Professional Documents
Culture Documents
Objetivo.
Al trmino del evento el participante ser capaz de realizar una grfica de control, entendiendo su importancia y la contribucin que esta tiene en el desarrollo de sus actividades cotidianas, lo que se ver reflejado en un mejor control del proceso, en calidad del producto y en el cumplimiento de los requisitos del cliente.
Temario.
Modulo 1 Conceptos Estadsticos bsicos. Control del Proceso
Planes de control
2 hrs.
Mdulo 2
Grficos de control
Importancia, tipos, usos y beneficios
3 hrs.
1 hr.
Duracin
Bases conceptuales
2
Fundamentos y aplicacin de los grficos de control
3 GRAFICOS DE CONTROL importancia de los grficos de control tipos de grficos de control usos de los grficos de control beneficio de los grficos de control 4 EJERCICIOS PRACTICOS ejercicios generales
3
Evaluacin de certificacin tericopractica enlazada al plan de control del proceso
5 EVALUACION ejercicio especifico
variables criticas uso de los registros ctqs limites grfica de control x-r interpretacin de tendencias acciones
Proceso
Sistema de Medicin
Plan de Control
4. Verificar y Observar 1. Detectar la Causa Asignable
CEP
es el estudio y control de la variacin. CEP es un mtodo eficiente de recoleccin y anlisis de datos. Se puede aplicar a cualquier cosa expresada en nmeros. Su aplicacin va ms all de manufactura, incluyendo compras, control de produccin, personal, contabilidad, ventas, etc.
Para que un sistema tenga autocontrol todos los que participan, conocern:
Qu es lo que van a hacer Si lo estn haciendo bien Cmo arreglarlo, si no esta bien
Cundo un sistema no cumple esto, el liderazgo carga con el 80% de la carga del control.
Todas las actividades repetitivas de un proceso tienen una cierta cantidad de fluctuacin Las Mediciones de Entradas, Proceso y Salidas fluctuarn Esta fluctuacin se llama Variacin La Variacin es la Voz del Proceso
Medicin
Tiempo
P R O C E S O
Tipo
Causa Comn
Definicin
No influida por una de las 6Ms Esperada Normal Aleatoria
Causa asignable
Variacin prevalece en todas las cosas que hacemos. Genera desperdicio (prdidas financieras) en una operacin de manufactura y transaccional Debemos de reconocer la existencia de la variacin y el desperdicio que esta genera. Entonces la tarea es: entenderla, medirla, clasificarla, controlarla, predecirla y reducirla.
Cada tipo exhibe diferentes caractersticas estadsticas; por lo tanto, para controlar y reducir sus efectos, debemos tratarlas de manera diferente.
de los Datos - Tener datos verdicos es de capital importancia para evitar malentendidos y correcciones dainas. Las Caractersticas de Calidad que estn bajo el estudio del CEP deben estar claramente definidas, comprendidas, y haber sido acordadas por todas las personas involucradas. La aplicacin de los criterios debe ser consistente.
DATOS ATRIBUTOS - Son el resultado de usar instrumentos de medicin de pasa/no pasa, o de la inspeccin de defectos visuales, problemas visuales, partes omitidas, o de decisiones de pasa/no pasa o s/no. DATOS VARIABLES - Los datos son continuos (mediciones). Son el resultado de una medicin real de una caracterstica tal como el tiempo de procesado de una solicitud de crdito, cantidad que pagamos mensualmente por concepto de IVA, la fuerza de tensin del acero, el dimetro de un tubo, etc.
DATOS ATRIBUTOS (Datos producto de Conteos) (#1) Nmero de Artculos en una Categora
Slo pregntate, (Proporciones basadas en Conteos) Estoy Aguilas/ Soles (es decir, conteo del # de Aguilas y # de Soles) contando S / No (El Formulario de pedido se llen en forma precisa o no) cosas Pasa / No pasa; Bueno / malo (Facturacin precisa /Cobrar de ms) aqu? (#2) Conteos de Eventos Discretos Ocurridos Si es as, p # de Raspones en el cofre de un auto tienes p # de Errores en un Formulario datos p # de Interrupciones del Aislante en una Bobina de Alambre atributos.
p
DATOS VARIABLES (Escala de Medicin Continua) (#3) Datos Continuos " Subdivisiones Decimales que son significativas p Ej: Tiempo para dar contestacin telefnica ( # exacto de segundos por llamada)
DATOS ATRIBUTOS
TIPO-I
Alguna burbuja?
(acepto / rechazo todo el artculo)
Rechazo
Rechazo
Acepto
Rechazo
Distribucin Poisson Distribucin Normal u otra
TIPO-II
Nmero de burbujas? 3 2 0 4
DATOS VARIABLES
Distribucin Binomial
Una vez que se ha elegido una caracterstica de un proceso, podemos empezar el estudio seleccionando una muestra para medir tal caracterstica. Entonces podemos sacar conclusiones acerca de la salida del proceso basadas en la muestra. Para llegar a tales conclusiones, debemos conocer tres cosas de la muestra: La forma de su distribucin. La medida de tendencia central (El centro de la distribucin) - media, mediana, moda. La medida de la variabilidad - desviacin estndar, varianza o el rango.
Ambiente - La alta gerencia debe establecer una atmsfera confortable que promueva la accin y el apoyo para todos. Procesos - Definir objetivos en los procesos donde los beneficios sean reales. Caractersticas - Fijar metas en caractersticas especficas cuya mejora traer ganancias. Equipo de Mejora del Proceso - Formar un equipo para cada proceso que se va a graficar. Sistema de Medicin - Escoger sistemas de medicin y aparatos que sean fciles de usar y que tengan la suficiente exactitud. Realizar estudios de errores de medicin. Variacin Innecesaria - Esta debe identificarse y eliminarse antes de empezar a graficar.
Un Sistema de Actividades Cuyo Propsito es Mantener El Desempeo del Proceso en un Nivel Que Satisfaga las Necesidades del Cliente E Impulse las Mejoras Encaminadas A Mejorar el Desempeo del Proceso.
Para Prevenir que un Problema se Repita Retener las Ganancias Para Impedir que las Mejoras se Olviden Para Mantener el Desempeo del Proceso Dentro de un Rango Estadstico Aceptable Para Alentar la Mejora Continua del Proceso
Retener las Ganancias Mejora
El plan de control es el documento donde se establece el monitoreo y los controles de los CTQs y de las variables importantes que aseguran la calidad del producto.
Este mismo documento, establece la frecuencia y el plan de accin a seguir cuando alguna de estas variables se encuentran fuera de especificacin.
Monitorea las Entradas Clave para Prevenir Defectos y La Salida Como la Ve el Cliente para mejorar el proceso Proporciona Controles para cada Mejora Clave Implantada Designa a un Propietario del Proceso que efectuar el Monitoreo Incluye un Mtodo Formal de Monitoreo (por ejemplo, Grficas de Control) Monitorea el Proceso Mensualmente ( o tan frecuentemente como se requiera) Tiene Establecidos Niveles Aceptables de Desempeo (Especificacin)
Qu se va a medir? Con qu frecuencia? Con qu medios? Por quin? Qu mecanismo detectar la falla? Qu ocurre cuando las mediciones estn fuera de control?
La Estandarizacin del Proceso Ayuda a Mantener el Proceso Bajo Control: Muy poca Estandarizacin Demasiada Estandarizacin del Sistema Estandarizacin Correcta Todos Hacen sus Propias cosas Frustracin, Pelearse con el Sistema Utilizacin de los Mejores Mtodos Disponibles, Mejora de los Mtodos
Mtodos de Estandarizacin: El Mtodo Principal de Estandarizacin es la Documentacin: - Procedimientos Escritos - Instrucciones de trabajo - Videos - Hojas de trabajo Ilustradas Otros Mtodos de Estandarizacin son: - Capacitacin - Hacer Todos los Sistemas a Prueba de Errores Que Mtodo Funcionar Mejor?
La Documentacin es un Paso Necesario para Asegurar que las Enseanzas Ganadas Va Mejoras se Compartan e Institucionalicen.
Los Procedimientos con Frecuencia slo Residen en las Mentes del Equipo
La Documentacin es Importante como: Una Ayuda en la Capacitacin de los Miembros Actuales y Futuros del Equipo Una Herramienta de Implantacin para Reducir la Variacin y Captura de las Best Practices
Procedimientos de Verificacin:
Directamente.
Por Observacin Hace Actualmente la Gente lo que el Procedimiento Dice? Se Siguen Todos los Pasos? Se Refiere la gente al Procedimiento? Por Preguntas a los que Utilizan el Procedimiento Est Claro cada Paso del Procedimiento? Tienen Dificultad para Seguir el Procedimiento? Podra Mejorarse el Procedimiento y Todava Obtener Resultados?
Indirectamente..
Por Observacin Cuando fue la ltima Vez que se Revis la Instruccin? Se Utiliza la Grfica de Control como Seal para Investigaciones?
Cuando un Proceso se Monitorea, Se Asegura que El Proceso Permanece Bajo Control - Estadsticamente - Relativo a los Requerimientos del Cliente Se Adoptan Acciones para Prevenir y Eliminar Causas Especiales
LSC
LIC
Qu cosas Monitorear? Concntrese en las Poca Variables Vitales de las Entradas y Salidas, Verificadas como Importantes para el Desempeo ptimo del Proceso
El Trabajo Realizado en Anlisis y Mejora Ayudar a Identificar Qu Variables son Crticas de Monitorear y Controlar
Proceso: Enliste las Mediciones de las Salidas Enliste las Entradas Clave de su Anlisis de Datos Evale las Relaciones entre las Salidas y Entradas
Cmo Monitorear?
Verifique los Lmites de Control Verifique la Grfica de Control contra las Especificaciones del Cliente
Haga Referencia a los Estndares
Una Referencia contra la cual se pueda Evaluar y Verificar las Mediciones de las Entradas, del Proceso y de las Salidas Una Meta que si se Logra Consistentemente, Suministra el Resultado Deseado desde la Perspectiva del Cliente Los Requerimientos del Cliente pueden Cambiar. Cmo Ajustar Su Plan de Control?
Estrategia de Monitoreo
Interpretar las Grficas de Control
Inestable
Es Es Estable?
Estable
Y=
X1 + X2
Para tener resultados, Enfocamos nuestra accin sobre la Y las X? Y Dependiente Salida del Proceso Efecto Sntoma Monitorear X 1 . . . XN Independiente Entrada del Proceso Causa Problema Controlar
Recuerde:
La salida (Y) de un proceso es una funcin de varias entradas (Xs):
Y= Eficiencia de Combustible (lpk) _______ Esta es la Medicin de Desempeo, la Salida, el Resultado Cilindrada Nivel de Octano Edad de Chofer
Las UDNs cuentan con una carpeta especifica en el SAQ donde se almacenan los planes de control de cada una de las reas.
Objetivos Generales
Monitorear un proceso con grficos de control Tipos de grficos de control y su uso Reglas para detectar cambios en procesos Construccin de grficos para mediciones variables X media y Rango (X barra, R) y mediciones individuales - Rangos mviles (I, MR) Interpretacin y acciones
42
Grficas de Control
Dr. Walter Shewhart Laboratorios Bell ~1920 Fue el primero en hacer la distincin entre variacin controlada y no-controlada debida a causas comunes y especiales. Desarroll las grficas de control para separar las dos causas. Es la nica herramienta que distingue entre causas especiales y causas comunes de la variacin.
43
46
Media
605 X =599.1 595
585 0 1 0 20
LIC =584.6
Nmero de Muestra
48
Cualquier punto fuera del lmite de control superior o inferior es seal de que el proceso est fuera de control De otro modo buscamos patrones usando reglas establecidas para reconocer las condiciones fuera de control Solamente use las reglas en las cuales los operadores pueden tomar accin. Reglas de Mabe:
Uno o ms puntos fuera/sobre los lmites de 3-sigma Siete o ms puntos consecutivos sin cruzar la lnea central No existan patrones identificables ( aplicar la regla de los siete segundos)
Used With Permission AlliedSignal 1995 - Dr. Steve Zinkgraf
49
LSC
LIC
0 1 0 20
LIC
0 1 0 20
50
LSC
LSC
LIC
0 1 0 20
LIC
0 5 1 0 1 5
Tendencia:
Movimiento continuo en una direccin. Las tendencias son ocasionadas usualmente por el desgaste gradual de una herramienta o el deterioro de algn otro componente crtico del proceso. Las tendencias pueden resultar tambin por las influencias de la estacin del ao, tales como temperatura, ventas en mayo, entregas de producto al fin de ao.
51
LIC LIC
0 10 20 0 1 0 20
Observation Number
Patrn Cclico:
Se observan ciclos repetidos en la grfica. Esta configuracin puede ser el resultado de un cambio sistemtico como temperatura, fatiga del operador, rotacin regular de operadores y/o mquinas, fluctuaciones de voltaje o presin, ventas de fin de mes, entregas a clientes cada mes, etc...
Mezcla:
Se observa que la mayora de los puntos tienden a caer muy cerca de los lmites de control, y relativamente pocos cerca de la lnea central. Una condicin de mezcla la generan dos o ms distribuciones que se traslapan generando la salida del proceso. La severidad de este modelo depende de qu tanto se traslapen las distribuciones. Algunas veces la mezcla es el resultado de un sobre-control , donde los operadores hacen demasiados ajustes al proceso muy frecuentemente respondiendo a la variacin normal en lugar de reaccionar a las causas asignables nicamente. 52
LIC
0 1 0 20
Estratificacin:
Los puntos graficados tienen la tendencia a agruparse cerca de la lnea central. Una causa potencial de la estratificacin es el clculo incorrecto de los lmites de control. Tambin puede ser que el proceso ha mejorado y su distribucin ya es ms angosta. De cualquier forma, se deben recalcular los lmites de control.
53
Seleccione la caracterstica apropiada que se va a controlar Seleccione el punto de recoleccin de los datos Seleccione el(los) tipo(s) de grfica(s) de control Determine el tamao de la muestra apropiado y la frecuencia Establezca las bases para los sub-grupos racionales
54
TBM
Mapa de Calidad
Identifica todos los pasos del proceso Muestra claramente todas las especificaciones de cada paso Identifica los dispositivos de medicin empleados en cada paso. Estos sistemas se probarn analizando el sistema de medicin Se percibe el control que se tiene contra su realidad. Enfoque total en el paso de transformacin para identificar problemas conocidos
TBM
Mapa de Calidad
Proceso: C lasificacin Fecha:
3 2 1
Pequeo = Todos los Todas las Todos los < .5 de sobres com- etiquetas paquetes espesor pletamente correctas etiquetados abiertos Todas las bandejas orientadas igual
Estndares
=
Algunos no se abren por completo Algunos Algunas paquetes bandejas sin etiqueta de la repisa mal
Problemas Conocidos
Pruebas y Resultados
Revised: 10/01 2001 TBM Consulting Group, Inc. All rights reserved.
55
Determine el mtodo y los criterios de medicin Determine la capacidad del Sistema de Medicin Desarrolle un estudio inicial de capacidad para establecer los lmites de control de prueba Disee las formas para recolectar y graficar los datos Establezca un procedimiento para recolectar, graficar, analizar y actuar; basndose en esta informacin Proporcione instrucciones por escrito y entrene al personal involucrado
56
Variacin de la Medicin
Exactitud
Precisin Repetibilidad
Estabilidad
Linealidad
Reproducibilidad
Los
mtodos del Gage RyR que estudiaremos nos proporcionarn las estimaciones de la variacin total de la medicin, la variacin atribuible a la repetibilidad del equipo de medicin y la variacin atribuible a los operadores/inspectores.
La variacin del Sistema de Medicin es determinada usando el Estudio del Gage de Repetibilidad y Reproducibilidad
57
58
Ejemplo:
Datos atributos
Patrn/Estndar # Defectos # No-defectos # Defectos 45 5 50
62
Muestreo
Tamao de la Muestra
Grfica de datos variables: 5 si es posible Grfica de datos atributos : 30 o ms dependiendo de los porcentajes de defecto en el proceso No demasiadas (muy costoso) No muy poquitas (la informacin no es confiable) Como regla general: mientras ms seguido, es mejor Los sistemas de medicin en-lnea ofrecen control del proceso en el tiempo real Trate de capturarlos cuando los factores clave de un proceso son consistentes Si se hace correctamente, un subgrupo racional para un proceso en control reflejar nicamente variacin de causas comunes
63
Frecuencia de la Muestra
Subgrupos racionales
n=3
n = 10
n = 25
Si el tamao de la muestra se incrementa, los lmites de control estarn ms juntos. Esto tiene el efecto de incrementar la sensibilidad de la grfica a cambios pequeos en el promedio de la poblacin. Tambin disminuye la probabilidad del error tipo II. Como regla general, para datos continuos el tamao del subgrupo (n) debe ser: 2 < n < 6.
64
Existen muchos tipos de grficas de control; sin embargo, los principios bsicos para cada una, son los mismos. El tipo apropiado se escoge utilizando el conocimiento del CEP y los objetivos de su proceso. La seleccin del tipo de grfica depende de:
atributos vs. variables homogeneidad de la muestra Distribucin de los datos normal o anormal Tamao del subgrupoconstante o variable
Used With Permission AlliedSignal 1995 - Dr. Steve Zinkgraf
65
Tipo de datos
Variables
Mediciones individuales o subgrupos?
Los datos tienden a estar normalmente distribuidos debido al teorema del lmite central
Individuales
Si
C
Rango Mvil Datos normalmente distribuidos? Si la media es grande, X y Rm son efectivas tambin
Si
No
X, Rm
No
No
Si
u
Promedio mvil
Si
Tamao del subgrupo constante?
p, np
Xmedia-R
No
66
1.- Grficas de Control de Atributos 1. Estn basadas en decisiones de pasa/no pasa. Se pueden aplicar en casi cualquier operacin donde se recolectan datos. Se utilizan en caractersticas de calidad que no pueden ser medidas o que son costosas o difciles de medir. A diferencia de las grficas de control de datos variables, las grficas de datos atributos se pueden establecer para una caracterstica de calidad o para muchas.
67
Defectos
c - nmero de defectos u - proporcin de defectos
68
69
Distribucin Binomial
Una de dos importantes distribuciones usadas en las grficas de control. Se aplica cuando estamos evaluando defectivos. p y np son grficas basadas en esta distribucin. Existe una medida de tendencia central (media de la fraccin defectiva - p, np) y una medida de variabilidad (desviacin estndar). Evala artculos y los separa en categoras de aceptado/no-aceptado en un proceso estable y una fraccin defectiva (p) conocida.
70
La Grfica de Control p
Esta grfica se emplea cuando observamos defectivos. Puede usarse con tamaos de muestra constantes o variables. Se grafica la fraccin defectiva o el porcentaje defectivo. La medida de tendencia central es la media de la fraccin defectiva (-p) o la media del porcentaje defectivo (P). La medida de variabilidad es la desviacin estndar en ambos casos.
71
Distribucin de Poisson
Aplica cuando se evalan defectos. Las grficas c y u se basan en esta distribucin. Aplica cuando: el tamao de la muestra (n) es grande la fraccin defectiva (p) es pequea np es menor que 20 Esta distribucin tiene una medida de tendencia central (i.e. - nmero promedio de defectos por lote) y una medida de variabilidad (desviacin estndar).
72
La Grfica de Control C
El formato ms simple para observar defectos. Se requiere tamao de muestra constante -- de uno a varias centenas. Grafica el nmero de defectos en cada unidad de inspeccin/lote para cada muestra. La medida de tendencia central es el nmero promedio de defectos por lote -- c. La medida de variabilidad es la desviacin estndar.
73
X-media
Mide el objetivo o el centro del proceso Verifica el cambio en la Media de la variable a travs del tiempo Similar a la X-media Grafica puntos individuales en lugar de la Media Similar a la X-media Grafica todos los puntos en la muestra y el punto de enmedio se encierra en un crculo
Datos Individuales( X)
Mediana
74
Rango
Se usa con la grfica X-media Verifica la variabilidad del proceso a travs del tiempo Mide la ganancia o prdida de uniformidad Similar a la grfica de Rango Usa la estimacin de Sigma de la muestra Similar a la grfica de Rango Se grafica un rango nuevo con cada punto consecutivo Se usa con la grfica individual
Rango Mvil
Estas grficas se emplean para verificar si hay causas especiales en la variabilidad del proceso
75
Grficas de Control X - R
Ventajas Aritmtica simple Muy sensible a cambios en el proceso Limitante Una grfica de control por caracterstica de calidad
76
Principios Bsicos X - R
Funciona porque:
La media de las medias es igual a la media de la salida del proceso.
X =
La desviacin estndar de la distribucin de los promedios de la muestra es igual a 1/ n veces la desviacin estndar de las lecturas individuales en la salida del proceso.
Wx !
Wx n
Sin importar la forma de la distribucin de las lecturas individuales en la salida del proceso, la forma de la distribucin de los promedios de la muestra es normal (forma de campana), siempre y cuando el tamao de la muestra sea cuatro (4) o ms. Este es el teorema del lmite central. 77
Grficas de Control X - R
Seleccione el tamao del subgrupo. Decida la frecuencia de toma datos Coloque las grficas y anote los datos. Calcule la X-media y el R de cada subgrupo. Defina la escala de la grfica. Dibuje los puntos en las grficas X-media y R de cada subgrupo.
Used With Permission AlliedSignal 1995 - Dr. Steve Zinkgraf
78
Subgrupos Racionales
El concepto de Subgrupos Racionales no es nuevo:
Un Subgrupo Racional es aquel que representa, lo ms cerca posible, un conjunto de condiciones homogneas. Para obtener subgrupos que tengan la mxima oportunidad de ser racionales, nosotros tratamos de incluir en una muestra, piezas que fueron hechas lo ms aproximado posible al mismo tiempo.
Manual de Control de Calidad Estadstico de AT&T 1956 79
Subagrupamiento Racional
Subgrupos Racionales
Respuesta de Proceso
Tiempo ELEGIR SUBGRUPOS TALES QUE: 1. Hay el mximo de oportunidad para que las mediciones dentro de cada subgrupo sean parecidas. Un subgrupo debe contener slo variacin de causa comn. 2. Hay el mximo de oportunidad para que los subgrupos difieran uno del siguiente. La diferencia entre los subgrupos es variacin de causa especial. 80
Produccin
Secuencia de Produccin
g n
Objetivo: Establecer ventana de muestreo Lo suficientemente pequea para excluir las influencias sistemticas no aleatorias.
Ventana de Muestreo n= 5
7 7 j =1i=1
(X ij - X)
= n7
j=1
(X j - X) ENTRE
7 7 j =1i =1
(X ij - X j ) 2
TOTAL
Variacin
DENTRO
Variacin de causa comn (Aleatoria)
81
Copyright 1995 Six Sigma Academy, Inc.
Los datos dentro de los subgrupos (Z.st) contendrn solamente Variacin de Causa Comn
82
GRAFICOS DE CONTROL
R Chart for datos - C5
3.0SL=2.395 2
Sme ag a p Rne l
R=1.050
0 0 5 10 15 20 25
-3.0SL=0.00E+00
Interpretacin: La variabilidad del peso de los costales es estable. La variabilidad que se est evaluando es dentro de las muestras ya que se us el rango.
84
GRAFICOS DE CONTROL El reporte correcto para este tipo de grfico presenta juntos la grfica para el promedio y para el rango. El anlisis inicia en el grfico del rango si no se presentan causas especiales de variacin se analiza la grfica de promedios. En el ejemplo la conclusin es: El Proceso est bajo Control Estadstico.
X bar/R Chart for datos-C5
50.5 50.0 X=49.76 49.5 49.0 Subgroup 0 5 10 15 20 25 -3.0SL=49.00 3.0SL=50.53
S m leMa a p en
S m leR n e a p ag
3.0SL=2.395 2
R=1.050
-3.0SL=0.00E+00
85
GRAFICOS DE CONTROL Cmo se observa un Proceso Inestable? SI PRESENTA CAUSAS ESPECIALES DE VARIABILIDAD En el Grfico cmo se observa un proceso inestable? 1.- Puntos fuera de los lmites de control. 2.- Patrones de comportamiento no normales: Siete puntos consecutivos de un solo lado de la lnea central. Seis puntos consecutivos ascendentes o descendentes. 14 puntos consecutivos alternando entre altos y bajos llamados Ciclos recurrentes (periodicidad).
86
GRAFICOS DE CONTROL Dos de tres puntos fuera del primer cuarto cercano a la lnea central. Cuatro de cinco puntos consecutivos fuera del primer cuarto de la lnea central. Ocho puntos consecutivos a ambos lados de la lnea central con ninguno en la parte central, tambin llamada adherencia (mucha variabilidad). Quince puntos consecutivos alrededor de la lnea central, muestra poca variabilidad
87
Id. Parte: Operador(a): Fecha: Tiempo: Mediciones de muestra por operador(a) Suma: Promedio: Rango: Promedios: Lmite Superior 1 2 3 4 5
Operacin/Proceso: Gage:
Turno
10
11
12
13
14
15
16
17
18
19
20
21
Lnea Central
Lmite Inferior
Lnea central
88
89
90
EJERCICIO 1
Se fabrican anillos de pistn por motor de automvil mediante un proceso de forjado. Se desea controlar ste por medio del diagrama X-R. Se tomaron 25 muestras de tamao 5 cada una, Est el Proceso bajo Control Estadstico?
91
EJERCICIO 2
EJERCICIO 3
Si los lmites de especificacin inferior y superior para el tamao de perfiles son: 28.0 y 34.0 respectivamente. Al considerar una serie de muestras y tomar sus mediciones se obtienen los siguientes datos:
93
EJERCICIO 4
Se continua tomando datos, cul es el comportamiento del proceso? se modific su respuesta anterior?
94
CONTENIDO. 1. 2. 3. 4. 5. Preguntas teora Ejercicio prctico ( considerando registros de su plan de control de una semana determinada ) Mencionar el plan de control utilizado Interpretacin de la grfica En caso de desviaciones, dar recomendaciones de solucin. 95
Si el valor de p es menor de 0.05, entonces puede decir con al menos el 95% de confianza que esta variable contribuye significativamente con el total de la variacin StdDev 0.066615 0.035940 0.056088 0.030200 0.047263 0.192781 0.203965 5.15*Sigma 0.34306 0.18509 0.28885 0.15553 0.24340 0.99282 1.05042
Recuerdas el valor de 5.15?
Source %Contribution %Study Var %Tolerance %GR&R Total Gage RyR 10.67 32.66 17.15 (GR&R como % de tolerancia) Repeatability 3.10 17.62 9.25 Reproducibility 7.56 27.50 14.44 Operator 2.19 14.81 7.78 GR&R como % de GR&R Estudio de variacin de la muestra Operator*Part 5.37 23.17 12.17 Part-To-Part 89.33 94.52 49.64 El Nmero de Categoras indica la adecuada resolucin del Total Variation 100.00 100.00 52.52 gage (deber ser > 4) Number of Distinct Categories = 4 96
Escriba Identificacin
Y/N Agree N N N Y N Y Y Y Y N Y Y Y N Y/N Agree N N N Y N Y N Y N N Y Y Y N
Known Population Sample # Attribute 1 pass 2 pass 3 fail 4 fail 5 fail 6 pass 7 pass 8 pass 9 fail 10 fail 11 pass 12 pass 13 fail 14 fail
Try #1 pass pass fail fail fail pass fail pass pass pass pass pass fail fail
Robot #1 Try #2 pass pass fail fail fail pass fail pass pass pass pass pass fail fail
99 100
Robot "D" Try #1 Try #2 pass pass pass pass fail pass fail fail pass fail pass pass fail fail pass pass pass pass fail fail pass pass pass pass fail fail pass fail
Robot "B" Try #1 Try #2 fail fail fail fail fail fail fail fail fail fail pass pass fail fail pass pass pass pass fail fail pass pass pass pass fail fail fail fail
1 00.00%
1 00.00% 71.43%
97
Grfico EWMA
98
Grficos EWMA
Supongamos que x es una caracterstica de calidad que si el proceso est bajo control verifica que: E(x) = Q Var(x) = W2 Grficos de Control por Variables Grficos de Control por Atributos Muy tiles para detectar cambios en la media de ms de 2 desviaciones tpicas; Pero pueden tardar mucho en detectar un cambio ms pequeo
99
100
101
Grfico EWMA
EWMA=Exponentially Weighted Moving Average (Medias mviles con ponderacin exponencial); Sea x la variable de calidad de inters. El grfico EWMA representa la evolucin del estadstico: yi = Pxi + (1 - P)yi-1 con y0 = Q0; 0< P =< 1 (lo decide el analista) yi= Pxi + (1 - P)yM-1 = P xi +P(1 - P)xi-1 + (1 -P)2 yi-2 yi-1 = Pxi-1 +(1-P)yi-2 yi-2 = Pxi-2 +(1-P)yi-3
substituyendo sucesivamente: yi= P(1 - P)0 xi +P(1 - P)1xi-1 + P(1 -P)2 xi-2 + P(1 - P)3xi-3 + P(1 -P)4 xi-4 +... si P < 1 los coeficientes van disminuyendo con decaimiento exponencial; adems se verifica que los coeficientes suman 1, yi es un promedio de x1, xi-1,...
102
940
EWMA
Sample Number
103
PP i 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 i
ponderacin
(Los pesos decaen exponencialmente) (Adems, decaen muy rpido, El pasado tiene poco valor, La memoria es corta) Conclusin: si lambda es prximo a 1 hay poca memoria
104
ponderacin
0.1
(Ahora, decaen muy despacio, El pasado tiene mucho valor, La memoria es larga) Conclusin: si lambda es prximo a 0 hay mucha memoria y si es prximo a 1 hay poca memoria
i
105
Conclusin
Conclusin: si lambda es prximo a 1 hay poca memoria, si lambda es prximo a 0 hay mucha memoria Si queremos detectar un desajuste pequeo, necesitaremos acumular la informacin de muchos periodos para que el desajuste pueda apreciarse Para detectar desajustes pequeos elegiremos un lambda (P
pequeo Si queremos detectar un desajuste grande, bastar con la informacin inmediatamente posterior al desajuste. No debemos esperar a acumular mucha informacin Para detectar desajustes grandes elegiremos un lambda (P
grande
106
Grfico EWMA
LSC = E(yi) + L *RAIZ(Var(yi)) Lnea central = E(yi) LIC = E(yi) - L *RAIZ(Var(yi)) E(yi) = Q0; L = 3; Var(yi) = W2 * P*(1 - (1-P)2i)/(2 - P) LSC = Q0 + 3W *RAIZ(P*(1 - (1-P)2i)/(2 - P)) Lnea central = Q0 LIC = Q0 - 3W *RAIZ(P*(1 - (1-P)2i)/(2 - P))
107
Grfica EWMA
108