecto a la hiptesis de una distribucin normal resultante, el
comportamiento cronolgico debe identificarse mediante el modelo de tiempo de proceso C1 y el
clculo de los valores caractersticos de capacidad en funcin del tipo de tolerancia debe
realizarse segn las frmulas (3.1) a (3.5), con lo cual los lmites de dispersin deben averiguarse
segn (3.21) (vase tambin el apartado 5. Ejemplos, figura 29).
4.4.8.4 Evaluacin segn el modelo de tiempo de proceso C4
Si no se puede demostrar una tendencia y los valores de medicin registrados muestran una
contradiccin respecto a la hiptesis de una distribucin normal resultante, el comportamiento
cronolgico debe identificarse mediante el modelo de tiempo de proceso C4 y el clculo de los
valores caractersticos de capacidad en funcin del tipo de tolerancia debe realizarse segn las
frmulas (3.1) a (3.5), con lo cual para determinar los lmites de dispersin debe adaptarse una
distribucin mixta que resulta de una superposicin de varias distribuciones normales segn las
frmulas (2.24) a (2.27) con los valores medios segn la frmula (3.43) y (3.44) (vase tambin el
apartado 5. Ejemplos, figura 31).
En caso de que se hayan registrado nicamente las distribuciones de frecuencia de valores de
medicin y envergaduras clasificados, no es posible adaptar una distribucin mixta de forma que
en su lugar es preciso realizar en funcin del tipo de tolerancia una evaluacin no distribuida
segn las frmulas (3.46) a (3.50), con lo cual como lmites de dispersin deben definirse el lmite
superior de la clase ms alta ocupada y el lmite inferior de la clase ms baja ocupada, y el valor
mediano debe calcularse segn la frmula (3.57).
4.4.8.5 Evaluacin segn el modelo de tiempo de proceso C3
En caso de que no se pueda demostrar una tendencia, el comportamiento cronolgico debe
identificarse mediante el modelo de tiempo de proceso C3 y el clculo de los valores
caractersticos de capacidad en funcin del tipo de tolerancia debe realizarse segn las frmulas
(3.1) a (3.5) con una distribucin normal ampliada segn (2.23), con lo cual los lmites de
dispersin deben determinarse segn las frmulas (3.39) y (3.42) (vase tambin el apartado 5.
Ejemplos, figura 30).
4.4.9
Cuando existe una variacin significativa de la dispersin pero no una variacin significativa de la
posicin de un proceso, el comportamiento cronolgico debe identificarse mediante el modelo de
tiempo de proceso B y es preciso realizar un clculo no distribuido de los valores caractersticos de
capacidad en funcin del tipo de tolerancia segn las frmulas (3.46) a (3.57) (vase tambin el
apartado 5. Ejemplos, figura 32).
4.4.10
Cuando existe una variacin significativa tanto de la posicin como de la dispersin de proceso o
en caso de una variacin significativa de la posicin de proceso y una contradiccin a una
distribucin normal momentnea 24) el comportamiento cronolgico debe identificarse mediante el
24)
En el caso de distribuciones anormales momentneamente estn relacionadas modificaciones de la posicin significativas con
modificaciones de la dispersin, tambin en los casos en los que no se ha determinado mediante el Test Cochran una modificacin
significativa de la dispersin, de tal manera que el procedimiento del proceso se debe describir mediante el modelo de tiempo de
proceso D. (vase ejemplo en la figura 34).
Pgina 46
VW 101 31: 2005-02
modelo de tiempo de proceso D y es preciso realizar un clculo no distribuido de los valores
caractersticos de capacidad en funcin del tipo de tolerancia segn las frmulas (3.46) a (3.57)
(vase tambin el apartado 5. Ejemplos, figura 33).
4.5
Documentacin
Datos de cabecera:
-
Especificaciones de mquina
Tiempo de comprobacin
Resultados:
-
Representacin grfica del desarrollo de los valores individuales con los valores medios del
muestreo con lneas lmite del intervalo de tolerancia (en caso de valores individuales
registrados)
Histograma con el modelo de distribucin adaptado, lneas lmite del intervalo de tolerancia y
del margen de dispersin, as como lnea del valor medio o bien del valor mediano (vase
ejemplos en el apartado 5, diagramas medios)
Valores estimados de los lmites de dispersin o valor estimado del margen de dispersin
Indicaciones y observaciones:
-
Pgina 47
VW 101 31: 2005-02
4.6
Valoracin de resultados
Si un proceso referente a una caracterstica analizada puede evaluarse como controlado e idneo
depende de la evaluacin de resultados como sigue:
En el caso de que en una evaluacin resulten valores extraos es preciso analizar los valores de
medicin registrados para aclarar en lo posible sus causas. Los valores extraos pueden
producirse nicamente a causa de mediciones incorrectas o porque se han identificado
errneamente como tales mediante el ensayo de valores extraos debido a la probabilidad de
error especificada de 1%. En caso contrario, el proceso debe valorarse como no controlado. En el
caso de que ms de un 5% de los valores de medicin registrados o ms de 3 valores se hayan
identificado como valores extraos, es preciso analizar si el proceso de ensayo es incorrecto. En
su caso es preciso repetir la PFU.
En el caso de que los valores de medicin registrados muestren unas variaciones significativas
de la posicin o dispersin de proceso, en general es preciso conocer las causas, seguir el
comportamiento cronolgico de una regularidad conocida o las variaciones deben situarse dentro
de unos lmites conocidos. Adems los efectos deberan ser aceptables para que el proceso
pueda valorarse como controlado.
En la mayora de los casos, cuando se trata de procesos identificados mediante el modelo de
tiempo de proceso C1, C3 o C4, las variaciones de posicin se producen debido a desgaste de
herramienta, cambio de herramienta, cambio de lotes de material u otras influencias sistemticas
conocidas, de manera que estos procesos, tratndose de efectos aceptables, por regla general
pueden valorarse como controlados (vase tambin el apartado 5. Ejemplos, figura 29 a 31).
Por el contrario, los procesos identificados mediante el modelo de tiempo de proceso B o D
deben valorarse como no controlados, ya que una variacin de dispersin en la mayora de las
ocasiones seala un empeoramiento de la fabricacin que no puede corregirse mediante controles
de mquina, a no ser que se trate de una reduccin de la dispersin debido a una medida
correctora (vase tambin el apartado 5. Ejemplos, figura 32 a 34).
Adems, los procesos identificados mediante el modelo de tiempo de proceso A2* deben
valorarse como no controlados si no se conocen las causas de la desviacin significativa del
modelo de distribucin especificado y no existe la posibilidad de asignar otro modelo de
distribucin a la caracterstica analizada 25)(vase tambin el apartado 5. Ejemplos, figura 28). En
el caso de que se cuestione otro modelo de distribucin apropiado para la caracterstica, es
preciso repetir la evaluacin con este modelo.
Si no se ha acordado de otra forma, los valores caractersticos de capacidad determinados en el
caso de un volumen total efectivo de muestreo de n g 125 (es decir, sin valores extraos) deben
cumplir el requisito
c p 1,33 y c pk 1,33 para una caracterstica con tolerancias por ambos lados
c pk 1,33 para una caracterstica con tolerancia unilateral
para que el proceso pueda valorarse como idneo. Para la comparacin con los valores lmite es
preciso redondear los valores caractersticos de capacidad determinados hasta la segunda
decimal, de forma que, por ejemplo, un valor determinado de c pk = 1,32645 con el redondeo
resultante de 1,33 siga cumpliendo el requisito.
Con un volumen total efectivo de muestreo de 30 n g < 125 deben cumplirse unos valores lmite
de capacidad convenientemente superiores. Para algunos volmenes de muestreo los valores
lmite adaptados estn indicados en la tabla 5. En el caso de haber acordado otros valores lmite
25
En el caso de una tolerancia muy pequea (T < 5 m) resulta a menudo una desviacin significativa del modelo de distribucin
determinado a causa de una resolucin de los valores de medicin limitada.
Pgina 48
VW 101 31: 2005-02
sobre la base de n g 125 es preciso determinar los correspondientes valores lmite adaptados
segn las frmulas (4.7) a (4.9).
Tabla 5 - Valores lmite adaptados para la capacidad de proceso para 30 ng < 125
ng
c p
c pk
30
1,54
35
40
45
50
60
70
80
100
125
1,51
1,48
1,46
1,44
1,41
1,39
1,37
1,35
1,33
valor lmite, pero ste debera ser de como mnimo 1,67 para que se pueda cumplir el requisito de
proceso, incluso en caso de intervenciones de proceso, por ejemplo, en procesos con tendencia.
Los resultados de una PFU no slo tienen importancia para la valoracin de un proceso, sino
tambin para la determinacin del lmite de intervencin de las tarjetas de regulacin de la calidad
para el control y la direccin continuada de un proceso.
Pgina 49
VW 101 31: 2005-02
4.7
4.8
Tratamiento de procesos no controlados o no idneos
En el caso de que en un futuro prximo no se pueda alcanzar un proceso idneo para la
caracterstica analizada mediante medidas correctoras econmicamente viables, es preciso
documentar los motivos.
En primer lugar debera analizarse con ayuda del clculo estadstico de tolerancias segn la
norma del Grupo VW 01057, si con la condicin de un proceso controlado existe la posibilidad de
una ampliacin de tolerancias para la caracterstica analizada en el intervalo requerido.
En el caso de que no se pueda ampliar la tolerancia es preciso acordar y documentar medidas
apropiadas para el control de proceso, por ejemplo un control del 100%.
Pgina 50
VW 101 31: 2005-02
Ejemplos
Frecuencia relativa
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
20,039
20,153
19,926
N
A1
1,78
1,76
1,41
Valor de medicin
Pgina 51
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
0
0,4
0
5
51
255
0
1,33
0,077
0,280
0,000
B1
A2
1,43
1,59
Valor de medicin
Pgina 52
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
0
0,4
0
5
51
255
0
1,33
0,094
0,262
0,004
B2
A2
1,55
1,82
Valor de medicin
Pgina 53
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
20,001
20,158
19,849
A2*
1,29
1,28
Figura 28 - Proceso no idneo con posicin y dispersin constantes pero con distribucin
mixta momentnea, por ejemplo, debido a la toma de muestreo de 2 herramientas
Frecuencia relativa
Pgina 54
VW 101 31: 2005-02
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
19,984
20,119
19,850
N
C1
2,06
1,49
1,37
Frecuencia relativa
Pgina 55
VW 101 31: 2005-02
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
20,004
20,150
19,859
EN
C3
2,02
1,38
1,35
Valor de medicin
Pgina 56
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
19,997
20,148
19,854
MV
C4
2,03
1,36
1,35
Valor de medicin
Pgina 57
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
19,996
20,177
19,809
B
1,24
1,09
1,05
Figura 32 - Proceso no controlado y no ideno con posicin constante pero con variacin
de dispersin, por ejemplo, debido al desgaste de un rodamiento de la mquina
Valor de medicin
Pgina 58
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
19,988
20,195
19,859
D
1,27
1,19
1,03
Valor de medicin
Pgina 59
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
Volumen de muestreo individual
Cantidad de muestreo m
Volumen total de muestreo
Cantidad de valores extraos
Valor lmite para Cp y Cpk
20
20,2
19,8
5
51
255
0
1,33
0,133
0,363
0,001
D
1,10
1,15
Pgina 60
VW 101 31: 2005-02
VW 010 56
VW 010 57
VW 101 33
DIN 55319
ISO 5479
Bibliografa
[1] Graf, Henning, Stange, Willrich, Formeln und Tabellen der angewandten mathematischen
Statistik (Frmulas y tablas de la estadstica matemtica aplicada), Springer Verlag, tercera
edicin 1987
[2] Khlmeyer M., Statistische Auswertungsmethoden fr Ingenieure (Mtodos estadsticos de
evaluacin para ingenieros), Springer-Verlag, 2001
[3] DGQ-Schrift Nr. 16-32, SPC 2 Qualittsregelkartentechnik (Tcnica de las tarjetas de
regulacin de la calidad), cuarta edicin, 1992
Pgina 61
VW 101 31: 2005-02
Palabra clave
A
Anlisis de variancia simple
Aplicacin de medios de ensayo
Ampliacin de tolerancia
30
40
49
C
Clculo estadstico de tolerancias
Cantidad de muestreo m
Capacidad
49
40
3
16
16,25
16,26
16,26
11
30,42
4
4
19
21
24
25
40
40
33
Cuantila
- de la distribucin del chi al cuadrado
- de distribucin normal momentnea
- de la distribucin F
- de la distribucin t
16,28
28
28
34
34
D
Desviacin de linealidad
Desviacin estndar
Desviacin estndar momentnea m
Desviacin radial r
Determinacin de capacidad
Discontinuidad de posicin
Distribucin
Distribucin de frecuencia
Distribucin de Rayleigh
Distribucin de valor tipo 1
Distribucin de valor tipo 2
F
Factor de correccin k
Frecuencia absoluta a
Frecuencia absoluta acumulada A
Frecuencia de muestreo
34
9,17
12
15
31
3
30,40
12
10,19
12,21
26
18,27
27
40
Distribucin F
Distribucin mixta
Distribucin momentnea
Distribucin normal
Distribucin normal ampliada
Distribucin normal estandarizada
- Transformacin en u
- Funcin de distribucin (ug)
- Funcin de densidad de probabilidad
(u)
Distribucin resultante
Distribucin t
Distribucin w
Documentacin
E
Ensayo
- de desviacin de distribucin normal
Pgina
34
14,25
4
4,9
7,13
10
10
10
10
5
34
18,27
46
30,43
- de desviacin de linealidad
- de discontinuidad de posicin
- de la distribucin normal momentnea
- de la distribucin normal resultante
- de modelo de distribucin
especificado
- de variacin de la posicin de proceso
- de variacin de la dispersin de
proceso
- de pendiente de la recta de regresin
- de tendencia
- de valores extraos
- de variacin de la posicin de proceso
Ensayo de Cochran
Ensayo de Epps-Pulley
Ensayo de Hampel
Ensayo de Kruskal-Wallis
Ensayo de Shapiro-Wilk
Ensayos estadsticos
Envergadura R
Estimacin no distribuida
Estimacin/Valor estimado
Evaluacin de datos
Evolucin de dientes de sierra
Excentricidad z
34
32
30,44
44
43
30,42
30,43
30
30
30
30
18,26
25
15,16
41
31
12
Probabilidad p
Probabilidad de error
Proceso controlado
Punto de discontinuidad
10
30
4,47
31
30,42
30,42
33
30,42
Pgina 62
VW 101 31: 2005-02
Palabra clave
Funcin de densidad de probabilidad
f(x)
Funcin de densidad f(x)
Funcin de distribucin F(x)
G
Grado de libertad f
28,34
H
Histograma
Hiptesis alternativa
Hiptesis nula
46
30
30
I
Influencias aleatorios
Intervalo de tolerancia
3
3
L
Lmite del margen de confianza
Lmites de dispersin x0,135%, x99,865%
- de la distribucin normal
28
19
19
M
Magnitud de ensayo
Margen proporcional estadstico
30
28
Medida mxima Go
16
Medida mnima Gu
Mejora del proceso
Mtodo de medicin
Modelo de distribucin
16
49
40
9
N
Nmero de muestreo
33
P
Parmetros de una distribucin
Parmetros estadsticos
PFU limitada
Posicin
9
17
41
3
Recta de regresin
Red de probabilidad
Redondeo de valores de capacidad
Residuos
Riesgo beta
Riesgo
T
Tendencia
Tendencia lineal
Tiempo de comprobacin
Tipo de caracterstica
Toma del muestreo
V
Valor caracterstico de capacidad
momentneo cp*
Valor de caracterstica
Valor esperado de la distribucin w dn
Valor mediano
Valor medio
Valor umbral
Valoracin de resultados
Valores caractersticos de capacidad
cp y cpk
Valores de medicin/Envergaduras
clasificados
Valores extraos
Valores lmite de capacidad
Valores lmite de capacidad adaptados
Valores lmite para la capacidad de
proceso
Variacin total de clase x
Variacin/Desviacin significativa
Variancia 2
Variancia momentnea
Variancia total
Volumen de muestreo n
Volumen total de muestreo
Volumen total efectivo de muestreo ng
Pgina
33
46
47
33
31
31
31
34
40
9,41
40
16,48
3
18
26
17
31
47
3,15
17,27
30,42
28,47
29,48
28,47
18
31
9
32
32
40
17
17,40