PCSA360® – Guía de Selección de Gráficos de Control

Blackberry & Cross®

PCSA 360® Process Capability & Stability

Metodología de Estabilidad y Capacidad

“La estabilidad no es un requisito estadístico.
Es un requisito de negocio.”

En el enfoque PCSA360® de Blackberry & Cross®, los gráficos de control no son sólo herramientas para dIbuixar líneas de control. Son filtros de conocimiento para separar el ruido común de las señales de variación asignable. El gráfico de control correcto debe responder a la física y lógica del proceso, no a la conveniencia del analista o el software.

Entorno de Aprendizaje Virtual optimizado. La aplicación se ajustará automáticamente a las dimensiones de tu pantalla.

Guía de Despliegue para Profesores de Moodle

Esta herramienta interactiva se redimensiona automáticamente. Para insertarla con éxito en tus actividades o secciones de Moodle sin que falle el código, sigue estos pasos:

Sube este archivo index.html como un recurso de tipo Archivo en tu curso de Moodle.
En la sección de configuración “Apariencia” del recurso, selecciona la opción “En ventana emergente” o “Incrustar”.
Si prefieres insertarlo directamente dentro de una Etiqueta, Página o Libro, copia el siguiente código HTML en la vista de código fuente de Moodle:
```
<iframe src="URL_DE_TU_ARCHIVO_AQUI" width="100%" height="950" style="border:none; overflow:hidden;" id="pcsa-moodle-frame"></iframe>
```

1 Asistente de Ruta Metodológica PCSA360®

Responde a las preguntas fundamentales de la ingeniería de tu proceso. El diagrama y la recomendación técnica se adaptarán dinámicamente en tiempo real señalando la ruta de decisión metodológica correcta.

Paso 1: ¿De qué tipo es tu variable CTQ?

Paso 2: ¿Cómo se recolectan las muestras para el Subgrupo Racional?

Paso 3: ¿Cuál es el tamaño de muestra de tu subgrupo (n)?

Paso 3: ¿Se enfrenta el proceso a alguna de estas condiciones especiales?

Paso 2: ¿Qué se está auditando u observando?

Paso 3: ¿Cómo es el comportamiento del tamaño de muestra (n) y la dispersión?

Paso 3: ¿Qué unidad física estás midiendo entre fallos?

Diagnóstico PCSA360®

Gráfico Xbar-R (Media y Rango)

Utiliza este gráfico cuando la variable CTQ sea de naturaleza continua, estructurada mediante subgrupos racionales pequeños de tamaño estable (de 2 a 8 piezas de orden consecutivo).

Estimador / Factor de Control: Sigma = Rango Promedio / d₂ Usa la constante de d2 de Hart para mapear el Rango promedio a la Desviación Estándar.

Principio PCSA360® Aplicado:

Selecciona piezas producidas una inmediatamente después de la otra para que dentro del subgrupo no ocurran cambios en las condiciones del proceso.

Catálogo y Guía Metodológica de Gráficos

Consulta los fundamentos estadísticos y de ingeniería para cada metodología de estabilidad.

Variables en Subgrupos Muestra: de 2 a 8

Gráfico Xbar-R (Media y Rango)

El estándar clásico para el control industrial cuando la recolección de muestras consecutivas es económicamente factible. Monitorea cambios en la media (Xbar) y la variabilidad interna (Rango).

Límites Xbar: Media ± (A₂ * Rango Promedio)

Límites Rango: D₃ * Rango a D₄ * Rango

Estimador de variación (σ): Rango Promedio / d₂

⚠️ Advertencia PCSA360®:

No uses este gráfico si tu subgrupo es mayor a 8 o variable; el rango pierde eficiencia matemática para estimar la desviación estándar real.

Variables en Subgrupos Muestra: 9 o más

Gráfico Xbar-S (Media y Desv. Estándar)

Utiliza la desviación estándar muestral (s) en lugar del rango. Ideal para procesos automatizados donde recolectar subgrupos grandes es común, proveyendo estimaciones de dispersión mucho más estables.

Límites Xbar: Media ± (A₃ * Desv. Estándar Promedio)

Límites Desviación (S): B₃ * Desv. a B₄ * Desv.

Estimador de variación (σ): Desv. Estándar Promedio / c₄

💡 Nota de Ingeniería:

Si el tamaño del subgrupo varía por turno o lote, los límites de control se calcularán con curvas escalonadas de forma dinámica.

Individuales Muestra = 1

Gráfico I-MR (Individuales y Rango Móvil)

Elegido cuando las piezas se miden una a una de manera espaciada en el tiempo o en pruebas destructivas. El Rango Móvil (MR) calcula la diferencia absoluta entre puntos consecutivos para estimar el ruido común de corto plazo.

Límites Individuales (I): Media ± (2.66 * Rango Móvil Promedio)

Límites Rango Móvil (MR): 3.267 * Rango Móvil Promedio

Estimador de variación (σ): Rango Móvil Promedio / 1.128

❌ Error Común:

No desordenes los datos antes de realizar un I-MR. El cálculo de MR requiere estrictamente mantener la secuencia cronológica de fabricación real.

Atributo Binomial Defectuosos

Gráficos p y np (Defectuosos)

Utilizados para evaluar la tasa de unidades defectuosas (proporción p) o el conteo bruto de defectuosos (np, si el tamaño de muestra es exactamente constante). Se basan estrictamente en la distribución binomial.

Límites p: Promedio(p) ± 3 * √[ Promedio(p) * (1 – Promedio(p)) / n ]

Límites np: Conteo Promedio ± 3 * √[ Conteo Promedio * (1 – Promedio(p)) ]

💡 Consejo de Inspección:

Para la inspección estándar de atributos binomiales, utiliza estas ecuaciones para determinar si las alarmas responden a un fallo de causa común o asignable.

Atributo Binomial Laney P’

Gráfico P’ de Laney (Proporciones)

La solución recomendada en PCSA360® cuando el tamaño de muestra (n) es extremadamente grande. Evita que los límites de control binomiales se estrechen en exceso (sobredispersión), previniendo costosas falsas alarmas sobre fluctuaciones inofensivas.

Límites P’: Promedio(p) ± 3 * √[ p*(1-p)/n ] * Sigma_Z

Sigma_Z (Factor de Escala): Calculado a través del rango móvil de las puntuaciones Z estandarizadas.

💡 Indicación Metodológica:

Si Sigma_Z es cercano a 1.0, el gráfico P’ es equivalente a un gráfico p tradicional. Si es mayor, compensa la sobredispersión del proceso real.

Atributo Poisson Defectos

Gráficos c y u (Defectos)

Estudiados bajo la distribución de Poisson. Se enfocan en el número total de fallos o defectos sobre un área o unidad de inspección. El gráfico c requiere tamaño constante, mientras que el gráfico u admite tamaño variable.

Límites c: Promedio(c) ± 3 * √[ Promedio(c) ]

Límites u: Promedio(u) ± 3 * √[ Promedio(u) / n ]

Ejemplo Físico:

Usa el gráfico u para monitorear el número de burbujas de aire por cada metro lineal de extrusión de catéter de plástico.

Atributo Poisson Laney U’

Gráfico U’ de Laney (Defectos)

Diseñado para contrarrestar la sobredispersión o subdispersión en conteos de defectos por unidad cuando la base de inspección u oportunidades de falla es masiva. Corrige la variabilidad multiplicándola por el coeficiente de variación de corto plazo real entre subgrupos.

Límites U’: Promedio(u) ± 3 * √[ u/n ] * Sigma_Z

Sigma_Z: Coeficiente corrector derivado del rango móvil de los Z-scores para datos de Poisson.

⚠️ Tip del Experto:

Minitab calcula el diagnóstico de Laney para sugerir de forma automática si realmente necesitas usar U’ en lugar de la aproximación tradicional de Poisson.

Avanzado Microdesvíos

EWMA y CUSUM

Gráficos con memoria para dEtección de desvíos pequeños (de 0.5 a 1.5 desviaciones estándar) imposibles de capturar rápidamente con gráficos I-MR tradicionales. EWMA pondera de manera exponencial los puntos pasados (lambda). CUSUM acumula las desviaciones respecto al valor objetivo.

Ecuación EWMA: Z(t) = lambda * X(t) + (1 – lambda) * Z(t-1)

Ponderación típica (lambda): entre 0.05 y 0.25

💡 Aplicación Crítica:

Excelente para monitoreo de temperaturas en reactores químicos, donde pequeñas desviaciones continuas arruinan el lote.

Eventos Raros Muy Alta Calidad

Gráficos g y t (Rare Events)

Diseñados para procesos Six Sigma reales donde los defectos ocurren una vez cada 10,000 corridas. En lugar de contar defectos, miden la “oportunidad transcurrida” (unidades conformes entre fallos con el gráfico g, o tiempo/días entre fallos con el gráfico t).

Modelo g: Basado en Distribución Geométrica.

Modelo t: Basado en Distribución Exponencial o Weibull.

💡 Insight Médico:

Altamente recomendados para monitorear infecciones intrahospitalarias o contaminación biológica de cuartos limpios.

Bajo Volumen Flexible

Short Run SPC (Corridas Cortas)

Resuelve el problema de no tener suficientes puntos de datos por lote para calcular límites independientes de proceso. Se “normalizan” las lecturas restando el valor objetivo nominal y dividiendo por la dispersión estándar histórica: Z = (X – Objetivo) / Desv. Estándar.

Permite dIbuixar diferentes piezas del mismo proceso tecnológico en una única carta continua estabilizada.

Beneficio de Negocio:

Reduce radicalmente el desperdicio durante arranques de línea con moldes de inyección con múltiples insertos.

Multivariante Complejo

Gráfico T² de Hotelling

Utilizado cuando dos o más variables CTQ están correlacionadas y se influyen físicamente entre sí. Analizar cada variable de forma aislada puede ocultar fallas que una elipse multivariante de control sí detectará inmediatamente.

Ecuación de distancia multivariante: Consolida múltiples variables continuas ponderándolas según la inversa de la matriz de varianzas y covarianzas de corto plazo.

⚠️ Cuidado Matemático:

Requiere software especializado para encontrar qué variable causó la señal fuera de control una vez que se dispara la alerta global.

Configuración del Sandbox

1. Seleccionar Método SPC

2. Comportamiento del Proceso

Puntos Fuera de Límites 0 De 25 mediciones

Score de Estabilidad 100% Operación predictible

Media Central (Línea Central – CL) 10.00 Valor histórico

Sigma (Desviación de Corto Plazo) 0.15 Est. Corto Plazo

Gráfico de Control Individuales (I)

I-MR

💡 Análisis en vivo PCSA360®: Observa cómo los límites de control (UCL / LCL) se calculan con base en la variación real de corto plazo. Si un punto excede las líneas punteadas rojas, se considera una causa especial de variación.

El Arte de Agrupar Datos

El subgrupo racional es una hipótesis de ingeniería sobre qué variación deseas aislar.

Variación Dentro del Subgrupo (Corto Plazo): Captura la variación intrínseca del proceso bajo condiciones homogéneas. Define el Cp y el Cpk.

Variación Total (Largo Plazo / Global): Captura toda la variación combinada en el tiempo (incluye turnos, lotes, desgaste térmico). Define el Pp y el Ppk.

El Gran Peligro de Desordenar:

Si pierdes la secuencia cronológica de producción (por ejemplo, al mezclar piezas en una tolva antes de medirlas), se sobreestima drásticamente el ruido de corto plazo, destruyendo tu capacidad de encontrar la raíz del problema en el proceso.

Laboratorio de Distorsión de Subgrupos

Experimenta cómo el orden y el método de agrupación alteran dramáticamente los índices calculados.

Desviación Corto Plazo (Sigma Interno) 0.14

Capacidad Potencial (Cp) 2.38

Desviación Total (Sigma Global) 0.31

Rendimiento Real (Pp) 1.07

Alineamiento de los Subgrupos en el Tiempo (Cada círculo representa una pieza medida)

Explicación del Experimento Físico:

Al preservar la cronología, observamos que las piezas fabricadas de forma consecutiva varían muy poco entre sí, produciendo una baja desviación de corto plazo y un excelente Cp = 2.38. No obstante, el proceso experimenta un lento corrimiento térmico que eleva la variación global (Sigma Global), dejando un Pp de sólo 1.07. ¡El proceso es inestable y debe corregirse antes de calificar capacidad!

Evaluador de Conocimiento Técnico PCSA360®

Demuestra tu competencia frente a desafíos reales de ingeniería industrial.

Pregunta 1 de 5

Puntaje actual: 0%

Framework de Calidad

PCSA360® Methodologies

Un estándar desarrollado para capacitar e impulsar la excelencia en manufactura de dispositivos médicos, aeroespacial y automotriz, promoviendo el pensamiento estadístico riguroso frente al uso automático de software.

Conceptos Clave

• Subgrupo Racional de Shewhart
• Variación Común vs Asignable
• Preservación Absoluta de la Cronología
• Sobredispersión y Efecto Laney

PCSA® 360: Selector de Gráficos de Control

PCSA 360® Process Capability & Stability

“La estabilidad no es un requisito estadístico.
Es un requisito de negocio.”

Guía de Despliegue para Profesores de Moodle

1 Asistente de Ruta Metodológica PCSA360®

Gráfico Xbar-R (Media y Rango)

Catálogo y Guía Metodológica de Gráficos

Gráfico Xbar-R (Media y Rango)

Gráfico Xbar-S (Media y Desv. Estándar)

Gráfico I-MR (Individuales y Rango Móvil)

Gráficos p y np (Defectuosos)

Gráfico P’ de Laney (Proporciones)

Gráficos c y u (Defectos)

Gráfico U’ de Laney (Defectos)

EWMA y CUSUM

Gráficos g y t (Rare Events)

Short Run SPC (Corridas Cortas)

Gráfico T² de Hotelling

Configuración del Sandbox

Gráfico de Control Individuales (I)

El Arte de Agrupar Datos

Laboratorio de Distorsión de Subgrupos

Evaluador de Conocimiento Técnico PCSA360®

Leave a Reply Cancel Reply

“La estabilidad no es un requisito estadístico. Es un requisito de negocio.”

Guía de Despliegue para Profesores de Moodle

1 Asistente de Ruta Metodológica PCSA360®

Gráfico Xbar-R (Media y Rango)

Catálogo y Guía Metodológica de Gráficos

Gráfico Xbar-R (Media y Rango)

Gráfico Xbar-S (Media y Desv. Estándar)

Gráfico I-MR (Individuales y Rango Móvil)

Gráficos p y np (Defectuosos)

Gráfico P’ de Laney (Proporciones)

Gráficos c y u (Defectos)

Gráfico U’ de Laney (Defectos)

EWMA y CUSUM

Gráficos g y t (Rare Events)

Short Run SPC (Corridas Cortas)

Gráfico T² de Hotelling

Configuración del Sandbox

Gráfico de Control Individuales (I)

El Arte de Agrupar Datos

Laboratorio de Distorsión de Subgrupos

Evaluador de Conocimiento Técnico PCSA360®

Leave a Reply Cancel Reply

“La estabilidad no es un requisito estadístico.
Es un requisito de negocio.”