2
Control Estadístico del Proceso (CEP)
OBJETIVOS: Al finalizar el curso, el participante será capaz de:
• Comprender los conceptos estadísticos para implantar cartas de control para prevenir los defectos y mejorar los procesos.
• Evaluar la capacidad de un proceso y de los equipos de medición, identificando acciones de mejora.
• Comprender los métodos de muestreo y su aplicación.
3
Contenido
1. Introducción2. Las 7 herramientas estadísticas
3. La Distribución normal4. Control Estadístico del Proceso
5. Cartas de control por variables 6. Cartas de control por atributos
7. Técnicas Lean para control del proceso8. Análisis de Capacidad del proceso
9. Capacidad de los equipos de medición R&R10. Muestreo por atributos y por variables
4
1. Introducción
5
La variación en:
Materiales, Máquinas, Métodos,
Personal, Mediciones, Medio ambiente
¿Qué causa los defecto?
6
• Método intuitivo
• En base a la experiencia
• En base a Métodos estadísticos
¿Cómo hacer un diagnóstico?
7
Etapas de la calidad
? INSPECCIÓN: Aparecen los inspectores, inspección final al 100%
? CONTROL ESTADÍSTICO DEL PROCESO: Shewhart, Deming, Juran. Se usa en Japón en los 1950’s y en occidente en los 1980’s
? ASEGURAMIENTO DE LA CALIDAD (ISO 9001:1994)Sistemas aislados EUA (1940’s)
? GESTIÓN DE LA CALIDAD (ISO 9001:2000, PNC)Feigenbaum, Deming, Juran, Crosby, Ishikawa, Taguchi
8
Historia del CEP
? 1924: WALTER SHEWHART realizó experimentos y desarrolló las Cartas de Control en los Bell Labs
? 1926: HAROLD F. DODGE Y HARRY G. ROMIG, desarrollaron las técnicas de Muestreo Estadístico
? Durante la 2a. Guerra Mundial se expande el uso del CEP en la industria de manufactura
9
Historia del CEP
? 1950’s: EDWARD DEMING / JOSEPH JURAN:Entrenaron a líderes industriales en técnicas del CEP
? 1950’s: KAOURU ISHIKAWA: seguidor de Deming, desarrolla el Diagrama de Ishikawa, los Círculos de calidad e impulsa el control de calidad total CWQC.
? Los japoneses implantaron el CEP y lograron productos de alta calidad, Occidente retoma los métodos de CEP hasta después de los 1980’s.
10
El CEP en México
? En México el programa Ford ITESM de los 1990’s impulsó al CEP con sus proveedores con poco éxito en otras empresas, hoy se retoma con el ISO 9001:2000 e ISO TS 16949.
? Las técnicas estadísticas han evolucionado a lo que se conoce como Seis Sigma, aplicada en EUA y México por Motorola, GE, Sony, etc.
11
Los diferentes métodos estadísticos
LAS CARTAS DE CONTROL? Técnica útil para el monitoreo de procesos? Permiten identificar situaciones anormales en
6Ms? Sirven para prevenir la generación de defectivos
0
5
10
15
LCSPromedioLCIPerfil
Carta X
12
Los diferentes métodos estadísticos
DISEÑO DE EXPERIMENTOS? Técnica útil para identificar las variables clave que
afectan a la variabilidad de productos p procesos? Permite variar en forma sistemática los factores y
analizar su efecto
Proceso
Entradas Salidas (Y)
13
Los diferentes métodos estadísticos
MUESTREO DE ACEPTACIÓN? Técnica que permite calificar lotes de productos
como conformes o no conformes, por medio de una muestra representativa sin inspeccionar al 100%
MUESTRA¿OK?
LOTE
14
EL CEP ES PARTE DEL SISTEMA DE CALIDADISO TS 16949 ISO 9001:2000
MEJORA CONTINUA
Cliente
Requeri
mientos
Satisfaccion
Responsabilidadde la Dirección
Administraciónde Recursos
Medición,análisis,mejora
Realizacióndel Producto(y/o servicio)
Producto/
ServicioEntrada Salida
Información
Información
15
2. Las 7 Herramientas estadísticas
16P. REYESP. REYES
17
Las 7 herramientas estadísticas
? Diagrama de Causa efecto – para identificar las posibles causas a través de una lluvia de ideas, la cual se debe hacer sin juicio previos y respetando las opiniones.
? Diagrama de Pareto – para identificar prioridades
? Diagrama de Dispersión – para analizar la correlación entre dos variables, se puede encontrar:? Correlación positiva o negativa, fuerte o débil o sin correlación
18
Las 7 herramientas estadísticas
? Hoja de verificación – para anotar frecuencia de ocurrencias de los eventos (con signos |, X, *, etc.)
? Histogramas – para ver la distribución de frecuencia de los datos
? Las cartas de control de Shewart – para monitorear el proceso, prevenir defectivos y facilitar la mejora? Cartas de control por atributos y por variables
19
Las 7 herramientas estadísticas
? Diagrama de flujo – para identificar los procesos, las características críticas en cada uno, la forma de evaluación, los equipos a usar, los registros y plan de reacción, se tienen:? Diagramas de flujo de proceso detallados? Diagramas físicos de proceso? Diagramas de flujo de valor
? Estratificación – para separar el problema general en los estratos que lo componen, por ejemplo, por áreas, departamentos, productos, proveedores, turnos, etc..
20
DEFINICION? Clasificación de los datos o factores sujetos a estudio
en una serie de grupos con características similares.
Estratificación
21
Diagrama de Causa Efecto, de relaciones y de Pareto
22
Lluvia de ideas
Técnica para generar ideas creativas cuando la mejor solución no es obvia.
? Reunir a un equipo de trabajo (4 a 10 miembros) en un lugar adecuado
? El problema a analizar debe estar siempre visible
? Generar y registrar en el diagrama de Ishikawa un gran número de ideas, sin juzgarlas, ni criticarlas
?Motivar a que todos participen con la misma oportunidad
23
Diagrama de Ishikawa
? Anotar el problema en el cuadro de la derecha
? Anotar en rotafolio las ideas sobre las posibles causas asignándolas a las ramas correspondientes a:
? Medio ambiente ? Mediciones ? Materia Prima ? Maquinaria ? Personal y ? Métodos o? Las diferentes etapas del proceso de manufactura o
servicio
24
DEFINICIÓN? Técnica de análisis para la solución de problemas, que
muestra la relación entre una característica de calidad y los factores de influencia, ayudándonos a encontrar las causas posibles que nos afectan y encontrar su solución.
Diagrama de Causa Efecto
25
Diagrama de IshikawaMedio
ambiente Métodos Personal
¿Quéproducebajas ventasdeTortillinasTía Rosa?
Climahúmedo
Calidad delproducto
Tipo deexhibidor
Falta demotivación Ausentismo
Rotación depersonal
Maquinaría Materiales
Clientes conventas bajas
Malositinerarios
Descomposturadel camiónrepartidor
Distancia dela agencia alchangarro
Medición
Seguimientosemanal
Conocimientode losmínimos porruta
Frecuenciade visitas
Elaboraciónde pedidos
Posición deexhibidores
Falta desupervición
26
Programacióndeficiente
Capacidad instalada
desconocida
Marketing no tiene en cuenta
cap de p.Mala prog. De
ordenes de compra
Compras aprovecha
ofertasFalta de com..... Entre
las dif. áreas dela empresa
Duplicidad de funciones
Las un. Recibenordenes de dos
deptos diferentes
Altos inventarios
No hay controlde inv..... En proc.
Demasiados deptosde inv..... Y desarrollo
Falta de prog. Dela op. En base a
los pedidos
No hay com..... Entrelas UN y la oper.
Falta de coordinación al fincar
pedidos entre marketing y la op.
Falta de control deinventarios en
compras
Influencia de lasituación econ del
país
No hay com..... Entre comprascon la op. general
No hay coordinaciónentre la operación y las unidades
del negocio
Falta de coordinación entre el enlace de compras
de cada unidad con compras corporativo
Influencia directa demarketing sobre
compras
Compra de materialpara el desarrollo denuevos productos por
parte inv..... Y desarrollo’’’
No hay flujo efectivo de mat.
Por falta deprogramaciónde acuerdo a pedidos
Perdida de mercadodebido a la
competencia
Constantes cancelaciones
de pedidosde marketing
No hay coordinaciónentre marketing
operaciones
Falta de comunicaciónentre las unidades
del negocio
Diagrama de relaciones
27
Diagrama de árbol o sistemático
Meta Medio
MetaMetaMedio
Medio
Meta u objetivo
Medioso planes
Medioso planes
Medios
MediosMedios
Primer nivel
Segundo nivel
Tercer nivel
Cuarto nivel
28
Identificación y verificación de causas raíz
Determinar y atacar las causas raíz.
1. Análisis de posibles causas.
2. Relación causa-efecto.
3. Selección de posibles causas
5. Experimentación y verificación de causas probables.
7. Determinación de causas reales.
8. Selección de contramedidas de solución e implantación
9. Verificación de soluciones
29
Análisis del Modo yEfecto de Falla (AMEF)
30
¿ Qué es el AMEF?? El Análisis del Modo y Efectos de Falla es un grupo
sistematizado de actividades para:
? Reconocer y evaluar fallas potenciales y sus efectos.
? Identificar acciones que reduzcan o eliminen las probabilidades de falla.
? Documentar los hallazgos del análisis.
31
Definiciones
Modo de Falla
- La forma en que un producto o proceso puede fallar para cumplircon las especificaciones o requerimientos.
- Normalmente se asocia con un Defecto, falla o error.
Diseño ProcesoAlcance insuficiente OmisionesRecursos inadecuados Monto equivocadoServicio no adecuado Tiempo de respuesta excesivo
32
Definiciones
Efecto
- El impacto en el Cliente cuando el Modo de Falla no se previene ni corrige.
- El cliente o el siguiente proceso puede ser afectado.
Ejemplos: Diseño ProcesoServ. incompleto Servicio deficienteOperación errática Claridad insuficiente
Causa- Una deficiencia que genera el Modo de Falla.- Las causas son fuentes de Variabilidad asociada con variables de Entrada Claves
Ejemplos: Diseño ProcesoMaterial incorrecto Error en servicioDemasiado esfuerzo No cumple requerimientos
33
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de FMEA ______(rev.) ______
Funcióndel Producto/
Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño o Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
34
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funcióndel componente
/ Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Div
Causa(s)Potencial(es)oMecanismos
de falla
Occur
Controles de Diseño / Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura correcta Datos incorrectosLOCAL:Rehacerla factura
MAXIMO PROXIMOContabilidadequivocada
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño
Describir los efectos de modo de falla en:
LOCALEl mayor subsecuente
Y Usuario final
CTQs del QFD oMatriz de Causa Efecto
35
Esta calificación resulta cuando un modo de falla potencial resulta en un defecto con un cliente final y/o una planta de manufactura / ensamble. El cliente final debe ser siempre considerado primero. Si ocurren ambos, use la mayor de las dos
severidadesEfecto Efecto en el cliente Efecto en Manufactura /Ensamble Calif
.Peligroso sin aviso
Calificación de severidad muy alta cuando un modo potencial de falla afecta la operación segura del producto y/o involucra un no cumplimiento con alguna regulación gubernamental, sin aviso
Puede exponer al peligro al operador (máquina o ensamble) sin aviso 10
Peligroso con aviso
Calificación de severidad muy alta cuando un modo potencial de falla afecta la operación segura del producto y/o involucra un no cumplimiento con alguna regulación gubernamental, con aviso
Puede exponer al peligro al operador (máquina o ensamble) sin aviso 9
Muy alto El producto / item es inoperable ( pérdida de la función primaria)
El 100% del producto puede tener que ser desechado opreparado con un tiempo o costo infinitamente mayor 8
Alto El producto / item es operable pero con un reducido nivel de desempeño. Cliente muy insatisfecho
El producto tiene que ser seleccionado y un parte desechada o reparada en un tiempo y costo muy alto 7
Moderado
Producto / item operable, pero un item de confort/conveniencia es inoperable. Cliente insatisfecho
Una parte del producto puede tener que ser desechado sin selección o reparado con un tiempo y costo alto 6
Bajo Producto / item operable, pero un item de confort/conveniencia son operables a niveles de desempeño bajos
El 100% del producto puede tener que ser retrabajado o reparado fuera de línea pero no necesariamente va al àreade retrabajo .
5
Muy bajo No se cumple con el ajuste, acabado o presenta ruidos y rechinidos. Defecto notado por el 75% de los clientes
El producto puede tener que ser seleccionado, sin desecho, y una parte retrabajada 4
Menor No se cumple con el ajuste, acabado o presenta ruidos y rechinidos. Defecto notado por el 50% de los clientes
El producto puede tener que ser retrabajada, sin desecho, en línea, pero fuera de la estación 3
Muy menor
No se cumple con el ajuste, acabado o presenta ruidos, y rechinidos. Defecto notado por clientes muy críticos (menos del 25%)
El producto puede tener que ser retrabajado, sin desecho en la línea, en la estación 2
Ninguno Sin efecto perceptible Ligero inconveniente para la operación u operador, o sin efecto 1
CRITERIO DE EVALUACIÓN DE SEVERIDAD SUGERIDO PARA AMEFP
36
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funcióndel componente
/ Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño / Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
La abertura delengrane propor La abertura no LOCAL:ciona una aber- es suficiente Daño a sensortura de aire entre de velocidad ydiente y diente engrane
MAXIMO PROXIMOFalla en eje 7
CON CLIENTEEquipo parado
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
Usar tabla para determinar severidad o
gravedad
37
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funciónde
Artículo
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
de los Mecanismosde falla
Occur
Controles de Diseño/Proces
o Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura correcta Datos incorrectosLOCAL: Rehacer la factura
MAXIMO PROXIMOContabilidad 7erronea
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño
Identificar causas de diseño, y
mecanismos de falla que pueden
ser señalados para los modos de falla
Causas potencialesDe Diagrama de IshikawaDiagrama de árbol oDiagrama de relaciones
38
CRITERIO DE EVALUACIÓN DE OCURRENCIA SUGERIDO PARA AMEFP
?100 por mil piezas
Probabilidad Indices Posibles de falla
ppk Calif.
Muy alta: Fallas persistentes
< 0.55 10
50 por mil piezas > 0.55 9
Alta: Fallas frecuentes 20 por mil piezas > 0.78 8
10 por mil piezas > 0.86 7
Moderada: Fallas ocasionales
5 por mil piezas > 0.94 6
2 por mil piezas > 1.00 5
1 por mil piezas > 1.10 4
Baja : Relativamente pocas fallas
0.5 por mil piezas > 1.20 3
0.1 por mil piezas > 1.30 2
Remota: La falla es improbable
< 0.01 por mil piezas > 1.67 1
39
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funcióndel
Componente / Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño/ Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura correcta Datos LOCAL:equivocadso Rehacer la
factura
MAXIMO PROXIMO
Contabilidad 7 3erronea
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
Rango de probabilidades en que la causa identificada
ocurra
40
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funcióndel
Componente / Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño / Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura correcta Datos correctos LOCAL:Rehacer lafactura
MAXIMO PROXIMO
Contabilidad 7 3erronea
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño
¿Cuál es el método de control actual que usa
ingeniería para evitar el modo de falla?
41
CRITERIO DE EVALUACIÓN DE DETECCION SUGERIDO PARA AMEFP
Detecciòn Criterio Tipos de Inspección
Métodos de seguridad de Rangos de Detección
Calif
A B C
Casi imposible
Certeza absoluta de no detección X No se puede detectar o no es verificada 10
Muy remota
Los controles probablemente no detectarán
X El control es logrado solamente con verificaciones indirectas o al azar
9
Remota Los controles tienen poca oportunidad de detección
X El control es logrado solamente con inspección visual
8
Muy baja Los controles tienen poca oportunidad de detección
X El control es logrado solamente con doble inspección visual
7
Baja Los controles pueden detectar X X El control es logrado con métodos gráficos con el CEP
6Moderada Los controles pueden detectar X El control se basa en mediciones por variables después de que las
partes dejan la estación, o en dispositivos Pasa NO pasa realizado en el 100% de las partes después de que las partes han dejado la estación
5
Moderadamente Alta
Los controles tienen una buena oportunidad para detectar
X X Detección de error en operaciones subsiguientes, o medición realizada en el ajuste y verificación de primera pieza ( solo para causas de ajuste)
4
Alta Los controles tienen una buena oportunidad para detectar
X X Detección del error en la estación o detección del error en operaciones subsiguientes por filtros multiples de aceptación: suministro, instalación, verificación. No puede aceptar parte discrepante
3
Muy Alta Controles casi seguros para detectar
X X Detección del error en la estación (medición automática con dispositivo de paro automático). No puede pasar la parte discrepante
2
Muy Alta Controles seguros para detectar X No se pueden hacer partes discrepantes porque el item ha pasado a prueba de errores dado el diseño del proceso/producto
1
Tipos de inspección: A) A prueba de error B) Medición automatizada C) Inspección visual/manual
42
Componente ______________________ Responsable del Diseño ____________AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funcióndel
Componente / Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño / Proceso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura correcta Datos incorrectosLOCAL: Rehacer la factura
MAXIMO PROXIMO
Contabilidad 7 3 5erronea
CON CLIENTEMolestia Insatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
¿Cuál es la probabilidad de detectar la causa de
falla?
43
Producto de Severidad, Ocurrencia, y Detección
RPN / Gravedad usada para identificar principales CTQs
Severidad mayor o igual a 8RPN mayor a 150
Calcular RPN (Número de Prioridad de Riesgo)
44
Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funciónde
Artículo
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
de los Mecanismosde falla
Occur
Controles de Diseño Actual
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura Datos LOCAL:incorrecta incorrectos Rehacer
la factura
MAXIMO PROXIMO
Contabilidad 7 3 5 105erronea
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
Riesgo = Severidad x Ocurrencia x Detección
Causas probables a atacar primero
45
Planear Acciones
Requeridas para todos los CTQs
? Listar todas las acciones sugeridas, qué persona es la responsable y fecha de terminación.
? Describir la acción adoptada y sus resultados.? Recalcular número de prioridad de riesgo .
Reducir el riesgo general del proceso
46
Componente ______________________ Responsable del Diseño ____________ AMEF Número _________________
Ensamble ________________ Preparó _______________ Pagina _______de _______
Equipo de Trabajo ___________ FECHA (orig.) de AMEF ______(rev.) ______
Funcióndel componente
/ Paso del proceso
Modos de FallaPotenciales
Efecto (s)Potencial (es)
de falla
Sev.
Causa(s)Potencial(es)
o Mecanismosde falla
Occur
Controles de Diseño / Prcoeso Actuales
Detec
RPN
AcciónSugerida
Responsabley fecha límite
de Terminación
AcciónAdoptada
Sev
Occ
Det
RPN
Factura correcta Datos LOCAL:erroneos Rehacer la
factura
MAXIMO PROXIMO
Contabilidad 7 3 5 105erronea
CON CLIENTEMolestiaInsatisfacción
Resultados de Acción
ANALISIS DEL MODO Y EFECTO DE FALLA AMEF de Diseño / Proceso
Usar RPN para identificar acciones futuras. Una vez que
se lleva a cabo la acción, recalcular el RPN.
47
calidadNo de Producto Dibujo No. Operación No. Maquína Elaboró AprobóNombre del producto Nivel
Criterio Tamaño Frecuenc. Método ded´muestra Registro
Ayuda VisualOperador Instrucciones:
Distribución
CaracteristicaDescripción
Especificación & Tolerancia
Hoja de InstrucciónInstrumento
Plan de Reacción
- Un proceso- Una actividad- Operaciones Limitadas
- Todos los procesos- Todas las Operaciones- Todas las actividades
CONTROL PLAN
Prototype Pre-launch Production Key Contac/Phone Date (Orig.) Date (Rev.)
Control Plan Number
Part Number/Latest Change Level Core Team Customer Engineering Approval/Date (if Req'd.)
Part Name/Description Supplier/Plant Approval/Date Customer Quality Approval/Date (if Req'd.)
Supplier/Plant Supplier Code Other Approval/Date (if Req'd.) Other Approval/Date (if Req'd.)
Part / Process Name / Machine, Device, Characteristics Special Methods
Process Operation Jig, Tools Char.
Number Description For Mfg. No. Product Process Class. Product/Process Evaluation/ Sample Control Method Reaction Plan
Specification/ Measurement Size Freq.
Tolerance Technique
o fPage Plan de control
48
Diagrama de Pareto
Lo primero es lo primero” es el pensamiento detrás del diagrama de Pareto. Enfocar los recursos al problema principal desde la izquierda y continuar hacia la derecha.
La línea acumulativa contesta la pregunta ¿Qué clases de defectos constituyen el 80%?
0102030405060708090
100
a b c d e
49
Diagrama de Pareto
EJEMPLO: Se tienen los defectos siguientes:
A. Emulsión 20
B. Grasa 60
C. Derrame 80
D. Tapa barrida 30
E. Mal impresa 10
Construir un diagrama de Pareto y su línea acumulativa
50
Hojas de verificación, diagrama de dispersión y diagramas de flujo
51
DEFINICIONFormato preimpreso en el cual aparecen las
características que se van a registrar, de tal manera que los datos puedan registrarse fácilmente.
• Facilita la recolección de datos.
• Organiza automáticamente los datos.
• Examinan la distribución de un proceso.
• Checa o examina artículos y servicios defectuosos.
Hojas de Verificación o registro
52
Hoja de verificación? Se utiliza para reunir datos basados en la observación
del comportamiento de un proceso con el fin de detectar tendencias, por medio de la captura, análisisy control de información relativa al proceso
DEFECTO 1 2 3 4 TOTALTamaño erróneoIIIII I IIIII IIIII III IIIII II 26Forma errónea I III III II 9Depto. EquivocadoIIIII I I I 8Peso erróneo IIIII IIIII IIIIII III IIIII III IIIII IIIII 37Mal Acabado II III I I 7TOTAL 25 20 21 21 87
DIA
53
DEFINICION
Es una herramienta que nos permite estudiar la relación de dependencia entre dos o más variables.
Y = a + b X
Coeficiente de correlación r con valor entre -1 y 1Coeficiente de determinación r2 con valor entre 0 y 1
Diagrama de Dispersíón / Regresión
54
El análisis de regresión es un método estandarizado para localizar la correlación entre dos grupos de datos, y, quizá más importante, crear un modelo de predicción.
Puede ser usado para analizar las relaciones entre:• Una sola “X” predictora y una sola “Y”
• Múltiples predictores “X” y una sola “Y”
• Varios predictores “X” entre sí
Análisis de Regresión
55
DefinicionesCorrelación
Establece si existe una relación entre las variables y responde a la pregunta, ”¿Qué tan evidente es esta relación?"
Regresión
Describe con más detalle la relación entre las variables.
Construye modelos de predicción a partir de información experimental u otra fuente disponible.
Regresión lineal simpleRegresión lineal múltipleRegresión no lineal cuadrática o cúbica
56
Correlación entre las variables Y y X
Correlación PositivaEvidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Correlación NegativaEvidente
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
CorrelaciónPositiva
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
CorrelaciónNegativa
0
5
10
15
20
25
0 5 10 15 20 25
X
Y
Sin Correlación
10
15
20
25
5 10 15 20 25
X
Y0
5
0
57
Ejemplo
Considere el problema de predecir las ventas mensuales en función del costo de publicidad. Calcular el coeficiente de correlación, el de determinación y la recta.
MES Publicidad Ventas
1 1.2 1012 0.8 923 1.0 1104 1.3 1205 0.7 906 0.8 827 1.0 938 0.6 759 0.9 9110 1.1 105
58
Gráfica de la Línea de AjusteRecta de regresión
Y=-.600.858+5738.89XR2 = .895
Altura del muelle
Ret
enci
ón
0.18 0.19 0.20
400
500
600
Regresión
95% Intervalode confianza
95% Intervalode predicción
59
Interpretación de los Resultados
El intervalo de predicción es el grado de certidumbre de la difusión de la Y estimada para puntos individuales X. En general, 95% de los puntos individuales (provenientes de la población sobre la que se basa la línea de regresión), se encontrarán dentro de la banda [Líneas azules]
La ecuación de regresión (Y = -600.858 + 5738.89X) describe la relación entre la variable predictora X y la respuesta de predicción Y.
R2 (coef. de determinación) es el porcentaje de variación explicado por la ecuación de regresión respecto a la variación total en el modelo
El intervalo de confianza es una banda con un 95% de confianza de encontrar la Y media estimada para cada valor de X [Líneas rojas]
60
Símbolos para Diagramas de Flujo
Iniciar/Detener Transmisión
Operaciones(Valor agregado)
Decisión
Inspección /Medición
Transportación
Almacenar
Entrada/Salida
Líneas de Flujo
Retraso
61
Diagrama de flujo / Análisis del valor
Actividades sin valor agregado
Actividades con valor agregado
62
Histogramas
63
DEFINICION? Un Histograma es la organización de un número de datos
muestra que nos permite visualizar al proceso de manera objetiva.
• Permite ver la distribución de la frecuencia con la que ocurren las cosas en los procesos de manufactura y administrativos.
•La variabilidad del proceso se representa por el ancho del histograma, se mide en desviaciones estándar o ? , ± 3? cubre el 99.73%.
LSELIE
Histograma de Frecuencia
64
Histograma de Frecuencia
En un proceso estable las mediciones se distribuyen normalmente, a la derecha y a la izquierda de la media adoptando la forma de una campana.
TAMAÑO TAMAÑO
TAMAÑO TAMAÑO
TAMAÑO
MEDICIONES
Media
MEDICIONES
65
Histogramas con Datos agrupados
El Histograma es una gráfica de las frecuencias que presenta los diferentes datos o valores de mediciones agrupados en celdas y su frecuencia.
Una tabla de frecuencias lista las categorías o clases de valores con sus frecuencias correspondientes, por ejemplo:
CLASE FRECUENCIA1-5 76-10 1211-15 1916-20 1621-25 826-30 4
66
Definiciones - datos agrupados
Límite inferior y superior de clase Son los numeros más pequeños y más grandes de las clases (del ejemplo, 1 y 5; 6 y 10; 11 y 15; 16 y 20; 21 y 25; 26 y 30)
Marcas de claseSon los puntos medios de las clases (del ejemplo 3, 8, 13, 18, 23 y 28)
Fronteras de clase Se obtienen al incrementar los límites superiores de clase y aldecrementar los inferiores en una cantidad igual a la media de la diferencia entre un límite superior de clase y el siguiente límite inferior de clase (en el ejemplo, las fronteras de clase son 0.5, 5.5, 10.5, 15.5, 20.5, 25.5 y 30.5)
Ancho de claseEs la diferencia entre dos límites de clase inferiores consecutivas(en el ejemplo, es 5).
67
Construcción del histograma - datos agrupados
Paso 1. Contar los datos (N)Paso 2. Calcular el rango de los datos R = (Valor mayor- valor menor)
Paso 3. Seleccionar el número de columnas o celdas del histograma (K). Como referencia si N = 1 a 50, K = 5 a 7; si N = 51 - 100; K = 6 - 10.También se utiliza el criterio K = Raíz (N)
Paso 4. Dividir el rango por K para obtener el ancho de clase
Paso 5. Identificar el límite inferior de clase más conveniente y sumarle el ancho de clase para formar todas las celdas necesarias
Paso 6. Tabular los datos dentro de las celdas de clasePaso 7. Graficar el histograma y observar si tiene una forma normal
68
Ejemplo: Datos para histogramaDatos:
19 21 25 33 30 27 31 25 35
37 44 43 42 39 43 40 38 37
36 42 41 44 32 45 46 47 45
54 52 50 48 49 47 48 49 47
52 51 50 49 58 59 61 62 63
59 61 66 76 70
69
Ejemplo: Construcción del histograma
Paso 1. Número de datos N = 50
Paso 2. Rango R = 76 - 16 = 60
Paso 3. Número de celdas K = 6;
Paso 4. Ancho de clase = 60 / 6 = 10
Paso 5. Lím. de clase: 15-24, 25- 34, 35- 44, 45- 54, 55 - 64, 65-74, 75-94Paso 6. Número de datos: 2 7 14 17 7 2 1
Marcas de clase 19.5 29.5 39.5 49.5 59.5 69.5 79.5
Paso 7. Graficar el histograma y observar si tiene una forma normal
70
Construcción del histograma
02
468
1012
1416
18
15-24 25-34 35-44 45-54 55-64 65-75
Frec.
71
Ejercicio de Histogramas
Datos:
6.40 6.39 6.41 6.39 6.40 6.39 6.40 6.37 6.40 6.38
6.42 6.38 6.40 6.38 6.416.40 6.41 6.41 6.43 6.39
6.41 6.35 6.39 6.41 6.436.38 6.40 6.42 6.37 6.40
6.37 6.43 6.43 6.39 6.426.40 6.42 6.39 6.42 6.38
6.42 6.40 6.38 6.45 6.416.39 6.44 6.36 6.44 6.36
72
3. La Distribución Normal
73
LAS PIEZAS VARÍAN DE UNA A OTRA:
Pero ellas forman un patrón, tal que si es estable, se denomina distr. Normal
LAS DISTRIBUCIONES PUEDEN DIFERIR EN:
SIZE TAMAÑO TAMAÑO
TAMAÑO TAMAÑO TAMAÑO TAMAÑO
TAMAÑO TAMAÑO TAMAÑO
UBICACIÓN DISPERSIÓN FORMA
. . . O TODA COMBINACIÓN DE ÉSTAS
Distribución gráfica de la variación – Curva normal
74
La distribución Normal
La distribución normal es una distribución de probabilidad que tiene media 0 y desviación estándar de 1.
El área bajo la curva o la probabilidad desde menos infinito a más infinito vale 1.
La distribución normal es simétrica, es decir cada mitad de curva tiene un área de 0.5.
La escala horizontal de la curva se mide en desviaciones estándar, su número se describe con Z.
Para cada valor Z se asigna una probailidad o área bajo la curva mostrada en la Tabla de distribución normal
75
z0 1 2 3-1-2-3
x x+? x+2? x+? 3x-?x-2?x-3?
X
La desviación estándarsigma representa la distancia de la media alpunto de inflexión de la curva normal
La Distribución Normal Estándar
76
68%34% 34%
95%
99.73%
+1s
+2s
+3s
Características de la Distribución Normal
77
Procesos normales y medias muestrales
? Un proceso normal es el que su salida sigue una distribución normal, se puede probar con el criterio de Anderson Darling o de Ryan para P value > 0.05
? Para el caso de las medias muestrales, el area bajo la curva normal se determina con la siguiente fórmula
? Z = (X – Media ) / (Sigma / raiz(n))
78
El valor de Z
Determina el número de desviaciones estándar entre algún valor x y la media de la población, muDonde sigma es la desviación estándar de la población.
En Excel usar Fx, ESTADISTICAS, NORMALIZACIÓN, para calcular el valor de Z
z = x - ??
79
¿Que porcentaje de las baterías se espera que duren 80 horas o menos?
Z = (x-mu) / sZ = (80-85.36)/(3.77)= - 5.36/ 3.77 = -1.42
85.3680
-1.42 0
Área bajo la curva normal
80
0 1
86 8785.36
¿Cuál es la probabilidad de que una batería dure entre 86.0 y 87.0 horas?
Área bajo la curva normal
81
Considere una media de peso de estudiantes de 75 Kgs. con una desviación estándar de 10Kgs. Contestar lo siguiente:
¿Cuál es la probabilidad de que un estudiante pese más de 85Kgs.?
2. ¿Cuál es la probabilidad de que un estudiante pese menos de 50Kgs.?
3. ¿Cuál es la probabilidad de que pese entre 60 y 80Kgs.?.
4. ¿Cuál es la probabilidad de que pese entre 55 y 70Kgs.?
5. ¿Cuál es la probabilidad de que pese entre 85 y 100Kgs.?
Ejercicios
82
4. Control estadístico del
proceso
83
CEP objetivos y beneficios? El CEP es una técnica que permite aplicar el análisis
estadístico para medir, monitorear y controlar procesos por medio de cartas de control
? Se basa en que los procesos presentan variación, aleatoria y asignable
? Entre los beneficios se encuentran:? Monitorear procesos estables e identificar si han
ocurrido cambios debido a causas asignables para eliminar sus fuentes
84
Factores de éxito para Implantación del CEP
? Liderazgo gerencial, ser parte de un programa mayor de calidad
? Enfoque de grupo de trabajo
? Educación y entrenamiento en todos los niveles? Énfasis en la mejora continua
? Sistema de reconocimiento
? Apoyo técnico de Ingeniería o Calidad
85
Beneficios de las cartas de control
? Herramienta para mejorar la productividad
? Herramientas de prevención de defectos
? Evitan ajustes innecesarios
? Proporcionan información de diagnóstico
? Proporcionan información de la capacidad del proceso
86
¿Qué es una Carta de Control?
? Una Carta de Control es como un historial del proceso...... En donde ha estado.... En donde se encuentra.... Hacia donde se puede dirigir
? Las cartas de control pueden reconocer cambios buenos y malos.
¿Qué tanto se ha mejorado?¿Se ha hecho algo mal?
? Las cartas de control detectan la variación anormal en un proceso, denominadas “causas especiales o asignables de variación.”
87
DEFINICIONEs una ayuda gráfica para el control de las variaciones
de los procesos administrativos y de manufactura.
Causaespecial
Causasnormales ocomunes
Cartas de Control
88
Variación observada en una Carta de Control
? Una Carta de control es simplemente un registro de datos en el tiempo con límites de control superior e inferior, diferentes a los límites de especificación.
? El patrón normal de un proceso se llama causas de variación comunes.
? El patrón anormal debido a eventos especiales se llama causa especial de variación.
89
SiNo
Personalde piso
Administración
Detección
Prevención
Causas especialesVARIACIÓN
Causas comunes
Cartas de Control
90
Variación – Causas comunes
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
91
Variación – Causas especiales
Límiteinf. deespecs.
Límitesup. deespecs.
Objetivo
92
“Escuche la Voz del Proceso” Región de control, captura la variaciónnatural del proceso
original
Causa Especialidentifcada
El proceso ha cambiado
TIEMPO
Tendencia del proceso
LSC
LIC
Patrones de anormalidad en la carta de control
MEDIDAS
CALIDAD
93
Corridas7 puntos consecutivos de un lado de X-media.
Puntos fuera de control1 punto fuera de los límites de control a 3 sigmas en cualquier dirección (arriba o abajo).
Tendencia ascendente o descendente7 puntos consecutivos aumentando o disminuyendo.
Adhesión a la media15 puntos consecutivos dentro de la banda de 1 sigma del centro.
Otros2 de 3 puntos fuera de los límites a dos sigma
Patrones Fuera de Control
94
Proceso en Control estadístico
Sucede cuando no se tienen situaciones anormales y aproximadamente el 68% (dos tercios) de los puntos de la carta se encuentran dentro del ?1 ? de las medias en la carta de control.
Lo anterior equivale a tener el 68% de los puntos dentro del tercio medio de la carta de control.
Patrón de Carta en Control Estadístico
95
Teorema del Límite Central
? La distribución de las medias de las muestras tienden a distribuirse en forma normal
? Por ejemplo los 300 datos (cuyo valor se encuentra entre 1 a 9) pueden estar distribuidos como sigue:
0
10
20
30
40
50
1 2 3 4 5 6 7 8 9
Frec.
96
Población con media ? y desviación estándar ? y cualquier distribución.
Seleccionando muestras de tamaño n y calculando la X-media o promedio en cada una
X-media 1 X-media 2 X-media 3
Conforme el tamaño de muestra se incrementa las muestras se distribuyen normalmente con media de medias ? y desviación estándar de las medias de las muestras ? / ??n. También
se denomina Error estándar de la media.
Teorema del Límite Central
97
? La distribución de las medias de las muestras tienden a distribuirse en forma normal
? Tomando de muestras de 10 datos, calculando su promedio y graficando estos promedios se tiene:
0
2
4
6
8
10
3.5 4 4.5 5 5.5 6 6.5
Frec.
Teorema del Límite Central
98
CEP por variables y atributos? El CEP por variables implica realizar mediciones en la
característica de calidad de interés, tal como:?Tiempos?Velocidad
? El CEP por atributos califica a los productos como buenos / defectivos o por cuantos defectos tienen: ? Color, funcionalidad, apariencia, etc.
99
5. Cartas de Control para
variables
100
Cartas de Control por Variables
? Medias Rangos (subgrupos de 5 - 9 partes cada x horas, para estabilizar procesos)
? Valores Individuales (partes individuales cada x horas, para monitoreo de procesos muy lentos o químicos)
? Medias desviaciones estándar para monitoreo de proveedores
101
Implantación de cartas de control por variables
• Identificar la característica a controlar en base a un AMEF (análisis del modo y efecto de falla) y plan de control
• Establecer métodos, muestras y frecuencia
• Validar la habilidad del sistema de medición R&R
102
Implantación de cartas de control por variables
• Centrar el proceso, correrlo y medir al menos 25 subgrupos de 5 partes cada uno, calcular límites
• Identificar causas especiales, prevenir su recurrencia, recalcular límites y continuar control para reducir causas comunes
103
Carta X, RTerminología
k = número de subgrupos; n = número de muestras en cada subgrupo
X = promedio para un subgrupo
X = promedio de todos los promedios de los subgrupos
R = rango de un subgrupo
R = promedio de todos los rangos de los subgrupos
x = x1 + x2 + x3 + ...+ xN
k
x =x1 + x2 + x3 + ...+ xN
n
LICX = x - A2 R
LICR = D3 R
LSCX = x + A2 R
LSCR = D4 R
NOTA: Los factores a considerar
para n = 5
Son A2 = 0.577 D3 = 0 D4 = 2.114
104
Ejemplo de carta de control X-R
S am p le
Sa
mp
le M
ea
n
18161412108642
90
80
70
60
__X=72.69
UC L=86.84
LC L=58.53
S am p le
Sa
mp
le R
an
ge
18161412108642
48
36
24
12
0
_R=24.54
UC L=51.89
LC L=0
Xbar-R Chart of Pulse1
105
? Este es un par de Cartas muy similar a las gráficas X - R. La diferencia consiste en que el tamaño de la muestra puede variar y es mucho más sensible para detectar cambios en la media o en la variabilidad del proceso.
? El tamaño de muestra n es mayor a 9.
? La Carta X monitorea el promedio del proceso para vigilar tendencias.
? La Carta S monitorea la variación en forma de desviación estándar.
Carta X, S
106
Carta X, S (Continuación)Terminología
k = número de subgrupos n = número de muestras en cada subgrupo
x = promedio para un subgrupo
x = promedio de todos los promedios de los subgrupos
S = Desviación estándar de un subgrupo
S = Desviación est. promedio de todos los subgrupos
x =x1 + x2 + x3 + ...+ xN
k
x =x1 + x2 + x3 + ...+ xN
n
LICX = x - A3 S
LICs = B3 S
LSCX = x + A3 S
LSCS = B4 S
(usar estos factores para calcular Límites de Control
n 5 6 7 8 9 10
B4 2.09 1.97 1.88 1.82 1.76 1.72
B3 0.00 0.03 0.12 0.18 0.24 0.28
A3 1.43 1.29 1.18 1.10 1.03 0.98
C4 .940 .952 .959 .965 .969 .973
107
Carta de Individuales (I-MR)
? Esta Carta monitorea la tendencia de un proceso con datos variables que no pueden ser muestreados en lotes o grupos.
? Este es el caso cuando la capacidad de corto plazo se basa en subgrupos racionales de una unidad
? La línea central se basa en el promedio de los datos, y los límites de control se basan en la desviación estándar poblacional (+/- 3 sigmas)
108
Carta I-MR (Continuación)Terminología
k = número de piezas
n = 2 para calcular los rangos
x = promedio de los datos
R = rango de un subgrupo de dos piezas consecutivas
R = promedio de los (n - 1) rangos
x =x1 + x2 + x3 + ...+ xN
n
LICX = x - E2 R
LICR = D3 R
LSCX = x + E2 R
LSCR = D4 R
(usar estos factores para calcular Límites de Control n = 2)
n 2
D4 3.27
D3 0
E2 2.66
109
Ejemplo: Carta I-MR
Observar las situaciones fuera de control
O bser va tion
Ind
ivid
ua
l V
alu
e
90817263544536271891
150
125
100
75
50
_X=80
U C L=113.2
LC L=46.8
O bser va tion
Mo
vin
g R
an
ge
90817263544536271891
60
45
30
15
0
__M R=12.47
U C L=40.75
LC L=0
1
111
1
1
1
11
I-MR Chart of Pulse2
110
6. Cartas de Control
para atributos
111
Cartas de control para atributosDatos de Atributos
Tipo Medición ¿Tamaño de Muestra ?
p Fracción de servicios erroneos, Constante o variable > 30
defectivos o no conformes
np Número de servicios erroneos Constante > 30
c Número de defectos, errores o Constante = 1 Unidad de
no conformidades inspección
u Número de defectos por unidad Constante o variable en
unidades de inspección
112
Cartas de Control tipo p
? p - CON LÍMITES DE CONTROL VARIABLES
? p - CON n PROMEDIO
? p - ESTANDARIZADA
113
1050
0.5
0.4
0.3
0.2
0.1
0.0
Número de muestra
Pro
porc
ión
Gráfica P para Fracción Defectiva
P=0.1128
3.0SL=0.4484
-3.0SL= 0.000
Carta p
? Observe como el LSC varía conforme el tamaño (n) de cada muestra varía.
? Los límites de control se pueden estabilizar con n promedio o estandarizando pi con Zi.
p
LSC
LIC
Ejemplo:
114
Carta np
? Se usa cuando se califica al servicio como bueno/malo, pasa/no pasa.
? Monitorea el número de servicios erroneos de una muestra
? El tamaño de muestra (n) es constante y mayor a 30.
Terminología (igual a gráfica p, aunque n es constante)
n = tamaño de cada muestra (Ejemplo: servicios diarios)
np = número de servicios erroneos en cada muestra
k = número de muestras
115
Carta np (Cont...)
151050
10
5
0
Número de muestras
No.
De
fece
tivos
Carta np de número de servicios erroneos
3.0 LSC=10.03
-3.0S
? El tamaño de la muestra (n) es constante
? Los límites de control LSC y LIC son constantes
? Evita hacer cálculos al presatdor del servicio
np
LIC
Ejemplo 1:
LIC=0.0
Np =4.018
116
Cartas de Control para defectos o errores
c – Número de defectosSe cuentan los defectos que tienen cada unidad de inspección de tamaño n constante en productos como facturas
u – Defectos por unidadSe cuentan los defectos que tienen diferentes unidades de inspección de tamaño n variable en productos complejos y se determinan los defectos por unidad – Facturas
117
Carta c
? El tamaño de la muestra (n unidades de inspección) debe ser constante
? Ejemplos:- Número de errores en cada lote de facturas- Número de cantidades ordenadas incorrectas en
órdenes de compra
Terminología
c = Número de defectos encontrados en cada unidad o unidades constantes de inspección
k = número de muestras
118
Carta c
? Observe el valor de la última muestra; está fuera del límite superior de control (LSC)? ¿Qué información, anterior a la última muestra, debió haber obviado el hecho de que el proceso iba a salir de control?
Ejemplo:
2520151050
15
10
5
0
Número de Muestras
Núm
ero
de d
efec
tos
Carta C1
C =5.640
3.0LSC=12.76
-3.0L IC=0.000
LSC
C
119
Carta u? El tamaño de la muestra (n) puede variar
? Los defectos o errores por unidad se determinan dividiendo el número de defectos encontrados en la muestra entre el número de unidades de inspección incluidas en la muestra (DPU o número de defectos por unidad) .
? Ejemplos:• Se toma una muestra de facturas por semana, identificando
los errores en estas.
• Se inspeccionan servicios prestados por día, se determinan los errores promedio por día.
120
Carta u (cont..)
? Observe que ambos límites de control varían cuando el tamaño de muestra (n) cambia.
? ¿En que momentos estuvo el proceso fuera de control?
20100
8
7
6
5
4
3
2
Número de Muestras
Nú
mer
o d
e ef
ecto
sGráfica U para Defectos
U=4.979
3.0L SC=6.768
-3.0L IC =3 .190
Ejemplo 2:
LSC
LIC
u
121
Cartas de Precontrol
122
Cartas de precontrol (Shainin)? Es más exitosa con procesos estables no sujetos a
corridas rápidas una vez que se ajustan
? Sirven como referencia de ajuste y de monitoreo
? La distancia entre los límites de especificaciones se divide entre cuatro quedando los límites de control entre el primer y tercer cuarto
123
Pre- ControlBajo
LíneaP-C
LíneaP-C
Alto
Rojo Amarillo Verde Amarillo Rojo
1/4 1/2 1/4
Tolerancia Completa
124
Reglas de Precontrol1. Ajustes: Iniciar producción sólo cuando 5 piezas consecutivas caen en verde.
2. Durante la producción: Tomar una muestra de dos piezas consecutivas A y B (cada 1/6 del tiempo prom. transc.entre 2 paros):
a Sí hay una amarilla reinicie el conteo
b Sí hay dos amarillas consecutivas, ajuste
c Re - inicie control, cuando suceda algún cambio en herramienta, operador, material o después de cualquier paro de maquinaria.
a
b
c
d
Sí A y B caen en verde, continuar el proceso
Sí A es amarilla y B cae en verde continuar proceso.
Sí A y B son amarillas parar proceso e investigar causas
Sí A o B son rojas, parar proceso e investigar causas
125
Acciones a tomar
Ultima pieza
Verde
Amarillo
Rojo
Pieza actual
Continuar
Primera: ContinuarSegunda: Detener
Detener
126
Distribución de probabilidad
LIEsp. LSEspecif.LíneaP-C
LíneaP-C
1/14 12/14 1/14
7% 86% 7%
Rojo Amarillo Verde RojoAmarillo
1/4 1/2 1/4
Area Objetivo
Tolerancia Completa
127
7. Capacidad de Proceso
128
Objetivos de la capacidad del proceso
1. Predecir que tanto el proceso cumple especificaciones
2. Apoyar a diseñadores de producto o proceso en sus modificaciones
3. Especificar requerimientos de desempeño de equipo nuevo
4. Seleccionar proveedores
5. Reducir la variabilidad en el proceso de manufactura
6. Planear la secuencia de producción cuando hay un efecto interactivo de los procesos en las tolerancias
129
_Xxi
s
Z
LIEEspecificación inferior
LSEEspecificación superior
p = porcentaje de partes fuera de Especificaciones
130
¿Cómo vamos a mejorar esto?
Podemos reducir la desviación estándar...
Podemos cambiar la media...
O (lo ideal sería, por supuesto) que podríamos cambiar ambas
Cualquiera que sea la mejora que lleve a cabo,asegurarse que se mantenga
131
Procedimiento
1. Seleccionar una máquina donde realizar el estudio
2. Seleccionar las condiciones de operación del proceso
3. Seleccionar un operador entrenado
4. El sistema de medición debe tener habilidad (error R&R < 10%)
5. Cuidadosamente colectar la información
6. Construir un histograma de frecuencia con los datos
7. Calcular la media y desviación estándar del proceso
132
Capacidad del proceso – Cp y CpkLa capacidad potencial del Proceso (Cp) es una medida de la variación del proceso en relación con el rango de Especificación.
Cp = Tolerancia
Variación del proceso=
LSE - LIE
6 Desviaciones STD.
Cpk es una medida de la capacidad real del proceso en función de la posición de la media del proceso (X) en relación con los límites de especificación.
Con límites bilaterales da una indicación del centrado. Es el menor de:
Cpk = LSE - media del proceso 3 desviaciones STD y
media del proceso - LIE3 desviaciones STD
133
Cálculo de la capacidad del proceso
Habilidad o capacidad potencial Cp = (LSE - LIE ) / 6 ?
Debe ser ? 1 para tener el potencial de cumplir con especificaciones (LIE, LSE)
Habilidad o capacidad real Cpk = Menor | ZI - ZS | / 3El Cpk debe ser ? 1 para que elproceso cumpla especificaciones
134
Capacidad de procesos no normales y transformaciones de datos
? Para procesos no normales, utilizar la distribución de Weibull
? Para transformaciones de datos no normales en normales utilizar la transformación de Box Cox
135
Capacidad y Desempeño de procesos
? Capacidad de procesos en base a sigma de R / d2
? Desempeño del proceso en base a sigma de la población estimada
nLIELSE
dRM
cS
dR
ST
ST
6ˆ
,,ˆ242
??
?
?
?
knc
S TOTLT
4
ˆ ??13)1(4
4 ??
?nn
c? ?
1
ˆ2
1
?
??
??
kn
XS
kn
ii
TOT
?
136
Inerpretación de salida Minitab
? Desviación estándar “Within” determinada con R/d2, se usa para determinar los índices de capacidad Cp, Cpk y PPM “Within” con el proceso en control
? Desviación estándar “Overall” det. Con la desviación estándar de los datos 4(n – 1)/ (3n -1)), se usa para determinar los índices de Desempeño Pp, Ppk y PPM “Overall” no importa que el proceso este fuera de control
? El “Observed Perfomance” se determina comparando los datos de la muestra con las especificaciones
137
Ejemplo de capacidad de proceso
13.612.812.011.210.49.6
LSL USLProcess Data
Sample N 50StDev (Within) 0.85577StDev (Overall) 0.80259
LSL 9.00000Target *USL 14.00000Sample Mean 11.74400
Potential (Within) C apability
C C pk 0.97
O verall Capability
Pp 1.04PPL 1.14PPU 0.94Ppk
C p
0.94C pm *
0.97C PL 1.07C PU 0.88C pk 0.88
Observed PerformancePPM < LSL 0.00PPM > USL 0.00PPM Total 0.00
Exp. Within PerformancePPM < LSL 671.85PPM > USL 4191.66PPM Total 4863.51
Exp. Ov erall P erformancePPM < LSL 314.35PPM > USL 2470.24PPM Total 2784.59
WithinOverall
Process Capability of Viscosidad
138
Rendimiento de la capacidad real
Recibo de partes del proveedor
45,000 Unidades
desperdiciadas
51,876 Unidades
desperdiciadas
Correcto la primera
vez
Después de la inspección de recepción
De las operaciones de Maquinado
En los puestosde prueba -
1er intento
125,526 unidades desperdiciadaspor millón de oportunidades
28,650 Unidades
desperdiciadas
95.5% de rendimiento
97% de rendimiento
94.4% de
rendimiento
YRT = .955*.97*.944 = 87.4%
1,000,000 unidades
139
Capacidad de proceso a partirde cartas de control por variables
140
EN CASOS ESPECIALES COMO ESTOSDONDE LAS VARIACIONES PRESENTES SON TOTALMENTE INESPERADASTENEMOS UN PROCESO INESTABLE o “IMPREDECIBLE”.
?? ?
? ?? ?
141
Proceso en control
SI LAS VARIACIONES PRESENTES SON IGUALES, SE DICE QUE SE TIENE UN PROCESO “ESTABLE”.LA DISTRIBUCION SERA “PREDECIBLE” EN EL TIEMPO
Predicción
Tiempo
142
Control y Capacidad de Proceso
Control de Proceso:
Cuando la única fuente de variación es normal o de causa común, se dice que el proceso esta operando en “CONTROL”.
Capacidad de Proceso:
Medición estadística de las variaciones de causa común que son demostradas por un proceso. Un proceso es capaz cuando la causa común de variación cae dentro de las especificacionesdel cliente.
L a capacidad no se puede determinar a menos queel proceso se encuentre en Control y Estable.
143
Proceso en control estadísticoLa distribución de la mayoría de las características medidas forman una curva en forma de campana o normal, si no hay causas especiales presentes, que alteren la normalidad . ¿cuales son las causas comunes?
Distribucióndel Proceso
Area entre 0 y 1s-Probabilidad de Ocurrencia
_x = media
s= sigma; es la desviación
estándar; medida de la variación del proceso.14 % 14 %
2% 2%-3s -2s -1s x +1s +2s 3s
99.73%
34% 34%
x
144
Desviación Estándar del procesoDesviación Estándar del proceso ?
Donde,
? ?= Desviación estándar de la población
d2 = Factor que depende del tamaño del subgrupo en la carta de control X - R
C4 = Idem al anterior para una carta X - S
NOTA: En una carta por individuales, d2 se toma para n = 2 y RangoMedio=Suma rangos / (n -1)
? = R? ? ? = S?d2 c4
145
Capacidad del procesoCuando las causas comunes son la única variación:
Cp El índice de capacidad potencial del proceso compara la amplitud del proceso con la amplitud especificada.
Cp = (LSE - LIE) / 6 ?
CpkEl índice de capacidad real del proceso compara la media real con el límite de especificaciones más cercano (LE) a esta.
_Cpk = LE – X o Cpk = menor |Z1 , Z2| / 3
3 ?
146
Capacidad con carta X - R
De una carta de control X - R (con subgrupo n = 5) se obtuvo lo siguiente, después de que el proceso se estabilizó quedando sólo con causas comunes:
Xmedia de medias = 264.06 Rmedio = 77.3
Por tanto estimando los parámetros del proceso se tiene:
? = X media de medias ? = Rmedio / d2 =77.3 / 2.326 = 33.23 [ d2 para n = 5 tiene el valor 2.326]
Si el límite de especificación es: LIE = 200.
El Cpk = (200 - 264.06) / (77.3) (3) = 0.64 por tanto el proceso no cumple con las especificaciones
147
Capacidad con carta X - S
De una carta de control X - S (con subgrupo n = 5) se obtuvo lo siguiente, después de que el proceso se estabilizó quedando sólo con causas comunes:
Xmedia de medias = 100 Smedio = 1.05
Por tanto estimando los parámetros del proceso se tiene:
? = X media de medias ? = Smedio / C4 = 1.05 / 0.94 = 1.[ C4 para n = 5 tiene el valor 0.94 ]
Si el límite de especificación es: LIE = 85 y el LSE = 105. El Cpk = (105 - 100) / (1.117 ) (3) = 1.492El Cp = (105 - 85) / 6 (1.117 ) = 2.984por tanto el proceso es capaz de cumplir con especificaciones
148
Ejercicios
1) De una carta de control X - R (con subgrupo n = 8) se obtuvo lo siguiente, después de que el proceso se estabilizó quedando sólo con causas comunes (LIE = 36, LSE = 46):
Xmedia de medias = 40 Rmedio = 5
2) De una carta de control X - S (con subgrupo n = 6) se obtuvo lo siguiente, después de que el proceso se estabilizó quedando sólo con causas comunes (LIE = 15, LSE = 23):
Xmedia de medias = 20 Smedio = 1.5
149
8. Capacidad de los sistemas de medición
150
Metrología? Metrología es la ciencia de las mediciones
? Apoya al CEP en la evaluación cuantitativa de las variables del proceso (longitudes, dimensiones, pesos, presiones, etc.)
? Factores considerados para determinar el periodo de calibración de los equipos de medición? Intensidad de uso del equipo? Posibles desgastes por el uso o degradación? Errores identificados durante las calibraciones
periódicas
151
Posibles Fuentes de la Variación del Proceso
La “Repetibilidad” y “reproducibilidad” (R&R), son los errores más relevantes en la medición.
Variación del proceso, real Variación de la medición
Variación del proceso, observado
Reproducibilidad
Repetibilidad
Variación dentro de la muestra
Estabilidad Linealidad Sesgo
Variación originada
por el calibrador
Calibración
152
Sesgo es la diferencia entre el promedio observado de las mediciones y el valor verdadero.
Definición del SesgoValor
Verdadero
Sesgo
153
Definición de la Repetibilidad
REPETIBILIDAD
Repetibilidad: Es la variación de las mediciones obtenidas con un instrumento de medición, cuando es utilizado varias veces por un operador, al mismo tiempo que mide las mismas características en una misma parte
154
Definición de la Reproducibilidad
Reproducibilidad: Es la variación, entre promedios de las mediciones hechas por diferentes operadores que utilizan un mismoinstrumento de medicióncuando miden las mismas características en unamisma parte
Reproducibilidad
Operador-A
Operador-C
Operador-B
155
Estabilidad (o desviación) es la variación total de las mediciones obtenidas con un sistema de medición, hechas sobre el mismo patrón o sobre las mismas partes, cuando se mide una sola de sus características, durante un período de tiempo prolongado.
Definición de la Estabilidad
Tiempo 1Mañana
Tiempo 2Noche
156
Linealidad es la diferencia en los valores real y observado, a través del rango de operación esperado del equipo.
Definición de la Linealidad
Rango de Operación del equipo
Valor verdadero
Valor verdadero
(rango inferior)
(rango superior)
Sesgo Menor
Sesgo mayor
MinMax
157
? Generalmente intervienen de dos a tres operadores? Se escogen 10 unidades que cubran el 80% de la
variación del proceso? Cada unidad es medida por cada operador, 2 ó 3
veces.
Estudio de R&R
158
EL VALOR DEL R&R COMO % DE LA VARIACION TOTAL DEL PROCESO:
<10% Aceptable10-30%. Puede ser aceptable, dependiendo
qué tan crítico es el grado de la medición.>30%. ¡Inaceptable
Lo que fue
medido
VARIACIÓN DE PARTE A PARTE
LSL USLOBJETIVO
159
Realizando el estudio R&R
? Las 10 partes deben seleccionarse, cubriendo el RANGO TOTAL DEL PROCESO .
? Es importante que dichas partes sean representativas del proceso total (80% DE LA VARIACION)
160
Procedimiento para realizar un estudio de R&R
1. Ajuste el calibrador, o asegúrese de que éste haya sido calibrado.
2. Marque cada pieza con un número de identificación que no pueda ver la persona que realiza la medición.
3. Haga que el primer operador mida todas las muestras una sola vez, siguiendo un orden al azar.
4. Haga que el segundo operador mida todas las muestras una sola vez, siguiendo un orden al azar.
5. Continúe hasta que todos los operadores hayan medido las muestras una sola vez (Este es el ensayo 1).
161
Procedimiento para realizar un estudio de R&R
6. Repita los pasos 3-4 hasta completar el número requerido de ensayos
7. Utilice el formato proporcionado para determinar las estadísticas del estudio R&R? Repetibilidad? Reproducibilidad? %R&R? Desviaciones estándar de cada uno de los conceptos
mencionados? Análisis del % de tolerancia
8. Analice los resultados y determine los pasos a seguir, si los hay.
162
Métodos de estudio del error R&R:
I. Método de Promedios- Rango• Separa en el sistema de medición la reproducibilidad y la Repetibilidad.• Los cálculos son más fáciles de realizar.
II. Método ANOVA• Separa en el sistema de medición la reproducibilidad y la Repetibilidad.• También proporciona información acerca de las interacciones deun operador y otro en cuanto a la parte.
• Calcula las varianzas en forma más precisa.• Los cálculos numéricos requieren de una computadora.
El Método ANOVA es Más Preciso
163
Planteamiento del problema:
Las partes producidas en el área de producción, fallaron por errores dimensionales 3% del tiempo.
Ejemplo:
CTQ: Mantener una tolerancia ± 0.125 pulgadas
Sistema de Medición: Se miden las partes con calibradores de 2”.
Estudio R&R del La dimensión A es medida por dosCalibrador: operadores, dos veces en 10 piezas.
164
Repetibilidad y Reproducibilidad de calibrador
Método X-media y Rango:
Operador A Operador BSerie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porción Xbar
1 9.376 9.358 9.354 9.3612 9.372 9.320 9.372 9.3723 9.378 9.375 9.278 9.2774 9.405 9.388 9.362 9.3705 9.345 9.342 9.338 9.3396 9.390 9.360 9.386 9.3707 9.350 9.340 9.349 9.3498 9.405 9.380 9.394 9.3819 9.371 9.375 9.384 9.38510 9.380 9.368 9.371 9.376
TotalesX-barA X-barB
R-barA R-barB
Porción R
165
1. Cálculo de las X-medias
Operador A Operador BSerie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porción Xbar
1 9.376 9.358 9.354 9.361 9.3622 9.372 9.320 9.372 9.372 9.3593 9.378 9.375 9.278 9.277 9.3274 9.405 9.388 9.362 9.370 9.3815 9.345 9.342 9.338 9.339 9.3416 9.390 9.360 9.386 9.370 9.3777 9.350 9.340 9.349 9.349 9.3478 9.405 9.380 9.394 9.381 9.3909 9.371 9.375 9.384 9.385 9.37910 9.380 9.368 9.371 9.376 9.374
Totales 93.772 93.606 93.588 93.580X-barA 9.3689 X-barB 9.3584
R-barA R-barB
Porción R
166
2. Cálculo de los Rangos
Operador A Operador BSerie # 1er. Ensayo 2o. Ensayo Rango 1er. Ensayo 2o. Ensayo Rango Porción Xbar
1 9.376 9.358 0.018 9.354 9.361 0.007 9.3622 9.372 9.320 0.052 9.372 9.372 0.000 9.3593 9.378 9.375 0.003 9.278 9.277 0.001 9.3274 9.405 9.388 0.017 9.362 9.370 0.008 9.3815 9.345 9.342 0.003 9.338 9.339 0.001 9.3416 9.390 9.360 0.030 9.386 9.370 0.016 9.3777 9.350 9.340 0.010 9.349 9.349 0.000 9.3478 9.405 9.380 0.025 9.394 9.381 0.013 9.3909 9.371 9.375 0.004 9.384 9.385 0.001 9.37910 9.380 9.368 0.012 9.371 9.376 0.005 9.374
Totales 93.772 93.606 0.174 93.588 93.580 0.052X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052Porción R 0.0630
167
Ancho de tolerancia====>
Número de intentos (m)=>Número de partes (n)==>
Número de operadores
alfa ?? ?========> 4.56
(=4.56 para 2 ensayos, 3.05 para 3 ensayos)
Beta ?? =========> 3.65
X-media máx.=>X-media mín. =>Diferencia X-dif
R-media doble =>
K3 ======> 1.62
Identificación de Parámetros del Estudioy Cálculos
Totales 93.772 93.606 0.174 93.588 93.580 0.052X-barA 9.3689 X-barB 9.3584
R-barA 0.0174 R-barB 0.0052Porción R 0.0630
(=3.65 para 2 operadores; 2.7 para 3 operadores)
0.252102
9.36899.35840.0105
0.0113
168
0.0515DV = R x K1 =
Repetibilidad: La variación del dispositivo de medición (VD) se calcula sobre cada grupo de mediciones tomadas por un operador, en una sola parte.
0.03655
Reproducibilidad: La variación en el promedio de las mediciones (AV) se calcula sobre el rango de los promedios de todas las mediciones, para cada operador, menos el error del calibrador (vale si la raíz es negativa)
AV = (Xdif * K2)2 - (DV2/(r*n)) =
3. Cálculo de R&R
169
R&R = DV2 + AV2 =
El componente de varianza para repetibilidad y reproducibilidad(R&R) se calcula combinando la varianza de cada componente.
PV = Rpart x K3 = 0.1021
El componente de varianza para las partes (PV), se calcula sobre el rango de los promedios de todas las mediciones, para cada parte.
TV = R&R2 + PV2 = 0.1142
La variación total (TV) se calcula combinando la varianza de repetibilidad y reproducibilidad y la variación de la parte.
0.05277
3. Cálculo de R&R
170
Per
cen
t
Part-to-PartRepr odRepeatGage R&R
100
50
0
% Co ntribut ion
% Study Var% To lerance
Sam
ple
Ra
nge
0.10
0.05
0.00
_R=0.0383
UCL=0.1252
LCL=0
1 2 3
Sam
ple
Mea
n
1.00
0.75
0.50
__X=0.8075UCL=0.8796
LCL=0.7354
1 2 3
Part10987654321
1.00
0.75
0.50
Operator321
1.00
0.75
0.50
Part
Av
era
ge10 9 8 7 6 5 4 3 2 1
1.00
0.75
0.50
O perator
1
23
Gage name:Date of study :
Reported by :Tolerance:Misc:
Components of Variation
R Chart by Operator
Xbar Chart by Operator
Response by Part
Response by Operator
Operator * Part Interaction
Gage R&R (Xbar/R) for Response
La carta R debe estar en control, de otra forma repetir lasMediciones de los puntos que salgan de límites de controlLa carta X debe tener al menos 20% de los puntos fueraDe control indicando que distingue las 10 partes diferentes
171
Criterios del R&R
? Equipo usado para control del proceso? El porcentaje de error de R&R respecto a la
variación total del proceso debe ser menor al 10% o entre 10 – 30% si la característica no es crítica
? Equipo usado para liberar producto al cliente? El porcentaje de error de R&R respecto a la
tolerancia de las especificaciones del cliente (LSE – LIE) debe ser menor al 10% o entre 10 –30% si la característica no es crítica
172
Basado en la tolerancia:
%DV = 100*DV/Ancho de tolerancia=
%AV = 100*AV/Ancho de tolerancia=
%R&R = 100*R&R/Ancho de tolerancia =
Basado en la variación Total de las Partes:
%DV = 100*DV/Variación total=
%AV = 100*AV/ Variación total =
%R&R = 100*R&R/ Variación total =
%PV = 100*PV /Variación total =
20.61
45.09
14.62
21.108
32.00
46.20
89.40
3. Cálculo de R&R
DV=Repetibilidad
AV=Reproducibilidad
PV=Variación de
Las partes
173
Ejercicios
Para un estudio de R&R 2 operadores midieron con el mismo equipode medición 10 partes en 3 intentos cada uno,obteniendo:
Mediciones MedicionesNúmero de operador A de operador Bde parte 1 2 3 1 2 31 50 49 50 50 48 512 52 52 51 51 51 513 53 50 50 54 52 514 49 51 50 48 50 515 48 49 48 48 49 486 52 50 50 52 50 507 51 51 51 51 50 508 52 50 49 53 48 509 50 51 50 51 48 4910 47 46 49 46 47 48
174
9. Técnicas Lean para control
175
Muda, los 7 desperdicios? El Muda son actividades que no agregan valor en el
lugar de trabajo. Su eliminación es esencial para reducir costos y tener calidad en producto:? Sobreproducción? Inventarios
? Reparaciones / Retrabajos? Movimientos
? Esperas? Transportes
176
5S’s? Seiko (arreglo adecuado)? Seiton (orden)? Seiketso (limpieza personal)? Seiso (limpieza)? Shitsuke (disciplina personal)
? En Inglés:? Sort (eliminar lo innecesario)? Straighten (poner cada cosa en su lugar)? Scrub / Shine (limpiar todo? Systematize (hacer de la limpieza una rutina)? Standardize (mantener lo anterior y mejorarlo)
177
Administración visual? Tiene como propósito mostrar a la administración y
empleados lo que está sucediendo en cualquier momento de un vistazo
? Uso de pizarrones o pantallas para mostrar el estado de:? La prestación de servicios? Los programas? La calidad del servicio? Los tiempos de entrega? Requerimientos del cliente y costos
178
Kaizen Blitz (evento o taller)? Involucra una actividad Kaizen (proyecto de mejora)
en un área específica por medio de un equipo de trabajo durante 3 a 5 días:
? 2 días de entrenamiento? 3 días para colección de datos, análisis e
implementación de la solución
? Es necesario el apoyo de la administración? Al final el equipo hace una presentación del
proyecto
179
Kaizen Blitz (evento o taller)? Resultados:
? Ahorro de espacio? Flexibilidad de atención al cliente? Flujo de trabajo mejorado? Ideas de mejora
? Mejoras en calidad? Ambiente de trabajo seguro? Reducción de actividades que no agregan valor
180
Kanban? Kanban = signo. Es una señal a los procesos internos
para proporcionar servicios (tarjetas, banderas, espacio en el piso, etc.). Da indicación visual de:
? Números, código de barras? Cantidad? Localización
? Tiempo de entrega? Colores en función del destino
181
Poka Yoke? Con dispositivos sencillos a Prueba de error se
pueden evitar los errores humanos por:
? Olvidos? Malos entendidos? Identificación errónea? Falta de entrenamiento? Distracciones? Omisión de las reglas? Falta de estándares escritos o visuales
182
POKA YOKEs
DISPOSITIVOS A PRUEBA DE ERROR ( Poka - Yokes ).
22 GUOQCSTORY.PPT
183
Método del Contacto EléctricoMétodo del Contacto Eléctrico
Contactos eléctricos a prueba de errores, para asegurar una polaridad apropiada.
Pasadores GuíaPasadores Guía
Cada guía tiene su propio pasador guía único.
184
Funciones básicas de un Poka Yoke
Paro (Tipo A):
Cuando ocurren anormalidades mayores, evitan cierre de la máquina, interrumpen la operación.
En algunos casos el operador tiene disponibles interruptores que paran el proceso total, si detecta errores mayores
185
Funciones básicas de un Poka Yoke
Advertencia (Tipo B):
Cuando ocurren anormalidades menores. Indican con luces o alarmas para llamar la atención del personal.
Es necesario regular intensidad, tono y volumen.
Los defectos continúan ocurriendo hasta que se atienden. Algunos separan el producto defectuoso.
186
1.Describir el defecto
Mostrar la tasa de defectos; Formar un equipo de trabajo
2. Identificar el lugar donde:
Se descubren los defectos; Se producen los defectos
3. Detalle de los procedimientos y estándares de la operación donde se producen los defectos
Metodología de desarrollo de Poka Yokes
187
4. Identificar los errores o desviaciones de los estándares en la operación donde se producen los defectos
5. Identificar las condiciones donde se ocurren los defectos (investigar)
6. Identificar el tipo de dispositivo Poka Yoke requerido para prevenir el error o defecto
7. Desarrollar un dispositivo Poka Yoke
Metodología de desarrollo de Poka Yokes
188
Proceso de A Prueba de Error
Hacer un AMEF de proceso para Manufactura
Identificar todos los errores potenciales
Identificar características de
diseño que pueden eliminar el error
Rediseñar para eliminar la posibilidad
de error
Rediseñar para hacer obvio que ocurrirá un
error
Rediseñar para hacer obvio que ha ocurrido
un error
Revisar el diseño para detectar errores potenciales en Manufactura y Ensamble
o
o
1
2
3
189
TPM? El mantenimiento productivo total incluye la participación
de todos para asegurar la disponibilidad del equipo de producción y combina los mantenimientos preventivo, predictivo, mejoras en la mantenabilidad, facilidad de mantenimiento y confiabilidad
? Hay 6 grandes pérdidas que contribuyen en forma negativa a la efectividad del equipo:? Falla del equipo Preparación y ajustes? Arranques y paros menores Velocidad reducida? Defectos de proceso Pérdidas de producto
190
Estándares de Trabajo? Documentan la mejor manera de hacer el trabajo, en
forma más fácil y segura. ? Preservan el Know How y experiencia para hacer el
trabajo que puede perderse al irse los empleados
? Proporcionar un método de evaluar el desempeño? Proporcionan una base para mantenimiento y mejora? Son la base de la capacitación y auditoria
? Método para prevenir la recurrencia de errores? Minimizan la variabilidad
191
Otros Estándares de Trabajo? Líneas amarillas en el piso
? Códigos de colores
? Pizarrón de control para producción
? Indicadores de nivel mínimo y máximo de inventarios
? Matrices de capacitación cruzada? Lámparas de falla
192
10. Muestreo por atributos y por variables
193
Muestreo aleatorio estadístico
Lote N
Muestra n
194
Muestreo de aceptación
? Calificación de lotes: sin inspección, insp. 100% y muestreo
? Ventajas de la aceptación por muestreo:? Aplicable a pruebas destructivas ? Menor costo de inspección? Menor tiempo de inspección? Menor manejo de producto
? Desventajas de la aceptación por muestreo? Riesgo de aceptar lotes malos o rechazar buenos? Poca información sobre el producto o proceso? Requiere planeación
195
Tipos de muestreo de aceptación
? Muestreo por atributos? Calificación por atributos? Muestreo simple, doble y múltiple
? Muestreo por variables? Calificación por variables (un plan por cada
característica)? Plan en base a la posición de la media
196
Muestreo simple por atributos? Se define por su tamaño de muestra n y el número de
aceptación c máxima de partes defectivas
? Pa es la probabilidad de aceptar un lote con fracción defectiva p con base en el plan de inspección n-c
? Pa es la probabilidad acumulada de Poisson (Excel)
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
Pa
1
0.8
0.5
0.3
0.1
Curva característica de
Operación dado una
Tamaño de muestra n
y un criterio de aceptación c
197
Muestreo simple por atributos
? Conforme se disminuye c o se aumenta n la probailidad de aceptar lotes defectivos se reduce
? AOQ es la calidad de salida promedio después de aplicar un plan de muestreo a los lotes del proveedor, donde algunos lotes se aceptan y otros se rechazan para selección 100%
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
AOQ = p*Pa
0.3
0.25
0.20
0.15
0.1
Curva AOQ dado una
Tamaño de muestra n
y un criterio de aceptación cAOQL
Planta
Almacén
198
Tablas de muestreo por atributos MIL-STD 105E o ANSI Z1.4
? Requiere información de:? Tamaño del lote? Nivel de inspección (especial o normal II)? Magnitud del AQL (fracción defectiva aceptable en lotes)
? Contempla tres tipos de muestreo:? Simple ? Doble ? Múltiple
? En cada uno de los tipos se prevén los planes de inspección:? Inspección normal? Inspección reducida? Inspección estricta
199
Tablas de muestreo por atributosMIL-STD 105E o ANSI Z1.4
? Iniciando con Inspección normal, proporciona información de: ? Tamaño de muestra n? Criterio de aceptación Aceptar con? Criterio de rechazo Rechazar con
? Contempla cambiar de Inspección Normal a Estricta si:? Se rechazan 2 de 5 lotes consecutivos? Regresa a la Normal si se aceptan 5 lotes consecutivos
? Contempla cambiar a Inspección Reducida si:? Se han aceptado 10 lotes consecutivos? Regresa a Normal si se rechaza un lote
200
Tablas de muestreo por atributosMIL-STD 105E o ANSI Z1.4
? Ejemplo: Si N = 2,000 y AQL = 0.65%, Nivel de inspección II
? La tabla I indica letra código K
? La tabla II-A para inspección normal indica el plan de muestreo n = 125, Aceptar = 2, Rechazar = 3
? La tabla II—B para inspección estricta indica el plan de muestreo n = 125, Aceptar = 1, Rechazar = 2
? Las flechas ascendentes y descendentes indican cambio de letra y plan (n-c) dentro del mismo plan de inspección
201
Muestreo simple por variablesMétodo I – Distancia k de X a Lim. Esp.
? Se define por su tamaño de muestra n y el número de aceptación k distancia mínima de la media de la muestra a al límite de especificaciones
? Se toma una muestra y se evalúa la característica obteniendo un valor de MEDIA y de DESVIACIÓN ESTANDAR, con estos datos se determina Z y se compara con el valor mínimo de K. El lote se acepta si abs(Z) >= k
1.05 1.1 1.15 1.2 1.25 1.3 Dimensión X
Posición de la media en
Reláción con el límite de
Especificación inferior LIE
LIE
Z
Z = (LIE-Xm)/s
202
Muestreo simple por variablesMétodo I – Distancia k de X a Lim. Esp.
? Se define por su tamaño de muestra n y el número de aceptación k distancia mínima de la media de la muestra a al límite de especificaciones
? Pa es la probabilidad de aceptar un lote con fracción defectiva p con base en el plan de inspección n-k
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
Pa
1
0.8
0.5
0.3
0.1
Curva característica de
Operación dado una
Tamaño de muestra n
y un criterio de aceptación k
203
Tablas de muestreo ASQC-Z1.9Método I con el valor de K
? Ejemplo: Si N = 40 y AQL = 1%, Nivel de inspección II teniendo un Lim. Sup. de espec. LSE= 209
? La tabla A-2 indica letra código D
? La tabla B-1 para inspección normal indica el plan de muestreo n = 5, Criterio de aceptación K = 1.52
? Se toma una muestra de 5 mediciones (197, 188, 184, 205 y 201)
? Calculando la media de la muestra es X = 195 y la desv. Estandar s = 8.81, por tanto Z = 1.59
Conclusión: Como Z es mayor que K, se acepta el lote
204
Determinación de la fracción defectiva en la muestra para el Método II
LIE
Zi Zs
LSE
P(Zi) P(Zs)
Pasos:
1.Se toma una muestra de tamaño n
2. Se mide la característica de interés
3. Se calcula la Media y la desv. Estandar de la muestra
4. Determinar valor de Zi y Zs en base a especs. LIE, LSE
5. Se determina el valor de P(Zt) = P(Zi) + P(Zs)
X
s
Aceptar el lote
Si P(Zt) <= M
205
Muestreo simple por variables –Método II de M = fracc. Def. máx.
? Se define por su tamaño de muestra n y el número de aceptación M máxima fracción defectiva aceptable en la muestra
? Pa es la probabilidad de aceptar un lote con fracción defectiva p con base en el plan de inspección n-M
0.05 0.1 0.15 0.2 0.25 0.3 p Prov.
Pa
1
0.8
0.5
0.3
0.1
Curva característica de
Operación dado una
Tamaño de muestra n
y un criterio de aceptación M
206
Tablas de muestreo ASQC-Z1.9? Requiere información de (por cada característica variable):
? Tamaño del lote? Nivel de inspección (especial o normal II)? Magnitud del AQL (fracción defectiva aceptable en lotes)
? Contempla dos tipos de muestreo: ? Método I utilizando el valor de K ? Método II utilizando el valor de M
? En cada uno de los tipos se prevén los planes de inspección:? Inspección normal? Inspección reducida? Inspección estricta
207
Tablas de muestreo ASQC-Z1.9
? Iniciando con Inspección normal, proporciona información de: ? Tamaño de muestra n? Criterio de aceptación K (máximo) o M (mínimo)
? Contempla cambiar de Inspección Normal a Estricta si:? Se rechazan 2 de 5 lotes consecutivos? Regresa a la Normal si se aceptan 5 lotes consecutivos
? Contempla cambiar a Inspección Reducida si:? Se han aceptado 10 lotes consecutivos? Regresa a Normal si se rechaza un lote
208
Tablas de muestreo ASQC-Z1.9Método II con el valor de M
? Ejemplo: Si N = 40 y AQL = 1%, Nivel de inspección II teniendo Lim. De especificaciones LIE = 180, LSE = 209? La tabla A-2 indica letra código D
? La tabla B-3 para inspección normal indica el plan de muestreo n = 5, Criterio de aceptación M = 3.33%
? Se toma una muestra de 5 mediciones (197, 188, 184, 205 y 201)
? Calculando la media de la muestra es X = 195 y la desv. Estandar s = 8.81, por tanto Zs = 1.59, Zi = 1.7
? P(Zi) = 0.66%, P(Zs) = 2.19%, P(Zt) = 2.85%Conclusión: Como P(Zt) es menor que M, se acepta el lote
209
!!! MUCHAS GRACIAS !!!
Sesión de preguntas y respuestas