Vw10131 Español

Febrero 2005
Comprobacin de capacidad de proceso

para
caractersticas medibles
VW
101 31
Norma del Grupo

Palabras clave: Comprobacin de capacidad de proceso, anlisis de los datos del proceso,
valor caracterstico de capacidad, capacidad de calidad, proceso controlado,
proceso idneo, modelo de tiempo de proceso
ndice
Pgina
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
Objetivo y mbito de aplicacin............................................................................................. 2

Principio de la comprobacin de la capacidad de proceso .................................................. 3
Principios tericos.................................................................................................................. 4
Modelos de tiempo de proceso ............................................................................................. 4
Modelos de distribucin......................................................................................................... 9
Distribucin normal ................................................................................................................ 9
Distribucin de valor tipo 1 .................................................................................................. 10
Distribucin de valor tipo 2 (distribucin de Rayleigh) ........................................................ 12
Distribucin normal ampliada .............................................................................................. 13
Distribucin mixta ................................................................................................................ 14
Determinacin de capacidad ............................................................................................... 15
Determinacin de capacidad en caso de modelos de distribucin definidos ..................... 16
Determinacin de capacidad en caso de modelos de distribucin no definidos................ 25
Valores lmite para la capacidad de proceso ...................................................................... 28
Ensayos estadsticos ........................................................................................................... 30
Ejecucin de una comprobacin de capacidad de proceso ............................................... 35
Aplicacin de medios de ensayo ......................................................................................... 40
Toma del muestreo .............................................................................................................. 40
Regulacin especial para la comprobacin de capacidad de proceso (PFU) limitada ...... 41
Evaluacin de datos ............................................................................................................ 41
Seleccin del modelo de distribucin esperado.................................................................. 41
Ensayo de valores extraos ................................................................................................ 42
Separacin de los valores extraos del clculo de los valores caractersticos
estadsticos .......................................................................................................................... 42
Ensayo de variacin de la dispersin de proceso............................................................... 42
Ensayo de variacin de la posicin de proceso .................................................................. 42
Evaluacin segn los modelos de tiempo de proceso A .................................................... 43
Ensayo de desviacin de una distribucin normal momentnea ....................................... 44
Evaluacin segn modelos de tiempo de proceso C.......................................................... 44
Evaluacin segn modelo de tiempo de proceso B............................................................ 45
Evaluacin segn el modelo de tiempo de proceso D........................................................ 45
Documentacin .................................................................................................................... 46
Valoracin de resultados ..................................................................................................... 47
Mejora del proceso .............................................................................................................. 49
Tratamiento de procesos no controlados o no idneos ...................................................... 49
Ejemplos .............................................................................................................................. 50
Otros documentos aplicables .............................................................................................. 60
Bibliografa ........................................................................................................................... 60
ndice de palabras clave...................................................................................................... 61
FE
Continuacin pgina 2 a 62
Normung/Standards (EZTD, 1733)
K-QS-1/2
Bestenreiner Tel: +49-5361-9-26513
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
4.6 Valoracin de resultados
En el apartado 5 se presentan adems unos ejemplos que sirven como ayuda en la valoracin de
resultados.
Objetivo y mbito de aplicacin
El objetivo de una comprobacin de capacidad de proceso (PFU) es ante todo la valoracin y

documentacin de la capacidad de calidad de un proceso de fabricacin en condiciones de serie
reales.
Una comprobacin de capacidad de proceso (PFU) sirve adems para
-
reconocer las influencias sistemticas, condicin previa para una mejora dirigida del proceso
valorar la efectividad de las medidas correctoras de proceso
definir los lmites de intervencin de las tarjetas de regulacin de la calidad

comprobar si existen las condiciones previas para una regulacin efectiva del proceso dentro
del intervalo de tolerancia.
El objeto de esta norma es determinar el modo y las condiciones en que deben realizarse las
comprobaciones de capacidad de proceso. Esta norma es aplicable a cualquiera de las
caractersticas de fabricacin continua 1)(medibles) o a cualquiera de los parmetros de proceso2).
-
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
Figura 1 - Ejemplo de una distribucin de valores de caracterstica dentro de un intervalo de

tolerancia definido
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
Modelos de tiempo de proceso
Un criterio importante para valorar un proceso de fabricacin es su comportamiento en el tiempo,

ya que de ello se puede deducir si el proceso est controlado o no, con lo cual la obtencin de un
proceso controlado es la condicin previa para una mejora de proceso dirigida.
Un proceso se puede considerar controlado si la evolucin es constante, si su comportamiento
en el tiempo est sometido a una regularidad conocida o si las variaciones se sitan en dentro de
lmites conocidos.
El comportamiento en el tiempo del proceso puede describirse esencialmente en funcin de los
parmetros estadsticos de la posicin y la dispersin de la distribucin momentnea de los
valores de caracterstica, del valor medio m y de la desviacin estndar momentnea m 5).
Segn DIN 55319 el comportamiento en el tiempo del proceso se divide en 4 casos bsicos cuya
identificacin se muestra en la tabla 16).
Tabla 1 - Identificacin de modelos de tiempo de proceso
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 A est dividido segn el tipo de distribucin

momentnea en
A1: Distribucin normal
A2: Modelo de distribucin definido pero no normal
A2*: Modelo de distribucin no definido7)
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
Figura 2 - Modelo de tiempo de proceso A1
Modelo de tiempo de proceso A2:

Posicin:
Constante
Dispersin:
Constante
Distribucin momentnea: Modelo de distribucin definido excepto distribucin normal
Modelo de distribucin definido excepto distribucin normal
Ejemplo:
Desviaciones de concentricidad
Frecuencia
Tiempo
Figura 3 - Modelo de tiempo de proceso A2
Pgina 6
VW 101 31: 2005-02
Modelo de tiempo de proceso A2*:
Posicin:
Constante
Dispersin:
Constante
Distribucin momentnea: Modelo de distribucin no definido
Modelo de distribucin no definido
Ejemplo:
Distribucin mixta debido a la toma de muestreo de 2 herramientas
Frecuencia
Tiempo
Figura 4 - Modelo de tiempo de proceso A2*
Modelo de tiempo de proceso B:

Posicin:
Constante
Dispersin:
No constante
Ejemplo:
Aumento de dispersin debido al desgaste de un rodamiento de
mquina.
Frecuencia
Tiempo
Figura 5 - Modelo de tiempo de proceso B
Pgina 7
VW 101 31: 2005-02
Modelo de tiempo de proceso C1:
Posicin:
Variaciones no sistemticas
Dispersin:
Constante
Distribucin normal
Ejemplo:
Proceso con discontinuidades debido a cambios de herramienta
frecuentes
Distribucin reslutante
Frecuencia
Tiempo
Figura 6 - Modelo de tiempo de proceso C1

Posicin:
Variacin sistemtica (tendencia y ciclos)
Dispersin:
Constante
Distribucin normal ampliada
Ejemplo:
Proceso con tendencia debido a desgaste de herramienta
Frecuencia
Tiempo
Pgina 8
VW 101 31: 2005-02
Posicin:
Variaciones sistemticas y no sistemticas
Dispersin:
Constante
Distribucin mixta
Ejemplo:
Proceso con discontinuidades debido a cambio de lote
Frecuencia
Tiempo
Modelo de tiempo de proceso D:

Posicin:
No constante
Dispersin:
No constante
Distribucin momentnea: Distribucin arbitraria:
Ejemplo:
Proceso no controlado
Frecuencia
Tiempo
Figura 9 - Modelo de tiempo de proceso D
Pgina 9
VW 101 31: 2005-02
3.2
Modelos de distribucin
La distribucin de valores de caracterstica para la mayora de clases de caractersticas de

fabricacin puede describirse mediante un modelo de distribucin. Para la mayor parte de
caractersticas de fabricacin con tolerancias por ambos lados, por ejemplo medidas
longitudinales, dimetros y pares puede tomarse como base una distribucin normal.
En cambio, el comportamiento de dispersin de caractersticas de fabricacin con tolerancia
unilateral hacia arriba generalmente puede describirse mediante las distribuciones de valor de tipo
1 o tipo 2. Por ejemplo se puede tomar como base la distribucin de valor tipo 1 para las
caractersticas de paralelidad, asimetra y la distribucin de valor tipo 2 para las caractersticas de
posicin y coaxialidad.
Adems de los modelos de distribucin para procesos con posicin y dispersin constantes
(modelos e tiempo de proceso A) existen modelos de distribucin que describen el
comportamiento de dispersin resultante de procesos con dispersin constante pero con posicin
no constante (modelos de tiempo de proceso C). De este modo, en el caso de un proceso con
tendencia (modelo C3) puede aplicarse la distribucin normal ampliada y en el caso de un proceso
con discontinuidades de lote (modelo C4) la distribucin mixta.
3.2.1
Distribucin normal
La funcin de la densidad de probabilidad (abreviado funcin de densidad) de una

distribucin normal representada en la figura 10 es:
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
2
+2
3
+3
4
+4
Figura 10 - Funcin de la densidad de probabilidad de una distribucin normal
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)
y f N (x ) 0 se aplica para todos los valores x.

Con la transformacin
u=
(2.4)
resulta de (2.1) la densidad de probabilidad de la distribucin normal estandarizada
(u ) =
1
2
1
u2
e 2
(2.5)
y la funcin de distribucin
ug
(u g ) = (u ) du
(2.6)
con la desviacin estndar = 1
3.2.2
Distribucin de valor tipo 1
La distribucin de valor tipo 1 se produce por plegadura de la funcin de densidad de una

distribucin normal en el punto cero, con lo cual los valores de funcin a la izquierda del punto de
plegadura deben adicionarse a los valores a la derecha.
La funcin de densidad y la funcin de distribucin de la distribucin de valor tipo 1 son por tanto
1 x + N
1 x N

2
1
2
fB1 (x ) =
e N + e N
N 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
N = 0
1 N
2N
N = 2 N
N = 3 N
3N
4N
5N
6 N
Figura 11 - Funciones de densidad de la distribucin de valor tipo 1 con diferentes ceros

flotantes
El valor medio y la variancia de la distribucin de valor tipo 1 son:

= N N

N
2 N
+
e
1
N
2N
2 = N2 + N2 2
(2.9)
(2.10)
Para el caso de un cero flotante N = 0 resulta de (2.9) y (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
Distribucin de valor tipo 2 (distribucin de Rayleigh)
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 :
Desviacin estndar de los componentes ortogonales x e y, de los cuales resulta la

desviacin radial r de un punto de referencia o un eje de referencia
z:
Excentricidad: Distancia entre origen de coordenadas y centro de frecuencia
La figura 12 muestra funciones de densidad de la distribucin de valor tipo 2 que resultan en el

caso de distintas excentricidades en unidades de N.
z = 1N
z = 2 N
z = 3 N
z=0
1N
2 N
3N
4N
5N
6N
Figura 12 - Funciones de densidad de la distribucin de valor tipo 2 con diferentes

excentricidades
El valor medio y la variancia de la distribucin de valor tipo 2 son:
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)
y de aqu por otra parte el valor medio y la variancia
= 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
La distribucin normal ampliada resulta aproximada como distribucin resultante de la

superposicin de las distribuciones normales momentneas, cuyas desviaciones estndar son
idnticas pero cuyos valores medios se desplazan linealmente con el tiempo de manera creciente
respecto a la posicin inicial (vase modelo de tiempo de proceso C3 en el apartado 3.1).
La funcin de densidad de la distribucin normal ampliada es:
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
N1 , N 2 : Valores medios de las distribuciones normales
que limitan la distribucin normal
ampliada
N :
Desviacin estndar de las distribuciones normales que limitan la distribucin normal

ampliada
En figura 13 se representa un ejemplo de una distribucin normal ampliada.
N1
N2
Figura 13 - Funcin de densidad de una distribucin normal ampliada
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
con los factores de peso
gl =
tl
tg
(2.25)
donde
L : Cantidad de las distribuciones normales superpuestas

l : Valor medio de la distribucin normal en posicin l
m : Desviacin estndar de las distribuciones normales momentneas superpuestas
t l : Dominio de tiempo en posicin l con la posicin de proceso constante
t g : Tiempo total de la comprobacin

Con el factor de escala
c=
fM (x ) dx
*
resulta de (2.24) la densidad de probabilidad de la distribucin mixta
(2.26)
Pgina 15
VW 101 31: 2005-02
fM ( x ) =
1 *
fM ( x )
c
(2.27)
En figura 14 se representa un ejemplo de una distribucin mixta
k
k
2
Figura 14 - Funcin de densidad de una distribucin mixta resultante de dos distribuciones

normales con valores medios distintos
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
Determinacin de capacidad en caso de modelos de distribucin definidos
3.3.1.1 Valores caractersticos de capacidad

Para una caracterstica de fabricacin pendiente de analizar cuyos valores de muestreo no estn
en contradiccin con un modelo de distribucin tericamente esperado se realiza una estimacin
de los valores caractersticos de capacidad para cada caso segn las siguientes frmulas:
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
m : Desviacin estndar momentnea estimada (o incluso interna) del proceso

De ese modo se puede indicar qu valor caracterstico de capacidad sera alcanzable en
relaciones ideales de un proceso constante y centrado. Este valor por tanto es especialmente
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)
con los valores medios de los muestreos individuales

n
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)
con las variancias de los distintos muestreos individuales

n
s 2j
j
1
=
(x x j
n j 1 i =1 ji
)2
(3.12)
En el caso de datos pendientes de evaluacin en forma de distribuciones de frecuencia de

valores de medicin y envergaduras clasificados, por ejemplo de tarjetas de regulacin
guiadas manualmente con una divisin de clases de la gama de valores y de los registros de
valores de medicin en forma de rayas, se pueden estimar los parmetros y mediante
= 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
x k : Valor medio de la clase en posicin k

a k : Frecuencia absoluta de los valores de medicin en la clase en posicin k
K : Cantidad mxima de las clases de valores de medicin

La estimacin de la desviacin estndar momentnea se realiza mediante la aceptacin de una
distribucin normal momentnea de las envergaduras clasificadas Rk de los muestreos
individuales mediante
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
3.3.1.3 Estimacin de los lmites de dispersin

Los lmites de dispersin dependen del modelo de distribucin y la estimacin se realiza como se
expone a continuacin:
Lmites de dispersin de la distribucin normal:

En el caso de una distribucin normal como modelo de distribucin apropiado de los valores
determinados segn (3.7) y (3.8) o bien (3.13) y (3.14) resultan y como valores estimados
para los lmites de dispersin
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.
Lmites de dispersin de la distribucin de valor tipo 1:

Para determinar los lmites de dispersin para una distribucin de valor tipo 1 en primer lugar se
realiza una estimacin de los parmetros y segn la frmula (3.7) y (3.8) o bien (3.13) y (3.14).
Para el caso < 3 de los parmetros y estimados se realiza una estimacin de los valores
de parmetros buscados y de la distribucin de valor tipo 1 que se debe adaptar procediendo
de la siguiente manera:
De la ecuacin (2.9) se obtiene la funcin
= B1 N
N
N
N
=
N

N

N
2
2
1
N
2 N
(3.22)
Con la ecuacin (2.10) resulta la funcin
= B1 N

B1 N
N

1 + N
N

B1 N
(3.23)
De las ecuaciones (2.11) y (2.12) resulta la condicin
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 = 0 y segn la frmula (2.12)
N =
= 1,659
2
(3.27)
La correlacin entre los valores de parmetros N y N de la distribucin de valor tipo 1 y los

valores caractersticos y estadsticos se muestra mediante representacin grfica en la figura
15 referida a .
Parmetros de distribucin relativos
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 /
Figura 15 - Valores de parmetros relativos de la distribucin de valor tipo 1 en funcin

de la 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.
Limite de la banda de dispersin relativo
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 /
Figura 16 - Lmites de dispersin relativos de la distribucin de valor tipo 1 en funcin de la

posicin relativa
Para determinar directamente los valores caractersticos N y N a partir de los valores
caractersticos y tambin es posible utilizar para 1,3236 < 3 la siguiente aproximacin
como funcin inversa de (3.23) con suficiente precisin (error relativo a inferior a 0,01)
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
+ 2 ,505 1,3236 + 5 ,3171

2 ,47 1,3236
0 ,018 1,3236 + 0 ,0028
(3.29)
Para 3 se realiza el clculo de los lmites de dispersin segn la frmula (3.21).
Lmites de dispersin de la distribucin de valor tipo 2:

Para determinar los lmites de dispersin para una distribucin de valor tipo 2 en primer lugar se
realiza una estimacin de los parmetros y segn la frmula (3.7) y (3.8) o bien (3.13) y (3.14).
Para el caso < 6 de los parmetros y estimados se determinan los valores de parmetros
buscados N y N de la distribucin de valor tipo 2 pendientes de adaptacin procediendo de la
siguiente manera:
Pgina 22
VW 101 31: 2005-02
De las ecuaciones (2.14) y (2.16) resulta la funcin
= 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)
Con la ecuacin (2.17) resulta la funcin
= B2
z
B 2
N
z
2 +
N
z
B 2
N
(3.32)
De las ecuaciones (2.20) y (2.21) resulta la condicin
= 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:
z = 0 y segn la frmula (2.21)

N =
2
= 1,526
4
(3.36)
Pgina 23
VW 101 31: 2005-02
Parmetros de distribucin relativos
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
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.
Lmite de la banda de dispersin relativo
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 /
Figura 18 - Lmites de dispersin relativos de la distribucin de valor tipo 2 en funcin

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
+ 2 ,075 1,9131 + 5 ,5485

1,64 1,9131
0 ,9
2 ,6 exp 1,7031 0 ,8 + 1,425 1,9131 2 ,1206
(3.38)
Para 6 se realiza el clculo de los lmites de dispersin segn la frmula (3.21).
Lmites de dispersin de la distribucin normal ampliada:

En el caso de una distribucin normal ampliada los lmites de dispersin pueden estimarse
directamente mediante las siguientes la frmulas:
x 99,865% = N 2 + u
x 0 ,135% = N1 u
(3.39)
donde
: Cuantila de la distribucin normal
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)
La estimacin de la desviacin estndar de la distribucin normal ampliada y m de la

distribucin normal momentnea se realiza segn la frmula (3.8) o (3.14) o bien (3.11) o (3.15).
Pgina 25
VW 101 31: 2005-02
Lmites de dispersin de la distribucin mixta:

En el caso de una distribucin mixta se determinan primero los puntos con variaciones
significativas de la posicin de proceso (puntos de discontinuidad) mediante un ensayo estadstico
(vase apartado 3.5). A continuacin se realiza una estimacin de los valores medios entre estos
puntos segn
1
l = x l =
ml
j ol
nj
x ji
(3.43)
j = j ul i =1
y de la desviacin estndar momentnea m segn la frmula (3.15) con
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
xo , xu : Valores estimados del lmite de dispersin superior e inferior

x50% : Valor estimado de la cuantila de 50%
En el caso de valores individuales
x50% = ~
x
(3.51)
donde
~
x : Valor mediano es el valor que est situado en el centro de una secuencia de valores de
medicin
La estimacin de los lmites de dispersin se realiza mediante
x o
R
= xc k
x u
2
(3.52)
donde
xc =
x max + x min
2
R = x max x min : Envergadura
(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)
se toma en consideracin el volumen total efectivo del muestreo ng, donde
d n : Valor esperado de la distribucin w 12)
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
Para volmenes de muestreo superiores a 20 los valores esperados de la distribucin w pueden

determinarse segn la siguiente la frmula de aproximacin:
d n 1,748 (ln(n g ))0 ,693
(3.56)
En el caso de datos pendientes de evaluacin en forma de distribuciones de frecuencia de

valores de medicin y envergaduras clasificados es
xo , xu igual al lmite superior o bien inferior de la clase ms alta o ms baja ocupada

y
x 50% = x uk +
A uk
ak
x para Auk <
n
Auk + a k
2
(3.57)
donde
x uk : Lmite inferior de la clase en posicin k
x : Variacin total de clase

a k : Frecuencia absoluta de los valores de medicin en la clase en posicin k
Auk : Frecuencia acumulada absoluta de los valores de medicin hasta el lmite inferior de la clase
en posicin k
Pgina 28
VW 101 31: 2005-02
3.4
Valores lmite para la capacidad de proceso
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)
para una caracterstica con tolerancia unilateral13)
c pk c pk ;Grenz
(4.2)
en el caso de un volumen total efectivo de muestreo de n g 125
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
u 99 ,865% = 3 ,0 : Cuantila de la distribucin normal estandarizada

52%;124 = 99 ,3 : Cuantila de la distribucin del chi al cuadrado con un grado de libertad de f =
124 (vase tambin [1])
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)
con el grado de libertad
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
-
desviacin inesperadamente alta de algunos valores de medicin (valores extraos) en

comparacin con la dispersin de los dems valores de medicin,
variacin significativa de la posicin y la dispersin de proceso,
desviacin significativa del modelo de distribucin esperado
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)
-
Ensayo de variacin de la posicin de proceso mediante el ensayo de Kruskal-Wallis no

dependiente de la distribucin (vase [2])
Ensayo de variacin de la dispersin del proceso mediante el ensayo de Cochran15)
(vase [1])
Ensayo de desviacin de la distribucin normal segn Epps-Pulley (vase ISO 5479)
Test de desviacin de la distribucin normal momentnea mediante el ensayo de ShapiroWilk-Test 16) (vase ISO 5479, Apartado 9)
Ensayo de desviacin de cualquier modelo de distribucin especificado mediante el

ensayo del chi al cuadrado (vase [1])
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.
-
La ejecucin de todos los ensayos estadsticos se realiza segn el siguiente esquema:Formacin

de la hiptesis nula H0 y la hiptesis alternativa H1, por ejemplo H0 : La totalidad de los valores
de medicin de la caracterstica analizada es de distribucin normal H1 : La totalidad de los valores
de medicin de la caracterstica analizada no es de distribucin normal
-
15)
16)
17)
Especificacin del coeficiente de confianza = 1- o de la probabilidad de error

(generalmente = 95% , 99% o bien 99,9%)
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
-
Formacin de la frmula para la magnitud de ensayo
Clculo del valor experimental de los valores del muestreo segn la frmula de la magnitud de
ensayo
Determinar el valor umbral (cuantila) de la distribucin 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
Figura 19 - Ejemplo de una evolucin de proceso con tendencia y correccin de posicin
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
x j : Valor medio del muestreo en posicin j del volumen n

Valor umbral:
E = 12 ;1
6
27
m2 +
R2
n
4
(5.2)
donde
R2 = 2 m2
(5.3)
2 :
Variancia total estimada segn la frmula (3.8)
2
m
Variancia momentnea estimada segn la frmula (3.11)
2
1 ;1 :
Cuantila de la distribucin del chi al cuadrado con el grado de libertad 1
Es vlido H1, en caso de valor experimental en posicin j x j
)2 > E
(5.4)
A partir de j se determina entonces el ltimo punto de discontinuidad en posicin l
{
{
{
}
}
}
(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)
De esta forma se especifica el margen en posicin l entre dos puntos de discontinuidad
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)
j l : Valor medio de los nmeros de muestreo
x l : Valor medio de los valores medios de muestreo

A continuacin se realiza un ensayo de desviacin de la pendiente de la recta de regresin de
cero:
H 0 : a1 = 0
H 1 : a1 0
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)
x j = a 0 + a1 j : Valores estimados para tendencia lineal
(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
: Cuantila de la distribucin t (vase tambin [1])
Para evitar la determinacin errnea de una tendencia en el caso de una discontinuidad de

posicin se realiza adems el siguiente ensayo de desviacin de linealidad:
H 0 : Tendencia lineal
H 1 : Tendencia no lineal
Magnitud de ensayo:
F =n
s r2
(5.19)
s K2
Es vlido H1, en caso de
F > F1 ; f1 ; f2
(5.20)
donde
F1 ;f1 ;f2 : Cuantila de la distribucin F (vase tambin [1]) con

f1 = ml 2
(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.
Si despus del ensayo de tendencia anteriormente descrito no se acepta el modelo de tiempo de

proceso C3, entones los valores de medicin registrados deben analizarse para comprobar si
existe una desviacin de una totalidad de distribucin normal. Cuando no resulta ninguna
contradiccin respecto a la hiptesis de una distribucin normal se acepta el modelo de tiempo de
proceso C1. En caso contrario se acepta el modelo de tiempo de proceso C4, con lo cual se
realiza el ensayo de discontinuidades de posicin para determinar la distribucin mixta hasta el
valor umbral
E = 12 ;1
6
m2
n
de la misma forma que el ensayo de tendencia.
(5.23)
Pgina 35
VW 101 31: 2005-02
Ejecucin de una comprobacin de capacidad de proceso
La comprobacin de capacidad de proceso (PFU) debe realizarse segn el desarrollo

representado en las figuras 20 a 24.
Inicio
4.1 Aplicacin de medios de

ensayo
4.2 Toma de muestreo
Condiciones de
PFU cumplidas
no
4.3 Regulacin especial

para PFU limitada
4.4 Evaluacin de datos
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
Figura 20 - Desarrollo de una comprobacin de capacidad de proceso
Pgina 36
VW 101 31: 2005-02
Figura 21 - Proceso de la evaluacin de datos
Pgina 37
VW 101 31: 2005-02
4.4.6. Evaluacin segn el

modelo de tiempo de proceso A
4.4.6.1 Ensayo de desviacin del

modelo de distribucin especificado
Desviacin del
modelo de
distribucin
no
no
Desviacin normal
4.4.6.4 Evaluacin segn el

modelo de tiempo de proceso A2*
s
4.4.6.3 Evaluacin segn el
modelo de tiempo de proceso A2
4.4.6.2 Evaluacin segn el modelo

de tiempo de proceso A1
Continuacin en 4.4
Figura 22 - Proceso de la evaluacin de datos segn modelos de tiempo de proceso A
Pgina 38
VW 101 31: 2005-02
Figura 23 - Proceso de la evaluacin de datos segn modelos de tiempo de proceso C
Pgina 39
VW 101 31: 2005-02
4.6 Valoracin de resultados
Existen valores extraos
no
Valores extraos a
causa de medicin
errneas
no
Modelo de tiempo
de proceso A
s
Desviacin del modelo

de distribucin
no
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
Figura 24 - Proceso de la valoracin de resultados
no
Pgina 40
VW 101 31: 2005-02
4.1
Aplicacin de medios de ensayo
Para la PFU nicamente debe aplicarse un medio de ensayo que haya aprobado el departamento
responsable del proceso de ensayo previsto.
4.2
Toma del muestreo
Una PFU se refiere exclusivamente a una caracterstica de fabricacin o un parmetro de proceso.

Por regla general para la evaluacin es preciso registrar los distintos valores de medicin del
muestreo. En caso de tarjetas de regulacin de la calidad dirigidas manualmente con valores de
medicin registrados en forma de rayas en una divisin de clases de la gama de valores y de
envergaduras de clase determinadas a partir de muestreos individuales, tambin es posible
registrar en su lugar las distribuciones de frecuencia de los valores de medicin y envergaduras
clasificados 18).
Para registrar en lo posible todas de las influencias en condiciones de serie en el marco de una
comprobacin de capacidad (PFU) es preciso cumplir las siguientes condiciones relativas a las
tomas de muestreos:
-
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)
La cantidad de muestreo m debe ascender como mnimo a 6.
El volumen total de muestreo resultante de la cantidad de muestreo y del volumen de

muestreo por regla general debera ascender a m n 125 . En caso de que este volumen
de muestreo sea difcil de conseguir debido a razones econmicas o tcnicas tambin se
admite un volumen inferior. En su caso deben considerarse unos valores lmite
convenientemente superiores segn la tabla 5 o las frmulas (4.7) a (4.9). Sin embargo, el
volumen total efectivo del muestreo (sin valores extraos) debe ser de como mnimo 30.
La frecuencia del muestreo debe ser tan elevada que se realice como mnimo una toma de
muestreo del volumen prefijado n dentro de un intervalo de tiempo en el cual no se esperan
influencias sistemticas en el proceso, es decir, como mnimo un muestreo por
- turno y empleado
- modificacin de valores de parmetros de mquina
- duracin de la herrami enta y
- lote de material
18)
19)
20)
21)
El tiempo de comprobacin durante el cual se extrae el muestreo m debe incluir como

mnimo las siguientes influencias (tiempo recomendado de 1 a 2 semanas):
- 3 cambios de turno
Ya que esta forma de registro de datos manual se aplica a menudo en la prctica, se tiene en cuenta en esta norma, aunque as se
limiten de esta manera algo las posibilidades para el anlisis del proceso. Una condicin previa es que tambin los valores
clasificados del dimetro de sujecin mximo de cada una de las muestras se pueda registrar.
Durante un muestreo se deberan realizar las mediciones de las piezas inmediatamente. Si no se puede evitar la aglomeracin de
varias muestras antes de un procedimiento de medicin, se debe pemitir una asignacin de las piezas a cada muestra en su orden
temporal. El orden de la toma de muestras de cada una de las piezas de un muestreo no debe tenerse en cuenta.
De la PFU se deben tener en cuenta las mediciones, que son necesarias para el dispositivo de la mquina o para tomar medidas
correctoras.
El tipo de muestreo realizado a veces en la prctica, en el que se toma siempre la pieza n, por ejemplo la dcima pieza, de la
fabricacin en serie, no es apropiado para la comprobacin de la capacidad del proceso.
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
Regulacin especial para la comprobacin de capacidad de proceso (PFU) limitada
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
Seleccin del modelo de distribucin esperado
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
Ensayo de valores extraos
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
Separacin de los valores extraos del clculo de los valores caractersticos

estadsticos
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
Ensayo de variacin de la dispersin de proceso
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
Ensayo de variacin de la posicin de proceso
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%.
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
Evaluacin segn los modelos de tiempo de proceso A
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
frmulas (3.46) a (3.57) (vase tambin el apartado 5. Ejemplos, figura 28).
Pgina 44
VW 101 31: 2005-02
4.4.7
Ensayo de desviacin de una distribucin normal momentnea
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.
medicin y envergaduras clasificados no es posible aplicar este ensayo, debiendo proceder segn
lo anteriormente descrito.
4.4.8
Evaluacin segn modelos de tiempo de proceso C
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.
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).
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
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).
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
Evaluacin segn modelo de tiempo de proceso B
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
Evaluacin segn el modelo de tiempo de proceso D
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
La documentacin de una comprobacin de capacidad de proceso relativa a una caracterstica

debe contener como mnimo las siguientes informaciones y representaciones:
Datos de cabecera:
-
Departamento, operario y fecha de elaboracin
Especificaciones sobre la pieza
Denominacin, medida nominal e intervalo de tolerancia de la caracterstica
Especificaciones de mquina
Especificaciones de medios de ensayo
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)
Representacin en la red de probabilidades con el modelo de distribucin adaptado, lneas

lmite del intervalo de tolerancia y del margen de dispersin, as como lnea del valor medio o
del valor mediano (vase ejemplos en el apartado 5, diagramas inferiores)
Volumen de muestreo individual
Cantidad y frecuencia de muestreo
Volumen total efectivo de muestreo
Cantidad de valores extraos determinados
Valor estimado de la posicin de proceso
Valores estimados de los lmites de dispersin o valor estimado del margen de dispersin
Modelo de distribucin aplicado
Modelo de tiempo de proceso
Valor caracterstico de capacidad momentneo Cp* en caso de modelos de tiempo de proceso

C asignados (hasta la segunda decimal)
Valores caractersticos Cp y Cpk (hasta la segunda decimal)
Valores lmite requeridos para Cp y Cpk
Indicaciones y observaciones:
-
En su caso indicacin de PFU limitada y descripcin de las limitaciones
En su caso incidentes especiales durante el tiempo de comprobacin
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
En el caso de que resulte un valor caracterstico de capacidad inferior al valor lmite

correspondiente, el proceso debe valorarse como no idneo.
En el caso de un valor caracterstico determinado c pk 2 ,0 (corresponde a 12 ) y para
caractersticas con tolerancias por ambos lados en caso de c p 2 ,0 , el proceso puede valorarse
como idneo con respecto a la caracterstica analizada independientemente de si existe una
variacin significativa de la posicin o dispersin o una desviacin del modelo de distribucin
especificado.
En el caso de caractersticas con tolerancias por ambos lados es preciso intentar conseguir un
valor Cpk que vare lo menos posible del valor Cp, ya que esto identifica una posicin de proceso
bien centrada. Por el contrario, en el caso de caractersticas con tolerancia unilateral hacia arriba
es preciso intentar conseguir un valor Cpk superior al valor Cp, ya que esto identifica un proceso
cuya posicin est ms cerca del lmite cero natural que de la medida mxima.
Para el valor caracterstico de capacidad momentneo
c *p no se ha especificado ningn otro
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
Mejora del proceso
En el caso de un proceso no controlado o no idneo respecto a una caracterstica analizada es

preciso tomar medidas para una mejora del proceso siempre y cuando stas sean viables desde el
punto de vista econmico. Para ello deben identificarse las inducciones parsitas ms importantes
en el proceso (por ejemplo, mediante la metdica estadstica de ensayo SOE) y eliminarlas.
Mientras que en el caso de procesos no idneos, identificados mediante el modelo de tiempo de
proceso A1 o A2, muchas veces se llega al lmite de la viabilidad econmica en la mejora del
proceso, cuando la tolerancia de valores de caracterstica es inferior a 5 m, aunque existe una
tolerancia semejante en la mayora de los casos es posible conseguir una mejora con costes
econmicos viables para los procesos identificados mediante los otros modelos de tiempo de
proceso.
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
Las siguientes figuras 25 a 34 muestran las evaluaciones de diferentes procesos simulados.
Frecuencia acumulada relativa e4n %
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
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
Valor medio estimado

Lmite de dispersin superior
Lmite de dispersin inferior
Valor momentneo Cp* estimado
Valor Cp estimado
Valor Cpk estimado
20,039
20,153
19,926
N
A1
1,78
1,76
1,41
Figura 25 - Proceso controlado e idneo con posicin y dispersin constantes y

distribucin normal momentnea, por ejemplo, en caso de medidas de longitud de ejes
Valor de medicin
Pgina 51
VW 101 31: 2005-02
Frecuencia relativa
N de muestreo
Frecuencia acumulada relativa en %
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
0
0,4
0
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
0,077
0,280
0,000
B1
A2
1,43
1,59
Figura 26 - Proceso controlado e idneo con posicin y dispersin constantes

y distribucin de valor B1 momentnea, por ejemplo en caso de desviaciones de paralelidad
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
0
0,4
0
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
0,094
0,262
0,004
B2
A2
1,55
1,82
Figura 27 - Proceso controlado e idneo con posicin y dispersin constantes y

distribucin de valor B2 momentnea, por ejemplo, en caso de excentricidades de ejes
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
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
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
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
19,984
20,119
19,850
N
C1
2,06
1,49
1,37
Figura 29 - Proceso controlado e idneo con discontinuidades de posicin frecuentes pero

con dispersin constante y distribucin normal momentnea, por ejemplo, debido a cambio
de herramienta frecuente
Frecuencia relativa
Pgina 55
VW 101 31: 2005-02
Valor de medicin
Valor de medicin
Valor nominal o
Medida mxima
Medida mnima
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
20,004
20,150
19,859
EN
C3
2,02
1,38
1,35
Figura 30 - Proceso controlado e idneo con tendencia, dispersin constante y distribucin

normal momentnea, por ejemplo, en caso de dimetro de ejes debido a desgaste de
herramienta
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
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
19,997
20,148
19,854
MV
C4
2,03
1,36
1,35
Figura 31 - Proceso controlado e idneo con discontinuidades de posicin, dispersin

constante y distribucin normal momentnea, por ejemplo, debido a cambio de lote de
material
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
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
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
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
19,988
20,195
19,859
D
1,27
1,19
1,03
Figura 33 - Proceso no controlado y no idneo con variaciones de posicin y de dispersin
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
20
20,2
19,8
5
51
255
0
1,33

Valor Cp estimado
Valor Cpk estimado
0,133
0,363
0,001
D
1,10
1,15
Figura 34 - Proceso no controlado y no idneo con variaciones de posicin y de dispersin

correlacionadas en caso de una distribucin de valor B2 momentnea, por ejemplo,
tendencia en caso de excentricidades
Pgina 60
VW 101 31: 2005-02
Otros documentos aplicables
VW 010 56
Planos, tolerancia de forma y posicin
VW 010 57
Clculo estadstico de tolerancia y cotas consecutivas
VW 101 33
Ensayo de valores extraos
DIN 55319
Parmetros de capacidad de calidad
ISO 5479
Interpretacin estadstica de datos - Ensayos para el abandono de la distribucin

normal
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
ndice de palabras clave
Palabra clave
Pgina Palabra clave
A
Anlisis de variancia simple
Aplicacin de medios de ensayo
Ampliacin de tolerancia
30
40
49
C
Clculo estadstico de tolerancias
Capacidad
49
40
3
Caracterstica con tolerancia

- por ambos lados
- unilateral hacia abajo
- unilateral hacia arriba
Cero flotante
Coeficiente de confianza
Comportamiento de proceso
Comportamiento en el tiempo de un
proceso
- de la distribucin de valor tipo 1
- de la distribucin de valor tipo 2
- de la distribucin normal ampliada
- de la distribucin mixta
Condiciones de serie
16
16,25
16,26
16,26
11
30,42
4
4
19
21
24
25
40
Condiciones para la toma de muestreo

Covariancia
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
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 estandarizada
- Transformacin en u
- Funcin de distribucin (ug)
- Funcin de densidad de probabilidad
(u)
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
Pgina Palabra clave

9
R
9
10
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
16
49
40
9
Modelos de tiempo de proceso
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 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 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

Vw10131 Español

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Vw10131 Español

Uploaded by

Copyright:

Available Formats

Febrero 2005

Comprobacin de capacidad de proceso

Norma del Grupo

Objetivo y mbito de aplicacin............................................................................................. 2

Bestenreiner Tel: +49-5361-9-26513

4.6 Valoracin de resultados

Objetivo y mbito de aplicacin

El objetivo de una comprobacin de capacidad de proceso (PFU) es ante todo la valoracin y

valorar la efectividad de las medidas correctoras de proceso

definir los lmites de intervencin de las tarjetas de regulacin de la calidad

Figura 1 - Ejemplo de una distribucin de valores de caracterstica dentro de un intervalo de

Modelos de tiempo de proceso

Un criterio importante para valorar un proceso de fabricacin es su comportamiento en el tiempo,

Adems el modelo de tiempo de proceso A est dividido segn el tipo de distribucin

Figura 2 - Modelo de tiempo de proceso A1

Modelo de tiempo de proceso A2:

Figura 3 - Modelo de tiempo de proceso A2

Figura 4 - Modelo de tiempo de proceso A2*

Modelo de tiempo de proceso B:

Figura 5 - Modelo de tiempo de proceso B

Figura 6 - Modelo de tiempo de proceso C1

Modelo de tiempo de proceso C3:

Figura 7 - Modelo de tiempo de proceso C3

Figura 8 - Modelo de tiempo de proceso C4

Modelo de tiempo de proceso D:

Figura 9 - Modelo de tiempo de proceso D

La distribucin de valores de caracterstica para la mayora de clases de caractersticas de

La funcin de la densidad de probabilidad (abreviado funcin de densidad) de una

Figura 10 - Funcin de la densidad de probabilidad de una distribucin normal

y f N (x ) 0 se aplica para todos los valores x.

resulta de (2.1) la densidad de probabilidad de la distribucin normal estandarizada

con la desviacin estndar = 1

Distribucin de valor tipo 1

La distribucin de valor tipo 1 se produce por plegadura de la funcin de densidad de una

Figura 11 - Funciones de densidad de la distribucin de valor tipo 1 con diferentes ceros

El valor medio y la variancia de la distribucin de valor tipo 1 son:

Para el caso de un cero flotante N = 0 resulta de (2.9) y (2.10)

Distribucin de valor tipo 2 (distribucin de Rayleigh)

Desviacin estndar de los componentes ortogonales x e y, de los cuales resulta la

Excentricidad: Distancia entre origen de coordenadas y centro de frecuencia

La figura 12 muestra funciones de densidad de la distribucin de valor tipo 2 que resultan en el

Figura 12 - Funciones de densidad de la distribucin de valor tipo 2 con diferentes

El valor medio y la variancia de la distribucin de valor tipo 2 son:

y de aqu por otra parte el valor medio y la variancia

Distribucin normal ampliada

La distribucin normal ampliada resulta aproximada como distribucin resultante de la

N1 , N 2 : Valores medios de las distribuciones normales

que limitan la distribucin normal

Desviacin estndar de las distribuciones normales que limitan la distribucin normal

En figura 13 se representa un ejemplo de una distribucin normal ampliada.

Figura 13 - Funcin de densidad de una distribucin normal ampliada

con los factores de peso

L : Cantidad de las distribuciones normales superpuestas

t g : Tiempo total de la comprobacin

resulta de (2.24) la densidad de probabilidad de la distribucin mixta

En figura 14 se representa un ejemplo de una distribucin mixta

Figura 14 - Funcin de densidad de una distribucin mixta resultante de dos distribuciones

Determinacin de capacidad en caso de modelos de distribucin definidos

3.3.1.1 Valores caractersticos de capacidad

m : Desviacin estndar momentnea estimada (o incluso interna) del proceso

con los valores medios de los muestreos individuales

con las variancias de los distintos muestreos individuales

En el caso de datos pendientes de evaluacin en forma de distribuciones de frecuencia de

x k : Valor medio de la clase en posicin k