P. 1
Control Estadistico de la produccion

Control Estadistico de la produccion

|Views: 22|Likes:
Publicado porCarlos Soza Ross
Carta de Control C
Carta de Control por Unidad
Carta P
Cartas de Control X y R
Carta de Control de Suma Acumulada
Carta de Control C
Carta de Control por Unidad
Carta P
Cartas de Control X y R
Carta de Control de Suma Acumulada

More info:

Published by: Carlos Soza Ross on Jul 16, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

10/12/2013

pdf

text

original

•La Grafica de control es una comparación de los datos de

desempeño del proceso con los límites de control estadístico.

•El objetivo primordial de una grafica de control es detectar causas
especiales o atribuibles.

•Se pueden rastrear dos tipos de causas:
1.-Común: aleatoria o al azar
2.-Especial: atribuible
•El objetivo de una grafica de Control es reducir la variación.
•Una grafica de control detecta la presencia de una causa especial
pero no encuentra la causa.
GRAFICAS DE CONTROL ESTADÍSTICO
•El proceso tiene estabilidad, lo que hace posible
predecir su comportamiento a corto plazo.

•Un proceso bajo control estadístico opera con menos
variabilidad que un proceso con causas especiales.

•Un proceso con causas especiales es inestable.

•Un proceso estable que cumple con las especificaciones
del proceso proporciona evidencia de que tiene
condiciones para producir un producto aceptable.
VENTAJAS DEL CONTROL ESTADÍSTICO
LIMITE SUPERIOR DE CONTROL LSC
LIMITE INFERIOR DE CONTROL LIC
LINEA CENTRAL
CARTA DE CONTROL REPRESENTATIVA
Variabilidad del diámetro
con el material
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
1
4
1
7
2
1
2
4
2
8 3 6
1
0
1
3
1
7
FECHA
D
i
a
m

[
m
m
]
LCS
Diam
LC
LCI
mat F
mat K
INTERPRETACION DE PROCESOS INESTABLES
•Uno o más puntos fuera de los límites de control

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S











• •







LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
•Una secuencia de siete o más puntos sucesivos sobre cualquiera de
los lados de la línea central.Por ejemplo, 10 de 11; 12 de 14 o 16 de
20 puntos sobre el mismo lado.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S





















LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
•Una tendencia que se desplaza ya sea hacia arriba o
hacia abajo durante siete puntos sucesivos.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S



















• •
LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
•Un ciclo o patrón que se repite por si mismo.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S



















• •
LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
•Estratificación: puntos que se mantienen muy cerca de la línea
central, con poca dispersión hacia los límites de control.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




• •





• •

• •





LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
•Puntos que se mantienen muy cerca de cualquiera de
los límites de control.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S


















• •

LCS
LC
LCI
INTERPRETACION DE PROCESOS INESTABLES
•Racimos o grupos de puntos en áreas
particulares de la gráfica.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S


















• •

LCS
LC
LCI
Carta de Control “c”
ALCANCES
Es utilizada para determinar la cantidad de defectos que
aparecen en muestras fijas.
•Número de llamadas que llegan a una central telefónica en un
intervalo de tiempo.
•Errores tipográficos sobre página impresa.
•Número de remaches faltantes al ensamblar el ala de un aeroplano.
•Burbujas de aire en los artículos de cristalería

Descubrir la variación en la calidad de una característica o pieza.
Es factible, dependiendo de su naturaleza y su gravedad, que un
artículo posea varias disconformidades y de todos modos, no sea
clasificado como disconforme.
DIAGRAMA DE CONTROL DE DEFECTOS “ C ”
 Cuando un producto no satisface una especificación
resulta ser un defecto o disconformidad.

Existen muchos casos prácticos en los que es
preferible trabajar directamente con el número de
defectos, que con la otra fracción conforme.

PROCEDIMIENTOS
Los defectos ocurren en esta unidad de
inspección según la distribución de Poisson,es
decir:
!
*
) (
x
c e
x p
x c ÷
=
x= 0,1,2,...
x: Número de defectos
c: Parámetro de la distribución de Poisson, c > 0
c
c
=
=
2
o
µ
PROCEDIMIENTOS
Para un diagrama de control de defectos con
límites de tres sigmas está dado por:

c c LIC
c LC
c c LCS
3
3
÷ =
=
+ =
Suponiendo que se conoce un valor estándar
para c
PROCEDIMIENTOS
Si no se conoce el valor estándar éste se
puede estimar, quedando c como la media
observada del número de defectos
c
c c LIC
c LC
c c LCS
3
3
÷ =
=
+ =
EJEMPLO 1
En la siguiente tabla se presenta el número de
disconformidades observadas en 26 muestras sucesivas,
cada una con 100 tarjetas de circuitos impresos.
Nro de muestras Nro de defectos Nro de muestras Nro de defectos
1 21 14 19
2 24 15 10
3 16 16 17
4 12 17 13
5 15 18 22
6 5 19 18
7 28 20 39
8 20 21 30
9 31 22 24
10 25 23 16
11 20 24 19
12 24 25 17
13 16 26 15
OBSERVACIONES
•DOS PUNTOS ESTAN FUERA DE LOS LIMITES DE
CONTROL, LA MUESTRA 6 Y 20
•LA MUESTRA NUMERO 6 SE REFLEJA CUANDO UN
INSPECTOR NUEVO NO RECONOCIO VARIOS TIPOS
DE DISCONFORMIDADES QUE ESTABAN
PRESENTES.
•LA MUESTRA NUMERO 20 SE REFLEJA POR UN
PROBLEMA EN EL CONTROL DE LA TEMPERATURA
DE LA MAQUINA DE SOLDAR.

 EJEMPLO 2
•DEFECTOS POR METRO CUADRADO DE TELA
Numero de Cantidad de Número de Cantidad de
muestras defectos muestras defectos
1 7 11 6
2 5 12 3
3 3 13 2
4 4 14 7
5 3 15 2
6 8 16 4
7 2 17 7
8 3 18 4
9 4 19 2
10 3 20 3
Total cantidad de defectos:82
Número de muestras:20

LC : c : 82/20= 4.1
LCS: c +3\c :4.1+3\4.1=10.17
LCI: c -3\c :4.1-3\4.1= -1.97 = 0
Nota: Las tasas de defectos
negativos no existen
 GRAFICA
•DEFECTOS POR METRO CUADRADO DE TELA

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
0
5
10
D
MUESTRA
E
F
E
C
T
O
S




















LCS
LC
CONCLUSION
•La carta de control no posee
tendencia, racha y ciclo, entonces
estaríamos en condiciones de decir
que el proceso esta de momento bajo
control

En algunos procesos es preferible trabajar con el número de
defectos por unidad más que con el número total de defectos.
Por tanto, si la muestra consiste en n unidades y existen en
total C defectos en ella, entonces
U = C

Es el numero promedio de defectos por unidad. Con esto
puede construirse una carta U para los datos. Si existe m
muestras preliminares, y el número de defectos por unidad en
éstas son U
1
,U
2
,....,U
m
, entonces el estimador del número
promedio del defecto por unidad es
Ū = 1 E U
i
m
m
i=1
n
Los parámetros de la carta U están definidos
de la manera siguiente:
LSC = ū + 3 ū
LC = ū
LIC = ū - 3 ū
\ n
n \
ū = promedio de
defectos por unidad
n = números de
unidades en una muestra
Limite superior
de control
Limite inferior
de control
Limite central
Limites de control
3-sigma
Corresponde a una
distancia de a lo
menos 3 desviaciones
estándar.
1 5 6 1,2
2 5 4 0,8
3 5 8 1,6
4 5 10 2
5 5 9 1,8
6 5 12 2,4
7 5 16 3,2
8 5 2 0,4
9 5 3 0,6
10 5 10 2
11 5 9 1,8
12 5 15 3
13 5 8 1,6
14 5 10 2
15 5 8 1,6
16 5 2 0,4
17 5 7 1,4
18 5 1 0,2
19 5 7 1,4
20 5 13 2,6
32
Tamaño de la
muestra, n
Numeros de
defectos, c
Defectos por
unidad, u
Muestra
Ejemplo para Datos de defectos para tarjetas de circuitos :
U = C
n

Ū = 1 E U
i
m
Resultados de los datos:
Sigma = 3
LC = ū = 1,6
LSC = 3,30
LIC =
-0,10 0,0
Se aproxima a 0 por que no pueden
haber defectos negativos.
ū = 32/20
1,6 + 3*\1,6/5
1,6 - 3*\1,6/5
Grafico del Ejemplo:
CARTA U
0
0,5
1
1,5
2
2,5
3
3,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Número de muestra
D
e
f
e
c
t
o
s

p
o
r

u
n
i
d
a
d
,
u


Defectos
LSC
LC
LIC
HERRAMIENTAS PARA LA CALIDAD
CARTAS P
CARTAS “P” O DIAGRAMAS DE CONTROL
PARA LA FRACCION DISCONFORMES
Los gráficos “p” de control se utilizan para controlar los procesos de
los cuales se recogen datos como valores de la fracción de unidades
defectuosas o el porcentaje de unidades defectuosas. También se
conoce como “carta de control para la fracción de artículos que no
cumplen con las especificaciones”
La proporción de disconformes se define como el cociente de artículos
disconformes entre el total de artículos de la población:

p = artículos disconformes
total de artículos

En general se usa el porcentaje de disconforme como una medida más
intuitiva de medición al ser mostrado.
Ejemplo
 Ensayo: 100 hojas o unidades de producto terminado

 Unidades defectuosas o no conformes: 5 unidades






 Fracción de unidades defectuosas (p)= 5/100 = 0.05

 Porcentaje de unidades no conformes: 5%

Principios Estadísticos de cartas p
Se basan en la distribución binomial.
En un proceso estable cada artículo producido es una v.a. con
parámetro p.

Si se selecciona una muestra aleatoria de n artículos del producto
con un numero de artículos D como no conformes, entonces D
tiene distribución binomial con parámetros n y p, o sea:

P{D=x} = ( ) p
x
(1-p)
n-x
; x = 0,1,2,….n

n
x
PREPARACIÓN DE LOS GRÁFICOS
1) RECOGER LOS DATOS:
Estas cartas requieren un tamaño de muestras
considerablemente mayor que sus contrapartes
donde intervienen mediciones .
Se tiene que conocer el número de unidades
inspeccionadas (n) y el número de unidades
defectuosas o no conformes (np), para cada
fracción de unidades defectuosas.

2) ORGANIZAR LOS DATOS (subgrupos)
En este caso, si “n” es demasiado pequeño, la potencia
estadìstica de la prueba del gráfico de control es
deficiente. Cuando “n” es demasiado grande, los
datos deben estratificarse y agruparse en
subgrupos de diversas maneras.
3) CALCULAR LA FRACCIÓN DE UNIDADES
DEFECTUOSAS PARA CADA SUBGRUPO


P(i)= número de unidades defectuosas
número de unidades en la muestra
(tamaño del subgrupo)


4) CALCULAR LA FRACCIÓN DE UNIDADES
DEFECTUOSAS MEDIA, p

p= número total de unidades defectuosas
número total de unidades inspeccionadas
5) CALCULAR LOS LÍMITES DE CONTROL

Los límites de control + 3 sigma del gráfico “p” se
calculan con las siguientes fórmulas:

Límite de control superior: LCS = p +3 p (1-p )
n(i)

Límite de control inferior : LCI = p -3 p (1-p )
n(i)

Nota: si LCI<0 no es aplicable


6) REPRESENTAR EL GRÁFICO DE CONTROL
DESARROLLO Y EMPLEO DEL DIAGRAMA p
La gráfica controla la fracción disconforme p del proceso, es
por ello que también se denomina diagrama o carta p.
Supongamos que se conoce la verdadera fracción disconforme
p del proceso.entonces el diagrama de control tendría:

LSC = p +3 \ p (1-p)/n
Línea central = p
LIC = p -3 \ p (1-p)/n

Sin embargo cuando se desconoce p, se estima a partir de los
datos observados.

El procedimiento normal es seleccionar m muestras, cada una
de tamaño n. Si existe D
i
artículos no conformes en la muestra i se
calcula la fracción disconforme o proporción como:


ˆ

m

P
i
= ¿ D
i
; i=1,2,3,…..m.

i=1
La media de estas proporciones muestrales es :

m ˆ

p = ¿ P
i
/ m

i=1

los limites del diagrama de control p se calculan de la siguiente
manera:
LSC = p +3 \ p(1-p)/n
Línea central = ¯p
LIC = p - 3 \ p(1-p )/n ;
Consideraciones al analizar la gráfica:
•Los límites obtenidos se consideran límites de control de prueba, es
decir permiten determinar si el proceso estaba bajo control cuando se
obtuvieron las m muestras iniciales.
• Si los puntos caen dentro de los límites y no existe comportamiento
sistemático, podemos decir que el proceso esta bajo control.
• Se debe comparar el diagrama p resultante para probar la hipótesis de
un control anterior y analizar si los limites de control de prueba son
adecuados para controlar el proceso actual y futuro.
• Examinar los puntos fuera de control y buscar las causas atribuibles.
•Rara vez se conoce el verdadero valor de p, más bien se tiene un valor
deseado u objetivo. Por lo cual el proceso podría estar fuera de control
para el objetivo, pero bajo control para otro valor calculado. Este
concepto es útil en procesos en los cuales es posible controlar mediante
ajustes.
Numero del N" unidades N" unidades Fracción de
subgrupo inspecc. defectuosas unidades def.
n np p
1 50 3 0,06
2 " 8 0,16
3 " 3 0,06
4 " 5 0,1
5 " 4 0,08
6 " 10 0,2
7 " 10 0,2
8 " 9 0,18
9 " 4 0,08
10 " 6 0,12
11 " 9 0,18
12 " 8 0,16
13 " 12 0,24
14 " 6 0,12
15 " 8 0,16
16 " 8 0,16
17 " 10 0,2
18 " 13 0,26
19 " 9 0,18
20 " 5 0,1
21 " 7 0,14
22 " 9 0,18
23 " 5 0,1
24 " 3 0,06
25 " 13 0,26
Total 1250 187
Promedio n=50 p=0.1496
DATOS PARA EJEMPLO DIAGRAMA p
Grafico de control p
0
0,1
0,2
0,3
0,4
0 10 20 30
Num de subgrupo
F
r
a
c
c
i
o
n

d
e
f
e
c
t
u
o
s
a
LC = p =0.1496
LCS= 0.301
LCI= -0.0017 = 0

Ejemplo de aplicación:
Se envasa jugo de naranja concentrado y congelado en botes de
cartón de 1lt. Estos envases los produce una máquina formando
un tubo a partir de una pieza de cartón y aplicando luego un fondo
metálico. Al inspeccionar un bote puede determinarse al llenarlo si
goteará por la junta lateral o el fondo. Tal bote disconforme tiene
un sellado inadecuado en la junta o el fondo. Se desea elaborar un
diagrama de control para vigilar la fracción de disconformes
producidas por esta máquina. Para establecer el diagrama de
control, se seleccionaron 30 muestras de n =50 botes cada media
hora durante un periodo de tres turnos , durante los cuales la
máquina operó continuamente. Los datos se muestran en la tabla
1.
Numero de
muestra
Numero de
disconformes
Di
Fracción de
disconformes
pi
Numero de
muestra
Numero de
disconforme
Di
Fracción de
disconformes
pi
1 12 0.24 16 8 0.16
2 15 0.30 17 10 0.20
3 8 0.16 18 5 0.10
4 10 0.20 19 13 0.26
5 4 0.08 20 11 0.22
6 7 0.14 21 20 0.40
7 16 0.32 22 18 0.36
8 9 0.18 23 24 0.48
9 14 0.28 24 15 0.30
10 10 0.20 25 9 0.18
11 5 0.10 26 12 0.24
12 6 0.12 27 7 0.14
13 17 0.34 28 13 0.26
14 12 0.24 29 9 0.18
15 22 0.44 30 6 0.12
_
347 P = 0.2313


Tabla 1: Datos para los límites de control de prueba, tamaño n =50



Usando como estimación de la fracción disconforme p = 0.2313, se
calculan los límites superior e inferior de control como:

LSC = p +3 \ p(1-p)/n ;
Línea central = p
LIC = p - 3 \ p(1-p)/n ;
Así : p ±3 \ p(1-p)/n = 0.2313 ± 3\ 0.2313(0.7687) /50
= 0.2313 ± 3(0.0596) = 0.2313 ± 0.1789
Por lo tanto
LSC = 0.4102
LC = 0.2313
LIC = 0.0524
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
número de muestras
f
r
a
c
c
i
ó
n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
LSC de prueba = 0.4102
LIC de prueba = 0.0524
Carta P para los datos de la tabla 1 con línea central LC = 0.2313
Se observa que dos puntos correspondientes a las muestras
15 y 23 se hallan sobre la línea de control,por lo cual se
investiga la causa. Como la causa es identificable se
eliminan las muestras 15 y 23, y se determinan la nueva
línea central y los límites de control revisado como:
p = 301/ (28 * 50) = 0.2150
p ± 3 \ p(1-p)/n = 0.2150 ± 3\ 0.2150 (0.7850) /50
= 0.2150 ±\ 3(0.0581)
= 0.2150 ± 0.1743
Por lo tanto Así :
LSC revisado = 0.3893
LC revisado = 0.2150
LIC revisado= 0.0407
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,55
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
número de muestras
f
r
a
c
c
i
ó
n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
LSC revisada = 0.3893
LIC revisada = 0.0407
LSC de prueba = 0.4102
LIC de prueba = 0.0524
Carta P para los datos de la tabla 1 con límites revisados LC = 0,2150
Antes de concluir que el proceso esta bajo control se observa que
no existan patrones no aleatorios.

Como no se observan patrones no aleatorios, concluimos que el
proceso está bajo control a un nivel p= 0.2150, y que se adoptan
los límites de control revisados para verificar la producción actual
Tabla 2. Datos de latas de jugo de naranja concentrado tamaño n =50
Numero de
muestra
Numero de
disconformes
Di
Fracción de
disconformes
pi
Numero de
muestra
Numero de
disconforme
Di
Fracción de
disconformes
pi
1 9 0.18 13 3 0.06
2 6 0.12 14 6 0.12
3 12 0.24 15 5 0.10
4 5 0.10 16 4 0.08
5 6 0.12 17 8 0.16
6 4 0.08 18 5 0.10
7 5 0.10 19 6 0.12
8 3 0.06 20 7 0.14
9 7 0.14 21 5 0.10
10 6 0.12 22 6 0.12
11 2 0.04 23 3 0.06
12 4 0.08 24 4 0.08

¸
133 P = 0.1108





0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0 2 4 6 8 10 12 14 16 18 20 22 24
número de muestra
f
r
a
c
i
o
n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
Carta P con datos de la tabla 2 con los límites
revisados anteriormente y LC = 0,2150
LSC revisada = 0.3893
LIC revisada = 0.0407
LC revisada = 0.2150
Podemos probar la hipótesis que la fraccion de disconforme del
proceso actual difiere de la fracción disconforme de los datos
preliminares,mediante una prueba de hipótesis para dos
parámetros binomiales:
Las hipótesis son: H
o
: p
1
= p
2

H
1
: p
1
> p
2
Donde p
1
es la fracción disconforme del proceso de los datos
preliminares y p
2
es la fracción disconforme del proceso actual.
Así estimamos p
1
por p
1
= 0.2150,
y p
2
por p
2
= 133 / (50*24) = 0.1108

El estadístico de prueba para la hipótesis es:
Z
0
= p
1
- p
2

p(1- p) ( 1 + 1 )

n
1
n
2

donde : p = n
1*
p
1
+ n
2*
p
2

n
1
+ n
2
En el ejemplo se tiene:
p = 1400*0.2150 + 1200 *0.1108 = 0.1669
1400 + 1200
Por otro lado Z
0
= 7.22
Utilizando o = 0.05 en la distribución normal estándar, se
encuentra que Z
0.05
= 1.645. Como Z
0
= 7.22 > 1.645, se
rechaza H
0
y concluimos que hubo una disminución
significativa de fallas del proceso.
Consecuencia:
Se cambian los límites de control de los datos preliminares (tabla
1) y se adoptan los del periodo reciente (tabla 2). Esto produce:

p ± 3 \ p(1-p)/n = 0.1108 ± 3\ 0.1108 (0.8892) /50
Así: Línea central = LC = 0.1108
LSC = p+3\ p(1-p)/n = 0.1108+3\ 0.1108 (0.8892) /50 = 0.2440
LIC = p -3 \ p(1-p)/n = 0.1108 - 3\ 0.1108 (0.8892) /50 = - 0.0224
Tabla 3. Datos para el diagrama de control de la fraccion, tamaño n =50 figura 3
Numero de
muestra

Numero de
disconformes Di

Fracción de
disconformes pi

Numero de
muestra

Numero de
disconforme Di

Fracción de
disconformes pi

1

8

0.16

21

5

0.10

2

7

0.14

22

8

0.16

3

5

0.10

23

11

0.22

4

6

0.12

24

9

0.18

5

4

0.08

25

7

0.14

6

5

0.10

26

3

0.06

7

2

0.04

27

5

0.10

8

3

0.06

28

2

0.04

9

4

0.08

29

1

0.02

10

7

0.14

30

4

0.08

11

6

0.12

31

5

0.10

12

5

0.10

32

3

0.06

13

5

0.10

33

7

0.14

14

3

0.06

34

6

0.12

15

7

0.14

35

4

0.08

16

9

0.18

36

4

0.08

17

6

0.12

37

6

0.12

18

10

0.20

38

8

0.16

19

4

0.08

39

5

0.10

20

3

0.06

40

6

0.12

0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40
número de muestras
f
r
a
c
c
i
ó
n

d
i
s
c
o
n
f
o
r
m
e

d
e

l
a

m
u
e
s
t
r
a
LSC revisada = 0.2440
LC revisada = 0.1108
LIC revisada = 0.00
Fig. 3 :Uso continuo del diagrama de control
de la fracción disconforme para los datos de la tabla 3
CONCLUSIONES
 La carta p controla la proporción de artículos no conformes
de un proceso, es un control del atributo del producto.

 La carta p se basa en el modelo probabilístico binomial
donde las unidades sucesivas en la producción son independientes.

La interpretación de los puntos en el diagrama de control debe
hacerse con cuidado, en especial en la interpretación de los
puntos que se hallan por debajo del límite inferior. Estos puntos
no a menudo representan una mejora real en la calidad del
proceso, pueden ser el resultado de errores en la medición .

 No todos los cambios en la proporción p se deba a una mejora
 de la calidad
GRAFICOS DE CONTROL “np”
 Un gráfico de control “np” muestra la cantidad de productos defectuosos.

 Se utiliza cuando el tamaño del subgrupo (n) es constante.

 Muestra a la vez las características de la media y la dispersión del proceso de
producción

Este también es un diagrama para datos de atributos. Grafica un proceso medido por el
número de elementos producidos que no están en conformidad con las especificaciones.
El atributo o característica de interés siempre está en forma de si/no, pasa/falla,
éxito/fracaso etc.

Por ejemplo: Numero de facturas con errores, Cátodos manchados
LÍMITES DE CONTROL

Los límites de control del gráfico “np” se calculan con las
siguientes formulas:

Límite de control superior: LCS= np + 3 np*(1-p )


Límite de control inferior : LCI = np - 3 np*(1-p )

donde:

Línea central = numero prom. de unidades defectuosas

LC = numero total de unidades defectuosas
numero de subgrupos
COMPARACION DIAGRAMAS p Y np
DIAGRAMAS P:

Los datos son de atributos.
Los tamaños de las muestras son variables o
constantes.
El rastreo de la proporción de elementos que no
cumplen con las especificaciones es importante
para nosotros.

DIAGRAMAS NP:

Los datos también son de atributos.
El tamaño del subgrupo es constante
Se utiliza cuando el número es mas signficativo
que la proporción de elementos defectuosos.

Construcción del gráfico
Paso1. Recoger los datos y obtener la mayor cantidad posible de
datos que indiquen la cantidad inspeccionada (n) y la cantidad
de productos defectuosos (np).Por lo menos 20 pares.
Paso 2. Dividir los datos en subgrupos.Habitualmente se agrupan
en lotes o por fecha.
Paso 3. Calcular el total de los productos defectuosos sobre el total
inspeccionado.
p= Total de productos defectuosos = ¿ pn
Total inspeccionado ¿ n
Paso 4. Calcular los límites de control: superior, central e inferior.

Línea Central Superior
LCS = np + 3 \ np (1 - p)
Línea Central
LC = np
Línea Central Inferior
LCI = np - 3 \ np (1 - p)
Ejemplo
Tabla de defectos de platinado en piezas montadas

Subgrupo

Tamaño
subgrupo (n)
Cantidad de
piezas
defectuosas pn
Subgrupo

Tamaño
subgrupo (n)
Cantidad de
piezas
defectuosas pn
1 100 1 16 100 4
2 100 6 17 100 6
3 100 5 18 100 15
4 100 4 19 100 12
5 100 3 20 100 6
6 100 2 21 100 3
7 100 2 22 100 4
8 100 4 23 100 3
9 100 6 24 100 3
10 100 2 25 100 2
11 100 1 26 100 5
12 100 3 27 100 7
13 100 1 28 100 4
14 100 4 29 100 6
15 100 5 30 100 8
Total 3000 143




3

Cálculos y gráfica
p = 143 / 3000 = 0.04766
LC = np = 100*0.0476 = 4.76
LCS = np + 3 \ np (1 - p) = 4.76 + 6.38 = 11.03
LCI = np - 3 \ np (1 - p) = 4.76 - 6.38 = - 1.62 (no se toma el valor negativo)
GRAFICO DE CONTROL "np"
0
2
4
6
8
10
12
14
16
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
N° Subgrupo
C
a
n
t
i
d
a
d

p
i
e
z
a
s

d
e
f
e
c
t
u
o
s
a
s

n
p
LCS
LC
LCI
Control estadístico de calidad
Cartas de Control
R y X
Control sobre la calidad promedio
X
= Carta de control para los promedios
Control sobre la variabilidad del proceso
R
= Carta de control de rangos
n
LSC
o
µ
3
+ =
n
LIC
o
µ
3
÷ =
Gran media
¿
=
= =
m
i
i
X
m
X
1
1
µ
Rango promedio
¿
=
=
m
i
i
R
m
R
1
1
d
R
Estimando
2
ˆ
= o
o
Por lo tanto en la carta
X
tenemos:
LSC=
LIC=
R
n
X
d
2
3
+
R
n
X
d
2
3
÷
LSC=
LC=
LIC=
r A X
2
+
n
d
2
3
X
r A X
2
÷
LSC=
LC=
LIC=
r D
4
2
3
1
d
w
o
+
r 2
3
1
d
w
o
÷
r D
3
FACTORES PARA DIAGRAMAS DE CONTROL X-R
TAMAÑO FACTORES PARA DIAGRAMAS X FACTORES PARA DIAGRAMAS R
MUESTRAL d2 A2 d3 D3 D4
(n)
2 1,128 1,881 0,853 0,000 3,269
3 1,693 1,023 0,888 0,000 2,574
4 2,059 0,729 0,880 0,000 2,282
5 2,326 0,577 0,864 0,000 2,114
6 2,534 0,483 0,848 0,000 2,004
7 2,704 0,419 0,833 0,076 1,924
8 2,847 0,373 0,820 0,136 1,864
9 2,970 0,337 0,808 0,184 1,816
10 3,078 0,308 0,797 0,223 1,777
11 3,173 0,285 0,787 0,256 1,744
12 3,258 0,266 0,779 0,283 1,717
13 3,336 0,249 0,770 0,308 1,692
14 3,407 0,235 0,763 0,328 1,672
15 3,472 0,223 0,756 0,347 1,653
16 3,532 0,212 0,750 0,363 1,637
17 3,588 0,203 0,744 0,378 1,622
18 3,640 0,194 0,739 0,391 1,609
19 3,689 0,187 0,734 0,403 1,597
20 3,735 0,180 0,729 0,414 1,586
21 3,778 0,173 0,724 0,425 1,575
22 3,819 0,167 0,720 0,434 1,566
23 3,858 0,162 0,716 0,443 1,557
24 3,895 0,157 0,712 0,452 1,548
25 3,931 0,153 0,708 0,460 1,540
Número
de
muestra x1 x2 x3 x4 x5 X r
1 33 29 31 32 33 31,6 4
2 33 31 35 37 31 33,4 6
3 35 37 33 34 36 35,0 4
4 30 31 33 34 33 32,2 4
5 33 34 35 33 34 33,8 2
6 38 37 39 40 38 38,4 3
7 30 31 32 34 31 31,6 4
8 29 39 38 39 39 36,8 10
9 28 33 35 36 43 35,0 15
10 38 33 32 35 32 34,0 6
11 28 30 28 32 31 29,8 4
12 31 35 35 35 34 34,0 4
13 27 32 34 35 37 33,0 10
14 33 33 35 37 36 34,8 4
15 35 37 32 35 39 35,6 7
16 33 33 27 31 30 30,8 6
17 35 34 34 30 32 33,0 5
18 32 33 30 30 33 31,6 3
19 25 27 34 27 28 28,2 9
20 35 35 36 33 30 33,8 6
Gran media 33,3 r media 5,8
Mediciones de apertura del álabe
Ejemplo:
Control de la apertura de los
álabes, en la fabricación de
turbinas
28,0
30,0
32,0
34,0
36,0
38,0
40,0
42,0
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta X
X
Número de muestras
LSC=36.67
LIC=29.98
LC=33.32
2
4
6
8
10
12
14
16
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta
R
r
Número de muestras
LSC=12.27
LC=5.8
28,0
30,0
32,0
34,0
36,0
38,0
40,0
42,0
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta X
X
Estimación de los limites
LSC revisado=36.10
LIC revisado =30.33
LC=33.21
= no utilizado en el cálculo de los límites de control
2
4
6
8
10
12
14
16
1 3 5 7 9
1
1
1
3
1
5
1
7
1
9
Carta
R
r
LSC revisado=10.57
LC revisado=5.0
Estimación de los limites
= no utilizado en el cálculo de los límites de control
Estimación de la capacidad de proceso
CCP =Coeficiente de capacidad de proceso
o 6
LIE LSE
CCP
÷
=
LAS CARTAS DE CONTROL PARA MEDICIONES
INDIVIDUALES SON AQUELLAS QUE SE
UTILIZAN EN MUCHAS SITUACIONES, DONDE
EL TAMAÑO DE LA MUESTRA ES IGUAL A 1,
ESTO ES QUE LA MUESTRA ESTA FORMADA
POR UNA SOLA UNIDAD O POR UN PROMEDIO
DE VARIAS MUESTRAS DONDE NO ES
NECESARIO CONSIDERARLAS YA QUE LAS
DIFERENTES MEDICIONES ENTRE ELLAS ES
SOLO ATRIBUIBLE AL ERROR DE MEDICION
CARACTERISTICAS
•Es una herramienta muy utilizada en procesos continuos.
•Es una representación de observaciones individuales
contra el tiempo.
•No se representan medias sino representaciones
individuales.
•Establece una prueba rápida de la existencia de causas
atribuibles de variación.
•La carta de control de individuos utiliza el rango movil de
dos observaciones sucesivas para estimar la variabilidad
del proceso.
•La carta de control de individuos debe ir acompañada de
la carta de control de rango movil.
EJEMPLOS DE ALGUNAS SITUACIONES DONDE
SE UTILIZAN CARTAS DE CONTROL PARA
MEDICIONES INDIVIDUALES:
•TECNOLOGIA DE MEDICION E INSPECCIÓN
AUTOMATIZADO
•EN RITMOS DE PRODUCCION LENTOS
•MEDICIONES REPETIDAS DE UN PROCESO
DIFIEREN SOLO DEBIDO A ERRORES DE
MEDICION
•EN PLANTAS DE PROCESO DONDE SE MIDEN
ESPESORES DE LA FABRICACION DEL PAPEL
PARA REALIZAR LOS CALCULOS EN LAS
CARTAS DE CONTROL SE TOMAN LOS
SIGUIENTES PARAMETROS QUE SE
DEFINEN COMO:
| | 1 ÷ ÷ = i X X MR i
RANGO MOVIL : EL RANGO MOVIL SE
DEFINE COMO AQUEL PARAMETRO QUE SE
UTILIZA PARA ESTIMAR LA VARIABILIDAD EN
UN PROCESO
2 d
3
mr
LSC + X =
2 d
3
mr
LIC ÷ X =
LIMITES DE CONTROL:SON AQUELLOS
LIMITES SUPERIORES O INFERIORES QUE
LIMITAN EL PROCESO BAJO CONTROL
X LC=
LIMITES DE CONTROL PARA UNA CARTA
DE RANGO MOVIL
Rango Movil:

LSC = D4*mr
LC = mr
LIC = D3*mr

EJEMPLO EN UNA PLANTA DE SECADO
TOLVA DE
ALIMENTACIÓN

SECADOR
AGREGADO
COMPUESTOS
MEZCLADOR
INTERCAMBIADOR
DE CALOR
PRODUCTO FINAL
Datos de humedad en el Proceso de la Planta
Hora Humedad ( % )
x
Rango Movil
mr
1 0.12
2 0.11 0.01
3 0.04 0.07
4 0.06 0.02
5 0.08 0.02
6 0.12 0.04
7 0.10 0.02
8 0.05 0.05
9 0.09 0.04
10 0.13 0.04
11 0.11 0.02
12 0.10 0.01
13 0.11 0.01
14 0.08 0.03
15 0.13 0.05
16 0.12 0.01
17 0.09 0.03
18 0.12 0.03
19 0.19 0.07
20 0.11 0.08
21 0.09 0.02
22 0.08 0.01
23 0.06 0.02
24 0.06 0.00
x=0.098 mr =0.030



CARTA DE CONTROL PARA MEDICIONES INDIVIDUALES DE
PLANTA DE SECADO
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0.26
0 4 8 12 16 20 24
Subgrupo ( Hora)
x

i
n
d
i
v
i
d
u
a
l
(
%

H
u
m
e
d
a
d

)
LC=0.098
LSC=0.178
LIC=0.018
CARTA DE CONTROL PARA RANGO MOVIL
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Subgrupo
R
a
n
g
o

m
o
v
i
l
LSC=0.098
LC=0.030
LIC=0.00

CARTA DE CONTROL DE INDIVIDUOS MODIFICADA
PARA PLANTA DE SECADO
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0 4 8 12 16 20 24
Subgrupo ( Horas )
x

i
n
d
i
v
i
d
u
a
l

(

%

H
u
m
e
d
a
d
)
LSC=0.160
LC=0.094
LIC=0.028

CARTA DE CONTROL MODIFICADA PARA RANGO
MOVIL
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Subgrupo
R
a
n
g
o

m
o
v
i
l
LC=0.025
LSC=0.082
LIC=0.00

CARTA DE CONTROL DE INDIVIDUOS MODIFICADA
PARA PLANTA DE SECADO
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
0.2
0.22
0.24
0 4 8 12 16 20 24
Subgrupo ( Horas )
x

i
n
d
i
v
i
d
u
a
l

(

%

H
u
m
e
d
a
d
)
LSC=0.160
LC=0.094
LIC=0.028

CARTA DE CONTROL MODIFICADA PARA RANGO
MOVIL
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1
0 2 4 6 8 10 12 14 16 18 20 22 24 26
Subgrupo
R
a
n
g
o

m
o
v
i
l
LC=0.025
LSC=0.082
LIC=0.00
El siguiente problema muestra una tabla con
20 observaciones de concentración en la
salida de un proceso químico. Las
observaciones se toman a intervalos de una
hora . Si se toman varias observaciones al
mismo tiempo, la lectura de concentración
observada será diferente debido solo al error
de medición. Puesto que este es pequeño,
solo se toman dos observaciones cada hora
y se promedia entre ellos.
Ejercicio
Observacion Concentracion Rango movil
1 102,0
2 94,8
3 98,3
4 98,4
5 102,0
6 98,5
7 99,0
8 97,7
9 100,0
10 98,1
11 101,3
12 98,7
13 101,1
14 98,4
15 97,0
16 96,7
17 100,3
18 101,4
19 97,2
20 101,0
99,1 X = mr =
7.2
3.5
0.1
3.6
3.5
0.5
1.3
2.3
1.9
3.2
2.6
2.4

2.7
1.4
0.3
3.6
1.1
4.2
3.8
2.59
Para buscar el rango
móvil utilizaremos la
siguiente formula
| | 1 ÷ ÷ = i X X MR i
| 0 . 102 8 . 94 | ÷ = MR
2 . 7 = MR
Por ejemplo :
19
2 . 49
589 . 2 = mr =
Calculando la media del Rango movil
CALCULANDO EL VALOR DE LA LINEA CENTRAL
1 . 99 = = X LC
EL VALOR DE LA LINEA CENTRAL CORRESPONDE AL
VALOR DE LA MEDIA OBTENIDA DE LAS
CONCENTRACIONES
n
x
x
i
¿
=
DONDE :
20
9 . 1981
=
095 . 99 =
POR LO TANTO
CALCULANDO LOS LIMITES DE CONTROL TENEMOS:
2
3
d
mr
X LSC + =
128 . 1
59 . 2
3 1 . 99 + =
99 . 105 =
128 . 1
59 . 2
3 1 . 99 ÷ =
21 . 92 =
2
3
d
mr
X LIC ÷ =
CARTA DE CONCENTRACIONES INDIVIDUALES
90
93
96
99
102
105
108
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
X

I
N
D
I
V
I
D
U
A
L
LC
LSC
LIC
105.9
92.20
99.1
GRAFICO DE RANGO MOVIL
0
1
2
3
4
5
6
7
8
9
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
R
a
n
g
o

m
o
v
i
l
2.59
LSC
CARTA DE CONTROL SUMA ACUMULATIVA
Principios Básicos
Estos diagramas siven para detectar pequeños cambios en
la media del proceso (del orden de 0,5o
×
a 2 o
x
) .
En este intervalo se detectarán los cambios dos veces más
rápidos con un tamaño muestra más pequeño.
Son eficaces para muestras de n = 1
Visualmente se detectan los cambios en el proceso por el
cambio en la pendiente de los puntos.
CARACTERISTICAS
Desventajas del método
La gráfica es lenta para detectar cambios grandes en el
proceso.
No es un método eficaz para analizar datos anteriores.
EXISTEN DOS ENFOQUES PARA EL
DISEÑO DE LIMITES DE CONTROL
SUMCUM
 Mascara V
 Tabular
Ventajas de una carta de
control de SUMCUM
• Son más eficaces.
• Se pueden detectar con facilidad.
) (
0
1
µ ÷ =
¿
=
i
j
j i
X S
proceso del media la de deseado Valor
muestra esima j la de omedio X
j
=
÷ =
0
Pr
µ
1 0
) (
÷
+ ÷ =
i j i
S X S µ
Donde :
Observación :
 Si el proceso esta bajo control en el valor deseado µ
0
, la
suma acumulada fluctua alrededor del cero.
 Si la media se desplaza hacia arriba por algun valor µ
1
> µ
0
,
aparecera en la suma acumulada un corrimiento hacia arriba o
positivo.
 Si la media se desplaza hacia abajo por algun valor µ
1
< µ
0
,
aparecera en la suma acumulada un corrimiento hacia abajo o
negativo.
DESARROLLO MATEMATICO
Ejemplo
La tabla muestra 20 observaciones de
concentración en la salida de un
proceso químico. Las observaciones se
toman a intervalos de una hora . Si se
toman varias observaciones al mismo
tiempo, la lectura de concentración
observada será diferente debido sólo
al error de medición . Puesto que éste
es pequeño, sólo se toma una
observación cada hora.
Cálculo de SUMCUM para los datos
de concentración del proceso
Observación, i Xi Xi - 99 Si = ( Xi - 99) + Si-1
1 102.0 3.0 3.0
2 94.8 -4.2 -1.2
3 98.3 -0.7 -1.9
4 98.4 -0.6 -2.5
5 102.0 3.0 0.5
6 98.5 -0.5 0.0
7 99.0 0.0 0.0
8 97.7 -1.3 -1.3
9 100.0 1.0 -0.3
10 98.1 -0.9 -1.2
11 101.3 2.3 1.1
12 98.7 -0.3 0.8
13 101.1 2.1 2.9
14 98.4 -0.6 2.3
15 97.0 -2.0 0.3
16 96.7 -2.3 -2.0
17 100.3 1.3 -0.7
18 101.4 2.4 1.7
19 97.2 -1.8 -0.1
20 101.0 2.0 1.9
-4
-2
0
2
4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Observación (i)
S
i

GRAFICA SUMA ACUMULATIVA
PROCEDIMENTO TABULAR

 Intervalo de decisión H.
 Si S
H
(i) o S
L
(i) son mayores que el
intervalo H, el proceso está fuera de
control.
 Si el proceso está fuera de control se
debe buscar la causa asignable.
 Este procedimiento no requiere un
tamaño de muestra grande.
| | ) 1 ( ) ( , 0 ) (
0
÷ + + ÷ = i S K X Max i S
H i H
µ
| | ) 1 ( ) ( , 0 ) (
0
÷ + ÷ ÷ = i S X K Max i S
L i L
µ
Donde :
S
H
(i) es la suma acumulativa unilateral superior para el periodo i
S
L
(i) es la suma acumulativa unilateral inferior para el periodo i
K : Se conoce como valor de referencia.
DESARROLLO MATEMATICO METODO TABULAR
Ejemplo : método tabular
 µ
0
= 99,
 K = 1, valor referencia.
 H =10, intervalo de decisión.







S
H
(i) = máx [0, x
i
–( µ
0
+ K) + S
H
(i-1)]
S
H
(i) = máx [0, x
i
–( 99 + 1) + S
H
(i-1)]
S
H
(i) = máx [0, x
i
– 100 + S
H
(i-1)]

S
L
(i) = máx [0,( µ
0
- K) - x
i
+ S
L
(i-1)]
S
L
(i) = máx [0,( 99 - 1) - x
i
+ S
L
(i-1)]
S
L
(i) = máx [0,98 - x
i
+ S
L
(i-1)]
SUMCUM tabular del proceso químico.
Observación
i x
i
x
i
- 100 s
H
( i ) n
H
98 - x
i
s
L
( i ) n
L
1 102,0 2,0 2,0 1 -4,0 0,0 0
2 94,8 -5,2 0,0 0 3,2 3,2 1
3 98,3 -1,7 0,0 0 -0,3 2,9 2
4 98,4 -1,6 0,0 0 -0,4 2,5 3
5 102,0 2,0 2,0 1 -4,0 0,0 0
6 98,5 -1,5 0,5 2 -0,5 0,0 0
7 99,0 -1,0 0,0 0 -1,0 0,0 0
8 97,7 -2,3 0,0 0 0,3 0,3 1
9 100,0 0,0 0,0 0 -2,0 0,0 0
10 98,1 -1,9 0,0 0 -0,1 0,0 0
11 101,3 1,3 1,3 1 -3,3 0,0 0
12 98,7 -1,3 0,0 0 -0,7 0,0 0
13 101,1 1,1 1,1 1 -3,1 0,0 0
14 98,4 -1,6 0,0 0 -0,4 0,0 0
15 97,0 -3,0 0,0 0 1,0 1,0 1
16 96,7 -3,3 0,0 0 1,3 2,3 2
17 100,3 0,3 0,3 1 -2,3 0,0 0
18 101,4 1,4 1,7 2 -3,4 0,0 0
19 97,2 -2,8 0,0 0 0,8 0,8 1
20 101,0 1,0 1,0 1 -3,0 0,0 0
SUMCUM superior SUMCUM inferior
| |
| |
| |
| | 2 2 , 0 ) (
0 100 102 , 0 ) (
) 1 ( ) 100 ( , 0 ) (
) 1 ( ) ( , 0 ) (
0
= =
+ ÷ =
÷ + ÷ =
÷ + + ÷ =
Max i S
Max i S
i S X Max i S
i S K X Max i S
H
H
H i H
H i H
µ
| |
| |
| |
| | 0 4 , 0 ) (
0 102 98 , 0 ) (
) 1 ( ) 1 99 ( , 0 ) (
) 1 ( ) ( , 0 ) (
0
= ÷ =
+ ÷ =
÷ + ÷ ÷ =
÷ + ÷ ÷ =
Max i S
Max i S
i S X Max i S
i S X K Max i S
L
L
L i L
L i L
µ
Carta Control METODO TABULAR

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->