Monografías
Publicar | Monografías por Categorías | Directorio de Sitios | Software Educativo | Juegos Educativos | Cursos On-Line Gratis

 

Control estadístico de calidad parte 1 - Monografía



 
DESCARGA ESTA MONOGRAFÍA EN TU PC
Esta monografía en formato html para que puedas guardarla en tu pc e imprimirla.



Vínculo Patrocinado




Aquí te dejamos la descarga gratuita
Nota: para poder abrir archivos html solo necesitas tener instalado internet explorer u otro navegador web.




STATISTICAL PROCESS CONTROL



1.- ¿Que es SPC?


SPC (Statistical Process Control) por sus cifras en ingles, es la aplicación de métodos estadísticos para identificar y controlar la causa de una variación dentro de un proceso.

El SPC es el equivalente a un histograma visto desde el punto de vista del tiempo. Cada punto nuevo es estadísticamente comparado con los puntos anteriores así como con la distribución como un todo en función de encontrar consideraciones en el control de proceso (control i.e., turnos y modas).
Formas con zonas y reglas son creadas y usadas para simplificar el monitoreo y la toma de decisiones al nivel del operador. SPC separa variación de la causa especial de la causa común en un proceso al nivel de confidencia creado en las reglas a seguir (usualmente 99.73% o 3 Sigma).

El Control Estadístico de Procesos es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información de procesos repetitivos para poder tomar decisiones encaminadas a la mejora de los mismos, es aplicable tanto a procesos productivos como de servicios siempre y cuando cumplan con dos condiciones: Que se mensurable (observable) y que sea repetitivo. El propósito fundamental de CEP es identificar y eliminar las causas especiales de los problemas (variación) para llevar a los procesos nuevamente bajo control.

El CEP sirve para llevar a la empresa del Control de Calidad “Correctivo” por inspección, de pendiente de una sola área, al Control de Calidad “Preventivo” por producción, dependiente de las áreas productivas, y posteriormente al Control de Calidad “Predictivo” por diseño, dependiendo de todas las áreas de la empresa. En la figura 1 se muestra el ciclo de aplicación del Control Estadístico de Proceso

Todo proceso productivo es un sistema formado por personas, equipos y procedimientos de trabajo. El proceso genera una salida (output), que es el producto que se quiere fabricar. La calidad del producto fabricado está determinada por sus características de calidad, es decir, por sus propiedades físicas, químicas, mecánicas, estéticas, durabilidad, funcionamiento, etc. que en conjunto determinan el aspecto y el comportamiento del mismo. El cliente quedará satisfecho con el producto si esas características se ajustan a lo que esperaba, es decir, a sus expectativas previas.

Por lo general, existen algunas características que son críticas para establecer la calidad del producto. Normalmente se realizan mediciones de estas características y se obtienen datos numéricos. Si se mide cualquier característica de calidad de un producto, se observará que los valores numéricos presentan una fluctuación o variabilidad entre las distintas unidades del producto fabricado.

2.- Herramientas estadísticas


Diagrama de causa-efecto. Hemos visto en la introducción como el valor de una característica de calidad depende de una combinación de variables y factores que condicionan el proceso productivo. Vamos a continuar con el ejemplo de fabricación de mayonesa para explicar los Diagramas de Causa-Efecto:
2411.gif

La variabilidad de las características de calidad es un efecto observado que tiene múltiples causas. Cuando ocurre algún problema con la calidad del producto, debemos investigar para identificar las causas del mismo. Para ello nos sirven los Diagramas de Causa - Efecto, conocidos también como Diagramas de Espina de Pescado por la forma que tienen. Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa.

Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:


1.    Decidimos cual va a ser la característica de calidad que vamos a analizar. Por ejemplo, en el caso de la mayonesa podría ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc.
Trazamos un flecha gruesa que representa el proceso y a la derecha escribimos la característica de calidad:

2412.gif

Indicamos los factores causales más importantes y generales que puedan generar la fluctuación de la característica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos, Operarios, Método de Medición, etc.:

2413.gif

3.    Incorporamos en cada rama factores más detallados que se puedan considerar causas de fluctuación. Para hacer esto, podemos formularnos estas preguntas:
a) ¿Por qué hay fluctuación o dispersión en los valores de la característica de calidad? Por la fluctuación de las Materias Primas. Se anota Materias Primas como una de las ramas principales.
b) ¿Qué Materias Primas producen fluctuación o dispersión en los valores de la característica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de la rama principal Materias Primas.
c) ¿Por qué hay fluctuación o dispersión en el aceite? Por la fluctuación de la cantidad agregada a la mezcla. Agregamos a Aceite la rama más pequeña Cantidad.
d) ¿Por qué hay variación en la cantidad agregada de aceite? Por funcionamiento irregular de la balanza. Se registra la rama Balanza.
e) ¿Por qué la balanza funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos la rama Mantenimiento.
Así seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas posibles de dispersión.
2414.gif

Finalmente verificamos que todos los factores que puedan causar dispersión hayan sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar claramente establecidas y en ese caso, el diagrama está terminado.

Planillas de dispersión.-

Los datos que se obtienen al medir una característica de calidad pueden recolectarse utilizando

Planillas de Inspección.

Las Planillas de Inspección sirven para anotar los resultados a medida que se obtienen y al mismo tiempo observar cual es la tendencia central y la dispersión de los mismos. Es decir, no es necesario esperar a recoger todos los datos para disponer de información estadística.
¿Cómo realizamos las anotaciones? En lugar de anotar los números, hacemos una marca de algún tipo (*, +, raya, etc.) en la columna correspondiente al resultado que obtuvimos.

2415.gif

Vamos a suponer que tenemos un lote de artículos y realizamos algún tipo de medición. En primer lugar, registramos en el encabezado de la planilla la información general: Nº de Planilla, Nombre del Producto, Fecha, Nombre del Inspector, Nº de Lote, etc. Esto es muy importante porque permitirá identificar nuestro trabajo de medición en el futuro.
Luego realizamos las mediciones y las vamos anotando en la Planilla. Por ejemplo, si obtuvimos los tres valores siguientes 1.8, 2.6, 2.6 y los registramos con un signo + quedaría así:

2416.gif

Después de muchas mediciones, nuestra planilla quedaría como sigue:

2417.gif

Para cada columna contamos el total de resultados obtenidos y lo anotamos al pié. Esta es la Frecuencia de cada resultado, que nos dice cuáles mediciones se repitieron más veces.

¿Qué información nos brinda la Planilla de Inspección?



Al mismo tiempo que medimos y registramos los resultados, nos va mostrando cual es la Tendencia Central de las mediciones. En nuestro caso, vemos que las mismas están agrupadas alrededor de 2.3 aproximadamente, con un pico en 2.1 y otro en 2.5 . Habría que investigar por que la distribución de los datos tiene esa forma. Además podemos ver la Dispersión de los datos. En este caso vemos que los datos están dentro de un rango que comienza en 1.5 y termina en 3.3 . Nos muestra entonces una información acerca de nuestros datos que no sería fácil de ver si sólo tuviéramos una larga lista con los resultados

Gráficos de control.-


Un gráfico de control es una carta o diagrama especialmente preparado donde se van anotando los valores sucesivos de la característica de calidad que se está controlando. Los datos se registran durante el funcionamiento del proceso de fabricación y a medida que se obtienen.
El gráfico de control tiene una Línea Central que representa el promedio histórico de la característica que se está controlando y Límites Superior e Inferior que también se calculan con datos históricos.
Por ejemplo, supongamos que se tiene un proceso de fabricación de anillos de pistón para motor de automóvil y a la salida del proceso se toman las piezas y se mide el diámetro. Las mediciones sucesivas del diámetro de los anillos se pueden anotar en una carta como la siguiente:

2418.gif

Por ejemplo, si las 15 últimas mediciones fueron las siguientes:

2419.gif

Entonces tendríamos un Gráfico de Control como este:

2420.gif

Podemos observar en este gráfico que los valores fluctúan al azar alrededor del valor central (Promedio histórico) y dentro de los límites de control superior e inferior. A medida que se fabrican, se toman muestras de los anillos, se mide el diámetro y el resultado se anota en el gráfico, por ejemplo, cada media hora.
Pero ¿Qué ocurre cuando un punto se va fuera de los límites? Eso es lo que ocurre con el último valor en el siguiente gráfico:

2421.gif

Esa circunstancia puede ser un indicio de que algo anda mal en el proceso. Entonces, es necesario investigar para encontrar el problema (Causa Asignable) y corregirla. Si no se hace esto el proceso estará funcionando a un nivel de calidad menor que originalmente.

Existen diferentes tipos de Gráficos de Control:

Gráficos X-R, Gráficos C, Gráficos np, Gráficos Cusum, y otros. Cuando se mide una característica de calidad que es una variable continua se utilizan en general los Gráficos X-R. Estos en realidad son dos gráficos que se utilizan juntos, el de X (promedio del subgrupo) y el de R (rango del subgrupo). En este caso se toman muestras de varias piezas, por ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula el promedio X y el rango R (Diferencia entre el máximo y el mínimo).

A continuación podemos observar un típico gráfico de X:

2422.gif

Y lo que sigue es un gráfico de R:

2423.gif

El gráfico de X permite controlar la variabilidad entre los sucesivos subgrupos y el de R permite controlar la variabilidad dentro de cada subgrupo

Diagrama de flujo.-



Diagrama de Flujo es una representación gráfica de la secuencia de etapas, operaciones, movimientos, decisiones y otros eventos que ocurren en un proceso. Esta representación se efectúa a través de formas y símbolos gráficos utilizados usualmente:
2424.gif

Los símbolos gráficos para dibujar un diagrama de flujo están más o menos normalizados:

2425.gifSímbolo de operación, dentro del cual se hace una breve descripción de la misma

2426.gifSímbolo de operación manual

2427.gifSímbolo de decisión, a partr del cual el proceso se bifurca en dos caminos

2428.gifSímbolo utilizado para marcar el comienzo o el fin de un proceso

2429.gif  Líneas de flujo, que indican el camino que une los elementos del diagrama

2430.gif Símbolo de documento
Existen otros símbolos que se pueden utilizar. Lo importante es que su significado se entienda claramente a primera vista. En el ejemplo siguiente, vemos un diagrama de flujo para representar el proceso de fabricación de una resina (Reacción de Polimerización):

2431.gif

Histogramas.-



Un histograma es un gráfico o diagrama que muestra el número de veces que se repiten cada uno de los resultados cuando se realizan mediciones sucesivas. Esto permite ver alrededor de que valor se agrupan las mediciones (Tendencia central) y cual es la dispersión alrededor de ese valor central.
Supongamos que un médico dietista desea estudiar el peso de personas adultas de sexo masculino y recopila una gran cantidad de datos midiendo el peso en kilogramos de sus pacientes varones:

2433.gif

2432.gif

Así como están los datos es muy difícil sacar conclusiones acerca de ellos.
Entonces, lo primero que hace el médico es agrupar los datos en intervalos contando cuantos resultados de mediciones de peso hay dentro de cada intervalo (Esta es la frecuencia). Por ejemplo, ¿Cuántos pacientes pesan entre 60 y 65 kilos? ¿Cuántos pacientes pesan entre 65 y 70 kilos?:

2434.gif





Creative Commons License
Estos contenidos son Copyleft bajo una Licencia de Creative Commons.
Pueden ser distribuidos o reproducidos, mencionando su autor.
Siempre que no sea para un uso económico o comercial.
No se pueden alterar o transformar, para generar unos nuevos.

 
TodoMonografías.com © 2006 - Términos y Condiciones - Esta obra está bajo una licencia de Creative Commons. Creative Commons License