fbpx
Wikipedia

Control estadístico de procesos

El control gráfico de procesos (CGP o SPC, del inglés statistical process control) ayuda al uso de gráficos de control, basándose en técnicas estadísticas, lo que permite usar criterios objetivos para distinguir variaciones de fondo de eventos de importancia. Casi toda su potencia está en la capacidad de monitorizar el centro del proceso y su variación alrededor del centro. Recopilando datos de mediciones en diferentes sitios en el proceso, se pueden detectar y corregir variaciones en el proceso que puedan afectar a la calidad del producto o servicio final, reduciendo desechos y evitando que los problemas lleguen al cliente final. Con su énfasis en la detección precoz y prevención de problemas, SPC tiene una clara ventaja frente a los métodos de calidad como inspección, que aplican recursos para detectar y corregir problemas al final del producto o servicio, cuando ya es demasiado tarde.

Además de reducir desechos, SPC puede tener como consecuencia una reducción del tiempo necesario para producir el producto o servicio. Esto es debido parcialmente a que la probabilidad de que el producto final se tenga que retrabajar es menor, pero también puede ocurrir que al usar SPC, identifiquemos los cuellos de botella, paradas y otros tipos de esperas dentro del proceso. Reducciones del tiempo de ciclo del proceso relacionado con mejoras de rentabilidad han hecho del SPC una herramienta valiosa desde el punto de vista de la reducción de costes y de la satisfacción del cliente final.

Historia

En la década de 1920, Walter A. Shewhart fue el primero en utilizar el Control Estadístico de Procesos. Después, W. Edwards Deming aplicó los métodos del SPC en los Estados Unidos durante La Segunda Guerra Mundial, mejorando con éxito la calidad en la producción de municiones y otros productos de importancia estratégica. Deming ha contribuido decisivamente a introducir los métodos del SPC en la industria japonesa después de la guerra.

Edwards creó la base para el gráfico de control y el concepto del control estadístico durante experimentos diseñados cuidadosamente. Mientras Shewhart se inspiraba en teorías matemáticas y estadísticas puras, descubrió que datos derivados de procesos físicos raramente producen una "curva de distribución normal" (una distribución gaussiana, también llamada "curva en campana"). Descubrió que las variaciones en los datos de producción no se comportan siempre de la misma manera que en la naturaleza (Movimiento browniano de partículas). Shewhart concluyó que mientras cada proceso muestra una variación, algunos procesos muestran variaciones controladas naturales dentro del proceso (causas comunes de variación), mientras otros muestran variaciones descontroladas que no están siempre presentes en el proceso causal.

Formulación matemática

Recuérdese que el objetivo primordial del CEP (Control Estadístico de Procesos) consiste en monitorizar la evolución de un proceso de producción para detectar cambios de manera rápida y efectiva.

Los datos necesarios para definir un diagrama de Shewhart son los siguientes: en puntos temporales equidistantes, se toma una muestra pequeña (generalmente de un tamaño que ronda las 4 o 5 unidades) y se hace una medición de la variable de control que interesa monitorizar. Dichas muestras son conocidas como subgrupos racionales (traducción directa del inglés rationale subgroups). En general, la elección de estos subgrupos se hace de tal manera que las observaciones sean independientes además de incorporar la información suficiente para detectar variaciones en el corto plazo.

Es común utilizar la media aritmética   como variable de control. El diagrama de Shewhart se construye representando gráficamente las medias   de los grupos de control frente al tiempo. Una suposición adicional que es importante realizar es que  . Como la colección de datos   es una secuencia de variables aleatorias independientes e idénticamente distribuidas se cumple que   donde   es el tamaño de cada grupo de control.

Una vez se han tenido en cuenta las consideraciones anteriores es importante crear el diagrama utilizando tres conceptos capitales en este área de conocimiento:   (línea central),   (límite de control superior) y   (límite de control inferior). Las líneas   y   se encuentran a una distancia   de la línea central. El sistema de control está diseñado de tal manera que si alguna de las observaciones queda fuera de los límites establecidos se activa una alarma para llevar a cabo la vigilancia del proceso.

Se puede formular el problema en términos estadísticos con las siguientes hipótesis nula y alternativa para cada uno de los subgrupos de control.

 

 

Bajo estas consideraciones, la hipótesis nula se corresponde con una situación bajo control mientras que la hipótesis alternativa describe un proceso fuera de control por el cual la media cambia de manera persistente. Aunque este escenario es algo simplista (puede haber cambios epidémicos en la media), suele ser el más utilizado en la literatura.

Es importante comentar que los diagramas de Shewhart están pensados para tener una duración finita, es decir, por la propia formulación del problema ha de existir un momento en el cual se produzca la parada (que es equivalente a que el proceso esté fuera de control).

Se define la longitud de este diagrama de control como sigue:

 

La duración esperada de un diagrama de control puede calcularse teniendo en cuenta que   sigue una distribución geométrica de parámetro  , que se corresponde con la probabilidad que tener un primer fracaso o, equivalentemente, situarse fuera de los límites de control.

 

En consecuencia la duración esperada del proceso es inversamente proporcional a la probabilidad de situarse fuera de los límites de control.

Control estadístico de procesos y cadenas de Markov

Una vez que utilizamos reglas de control en los gráficos de Shewhart, este adquiere memoria y los estadísticos (mediciones sobre los grupos de control) dejan de ser independientes. En consecuencia, la duración esperada de un diagrama de control deja de tener distribución geométrica que se vio previamente. La idea detrás del procedimiento que vamos a utilizar hoy es representar el diagrama de control como una cadena de Markov a través de una selección adecuada del espacio de estados. Trabajaremos sobre el siguiente ejemplo concreto que merece la pena mencionar.

Sea un diagrama con las regla "dos puntos consecutivos fuera de los límites de control". Los estados de la cadena son los siguientes:

  • Estado 0: el punto actual está en la zona bajo control.
  • Estado 1: el punto está en una de las regiones de peligro, aunque el previo no lo estaba.
  • Estado 2: el punto está fuera de los límites de control, en consecuencia el diagrama lanza una señal de alerta.

Nótese que el estado 2 es absorbente, cuando se entra en la región fuera de control ya es imposible cambiar de región, recuérdese que asumimos que no hay cambios epidémicos. La matriz de transición de estados de la cadena de Markov es la siguiente:

 

Recordar que las ecuaciones de Chapman-Kolmogorov relacionan el cambio de una distribución de estados a otra en la cadena de Markov. Traducido a ecuaciones, esto significa que:

  donde   es un vector fila.

General

La siguiente descripción se refiere más al sector industrial que al sector de servicios, aunque los principios de SPC se pueden aplicar a los dos sectores. Para una descripción y un ejemplo de cómo aplicar SPC al sector de servicios, refiérase a Roberts (2005). También se ha aplicado SPC con éxito para detectar cambios en el comportamiento organizativo con Detección de Cambios en Redes Sociales introducido por McCulloh.

Tradicionalmente, en procesos de producción en masa, se controlaba la calidad de la pieza acabada mediante inspecciones del producto al final del proceso; aceptando o rechazando cada pieza (o muestras de producción) basándose en los criterios de especificaciones. La diferencia del Control del Proceso estadístico es que usa herramientas estadísticas para observar el rendimiento del proceso de producción para prever desviaciones importantes que pueda resultar en el producto rechazado.

Existen dos tipos de variaciones en todos los procesos industriales y ambas variaciones causan variaciones posteriores en el producto final. Las primeras son variaciones de causa natural o común y pueden ser variaciones en temperatura, especificaciones en materias primas o electricidad etc. Estas variaciones son pequeñas y normalmente están cerca del valor medio. El modelo de variación sería similar a los modelos encontrados en la naturaleza y la distribución forma la curva de distribución normal (forma de campana). Las segundas son conocidas como causas especiales y suceden con menos frecuencia que las primeras.

Por ejemplo, una línea de producción de cajas de cereales puede estar diseñada para rellenar cada caja de cereales con 500 gramos de producto, pero algunas cajas pueden tener un poco más de 500 gramos, y otras pueden tener un poco menos, conforme a la distribución del peso neto. Si el proceso de producción, sus entradas, o su entorno cambia (por ejemplo, las máquinas de producción muestran señales de desgaste), esta distribución pueda cambiar. Por ejemplo, si las poleas se desgastan, la máquina que rellena las cajas con cereales puede empezar a introducir más cereales en cada caja que lo especificado. Si se permite continuar con este cambio sin estar controlado, se producirán más y más productos que no entran dentro de las tolerancias del fabricante o del consumidor, con el resultado de desechos. Mientras en este caso, el desecho está presente en la forma de producto “gratuito” para el consumidor, normalmente el desecho consiste en retrabajo o chatarra.

Observando en el momento justo qué ha pasado en el proceso que ha provocado un cambio, el ingeniero de calidad o cualquier miembro del equipo que está como responsable de la línea de producción puede solucionar la causa principal de la variación que ha entrado en el proceso y se corrige el problema.

El SPC también indica cuándo se debe tomar una acción dentro de un proceso, pero indica también cuando NO se deben tomar acciones. Un ejemplo es una persona que le gustaría mantener un peso equilibrado y toma medidas de peso cada semana. Una persona que no entiende los conceptos del SPC pueda empezar una dieta cada vez que su peso incrementa, o comer más cada vez que su peso disminuye. Este tipo de acción puede ser perjudicial y puede generar más variación en peso. SPC se justifica en una variación del peso normal y una indicación mejorada de cuándo la persona está ganando o perdiendo peso.

Véase también

Bibliografía

  • Deming, W E (1975) On probability as a basis for action, The American Statistician, 29(4), pp. 146-152.
  • Deming, W E (1982) Out of the Crisis: Quality, Productivity and Competitive Position ISBN 0-521-30553-5
  • Oakland, J (2002) Statistical Process Control ISBN 0-7506-5766-9
  • Shewhart, W A (1931) Economic Control of Quality of Manufactured Product ISBN 0-87389-076-0
  • Shewhart, W A (1939) Statistical Method from the Viewpoint of Quality Control ISBN 0-486-65232-7
  • Wheeler, D J (2000) Normality and the Process-Behaviour Chart ISBN 0-945320-56-6
  • Wheeler, D J & Chambers, D S (1992) Understanding Statistical Process Control ISBN 0-945320-13-2
  • Wheeler, Donald J. (1999). Understanding Variation: The Key to Managing Chaos - 2nd Edition. SPC Press, Inc. ISBN 0-945320-53-1.
  •   Datos: Q1356717
  •   Multimedia: Statistical process control / Q1356717

control, estadístico, procesos, control, gráfico, procesos, inglés, statistical, process, control, ayuda, gráficos, control, basándose, técnicas, estadísticas, permite, usar, criterios, objetivos, para, distinguir, variaciones, fondo, eventos, importancia, cas. El control grafico de procesos CGP o SPC del ingles statistical process control ayuda al uso de graficos de control basandose en tecnicas estadisticas lo que permite usar criterios objetivos para distinguir variaciones de fondo de eventos de importancia Casi toda su potencia esta en la capacidad de monitorizar el centro del proceso y su variacion alrededor del centro Recopilando datos de mediciones en diferentes sitios en el proceso se pueden detectar y corregir variaciones en el proceso que puedan afectar a la calidad del producto o servicio final reduciendo desechos y evitando que los problemas lleguen al cliente final Con su enfasis en la deteccion precoz y prevencion de problemas SPC tiene una clara ventaja frente a los metodos de calidad como inspeccion que aplican recursos para detectar y corregir problemas al final del producto o servicio cuando ya es demasiado tarde Ademas de reducir desechos SPC puede tener como consecuencia una reduccion del tiempo necesario para producir el producto o servicio Esto es debido parcialmente a que la probabilidad de que el producto final se tenga que retrabajar es menor pero tambien puede ocurrir que al usar SPC identifiquemos los cuellos de botella paradas y otros tipos de esperas dentro del proceso Reducciones del tiempo de ciclo del proceso relacionado con mejoras de rentabilidad han hecho del SPC una herramienta valiosa desde el punto de vista de la reduccion de costes y de la satisfaccion del cliente final Indice 1 Historia 2 Formulacion matematica 2 1 Control estadistico de procesos y cadenas de Markov 3 General 4 Vease tambien 5 BibliografiaHistoria EditarEn la decada de 1920 Walter A Shewhart fue el primero en utilizar el Control Estadistico de Procesos Despues W Edwards Deming aplico los metodos del SPC en los Estados Unidos durante La Segunda Guerra Mundial mejorando con exito la calidad en la produccion de municiones y otros productos de importancia estrategica Deming ha contribuido decisivamente a introducir los metodos del SPC en la industria japonesa despues de la guerra Edwards creo la base para el grafico de control y el concepto del control estadistico durante experimentos disenados cuidadosamente Mientras Shewhart se inspiraba en teorias matematicas y estadisticas puras descubrio que datos derivados de procesos fisicos raramente producen una curva de distribucion normal una distribucion gaussiana tambien llamada curva en campana Descubrio que las variaciones en los datos de produccion no se comportan siempre de la misma manera que en la naturaleza Movimiento browniano de particulas Shewhart concluyo que mientras cada proceso muestra una variacion algunos procesos muestran variaciones controladas naturales dentro del proceso causas comunes de variacion mientras otros muestran variaciones descontroladas que no estan siempre presentes en el proceso causal Formulacion matematica EditarRecuerdese que el objetivo primordial del CEP Control Estadistico de Procesos consiste en monitorizar la evolucion de un proceso de produccion para detectar cambios de manera rapida y efectiva Los datos necesarios para definir un diagrama de Shewhart son los siguientes en puntos temporales equidistantes se toma una muestra pequena generalmente de un tamano que ronda las 4 o 5 unidades y se hace una medicion de la variable de control que interesa monitorizar Dichas muestras son conocidas como subgrupos racionales traduccion directa del ingles rationale subgroups En general la eleccion de estos subgrupos se hace de tal manera que las observaciones sean independientes ademas de incorporar la informacion suficiente para detectar variaciones en el corto plazo Es comun utilizar la media aritmetica X displaystyle bar X como variable de control El diagrama de Shewhart se construye representando graficamente las medias X i displaystyle bar X i de los grupos de control frente al tiempo Una suposicion adicional que es importante realizar es que E X m y Var X s 2 displaystyle mathbb E X mu text y text Var X sigma 2 Como la coleccion de datos X 1 X n displaystyle X 1 X n es una secuencia de variables aleatorias independientes e identicamente distribuidas se cumple que E X i m y Var X i s 2 n i displaystyle mathbb E bar X i mu text y text Var bar X i sigma 2 n i donde n i displaystyle n i es el tamano de cada grupo de control Una vez se han tenido en cuenta las consideraciones anteriores es importante crear el diagrama utilizando tres conceptos capitales en este area de conocimiento L C displaystyle LC linea central L C S displaystyle LCS limite de control superior y L C I displaystyle LCI limite de control inferior Las lineas L C S displaystyle LCS y L C I displaystyle LCI se encuentran a una distancia 3 s n displaystyle 3 sigma sqrt n de la linea central El sistema de control esta disenado de tal manera que si alguna de las observaciones queda fuera de los limites establecidos se activa una alarma para llevar a cabo la vigilancia del proceso Se puede formular el problema en terminos estadisticos con las siguientes hipotesis nula y alternativa para cada uno de los subgrupos de control H 0 i X j N m s 2 n para j i displaystyle H 0 i bar X j sim mathcal N mu sigma 2 n text para j leq i H 1 i para algun k lt i X j N m s 2 n j k X j N m s 2 n k lt j i displaystyle H 1 i text para algun k lt i text begin cases bar X j sim mathcal N mu sigma 2 n j leq k bar X j sim mathcal N hat mu sigma 2 n k lt j leq i end cases Bajo estas consideraciones la hipotesis nula se corresponde con una situacion bajo control mientras que la hipotesis alternativa describe un proceso fuera de control por el cual la media cambia de manera persistente Aunque este escenario es algo simplista puede haber cambios epidemicos en la media suele ser el mas utilizado en la literatura Es importante comentar que los diagramas de Shewhart estan pensados para tener una duracion finita es decir por la propia formulacion del problema ha de existir un momento en el cual se produzca la parada que es equivalente a que el proceso este fuera de control Se define la longitud de este diagrama de control como sigue N min k tal que X k gt L C S o X k lt L C I displaystyle N min k text tal que bar X k gt LCS text o bar X k lt LCI La duracion esperada de un diagrama de control puede calcularse teniendo en cuenta que N displaystyle N sigue una distribucion geometrica de parametro p displaystyle p que se corresponde con la probabilidad que tener un primer fracaso o equivalentemente situarse fuera de los limites de control E N i 0 P N gt i i 0 1 p i 1 p displaystyle mathbb E N sum i 0 infty mathbb P N gt i sum i 0 infty 1 p i frac 1 p En consecuencia la duracion esperada del proceso es inversamente proporcional a la probabilidad de situarse fuera de los limites de control Control estadistico de procesos y cadenas de Markov Editar Una vez que utilizamos reglas de control en los graficos de Shewhart este adquiere memoria y los estadisticos mediciones sobre los grupos de control dejan de ser independientes En consecuencia la duracion esperada de un diagrama de control deja de tener distribucion geometrica que se vio previamente La idea detras del procedimiento que vamos a utilizar hoy es representar el diagrama de control como una cadena de Markov a traves de una seleccion adecuada del espacio de estados Trabajaremos sobre el siguiente ejemplo concreto que merece la pena mencionar Sea un diagrama con las regla dos puntos consecutivos fuera de los limites de control Los estados de la cadena son los siguientes Estado 0 el punto actual esta en la zona bajo control Estado 1 el punto esta en una de las regiones de peligro aunque el previo no lo estaba Estado 2 el punto esta fuera de los limites de control en consecuencia el diagrama lanza una senal de alerta Notese que el estado 2 es absorbente cuando se entra en la region fuera de control ya es imposible cambiar de region recuerdese que asumimos que no hay cambios epidemicos La matriz de transicion de estados de la cadena de Markov es la siguiente L p 0 p 1 1 p 0 p 1 p 0 0 1 p 0 0 0 1 displaystyle Lambda begin pmatrix p 0 amp p 1 amp 1 p 0 p 1 p 0 amp 0 amp 1 p 0 0 amp 0 amp 1 end pmatrix Recordar que las ecuaciones de Chapman Kolmogorov relacionan el cambio de una distribucion de estados a otra en la cadena de Markov Traducido a ecuaciones esto significa que S k S k 1 L displaystyle S k S k 1 Lambda donde S k displaystyle S k es un vector fila General EditarLa siguiente descripcion se refiere mas al sector industrial que al sector de servicios aunque los principios de SPC se pueden aplicar a los dos sectores Para una descripcion y un ejemplo de como aplicar SPC al sector de servicios refierase a Roberts 2005 Tambien se ha aplicado SPC con exito para detectar cambios en el comportamiento organizativo con Deteccion de Cambios en Redes Sociales introducido por McCulloh Tradicionalmente en procesos de produccion en masa se controlaba la calidad de la pieza acabada mediante inspecciones del producto al final del proceso aceptando o rechazando cada pieza o muestras de produccion basandose en los criterios de especificaciones La diferencia del Control del Proceso estadistico es que usa herramientas estadisticas para observar el rendimiento del proceso de produccion para prever desviaciones importantes que pueda resultar en el producto rechazado Existen dos tipos de variaciones en todos los procesos industriales y ambas variaciones causan variaciones posteriores en el producto final Las primeras son variaciones de causa natural o comun y pueden ser variaciones en temperatura especificaciones en materias primas o electricidad etc Estas variaciones son pequenas y normalmente estan cerca del valor medio El modelo de variacion seria similar a los modelos encontrados en la naturaleza y la distribucion forma la curva de distribucion normal forma de campana Las segundas son conocidas como causas especiales y suceden con menos frecuencia que las primeras Por ejemplo una linea de produccion de cajas de cereales puede estar disenada para rellenar cada caja de cereales con 500 gramos de producto pero algunas cajas pueden tener un poco mas de 500 gramos y otras pueden tener un poco menos conforme a la distribucion del peso neto Si el proceso de produccion sus entradas o su entorno cambia por ejemplo las maquinas de produccion muestran senales de desgaste esta distribucion pueda cambiar Por ejemplo si las poleas se desgastan la maquina que rellena las cajas con cereales puede empezar a introducir mas cereales en cada caja que lo especificado Si se permite continuar con este cambio sin estar controlado se produciran mas y mas productos que no entran dentro de las tolerancias del fabricante o del consumidor con el resultado de desechos Mientras en este caso el desecho esta presente en la forma de producto gratuito para el consumidor normalmente el desecho consiste en retrabajo o chatarra Observando en el momento justo que ha pasado en el proceso que ha provocado un cambio el ingeniero de calidad o cualquier miembro del equipo que esta como responsable de la linea de produccion puede solucionar la causa principal de la variacion que ha entrado en el proceso y se corrige el problema El SPC tambien indica cuando se debe tomar una accion dentro de un proceso pero indica tambien cuando NO se deben tomar acciones Un ejemplo es una persona que le gustaria mantener un peso equilibrado y toma medidas de peso cada semana Una persona que no entiende los conceptos del SPC pueda empezar una dieta cada vez que su peso incrementa o comer mas cada vez que su peso disminuye Este tipo de accion puede ser perjudicial y puede generar mas variacion en peso SPC se justifica en una variacion del peso normal y una indicacion mejorada de cuando la persona esta ganando o perdiendo peso Vease tambien EditarSistema de produccion Monozukuri Supplier Relationship Management Lean manufacturing Seis SigmaBibliografia EditarDeming W E 1975 On probability as a basis for action The American Statistician 29 4 pp 146 152 Deming W E 1982 Out of the Crisis Quality Productivity and Competitive Position ISBN 0 521 30553 5 Oakland J 2002 Statistical Process Control ISBN 0 7506 5766 9 Shewhart W A 1931 Economic Control of Quality of Manufactured Product ISBN 0 87389 076 0 Shewhart W A 1939 Statistical Method from the Viewpoint of Quality Control ISBN 0 486 65232 7 Wheeler D J 2000 Normality and the Process Behaviour Chart ISBN 0 945320 56 6 Wheeler D J amp Chambers D S 1992 Understanding Statistical Process Control ISBN 0 945320 13 2 Wheeler Donald J 1999 Understanding Variation The Key to Managing Chaos 2nd Edition SPC Press Inc ISBN 0 945320 53 1 Datos Q1356717 Multimedia Statistical process control Q1356717 Obtenido de https es wikipedia org w index php title Control estadistico de procesos amp oldid 148908837, wikipedia, wiki, leyendo, leer, libro, biblioteca,

español

, española, descargar, gratis, descargar gratis, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, imagen, música, canción, película, libro, juego, juegos