UNIDAD 2: HERRAMIENTAS PARA LA GESTION EFECTIVA DE LA INGENIERIA DE PROCESOS.

 Unidad 2: Herramientas para la Gestión efectiva de la Ingeniería de Procesos

Eq. PAR DE DOS
Por:
Gustavo Alonso Aranda Guzmán  23310283
Cecilia Guadalupe Santana Arana 23310280

2.1 Control Estadístico en Procesos Reales con Software (EXCEL, MINITAB, STATGRAPHICS)

El Control Estadístico de Procesos (CEP) es una metodología para monitorear y controlar un proceso a través de herramientas estadísticas. Su objetivo es garantizar que el proceso funcione de manera eficiente, produciendo productos con la menor variabilidad posible.

• EXCEL: Aunque no es un software estadístico especializado, Excel es útil para gráficos, histogramas, hojas de verificación y cálculos básicos. Es accesible y fácil de usar.

• MINITAB: Este software está especialmente diseñado para análisis estadísticos en calidad y procesos industriales. Permite aplicar pruebas de normalidad, diagramas de Pareto, Ishikawa, histogramas, ANOVA, y muchos más.

• STATGRAPHICS: Similar a Minitab, se especializa en análisis estadístico y de procesos, con una interfaz gráfica amigable y funciones potentes para visualizar datos y realizar controles de calidad.

2.1.1 La variabilidad y sus orígenes en los procesos

En cualquier proceso productivo, la variabilidad es inevitable. Entender su origen es fundamental para aplicar mejoras.

• Causas comunes de variación:

• También llamadas variaciones naturales.

• Están siempre presentes en el proceso debido a pequeñas fluctuaciones inevitables.

• Ejemplos: diferencias mínimas en la materia prima, pequeñas variaciones en la velocidad de una máquina, condiciones ambientales.

• Causas especiales de variación:

  • Son variaciones inusuales o fuera de lo normal que se pueden corregir.

  • Ejemplos: una máquina desajustada, error humano, falla en una pieza.

  • Detectarlas y eliminarlas es clave para mejorar la calidad.

2.1.2 La Hoja de Verificación (Check List)

Es una herramienta de recolección de datos en tiempo real. Se utiliza para registrar la frecuencia de ciertos eventos o características observadas en un proceso.

• Ayuda a identificar patrones o comportamientos repetitivos.

• Sirve como base para aplicar otras herramientas de mejora.

• Se utiliza mucho en inspecciones, auditorías, y mantenimiento preventivo.

Ejemplo: anotar cuántas veces ocurre un defecto en una línea de producción durante un turno.

2.1.3 La Estratificación

Es una técnica que organiza los datos en subgrupos homogéneos antes de analizarlos.

• Permite identificar cuál grupo está contribuyendo más a un problema.

• 

  Se puede estratificar por:

  • Turno de trabajo

  • Máquina

  • Operador

  • Tipo de materia prima

  • Fecha u hora

Ejemplo: Si el mismo defecto aparece, pero solo en el turno de noche, esa estratificación permite enfocar el análisis.

2.1.4 El Diagrama de Pareto

Basado en el principio de Pareto (80/20): el 80% de los problemas proviene del 20% de las causas.

• Es un gráfico de barras donde las causas se ordenan de mayor a menor impacto.

• A la derecha, se puede incluir una línea acumulativa para visualizar el porcentaje de impacto total.

• Es útil para priorizar acciones correctivas.

En niveles superiores, se puede aplicar para:

• Comparar costos asociados a cada causa.

• Tomar decisiones estratégicas sobre reducción de desperdicios, defectos o tiempos muertos.

2.1.5 El Diagrama de Ishikawa (Causa-Efecto o de Espina de Pescado)

Desarrollado por Kaoru Ishikawa, este diagrama permite identificar las posibles causas de un problema.

• Tiene una estructura visual en forma de espina de pescado.

• Las categorías más comunes se agrupan en las 6M:

  

  1. Método

  2. Máquina

  3. Mano de obra

  4. Materiales

  5. Medio ambiente

  6. Medición

Se usa en sesiones de brainstorming para encontrar causas raíces y no quedarse solo con los síntomas.

2.1.6 El Histograma y su interpretación

Un histograma es una representación gráfica de la distribución de un conjunto de datos.

• Se divide en intervalos o "clases", y se cuentan las frecuencias con las que ocurren los datos en cada intervalo.

• Permite observar:

  • La forma de la distribución (normal, sesgada, bimodal)

  • La dispersión de los datos

  • La existencia de valores atípicos o extremos

Es útil para evaluar si un proceso está bajo control o si hay variaciones que deben atenderse.

2.1.7 Pruebas de Normalidad y Ajuste de los Datos

Muchos análisis estadísticos requieren que los datos sigan una distribución normal. Por eso, se aplican estas pruebas para comprobarlo o transformarlos si es necesario.

- Transformación Box-Cox

• Método que transforma los datos no normales para que se acerquen a una distribución normal.

• Utiliza una familia de potencias matemáticas para encontrar el mejor ajuste.

- Prueba de Anderson-Darling

• Evalúa si un conjunto de datos se ajusta a una distribución específica, como la normal.

• Da mayor peso a las colas (extremos) de la distribución.

- Prueba de Johnson

• Transforma distribuciones no normales en normales utilizando una familia de funciones matemáticas de Johnson.

• Muy útil cuando otras transformaciones fallan.

Estas pruebas son comunes en Minitab y otros softwares estadísticos. Si los datos no pasan la prueba de normalidad, es mejor transformarlos o usar pruebas no paramétricas.

2.1.8 Cartas de control o gráficos de control

Son herramientas gráficas utilizadas dentro del control estadístico de procesos (SPC) para monitorear la variabilidad de un proceso productivo. Ayudan a identificar si un proceso se encuentra en condiciones estables o si existen causas especiales que generen variación no deseada. Estas cartas son fundamentales para la mejora continua y la calidad total.

2.1.8.1 ¿Qué son las Cartas de control o gráficos de control?

Son gráficos que presentan datos en función del tiempo, mostrando una línea central (media del proceso), así como límites superior e inferior de control, calculados estadísticamente. Permiten detectar desviaciones que pudieran indicar problemas o mejoras necesarias en el proceso. Su función principal es prevenir defectos antes de que se generen productos no conformes.

2.1.8.2 Tipos de errores que pueden cometerse en una Carta de Control

1. Error Tipo I (Alarma falsa): Ocurre cuando el gráfico señala una aparente anormalidad en el proceso, cuando en realidad está bajo control. Esto puede provocar intervenciones innecesarias.

2. Error Tipo II (Fallo en la detección): El gráfico no muestra una anormalidad, pero en realidad el proceso ha cambiado. Este error es más peligroso, pues se deja pasar un proceso fuera de control sin detectarlo.

Ambos errores impactan negativamente la eficiencia y estabilidad del sistema, por lo tanto, se deben diseñar cartas que minimicen estas probabilidades.

2.1.8.3 Clasificación de las Cartas de control o gráficos de control

Se dividen según el tipo de datos que controlan:

• Cartas por variables: Usadas cuando se puede medir directamente una característica (peso, largo, temperatura, etc.).

  • Ej: Carta X̄-R, Carta X̄-S, I-MR.

• Cartas por atributos: Se usan cuando se cuenta el número de defectos o unidades defectuosas.

  • Ej: Carta p, np, c, u.

Cada tipo se elige dependiendo de la naturaleza del proceso y del objetivo de análisis.

2.1.8.4 Límites Naturales o Reales vs Límites de Especificación

• Límites de control: Son estadísticos y reflejan la variación inherente del proceso. Indican si el proceso está "bajo control".

• Límites de especificación: Son definidos por requerimientos del cliente o diseño. Indican si el producto cumple con lo esperado.

Un proceso puede estar bajo control pero fuera de especificación, lo que indica que debe mejorarse su capacidad.

2.1.8.5 Diseño de Tolerancias

Proceso de establecer los límites aceptables de variación para una característica específica del producto. Tiene un impacto directo en la calidad, el costo y la funcionalidad. El buen diseño de tolerancias balancea precisión con viabilidad de manufactura.

2.1.8.6 Evaluación de una carta de control

Implica analizar si el proceso:

• Tiene datos dentro de los límites de control.

• Muestra patrones inusuales (tendencias, ciclos, dispersión).

• Cumple con los supuestos de normalidad y estabilidad.

Esto permite decidir si el proceso puede seguir operando o necesita ajustes.

2.1.8.7 Reglas de sensibilización para cartas de control

Estas reglas ayudan a identificar señales de advertencia antes de que ocurra un problema mayor:

• Una observación fuera de los límites de control.

• Tendencia creciente o decreciente de varios puntos seguidos.

• Ciclos repetitivos.

• Demasiados puntos en un solo lado de la media.

Estas reglas se basan en criterios estadísticos como los de Western Electric o Nelson.

2.1.8.8 ¿Qué tipo de carta de control utilizar?

Depende del tipo de datos y del tamaño de muestra:

• I-MR (Individuales): para una sola observación por muestra.

• X̄-R y X̄-S: para muestras agrupadas.

• p, np, c, u: cuando se cuenta número de defectos o unidades defectuosas.

La elección correcta mejora la sensibilidad de la carta y reduce errores.

2.1.8.9 Cartas de Control por Variables

Usadas cuando se miden características cuantitativas:

• X̄-R (medias y rangos): Evalúa la media y la dispersión.

• X̄-S (medias y desviaciones estándar): Más adecuada para muestras grandes.

• Run-Chart: Gráfico sin límites de control, útil para detectar tendencias.

• I-MR: Para datos individuales cuando no se puede formar subgrupos.

2.1.8.10 Cartas de Control con Memoria

Incorporan datos históricos para mayor sensibilidad:

• CUSUM: Detecta cambios pequeños acumulativos.

• EWMA: Suaviza las fluctuaciones recientes, ideal para procesos lentos.

• ARIMA: Avanzado modelo estadístico para series temporales auto correlacionadas.

Estas cartas son más sofisticadas y útiles en industrias con alta variabilidad.

2.1.8.11 Estudio de Capacidad y Estabilidad de un proceso

Permite medir si un proceso puede cumplir con las especificaciones del cliente consistentemente:

• Cp y Cpk: Miden la capacidad potencial y real del proceso.

• Pp y Ppk: Se usan cuando el proceso aún no está en control.

Estos índices ayudan a mejorar el diseño y mantenimiento del proceso productivo.

2.1.8.12 Cartas de Control por Atributos

Usadas cuando los datos son de tipo binario (sí/no, conforme/no conforme):

• Carta p: Proporción de unidades defectuosas en cada muestra.

• Carta np: Número de unidades defectuosas (n fijo).

• Carta c: Número de defectos por unidad (unidad constante).

• Carta u: Número de defectos por unidad cuando el tamaño de muestra varía.

Son comunes en inspecciones de calidad visual o funcional.

2.1.9 Estudio de regresión y correlación: lineal, cuadrática y cúbica

Permiten entender cómo se relacionan dos o más variables:

• Regresión lineal: Relación directa y proporcional.

• Cuadrática/cúbica: Relación más compleja; permite predecir comportamientos no lineales.

• Correlación: Mide la fuerza y dirección de la relación entre variables.

Es útil para pronóstico, optimización y toma de decisiones en la ingeniería de procesos.

2.2 Muestreo de Aceptación empleando Estándares Militares

Método para evaluar la calidad de un lote basándose en una muestra representativa, sin necesidad de revisar todo:

- Muestreo por Atributos (Estándar 105E):

Evalúa si una unidad es conforme o no conforme. Permite aceptar o rechazar lotes basándose en el número de defectuosos observados.

- Muestreo por Variables (Estándar 414):

Se basa en mediciones numéricas de una característica. Es más eficiente cuando los datos pueden ser cuantificados con precisión.