Capacidad del proceso

Capacidad del procesoControl Estadstico de Proceso

Capacidad del proceso

La capacidad de un proceso es el rango de variacin que, en condiciones normales, un proceso tiene debido a las variables accidentales.

Los pasos para determinar la capacidad de unproceso son:Determinar la caracterstica de calidad.

2. Controlar el proceso. Eliminar todas las variables asignables o atribuibles del proceso.

3. Tomar muestras del proceso. Las muestras no deben ser menos de 50 y mnimo con 250 elementos por cada na de ellas.

4. Calcular la media y de la desviacin estndar del proceso mediante las siguientes formulas.

5. Calcular los lmites del proceso. Calcular la distribucin normal y la capacidad del proceso de acuerdo con las siguientes frmulas:Lsc = +3Lcc = Lic = -3

Se comparan los datos obtenidos del proceso con las especificaciones dadas:

Lmite Inferior de Especificaciones (LIE). Lmite Superior de Especificaciones (LSE).

.Si los lmites superior e inferior del proceso se encuentran dentro del rango establecido por los lmites de las especificaciones, significa que el proceso analizado satisface completamente al cliente

Si uno o ambos lmites del proceso se encuentran fuera del rango establecido por las especificaciones, lmite superior e inferior, significa que la diferencia entre los lmites inferiores y/o superiores (del proceso y las especificaciones) representan los productos defectuosos que se obtienen con nuestro proceso

Cuando se presenta este caso se pueden tomar diferentes medidas, como pueden ser:1. Cambiar el proceso por uno que sea capaz de satisfacer completamente las especificaciones.

2. Buscar mercados alternos en los que se puedan vender los productos defectuosos a menor precio.

3. Reprocesar los productos defectuosos. Con la informacin obtenida en los pasos anteriores se puede calcular la Capacidad o Habilidad Potencial del Proceso (HP) que nos permitir saber si el proceso que aplicamos es capaz de satisfacer o no las especificacionesLa forma de calcular la Capacidad Potencial es la siguienteSi la Capacidad Potencial obtenida es mayor a 1, CP>1, significa que nuestro proceso s es capaz de satisfacer a nuestro cliente. Sin embargo, en la industria se requiere de un margen de error, por lo que se busca que CP > 1.5.

Otra forma de analizar nuestro proceso es comparando la Capacidad del Proceso (CP) con la Capacidad Potencial (HP) de la siguiente manera.

Si: CP > HP El proceso es capaz de satisfacer ms y/o mejor al cliente y deben, por lo tanto acoplarse las medias del proceso y de especificaciones para lograrlo

CP = HP El proceso satisface adecuadamente las especificaciones del cliente.

CP < HP El proceso no es capaz de satisfacer las especificaciones del cliente.

En Resumen

InicioDefinir variables de proceso a medirDefinir plan de medicionesRealizar las mediciones de acuerdo al plan establecidoEvaluar el comportamiento con grficos de controlEvaluar la capacidad del procesoIdentificar causas asignables de variacinEliminar causas asignables de variacinDecisin gerencialVerificar centrado del procesoProgramas de mejoramiento del procesoDecisin gerencialProcesoen controlestadstico?

ICP>1?

ICP>1.33?

SiNoNoSiSiNoEsquema general para implementacin de un programa de control estadstico o para el mejoramiento de los procesos con base en esta herramienta

Habilidad del procesoAl planearlos aspectos de calidad de la manufactura, nada es ms importante que asegurarse de antemano de que el proceso ser capaz de mantener las tolerancias.

Esta habilidad para predecir en forma cuantitativa ha dado como resultado la adopcin amplia del concepto como elemento primordial de la planeacin de la calidad.

La habilidad del proceso es la variacin medida, inherente del producto que se obtiene en ese proceso.Definiciones bsicasProceso: ste se refiere a alguna combinacin nica de mquinas, herramientas, mtodos, materiales y personas involucradas en la produccin.

Habilidad: Esta palabra se usa en el sentido de aptitud, basada en el desempeo probado, para lograr resultados que se puedan medir.

Habilidad medida: Esto se refiere al hecho de que la habilidad del proceso se cuantifica a partir de datos que, a su vez, son el resultado de la medicin del trabajo realizado por el proceso

Habilidad inherente: Esto se refiere a la uniformidad del producto que resulta de un proceso que se encuentra en estado de control estadstico, es decir, en ausencia de "fuerzas externas" u otras causas atribuibles de variacin. Un sinnimo es "reproducibilidad instantnea".

Producto: La medicin se hace sobre el producto porque el resultado final es la variacin del productoUsos de la informacin de habilidad del proceso1 Predecir el grado de variabilidad que exhibirn los procesos. Esta informacin de habilidad, cuando se proporciona a los diseadores, ofrece informacin importante para establecer lmites de especificacin realistas.

2. Seleccionar, entre procesos que compiten, el proceso ms adecuado para que las tolerancias se cumplan.

3. Planear la interrelacin de procesos secuenciales. Por ejemplo, un proceso puede distorsionar la precisin lograda por el proceso que le antecede, como en el endurecimiento de los dientes de un engrane. La cuantificacin de las habilidades respectivas del proceso con frecuencia seala el camino para encontrar una solucin.

4. Proporcionar una base cuantitativa para establecer un programa de verificaciones de control peridico del proceso y reajustes.

5. Asignar las mquinas a los tipos de trabajos para los cuales son ms adecuadas.

6. Probar las teoras de las causas de defectos durante los programas de mejoramiento de la calidad.

7. Servir como base para la especificacin de los requerimientos de calidad para las mquinas compradas

Relacin con las tolerancias del productoUna razn importante para cuantificar la habilidad del proceso es poder calcular la habilidad del proceso de mantener las tolerancias del producto. Para procesos que se encuentran en un estado de control estadstico, una comparacin de la variacin entre 6 y los lmites de tolerancia permite un clculo rpido del porcentaje de unidades defectuosas, mediante la teora estadstica.

Quienes planean intentan seleccionar procesos que tengan las 6 de la habilidad del proceso dentro de la amplitud de tolerancia. Una medida de esta relacin es la tasa de habilidad.Frmula estandarizada

La frmula para la habilidad del proceso que ms se usa es:

Habilidad del proceso = 3 (un total de 6)

Donde = la desviacin estndar del proceso cuando se encuentra en estado de control estadstico, es decir, sin la influencia de fuerzas externas o cambios repentinos.

Si el proceso est centrado en la especificacin nominal y sigue una distribucin de probabilidad normal, 99.73% de la produccin caer a menos de 3 y de la especificacin nominal.

Algunos procesos industriales operan en un estado de control estadstico.

Para tales procesos, la habilidad del proceso calculada de 6 se puede comparar directamente con las tolerancias de especificacin, y se pueden hacer juicios sobre su adecuacinUna razn importante para cuantificar la habilidad del proceso es poder calcular la habilidad del proceso de mantener las tolerancias del producto.

Para procesos que se encuentran en un estado de control estadstico, una comparacin de la variacin entre 6 y los lmites de tolerancia permite un clculo rpido del porcentaje de unidades defectuosas, mediante la teora estadstica.

Quienes planean intentan seleccionar procesos que tengan las 6 de la habilidad del proceso dentro de la amplitud de tolerancia. Una medida de esta relacin es la tasa de habilidad.6 corresponde al ancho de banda de una distribucin normal.

Obtener 3,4 defectos en un milln de oportunidades es una meta bastante ambiciosa pero lograble. Se puede clasificar la eficiencia de un proceso en base a su nivel de sigma:

1sigma= 690.000 DPMO = 31% de eficiencia2sigma= 308.538 DPMO = 69% de eficiencia3sigma= 66.807 DPMO = 93,3% de eficiencia4sigma= 6.210 DPMO = 99,38% de eficiencia5sigma= 233 DPMO = 99,977% de eficiencia6sigma= 3,4 DPMO = 99,99966% de eficiencia

Hoja de probabilidades

Debe entenderse que el uso de la hoja de probabilidades, que debera denominarse hoja para graficar con probabilidades normales, no es ms que un artificio aproximado (y muy eficaz) para verificar si una distribucin sigue el patrn de una curva normal. Slo grandes y notorias desviaciones de la linealidad en ella son evidencia real de que los datos no se comportan como los de una curva normal.

Algunas veces se emplean otras escalas especiales para graficar distribuciones acumuladas. Por ejemplo, si se sospecha que un conjunto de datos sigue el modelo de una distribucin log-normal, se utiliza la hoja de probabilidades con una escala logartmica. Tambin este material se encuentra disponible en el mercado, otras escalas han sido ideadas para verificar si un conjunto de datos se apega a los patrones de las distribuciones tericas correspondientes.

La hoja especial para grficas con una escala aritmtica (ordinaria) y una escala de probabilidad se denominada hoja de probabilidades. He aqu un ejemplo, hemos graficado, la distribucin porcentual acumulada "menor que" de los datos de la emisin del xido de azufre en papel de probabilidades.

Obsrvese que los porcentajes acumulados se grafican sobre las fronteras de clase correspondientes. Como puede verse en este diagrama, todos los puntos estn situados muy cerca de la lnea recta punteada y podemos decir que los datos, de manera aproximada, estn distribuidos normalmente.

Para verificar la "normalidad", la hoja de probabilidades tambin puede usarse directamente con datos no agrupados. En tal caso, primero ordenamos las observaciones por su tamao en forma ascendente, y si hay n observaciones graficamos el por ciento 100 (i - )/n 0 (1 00i 50)/n

En la escala vertical correspondiendo a la -sima observacin.

Si n es bastante grande, no es necesario graficar todos los puntos; cada cinco o diez puntos bastaran casi siempre para verificar si la distribucin de los datos se apega de manera aproximada al patrn de una distribucin normal

Para ilustrar esto, dibujamos una grfica referente a los datos de la emisin del xido de azufre (ordenados en forma ascendente), graficando los puntos correspondientes a la primera y a cada dcima observacin.

Tambin en este caso, es evidente que los puntos caen muy cerca de la recta y en consecuencia, los datos estn aproximadamente distribuidos en forma normal.Histograma en una muestra de 1000

Valores para una muestra de 5000

Grafica de una distribucin normal