capitulo4 eztadistica
DESCRIPTION
estTRANSCRIPT
-
31
CAPTULO 4 IMPLEMENTACIN DEL CONTROL ESTADSTICO
DEL PROCESO
-
32
CAPTULO 4
CONTROL ESTADSTICO DEL PROCESO
Como se ha dado a conocer en el captulo anterior, el proceso de laminacin de Clorets
Nueva Forma se encuentra fuera de control, por lo que en este captulo se desarrolla la
metodologa utilizada para controlarlo.
4.1 DEFINICIN
El Control Estadstico del Proceso es la condicin que describe un proceso en el cual todas
las causas atribuibles han sido eliminadas y solamente permanecen causas no atribuibles.
Esto se evidencia en los grficos de control por la ausencia de puntos fuera de los lmites de
control y por la ausencia de corridas o tendencias anormales. Su objetivo principal es
conservar el proceso dentro de rangos establecidos estadstica y experimentalmente
mediante la correccin de causas atribuibles detectadas durante el estudio.
4.2 CUMPLIMIENTO DE REQUERIMIENTOS Y MEJORAS
Como acciones iniciales para lograr un proceso controlado, se da seguimiento a algunas de
las propuestas de requerimientos y mejoras dados a conocer en la fase 2. Su cumplimiento
es llevado a cabo en el transcurso de 2 meses.
4.2.1 MEJORAS 4.2.1.1 MODIFICACIN DEL CTO Como se ha comentado anteriormente el CTO es un documento que el operador de
trazabilidad se encarga de ir llenando con los datos obtenidos durante la inspeccin de las
lminas. ste documento vara dependiendo del producto que se trate. Para el caso Clorets
Nueva Forma, la inspeccin se establece cada 12 minutos. Las variables medidas, as como
las unidades e instrumentos de medicin se muestran en la tabla 4.1.
-
33
Como se menciono en el captulo precedido, la mejora consiste en establecer nuevos lmites
de control, as como un mtodo de toma de datos considerando un cambio de unidades de
pulgadas a centmetros en la variable largo.
4.2.1.1.1 LMITES DE CONTROL
Para calcular los nuevos lmites de control, se realiza un muestreo a 8 cocidos de cada uno
de los productos a estudiar. De cada cocido se estudian 2 charolas y de stas, 2 lminas,
dando un total de 32 datos para cada una de las variables: peso, largo y espesor. El tamao
de muestra es calculado con ayuda de Tablas Militar considerando una inspeccin normal
(Apndice 1 Seccin A). Sin embargo, en algunos casos no es posible cumplir con el
tamao de muestra; como en el muestreo del producto MAX AIR, ya que se tiene la
restriccin de los planes de produccin, no contando con tiempo suficiente para
inspeccionar a los 8 cocidos completos.
El mtodo de medicin a utilizar para cada una de las variables es el siguiente:
Largo Se mide el largo de la parte superior e inferior de la lmina utilizando un flexmetro,
obtenindose 4 datos, los cuales son promediados para dar uno solo. La unidad de medicin
manejada son los centmetros
Tabla 4.1 Variables de medicin Variable Unidades Instrumento de
medicin Largo Pulgadas Flexmetro
Espesor Milmetros Vernier Peso Gramos Bscula
-
34
Espesor Se mide el espesor de cuatro puntos de la lmina con ayuda del Vernier, obteniendo 8
datos. Nuevamente, se realiza un promedio para mejor manejo. La unidad utilizada son los
milmetros
Peso Se toma el peso de dos lminas utilizando la bscula. De stas se saca un promedio de la
misma manera que las variables anteriores. Las unidades empleadas son los gramos.
Los datos colectados (Apndice 2) son analizados en MINITAB, no slo para conocer sus
parmetros estadsticos como se muestran en la Tabla 4.2, sino tambin para comprobar si
poseen un comportamiento normal, ya que es uno de los requisitos para poder emplear las
Tablas Militar, como se muestra en las figuras 4.1 hasta 4.3.
Tabla 4.2 Datos estadsticos por producto y variable Producto : Nueva Forma Variable N Mean Median TrMean StDev SE Mean Peso 32 834.56 834.50 834.61 1.45 0.34 Largo 32 44.425 44.500 44.425 0.205 0.036 Espesor 32 4.4200 4.4300 4.4229 0.03 0.0056 Producto : Chiclets Regular Variable N Mean Median TrMean StDev SE Mean Peso Reg 32 963.31 964.00 963.36 1.55 0.31 Largo Re 32 44.850 45.000 44.861 0.11 0.048 Espesor 32 5.5034 5.5000 5.5036 0.0349 0.0062 Producto : Max- Air Variable N Mean Median TrMean StDev SE Mean Peso Mx 30 923.5 924.00 923.88 1.6 0.53 Espesor 24 5.49 5.4800 5.4677 0.15 0.0132 Largo Mx 32 44.52 44.550 44.586 0.04 0.051
-
35
Approximate P-Value > 0.15D+: 0.031 D-: 0.043 D : 0.043
Kolmogorov-Smirnov Normality Test
N: 32StDev: 1.91661Average: 834.562
838837836835834833832831830
.999
.99
.95
.80
.50
.20
.05
.01
.001
Pro
babi
lity
PesoNF
Prueba de Normalidad Producto Nueva Forma Variable Peso
Figura 4.1.a Prueba de normalidad variable peso (Nueva Forma)
Average: 44.425StDev: 0.204782N: 32
Kolmogorov-Smirnov Normality TestD+: 0.057 D-: 0.065 D : 0.065
Approximate P-Value > 0.15
43.9 44.4 44.9
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Largo NF
Prueba de Normalidad Producto Nueva Forma Variable Largo
Figura 4.1.b Prueba de normalidad variable largo (Nueva Forma)
-
36
Approximate P-Value > 0.15D+: 0.080 D-: 0.126 D : 0.126
Kolmogorov-Smirnov Normality Test
N: 32StDev: 0.0317246Average: 4.42
4.454.404.35
.999
.99
.95
.80
.50
.20
.05
.01
.001
Pro
babi
lity
Espesor NF
Prueba de Normalidad Producto Nueva Forma Variable Espesor
Figura 4.1.c Prueba de normalidad variable espesor (Nueva Forma)
Average: 963.312StDev: 1.74942N: 32
Kolmogorov-Smirnov Normality TestD+: 0.065 D-: 0.101 D : 0.101
Approximate P-Value > 0.15
960 961 962 963 964 965 966
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Peso Reg.
Prueba de Normalidad Producto Regular Variable Peso
Figura 4.2.a Prueba de normalidad variable peso (Chiclets Regular)
-
37
Average: 44.85StDev: 0.272385N: 32
Kolmogorov-Smirnov Normality TestD+: 0.072 D-: 0.100 D : 0.100
Approximate P-Value > 0.15
44.3 44.4 44.5 44.6 44.7 44.8 44.9 45.0 45.1 45.2
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Largo Reg.
Prueba de Normalidad Producto Regular Variable Largo
Figura 4.2.b Prueba de normalidad variable largo (Chiclets Regular)
Average: 5.50344StDev: 0.0348832N: 32
Kolmogorov-Smirnov Normality TestD+: 0.038 D-: 0.058 D : 0.058
Approximate P-Value > 0.15
5.42 5.47 5.52 5.57
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Espesor Reg.
Prueba de Normalidad Producto Regular Variable Espesor
Figura 4.2.c Prueba de normalidad variable espesor (Chiclets Regular)
-
38
Average: 923.933StDev: 2.87598N: 30
Kolmogorov-Smirnov Normality TestD+: 0.070 D-: 0.055 D : 0.070
Approximate P-Value > 0.15
920 925 930
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Peso Mx
Prueba de Normalidad Producto Max Air Variable Peso
Figura 4.3.a Prueba de normalidad variable peso (Max Air)
Average: 44.5844StDev: 0.287491N: 32
Kolmogorov-Smirnov Normality TestD+: 0.073 D-: 0.051 D : 0.073
Approximate P-Value > 0.15
44.1 44.2 44.3 44.4 44.5 44.6 44.7 44.8 44.9 45.0
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Largo Mx
Prueba de Normalidad Producto Max Air Variable Largo
Figura 4.3.b Prueba de normalidad variable largo (Max Air)
-
39
Average: 5.4675StDev: 0.0646899N: 24
Kolmogorov-Smirnov Normality TestD+: 0.099 D-: 0.097 D : 0.099
Approximate P-Value > 0.15
5.4 5.5 5.6
.001
.01
.05
.20
.50
.80
.95
.99
.999
Pro
babi
lity
Espesor Mx
Prueba de Normalidad Producto Max Air Variable Espesor
Figura 4.3.c Prueba de normalidad variable espesor (Max Air)
Al observar las figuras anteriores, se comprueba que las variables: peso, largo y espesor, en
los productos Nueva Forma, Chiclets Regular y Max Air tienen un comportamiento normal.
Con ayuda de los resultados obtenidos, se calcularon los lmites de control modificados
Montgomery[2](2001).
23
= n
ZLESLCSM
23
+=n
ZLEILCIM
Donde:
LCSM =Lmite Superior de Control Modificado
LCSI =Lmite Inferior de Control Modificado
LES = Lmite Superior de Especificacin
LEI = Lmite Inferior de Especificacin
n = Tamao de muestra
x = Desviacin Estndar
Z = Valor obtenido en tabla normal
= 0.05
-
40
Los lmites de especificacin, para cada uno de los productos se muestran en la tabla 4.3:
En el Apndice 3 se muestran los lmites de control obtenidos para cada uno de los
productos con la aplicacin de las frmulas comentadas anteriormente. Es importante
mencionar que el CTO anterior contena impresos los valores de los lmites de control,
razn por la cual cada producto tena uno propio. El nuevo documento tendr un espacio en
blanco para este rubro, anotndose los valores de manera manual. Los lmites de control
sern dados a conocer mediante el uso de ayudas visuales en el rea, como herramienta para
la implementacin del Control Estadstico; concepto descrito en este mismo captulo
posteriormente. Esta medida fue propuesta por 2 motivos principales:
1. Normalmente si algn documento requiere de algn cambio, la actualizacin es
llevada a cabo en lapsos de 2 a 3 meses, segn el protocolo seguido por la empresa.
Tabla 4.3 Especificaciones productos del rea de fabricacin-chicle
Nueva Forma
Variable LSE LIE Objetivo
Largo (cm) 44.5 45.5 44.7
Espesor (mm) 4.2 4.45 4.4
Peso (g) 830 840 833
Regular
Variable LSE LIE Objetivo
Largo ( cm) 44 45 44.8
Espesor (mm) 5.4 5.6 5.5
Peso (g) 960 970 963
Max- Air
Variable LSE LIE Objetivo
Largo (cm) 44 45 44.7
Espesor (mm) 5.4 5.6 5.6
Peso (g) 920 930 923
-
41
Por lo que considerando que las especificaciones de los productos cambian, por
alguna propuesta para mejorar la productividad del rea; el espacio en blanco
propuesto evitar que las nuevas propuestas se retrasen y pierdan continuidad, ya
que nicamente se debern recalcular los lmites de control y darse a conocer
mediante la ayuda visual.
2. Enterar a todo el equipo de las especificaciones que el producto debe poseer, ya que
anteriormente solo el operador de trazabilidad las conoca.
4.2.1.1.2 NUEVO MTODO DE TOMA DE DATOS.
La manera en que los datos sern recolectados para el llenado del CTO, ser del mismo
modo en que se hizo para el clculo de los lmites de control. Para el caso del espesor se
deja fija la medida de ambos lmites de control en el vernier. De esta forma el operador solo
verifica que el centro laminado quede dentro del rango de control (pasa o no pasa). Dicha
accin se debe ejecutar en cada lmina inspeccionada, midiendo el espesor de cuatro
diferentes puntos de la lmina, obteniendo 4 datos.
Finalmente en cuanto a las modificaciones del CTO se refiere, se agreg una seccin
llamada Acciones correctivas, donde el operador de trazabilidad, anota la causa que
provoca algn punto fuera de control as como las soluciones llevadas a cabo.
4.2.1.2 OPERACIN AUTOMTICA EN PANELES DE CONTROL
Una de las conclusiones importantes arrojadas en fases anteriores, es el efecto que ejerce el
tiempo de mezclado en las caractersticas de la goma. Siguiendo esto, se hace obligatorio el
uso de los tiempos automticos de mezclado (14 minutos), ya que hasta esta etapa los
operadores controlaban estos tiempos de manera manual lo cual variaba dependiendo del
operador, turno y plan de produccin, generando as ms variacin entre cocido y cocido,
que finalmente es reflejado al momento de laminacin.
-
42
4.2.2 REQUERIMIENTOS
4.2.2.1 USO DE ESCANTILLN Y REGLA
Tanto el escantilln como la regla metlica se solicitaron al Departamento de Compras. El
escantilln fue entregado; sin embargo ste no tiene las dimensiones especificadas para el
cumplimiento de este requerimiento, por lo que el uso del vernier sigue vigente para la
medicin del espesor. La regla metlica an no se compra, por lo tanto la medicin sigue
siendo con ayuda del flexmetro.
4.2.2.2 APARATOS DE MEDICIN CALIBRADOS
Actualmente el equipo de medicin se encuentra en ptimas condiciones, ya que el plan de
mantenimiento del rea se cumple , asegurando una correcta calibracin de los equipos.
4.2.2.3 CAPACITACIN A OPERADORES Y SUPERVISORES
Para obtener excelentes resultados en el control de proceso, es necesario que los encargados
del rea (operadores y supervisores) conozcan en que consiste el concepto de Control
Estadstico del Proceso. Es por eso que dentro de los requerimientos se consider una
pequea capacitacin. sta fue impartida tanto a supervisores como a operadores de los 3
turnos y en conjuncin con el Ing. de Calidad.
Para los supervisores, la capacitacin slo fue realizada mediante una sesin nica al inicio
del turno. En el caso de los operadores sta fue dividida en terica y prctica. La parte
terica se imparti en una sola sesin con duracin de media hora antes de iniciar el turno.
En ella se dieron a conocer trminos tcnicos, las prximas modificaciones en el CTO y la
manera en que sera evaluada la implementacin del Control Estadstico. La parte prctica
fue dada durante el trabajo en lnea, ejercitando los trminos explicados anteriormente. Este
tipo de capacitaciones iniciaron a mediados de marzo y culminaron a mediados de abril.
-
43
4.3 CAPACIDAD DE PROCESO
Otra parte vital dentro de un plan de Control Estadstico del Proceso, es el calculo de la
Capacidad de Proceso. La Capacidad de Proceso es la medida de la variacin total de un
proceso, comparada contra sus especificaciones. Entre los principales usos de este concepto
se encuentran los siguientes:
Ayudar a modificar o redisear un proceso. Auxiliar en la especificacin de los requerimientos que debe cumplir el equipo. Asistir para la seleccin del mejor proveedor. Predecir si el producto cumplir con las especificaciones
Actualmente, existen varios ndices que ayudan a calcular la Capacidad de un Proceso.
Entre las ms importantes se pueden mencionar al Cp, Cpk y Cpm. Tanto el Cp como el
Cpk, son calculados a partir de los estndares establecidos. La seleccin entre el Cpk y el
Cp depende de s el valor objetivo se encuentra o no en medio de los lmites de
especificacin.
Debe comentarse que para ambos ndices su valor es slo un punto y est sujeto a
fluctuaciones. Para tomar en cuenta esta fluctuacin se pueden calcular intervalos de
confianza Para estimar tanto los indices Cp y Cpk, as como la estimacin de los intervalos
de confianza, se utilizan las siguientes formulas: Montgomery [3](2001)
-
44
Estimacin ndice Cp
Estndar Desviacin cinEspecifica de Inferior Lmite LSL
cinEspecifica de SuperiorLmite USL:Donde
6
LSL - USL Cp
===
=
Estimacin por intervalos del Cp
0.05 cuadrada Chi tabla la de tomado Valor
TamaonDonde
1-n Cp Cp
1-n Cp nn2
==
=
2
:
1,2/1,2/1 2
Estimacin del ndice Cpk
tolerancia/ objetivo- media 2
:)1(
=
=
k
DondekCC ppk
Estimacin por intervalos del Cpk
0.05 4) Apndice ( normal tabla la de tomado Valor Z
Donden9nC
ZCpkCpkn9nC
ZCpk22 pkpk
==
++
+
:
)1(2112/1
)1(2112/1
El ndice Cpm, considera las desviaciones del valor objetivo a manera de prdida
cuadrtica. Esta medicin se basa en la funcin de prdida econmica de Taguchi y su
frmula es la siguiente:
-
45
2
2)(1 objetivomedia
CpCpm+
=
Es importante notar que las frmulas trabajan bajo el supuesto de que la variable a estudiar
tiene un comportamiento normal. Si el valor resultante para cualquier tipo de ndice es
mayor o igual a 1, se puede decir que el proceso es capaz de producir unidades que
cumplen con las especificaciones.
Los datos utilizados son los mismos que los empleados en el clculo de los lmites de
control, por lo que tienen un comportamiento normal y es factible estimar los ndices Cp,
Cpk y Cpm. El valor de considerado es de 0.05. Los resultados a la aplicacin de las
frmulas correspondientes se muestran en la tabla 4.4; en la cual se puede observar que los
valores para los indicadores seleccionados tienen un valor mayor a uno, en todos los
productos, sin embargo se espera que con la implementacin del control estadstico, estos
valores aumenten.
4.4 IMPLEMENTACIN
Una vez cumplidos los requerimientos y mejoras, se inicia el Control del Proceso. Las
variables a controlar son el largo, espesor y peso; siendo este ltimo en el que se presta
mayor atencin, ya que es la principal variable de estudio. Para esta etapa son creadas
herramientas como la ayuda visual e indicadores de evaluacin.
-
Tabla 4.4 : ndices de capacidad de proceso con sus respectivos intervalos de confianza para cada uno de los productos a controlar . Producto: Nueva Forma
Variable ndice Cp Intervalos de
confianza para Cp
ndice Cpk Intervalos de
confianza para Cpk
ndice Cpm
Peso 1.49 1.0293 Cp 1.735 1.2 0.882 Cpk 1.518 1.01 Largo 1.14 0.8322 Cp 1.735 1.02 0.747 Cpk 1.292 1.060 Espesor 1.38 1.0074 Cp 1.698 1.242 0.911 Cpk 1.572 1.28
Producto: Regular
Variable ndice Cp Intervalos de
confianza para Cp
ndice Cpk Intervalos de
confianza para Cpk
ndice Cpm
Peso 1.07 0.7811 Cp 1.317 1.003 0.733 Cpk 1.272 1.054 Largo 1.51 1.1023 Cp 1.858 1.359 0.747 Cpk 1.292 1.37 Espesor 1.11 0.8103 Cp 1.366 1.077 0.76 Cpk 1.723 1.106
Producto: Max Air
Variable ndice Cp Intervalos de
confianza para Cp
ndice Cpk Intervalos de
confianza para Cpk
ndice Cpm
Peso 1.041 0.773 Cp 1.3052 1.04 0.753 Cpk 1.326 1 Largo 1.11 0.808 Cp 1.459 1.06 0.776 Cpk 1.343 1.102 Espesor 1.25 0.915 Cp 1.5375 1.16 0.847 Cpk 1.472 1.21
-
47
4.4.1 AYUDA VISUAL
Es un formato que contiene desplegada de manera amigable, informacin referente al
Control Estadstico. Mediante este formato se da a conocer tanto al operador de trazabilidad
como a los dems integrantes del rea, los lmites bajo los cuales se debe controlar el
proceso.
Adems de informar los lmites de control, la ayuda visual da a conocer las grficas de
control y los resultados de los indicadores de evaluacin semanalmente. Esto permite a los
operadores hacer conciencia sobre la situacin y los errores o aciertos que se realizan
durante el proceso. Para dar una idea ms clara el Apndice 5 muestra la ayuda visual
correspondientes a la semana 28.
4.4.2 INDICADORES DE EVALUACIN Para evaluar el funcionamiento del Control Estadstico y detectar las tendencias en el
comportamiento del proceso, fueron creados los siguientes indicadores: indicador de
veracidad del Control Estadstico, estadstico de control e indicador de eficiencia. stos son
estimados de manera semanal para ser dados a conocer al rea, mediante la ayuda visual.
4.4.2.1 INDICADOR DE VERACIDAD DEL CONTROL ESTADSTICO
Evala el llenado correcto y veraz del CTO mediante una prueba de medias entre muestras
escogidas de manera aleatoria y la informacin llenada por el operador de trazabilidad. El
propsito es tener un control estricto que revele la toma de datos en tiempo y modo. A
continuacin se muestra el clculo realizado para la semana 28
-
48
Ejemplo
Se puede asumir con 95% de confianza que la hiptesis nula no se rechaza; es decir que los
datos son tomados de manera veraz.
La forma de clculo de las pruebas de hiptesis es mediante el programa MINITAB
utilizando la siguiente ruta de comandos:
Stat / Basic Statistics / Display Descriptive Statistics Nota: en Graphs colocar la marca en Graphical Summary para obtener el anlisis completo
4.4.2.2 ESTADSTICO DE CONTROL
Evala si los datos estn bajo control, comparando los resultados de una muestra aleatoria
contra los lmites de control establecidos para las variables de control. Se utilizan los
intervalos de confianza para la media y la desviacin estndar, los cuales deben caer dentro
del rango delimitado por los lmites de control de la ayuda visual.
La forma de clculo de las pruebas de hiptesis es realizada en MINITAB siguiendo el
orden presentado a continuacin:
Stat / Basic Statistics / 1 Sample Z test, 1 -Sample T test 2 Sample T test
t-Test: Paired Two Sample for Means Se acepta
Peso CTO Peso Mon Mean 832.154 832.747 Variance 1.474 3.239 Observations 13 13 Pearson Correlation -0.168 Hypothesized Mean Difference 0 df 12 t Stat -0.917 P(T
-
49
4.4.2.2 INDICADOR DE EFICIENCIA EN REA DE EMPAQUE
Indica la eficiencia del trabajo-mquina (considerando paros por defectos de pastilla, que
atoran la mquina). Este indicador tiene como propsito cumplir con uno de los objetivos
iniciales del proyecto: Mostrar la mejora en la eficiencia del rea de empaque, como reflejo de
la implementacin del Control Estadstico.
La mejora ser considerada, haciendo una comparacin entre el indicador obtenido con el
Control Estadstico y el estndar del rea (equivalente a 85.6).Dicho estndar, ha sido emitido
por el rea de Ing. Industrial y se considera que es la calificacin mxima que el proceso de
empaque puede obtener. Su valor fue calculado considerando cambios de turno, limpieza de
maquinaria, tiempos de comida a lo que llaman concesiones, adems de un porcentaje
permitido de paros de mquina. Para el clculo del ndice de eficiencia que evala al Control
Estadstico, se consideran a las concesiones y los tiempos reales medidos por paros de
mquina provocados por pastilla.
En el apndice 5, se muestra un ejemplo de la manera en que fueron mostrados al rea los
resultados obtenidos durante las semanas 27,28, 29 y 30 que corresponden a finales de
junio y principios de julio.