Análisis de capacidad de proceso con Cp y Cpk en Excel
Palabra clave principal: Análisis de capacidad de proceso con índices Cp y Cpk en Excel
Definición del problema
En el entorno de manufactura y control de calidad, es fundamental saber si un proceso productivo es capaz de cumplir consistentemente con las especificaciones definidas por el cliente o por el diseño del producto. Si un proceso es inestable o demasiado variable, los productos salientes pueden caer fuera de los límites de tolerancia, resultando en defectos, reprocesos y pérdidas económicas significativas.
Caso Práctico: Producción de Tornillos Metálicos
Una fábrica de componentes metálicos produce tornillos estandarizados. El cliente exige que el diámetro nominal del tornillo sea de 5.00 mm. Los límites de especificación (Límites de Control del Cliente) son: Límite Superior de Especificación (LSE) = 5.05 mm y Límite Inferior de Especificación (LIE) = 4.95 mm. El equipo de producción ha estado operando durante la última semana, generando 100 muestras de tornillos. El reto es determinar, utilizando los datos recopilados, si el proceso actual es estadísticamente capaz de producir tornillos dentro de estas tolerancias.
Explicación técnica
El análisis de capacidad de proceso se basa en comparar la variación natural del proceso (medida por la desviación estándar, $sigma$) con la variación permitida por las especificaciones del cliente (diferencia entre LSE y LIE).
- Índice de Capacidad Potencial ($C_p$):
En Excel, utilizaremos funciones estadísticas como PROMEDIO() para calcular la media ($mu$), DESVEST.M()
Guía paso a paso
Paso 1: Ingreso y Organización de Datos
Primero, debemos ingresar los 100 mediciones de diámetro de los tornillos en una columna de Excel. Asumiremos que los datos se encuentran en el rango B2:B101.
Acción: Ingresar los 100 valores de diámetro en la columna B. Definir las celdas de especificación (LSE, LIE, Media, Desviación Estándar) en un área separada (ej. D1 a D5).
Resultado: Una base de datos limpia lista para el cálculo estadístico.
| # | Diámetro (mm) | LSE (mm) | LIE (mm) | Resultado |
|---|---|---|---|---|
| 1 | 5.012 | 5.05 | 4.95 | |
| 2 | 4.998 | 5.05 | 4.95 | |
| 3 | 5.005 | 5.05 | 4.95 | |
| 100 | 5.001 | 5.05 | 4.95 |
Paso 2: Cálculo de Estadísticas Descriptivas
Necesitamos la media ($mu$) y la desviación estándar ($sigma$) de los datos de producción.
Acción: En la celda D2 (Media), escribir la fórmula: =PROMEDIO(B2:B101). En la celda D3 (Desviación Estándar), escribir: =DESVEST.M(B2:B101).
Resultado: Obtendremos el valor central del proceso ($mu$) y su dispersión ($sigma$).
| Métrica | Valor Calculado | Fórmula Usada |
|---|---|---|
| Media ($mu$) | 5.0025 | =PROMEDIO(B2:B101) |
| Desviación Estándar ($sigma$) | 0.0085 | =DESVEST.M(B2:B101) |
Paso 3: Cálculo del Índice $C_p$ (Capacidad Potencial)
Calculamos la capacidad potencial usando la fórmula: $C_p = (LSE – LIE) / (6 times sigma)$.
Acción: En la celda D4 ($C_p$), escribir la fórmula: =(D1 - D2) / (6 * D3) (Asumiendo D1=LSE, D2=LIE, D3=$sigma$).
Resultado: Un valor que indica la holgura potencial del proceso respecto a las especificaciones.
Acción:=MIN((D1 - D4) / (3 * D3), (D4 - D2) / (3 * D3)).
Resultado:
Paso 5: Interpretación de Resultados
Acción:
Resultado:
Ejercicio propuesto
Pista: Solo necesitará modificar el valor en la celda D3 y recalcular D4 y D5.
Errores habituales
- Confundir $sigma$ muestral con $sigma$ poblacional: Si utiliza la función
DESVEST()en lugar deDESVEST.M(), estará asumiendo que sus 100 muestras representan la población total, lo cual es incorrecto en control de calidad. Solución: Siempre useDESVEST.M()(Muestra) a menos que se sepa con certeza que los datos son la población completa. - Ignorar el sesgo al usar solo $C_p$:Solución:
- Errores en la anidación de fórmulas:Solución:
MIN().
Deja una respuesta