más de 50 países
Uso global, impacto local
47 años en el negocio
Creado en 1979
más de 50 empleados
Europa, EE.UU. y Asia
más de 2000 clientes
Más de 20.000 usuarios
Procesos paralelos y control estadístico de procesos
Introducción
El Control Estadístico de Procesos (CEP) demuestra su valor en muchas Industrias y tipos de procesos diferentes. Una implementación interesante y desafiante del Control Estadístico de Procesos es cuando se aplica para procesos paralelos. Hay muchos ejemplos dentro de la producción en los que se encuentran procesos paralelos:
La teoría del SPC es bastante clara: si tiene un proceso diferente con una variación diferente, debe hacer gráficos de control separados para cada proceso separado. Sin embargo, en la práctica esto no es tan fácil. Por ejemplo, en el moldeo por inyección de preformas, el número de cavidades puede ser de 96 o incluso más. Si midiera 2 o 3 dimensiones significaría que tendría 192 gráficos de control con 2 dimensiones para sólo 1 molde. Así que debe haber alternativas para definir un plan de muestreo y aún así poder encontrar diferencias entre procesos paralelos. La forma de implantar el SPC y de configurar sus gráficos de control depende en gran medida del tipo de variación que se encuentre en el proceso.
Variación y procesos paralelos
En los procesos paralelos suele haber 3 tipos de variación que pueden considerarse. En la figura 1 se da un ejemplo de 4 procesos paralelos en los que se fabrican pilas o latas y se desea medir una dimensión de los productos.
Los 3 tipos de variación en este ejemplo son:
La mejor manera de analizar los datos es hacer un gráfico de control por proceso con un tamaño de subgrupo de, por ejemplo, 3. Esto significa que en un gráfico de control se ve la variación entre ciclos como la variación dentro del subgrupo. La variación a lo largo del tiempo es la variación entre subgrupos. La variación entre procesos puede analizarse comparando resultados como Cpk y Ppk para distintos gráficos (como se explica más adelante en este blog).
En muchos casos hacer el análisis así no es económicamente factible, así que en la mayoría de estos casos los subgrupos se toman a través de procesos paralelos. Tomar subgrupos a través de procesos también tiene sentido si la variación ciclo a ciclo es pequeña en comparación con los otros 2 tipos de variación. También se puede optar por aplicar el segundo método después de cierto tiempo, cuando el proceso esté completamente controlado y se hayan eliminado todas las causas especiales de variación.
Si toma subgrupos a través de procesos paralelos, entonces normalmente el gráfico de rangos está mostrando la variación entre procesos y el gráfico de control está mostrando la variación en el tiempo. Falta la variación ciclo a ciclo y también los valores Cpk y Ppk están representando otros resultados que los que tendría normalmente si combinara productos consecutivos en un subgrupo. Y, si decide implementar el SPC utilizando este método, aún querrá ser capaz de analizar la variación para un proceso específico. El DataLyzer SPC es capaz de implementar este método y realizar el análisis correcto.
En la práctica, también puede utilizar una combinación de los métodos descritos utilizando gráficos separados en caso de que se produzca un descontrol en el gráfico de gamas. Sin embargo, la combinación de métodos no suele facilitar las cosas a los operadores en la práctica.
Comparación de varios gráficos de control para la misma característica de procesos paralelos
En el DataLyzer Qualis SPC existen varias herramientas para comparar datos de diferentes características/procesos:
Los métodos del software DataLyzer SPC ofrecen al ingeniero posibilidades más que suficientes para comparar procesos. Si es importante controlar la media de diferentes procesos paralelos, se puede crear fácilmente un gráfico adicional que simplemente calcula la media de los otros gráficos.
Comparación de procesos paralelos dentro de un subgrupo
Datalyzer Qualis SPC tiene varias características disponibles para mostrar la variación entre procesos paralelos si se combinan dentro de un Gráfico de Control / Subgrupo, como:
El gráfico de control que muestra la lectura más alta y más baja muestra las líneas de los valores máximo y mínimo del subgrupo y pone el número del proceso al lado (véase la figura 4). Si ve el mismo número con demasiada frecuencia, deberá investigar ese proceso específico (por ejemplo, la cavidad) porque la media del proceso se está desviando de la media general. El siguiente paso podría ser analizar los datos con el análisis Box and Whisker o Multi-Vari. Para comparar procesos, los operarios o el ingeniero suelen empezar revisando las mediciones individuales en una tabla de datos brutos y luego continúan con el análisis multivariable (Box y Whiskers). Supongamos que el usuario desea ver la variación entre procesos paralelos para los 10 últimos subgrupos. El usuario filtra en los 10 últimos subgrupos y luego ve los resultados, consulte la figura 6.
Situaciones excepcionales
Si selecciona un método específico para aplicar el SPC en caso de procesos paralelos, debe tener en cuenta que existen situaciones de producción excepcionales que influirán en los resultados o reducirán la eficacia de la solución de SPC aplicada. Para los distintos tipos de industrias existen diferentes excepciones, pero aquí nos limitaremos a dos excepciones comunes:
1. Uno de los subprocesos no está activo
2. Los subprocesos funcionan a un nivel diferente.
Anuncio 1: En muchas situaciones en procesos paralelos puede ocurrir que uno de los subprocesos no esté activo (temporalmente). Por ejemplo, una cavidad bloq en el moldeo por inyección, una vía que no se utiliza en la fabricación de células solares, etc. Su programa SPC debe permitirle gestionar eficazmente estas excepciones en tiempo real en el taller. DataLyzer Qualis SPC tiene esto cubierto al permitir un cierto nivel de «subgrupos incompletos».
Ad 2: Si los procesos funcionan a un nivel diferente y usted combina subprocesos en un subgrupo y no es capaz de eliminar la diferencia, esto influirá mucho en los cálculos de sus límites de control; ampliará sus límites de control. En este caso tendrá que utilizar un método diferente para calcular sus límites de control.
Conclusión
Datalyzer Qualis SPC facilita el SPC para procesos paralelos de muchas maneras, incluyendo el manejo eficaz de todas las excepciones.
El aspecto más importante para establecer un método de SPC correcto es analizar los 3 tipos de variación y tener en cuenta cuáles son las consecuencias de seleccionar uno de los dos métodos o una combinación de los mismos.
Es necesario definir las consecuencias en términos de tiempo y dinero para las mediciones, pero sin duda también la facilidad de uso y la aceptación del método elegido por parte de la organización y los clientes.
9%
Reducción de costes conseguida por los clientes
Lo que dicen los clientes
«Datalyzer nos ayudó a vincular automáticamente los datos de calidad de todos los procesos para realizar análisis avanzados»
Dave Beeren
Ingeniero de producción, Philips
Industrias a las que servimos
Certificado ISO
ISO 27001 Y SOC2
