Elementos del Control de Calidad

Estadstico
Definicin de la calidad (Calidad del
Diseo y la Calidad del Producto):
Calidad del Diseo: grado de Calidad del Diseo: grado de
concordancia entre el diseo y el fin para
el cual fue creado. el cual fue creado.
Calidad del Producto: grado de
conformidad entre el producto y su conformidad entre el producto y su
diseo.
Los defectos: Un defecto es el
incumplimiento de una caracterstica
de calidad respecto de un lmite p
especificado.
Qu causa los productos Qu causa los productos
defectuosos?
La variacin.
Son todos los defectos iguales?
Por supuesto que no.
Debemos tratar a todos los Debemos tratar a todos los
defectos por igual? Claro que no.
Clasificacin de los defectos, ,
muestrario de defectos.
Defectos crticos: son aquellos que
violan leyes, agreden al consumidor o
hacen inservible al producto. p
Defectos mayores: producen una
disminucin en el correcto disminucin en el correcto
funcionamiento o utilizacin del
producto y es notado por el
consumidor.
Defectos menores: producen una
disminucin leve en el correcto
funcionamiento o utilizacin del
producto, probablemente no lo note el
consumidor Pero si lo nota el consumidor. Pero si lo nota, el
personal calificado de produccin y de
control de calidad control de calidad,
Cada tipo de defecto ser objeto de un
estudio acabado por las partes
interesadas y deber finalizar en un y
muestrario de defectos,
debidamente clasificado por tipo de debidamente clasificado por tipo de
defecto y firmado por las partes
involucradas involucradas.
Distribuciones de frecuencia
e Histogramas
Poblacin y muestras.
Poblacin: total de las unidades que se
consideran.
Muestra: cantidad estadsticamente
calculada de unidades de dicha calculada de unidades de dicha
poblacin, cada unidad deber ser
extrada al azar. extrada al azar.
Distribucion de los valores de las
variables que medimos: En general
siguen un comportamiento llamado g p
gaussiano o normal. La grfica de este
comportamiento tiene una forma de comportamiento tiene una forma de
campana.
Tipos de variables
Variables continuas: son aquellas
que se miden.
Variables discretas: son aquellas que Variables discretas: son aquellas que
se cuentan.
L i d i l t l Las primeras dan origen al control por
variables y las segundas al control por
atributos.
Variables: son todas aquellas
caractersticas de calidad que
podemos representar por una cifra. p p p
Ejemplos, la medida de un perno, la
resistencia de resistores de alambre resistencia de resistores de alambre,
el contenido de cenizas en carbn,
etc etc etc., etc.
Atributos: son aquellas caractersticas de
lid d bl di i calidad no mensurables, cuya dimensin en
general no se puede representar con una
if cifra.
Ejemplo podemos tomar las
imperfecciones visuales de las superficies
de los productos, tales como manchas,
diferencias de tono, aspectos de una
soldadura, etc., etc.
Se debe tener en cuenta, que tanto los
procesos como los lotes terminados
pueden ser inspeccionados por p p p
atributos o por variables.
Distribuciones de
frecuencias
Veamos el caso de control por
variables: estamos midiendo con un
instrumento cuya resolucin nos y
permite medir las variaciones que
produce nuestro proceso produce nuestro proceso.
Lo primero que deberemos hacer es
clasificarlas de menor a mayor, luego
agruparlas en clases siguiendo algn g p g g
criterio que nos permita acumular los
datos dentro de clases esto es dentro datos dentro de clases, esto es dentro
de valores que contengan varios de
estos datos estos datos.
Consideremos la siguiente tabla de
valores experimentales
Total, n: 40 datos
Valor mnimo: 19 valor mximo: 76 Valor mnimo: 19, valor mximo: 76
Rango, 76-19= 57
Nmero de clases: (clculo emprico):
Raz de 40 y se redondea: 6 Raz de 40 y se redondea: 6
Ancho de clase: 9
57 dividido 6 y se lleva al nmero impar 57 dividido 6 y se lleva al nmero impar
ms cercano: 9
Se toma el ancho de clase como
nmero impar, para que la marca de
clase sea un nmero entero igual que g q
los datos que se estn estudiando.
Si se utilizara un nmero par el ancho Si se utilizara un nmero par, el ancho
de clase resulta con un decimal que
habra que conservar hasta el final del
clculo y esto es fuente de errores. y
Con estos datos procedemos a construir la
i i t t bl siguiente tabla:
LI LS Marca de Clase (mediana) (x) ( ) ( )
18 26 22 ( 18 +26 ) / 2
27 35 31
36 44 40 36 44 40
45 53 49
54 62 58
63 71 67
72 80 76
Una vez obtenido este cuadro procedemos
l t t l f i al recuento y anotamos la frecuencia:
LI LS X recuento frecuencia LI LS X recuento frecuencia
18 26 22 /// 3
27 35 31 //// 5
36 44 40 //// //// 9 36 44 40 //// //// 9
45 53 49 //// //// // 12
54 62 58 //// 5
63 71 67 //// 4
72 80 76 // 2
total 40 40
El cuadro anterior es el diagrama de
frecuencias obtenido de los 40 datos
obtenidos como variables y agrupados y g p
convenientemente en clases, este
recuento ya nos est informando de recuento ya nos est informando de
que es lo que pasa con esta variable.
HISTOGRAMA
HISTOGRAMA
14
9
12
10
12
14
S
5 5
4
6
8
R
E
C
U
E
N
C
I
A
S
0
3
4
2
0
2
4
F
R
0
21 22 31 40 49 58 67 76 85
MARCAS DE CLASE
Medidores de tendencia central y de dispersin
Los dos ms frecuentes y tiles en
Control de Calidad, son :
la Media Aritmtica , medidor de la la Media Aritmtica , medidor de la
tendencia central.
Desviacin Tpica medidor de la Desviacin Tpica, medidor de la
dispersin de los datos alrededor de la
Media Aritmtica Media Aritmtica
Media aritmtica
k
X
f X f X f X
f f f
f X
fX
f
fX
N
k k
j j
j
k
=
+ + +
+ + +
= = =
=

1 1 2 2
1
. . ... .
f f f
f
f N
k
j
j
+ + +
=

1 2
1
...

f u
fu
j
k
X A +c
f
j
j =1
k
=

= +

A c
fu
N
j
j 1
Desviacin tpica
( )
f X X
k

2
( )
( )
S
f X X
f X X
N
j j
j
k
=

1
2
f
N
j
j=

1
fu fu


2
2
S c
fu
N
fu
N
=

*
Mtodo de clculo por
compilacin
X f U fu fu
2
22 3 -3 -9 27
31 5 -2 -10 20
40 9 -1 - 9 9
49 12 0 0 0
58 5 1 5 5
67 4 2 8 16
76 2 3 6 16
fu = - 9 fu
2
= 95
donde: c = 9 y A = 49
Media aritmtica: 46,98
Desviacin tpica: 13 72 Desviacin tpica: 13.72
Este clculo tiene un error como
i d t d l consecuencia de suponer a todos los
datos dentro de cada clase como
iguales.
Distribucin Continua, o Distribucin
Gaussiana, o Distribucin Normal
Curva Normal de Gauss
4 3 2 1 +1 +2 +3 +4
En muchos casos, cuando la variacin de
una caracterstica de calidad es causada una caracterstica de calidad es causada
por la suma de un gran nmero de errores
infinitesimales independientes debidos a infinitesimales independientes debidos a
diferentes factores, la distribucin de la
caracterstica de calidad se aproxima a una caracterstica de calidad se aproxima a una
distribucin normal.
La forma de la Distribucin Normal puede La forma de la Distribucin Normal puede
describirse como la de una campana.
Propiedades de la
Distribucin Normal
La curva caracterstica queda
determinada totalmente por dos
parmetros: p
y y
Un suceso es ms o menos probable
segn la frecuencia con que ocurre. a
mayor frecuencia de ocurrencia y
pasada ser mayor la probabilidad de
ocurrencia futura ocurrencia futura.
Los histogramas y los grficos de
frecuencia, tambin pueden interpretarse
como grficos de probabilidades de como grficos de probabilidades de
ocurrencia.
En particular la Campana de Gauss o En particular, la Campana de Gauss, o
Curva Normal, es una funcin de
probabilidades probabilidades.
La superficie que se encierra debajo de la
curva y limitada por dos valores de x es curva, y limitada por dos valores de x es
directamente una medida de la probabilidad
de ocurrencia de un suceso determinado.
Aceptando estos conceptos veremos
como se puede hacer los clculos
partiendo de la Curva Normal. p
En primer trmino, la Curva Normal
hay que transformarla en lo que se hay que transformarla en lo que se
llama forma cannica, esto significa
que el cero de las X ir al medio del
grfico. g
Para lograrlo se usa una variable
llamada z y es:
( )
X X
( )
z =

Esta transformacin hace que siempre

l l d l d i i t i el valor de la desviacin tpica, en una
curva cannica, sea igual a uno.
El valor de z no es ms que un dato
medido en relacin a su propia p p
desviacin.
Esto hace que la curva tenga Esto hace que la curva tenga
caractersticas muy particulares.
E t i bl d d d d t Esta variable depende de datos
conocidos, es decir la media de la
t d i i muestra y su desviacin
Por lo tanto para determinados valores p
de x, se hace el clculo y las tablas dan
la respuesta en trminos de probabilidad p p
de ocurrencia.
Este punto es muy importante pues de Este punto es muy importante pues de
aqu parte todos los criterios del control
de la calidad de la calidad.
La superficie, y por lo tanto la
probabilidad de ocurrencia del suceso,
vale:
Grficamente
AREA BAJO LA CURVA NORMAL
IGUAL A 68.27%
35
40
45
E
S
AREA BAJO LA CURVA NORMAL
IGUAL A 95,45%
30
35
40
D
E
S
10
15
20
25
30
35
P
R
O
B
A
B
I
L
I
D
A
D
E
10
15
20
25
P
R
O
B
A
B
I
L
I
D
A
0
5
-3 -2 -1 0 1 2 3
DESDE -1 A +1 DESVIACION TIPICA
0
5
-3 -2 -1 0 1 2 3
DESDE -2 A +2 DESVIACION TIPICA
AREA BAJO LA CURVA NORMAL
IGUAL A 99,73%
35
40
45
D
E
S
10
15
20
25
30
P
R
O
B
A
B
I
L
I
D
A
D
0
5
-3 -2 -1 0 1 2 3
DESDE -3 A +3 DESVIACION TIPICA
Ejercicios-uso de tablas de
Gauss