Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contro Estadistico de La Calidad
Contro Estadistico de La Calidad
!
"
#
$.%23
%."2&
%.""
%.4#3
%.4$&
%.$3!
%
%
%
%
%.%"!
%.$3!
2."
2.2#2
2.$$
2.%%4
$.&24
$.#!4
Huente "esarrollada a partir de una tabla de factores mucho m$s grande de gran utilidad para
la construccin de gr$ficas de control, tabla I# del 6anual <.+.=.6. para control de calidad de
materiales, p. !!0.
'rficas & ( 'rficas de Control para Medidas de )ariabilidad
<l calcular los lmites de control para las gr$ficas
__
X
, las estadsticas
usadas con las medias de la muestra reducida y estos son los datos que se
tra4an en la gr$fica. "e la misma forma podra usarse una medida de
variabilidad, como la desviacin est$ndar o el rango, como estadstica
b$sica. Para cada muestra se calcula una desviacin est$ndar 7o rango8
muestra y estas observaciones se agrupan en una distribucin que apro;ima
la distribucin normal. Esta nueva distribucin de medidas de variabilidad
tiene una media, una desviacin est$ndar y un rango que pueden ser usados
para construir una gr$fica de control. Esta gr$fica de control indica cuando la
variabilidad del proceso es mayor o menor que el est$ndar.
En el control de calidad, la estadstica seleccionada es generalmente
el rango m$s que la variacin est$ndar debido a la facilidad con la que el
rango puede ser calculado en un ambiente de procesamiento. Para cada
muestra, la diferencia entre la medicin m$s alta y la m$s baja se tra4a en la
gr$fica C. La distribucin de rangos tiene un promedio,
__
R
, y una desviacin
sC. Los lmites de . %sC tienen el mismo significado general para la gr$fica
__
X
.
Procedimientos prcticos para determinar los lmites de control de
la grfica &*
"e la misma forma que para las gr$ficas
__
X
, las estadsticas usadas
son las medias de la muestra reducida y estos son los datos que se tra4an
en la gr$fica. "e la misma forma podra usarse una medida de variabilidad,
como la desviacin est$ndar o el rango, como estadstica b$sica. Para cada
muestra se calcula una desviacin est$ndar o el rango, como estadstica
b$sica. Para cada muestra se calcula una desviacin est$ndar 7o rango8
muestra y estas observaciones se agrupan en una distribucin que apro;ima
la distribucin normal. Esta nueva distribucin de medidas de variabilidad
tienen una media, una desviacin est$ndar y un rango que pueden ser
usados para construir una gr$fica de control. Esta gr$fica de control indcia
cuando la variabilidad del proceso es mayor o menor que el est$ndar.
En el control de la calidad, la estadstica seleccionada es generalmente
el rango m$s que la variacin est$ndar debido a la facilidad con la que el
rango puede ser calculado en un ambiente de procesamiento. Para cada
muestra, la diferencia entre la medicin m$s alta y la m$s baja se tra4a en la
gr$fica C. La distribucin de rangos tiene un promedio,
__
R
, y una desviacin
est$ndar s
C
. Los lmites de . %s
C
tienen el mismo significado general que la
gr$fica
__
X
.
Procesamientos prcticos para determinar los lmites de control de la
grfica &
"e la misma forma que para las gr$ficas
__
X
, el c$lculo de los l mites de
control para la gr$fica C ha sido simplificado mediante el uso de la
estadstica
__
R
en lugar de la desviacin est$ndar. Asando los datos de la
tabla para una muestra de tama:o n, se seleccionan los factores "
%
y "
&
y se
calculan los lmites de control %s
C
como sigue
L+'C 5 "
&
__
R
L?'C 5 "
%
__
R
< manera de ejemplo, si n 5 & y
__
R
5 %.222 y de la tabla "
& 5
#.#-# y
"
%
5 2, entonces los lmites de control para la gr$fica C son
L+'
C
5 #.#-# ' %.222 5 ,.-&,
L?'
C
5 2 B %.222 5 2
+,emplos de 'rficas
__
X
$ 'rficas &*
'onsidere un proceso de produccin para el cual se desea establecer
tanto una grafica
__
X
como una gr$fica C. 'on el fin de iniciali4ar las
gr$ficas, se toman #2 muestras de n 5 0 mediciones aleatorias conforme el
proceso contin(a. Estas observaciones se muestran en la tabla siguiente, en
las columnas # a ,, representando cada lnea una muestra de n 5 0. El
promedio de cada muestra se da en la columna 1 y el rango de la muestra se
da en la columna -. La gran media y el rango promedio se muestran en la
parte inferior de estas dos (ltimas columnas como
__
x
5 2.#2! y
__
R
5 2.2&%,
respectivamente
'(mero
de la
muestra
Observaciones individuales Promedi
o de la
muestra,
x
Rango
de la
muestra,
R.
)$* )2* )3* )4* )* )!* )"* )#*
!
#
%
&
0
,
1
-
/
!2
!!
!#
!%
!&
!0
!,
!1
!-
!/
2.!/-
2.##&
2.!/0
2.!-%
2.!/&
2.#!#
2.!1/
2.#!,
2.##!
2.##,
2.!-!
2.!1,
2.#!1
2.#2%
2.#&%
2.#00
2.#!2
2.!1-
2.!,%
2.!10
2.#2/
2.!1#
2.!/!
2.!&#
2.#%-
2.!-,
2.#!#
2.!1#
2.!-&
2.#!2
2.!1/
2.!//
2.!/#
2.!-&
2.#!1
2.##,
2.!--
2.##%
2.#2!
2.!-&
2.#2&
2.!,-
2.#2-
2.#!/
2.#2,
2.#2!
2.#2!
2.!-1
2.#!/
2.#2,
2.##0
2.#2%
2.!-1
2.#22
2.!-1
2.!01
2.!1!
2.#2/
2.##0
2.#!%
2.!/&
2.##,
2.!/-
2.!12
2.!/,
2.#20
2.!-#
2.#2,
2.!-#
2.#20
2.#21
2.##2
2.#%!
2.!-/
2.!-&
2.#2-
2.#2&
2.#2/
2.#2-
2.#2#
2.!--
2.#%2
2.#!#
2.##&
2.#2&
2.##/
2!-&
2.#&&
2.#2-
2.#2-
2.#!&
2.#!&
2.!/2
2.!,#
2.#2#
2.!/1
2.#!2
2.!/-
2.!--
2.!/#
2.#!/
2.!/!
2.#!2
2.#2!
2.#2#
2.#22
2.!/1
2.#!!
2.#2%
2.#!2
2.##%
2.#22
2.!1&
2.!/%
2.2%&
2.2&!
2.2&!
2.2%&
2.2-&
2.2&2
2.2&#
2.2#-
2.2&/
2.2&1
2.2%-
2.2,-
2.2#,
2.2!,
2.20/
2.200
2.2%/
2.2%!
2.2,2
#2 2.#!- 2.!/# 2.!/- 2.!// 2.!// 2.#2!
==
x
52.#2
!
2.2#,
__
R
52.2&
%
'rficas
__
X
Primero se calcula la lnea central y los lmites de control preliminares
para la gr$fica
__
X
de la siguiente manera
L+' 5
__
2
R A x+
=
5 2.#2! . 72.011 B 2.2&%8 5 2.##,
L?' 5
__
2
R A x
=
5 2.#2! > 72.011 B 2.2&%8 5 2.!1,
Los lmites de control y la lnea central preliminares para la gran medida
se muestran en la figura %, grafic$ndose las medias de las #2 muestras
calculadas en la columna 1 de la tabla.
La gr$fica de control generalmente indica que se tiene un sistema
generador de datos, estables, con la e;cepcin de la muestra !-, que se
ubica por debajo del L?'. Es absolutamente posible que esta media de la
muestra represente una de las ocurrencias aleatorias de que una media
caiga fuera de los lmites %s x . +in embargo, se sabe que este evento
ocurre con una probabilidad de solamente 2.22#1 por lo que se hace
necesaria una investigacin. La investigacin revela que el operador estuvo
siguiendo un m3todo no est$ndar que result en la observacin de bajo
menor al normal >una causa asignable. La muestra !- se elimina de los
datos y se calculan una gran media y lmites de control revisados como
x 5 .#2# y R 5 2.2&&. Los lmites de control revisados son entonces
L+' 5 X . <
#
R
5 2.#2# . 72.011 B 2.2&&8 5 2.##1
L?' 5 ; > <
#
C 5 2.#2# > 72.011 ; 2.2&&8 5 2.!11
Cundo actuar
El hecho de que la muestra !- haya salido de los lmites plantea la
pregunta )Fqu3 configuraciones de puntos en una gr$fica de control
sugieren que debe adoptarse una accinG* F+e justifica una accin
solamente cuando los puntos salen de los lmitesG. Los siguientes son
algunos lineamientos convenientes sobre cu$ndo anticipar los problemas
mediante una accin de investigacin
'rficas &
Los lmites de control preliminares para una gr$fica C se calculan
utili4ando los factores "
%
5 2 y "
&
5 #.!!0 de la tabla !%J! como sigue
L+' 5 "
& R
5 #.!!0 ; 2.2&% 5 2.2/2/
L?' 5 "
% R
5 2 ; 2.2&% 5 2
En figura !%J& se muestra la gr$fica C con los lmites de control
preliminares y los rangos de #2 muestras tra4adoras. "ebe notarse que el
rango para la muestra !- no cae fuera de los lmites de control en la gr$fica
C. < pesar de ello, y dado que fue eliminada de la gr$fica X , tambi3n debe
eliminarse de la gr$fica C; la lnea central y los lmites de control revisados
reflejan este procedimiento. La gr$fica C indica que la variabilidad del
proceso es normal. Las lneas centrales y lmites de control revisados en las
figuras !%J% y !%J& representan est$ndares ra4onables para comparacin
con muestras futuras.
GRFICAS DE CONTROL PARA ATRIBUTOS
En las gr$ficas de control para atributos la poblacin se divide en dos
clasificaciones partes defectuosas contra partes buenas, el n(mero de
facturas con errores contra el n(mero de facturas sin errores en una
operacin de oficina, el n(mero presente contra el n(mero ausente para el
control del ausentismo, la proporcin de tiempo inactivo contra el tiempo
activo en un estudio de muestreo de trabajo y as sucesivamente. En
cualquier situacin para la que se desee construir una gr$fica de control es
necesario establecer esta distincin )buenoJmalo*.
'rficas p
Las gr$ficas de control para la proporcin o fraccin de partes
defectuosas que se presentan se denominan gr$ficas p; estas gr$ficas est$n
basadas en la distribucin binomial. Cecu3rdese que, para la distribucin
binomial
__
__
observado total Nmero
s defectuosa partes de Nmero
= =
N
x
p
=
__ __
1 p p
s
p
en donde
n 5 tama:o de la muestra
+iguiendo la pr$ctica para gr$ficas de control de calidad, los lmites de
control se establecen en el promedio del proceso para partes defectuosas
m$s y menos tres desviaciones est$ndar,
__
p
. %s
p
.
En la tabla se muestra un conjunto de datos para el n(mero de defectos
encontrados en muestras diarias de #22 para #& das consecutivos de
produccin. Primero se quiere determinar si los datos e;hiben control
estadsticos y despu3s establecer una gr$fica de control. La fraccin de
defectos diarios se calcula dividiendo cada cifra diaria entre el tama:o de la
muestra, n 5 #22. En la tabla tambi3n se calculan cifras preliminares para p,
s
p
. K L+' y L?'. Estas cifras preliminares se emplean para determinar si el
proceso que genera los datos est$ bajo control.
!abla- &egistro del n.mero de partes defectuosas $ fracci#n calculada
de defectos en muestras diarias de n / 01
Da de
producci+n
'(mero de
partes
defectuosas
,racci+n
de
defectos
Da de
producci+n
'(mero de
partes
defectuosas
,racci+n
de
defectos
!
#
%
&
0
,
1
-
/
!2
!!
!#
!%
!2
0
!2
!#
!!
/
##
&
!#
#&
#!
!0
-
2.220
2.2#0
2.20
2.2,
2.200
2.2&0
2.!!
2.2#
2.2,
2.!#
2.!20
2.210
2.2&
!&
!0
!,
!1
!-
!/
#2
#!
##
#%
#&
=otal
!&
&
!2
!!
!!
#,
!%
!2
/
!!
!#
#/&
2.21
2.2#
2.20
2.200
2.200
2.!%
2.,0
2.20
2.2&0
2.200
2.2,
__
p
5
061 . 0
200 24
294
=
X
p
s
3
5 % B 2.2!1 5 2.0!
L+' 5
112 . 0 051 . 0 061 . 0 3
__
= + = +
p
s p
L?' 5
010 . 0 051 . 0 061 . 0 3
__
= =
p
s p
+
p
5 017 . 0
200
939 . 0 061 . 0
=
x
En la figura, se presenta la gr$fica resultante de los defectos en la
produccin diaria en relacin con los lmites de control preliminares. "os
puntos caen fuera de los lmites y el punto para el da 1 est$ casi fuera del
lmite superior. La investigacin no muestra nada e;traordinario para el
primer punto, da 1. Para el segundo punto, da !2, una e;plicacin lgica es
que se contrataron tres trabajadores nuevos ese da. El (ltimo punto, da !/,
se e;plica por el hecho de que el dado se haba desgastado y finalmente se
rompi ese da.
Para establecer est$ndares para la variacin normal se elimina los
datos para los das en los que se han establecido causas asignables 7das !2
y !/8 y se vuelven a calcular p, L+' y L?' de la siguiente manera.
058 . 0
21 200
244
__
= =
X
p
A'L 5 2.20- . % 108 . 0
200
942 . 0 058 . 0
=
X
A'L 5 2.20- J % 108 . 0
200
942 . 0 058 . 0
=
X
Estos valores revisados reflejan la variacin debida a causas
aleatorias y se emplear$n como est$ndares para ju4gar la proporcin de
muestras defectuosas en el fututo. +i alguna muestra futura cae fuera de
estos lmites, la reaccin inmediata ser$ que es altamente probable que
e;ista una causa asignable para la observacin de una proporcin
e;traordinaria de defectos. Entonces se tratar$ de determinar la causa y
corregirla antes de producir una mayor cantidad de desperdicio.
'rficas p para muestras de tama"o variable*
En el ejemplo anterior el tama:o de la muestra era constante. +in
embargo, con frecuencia los tama:os de la muestra son variables, como
suele ser el caso cuando se aplica una inspeccin del !22 por ciento y los
vol(menes resultantes varan da a da. +i los tama:os de la muestra varan
slo ligeramente, los lmites de control pueden basarse en el tama:o de la
muestra promedio. +in embargo, cuando los tama:os de la muestra varan
sustancialmente, pueden calcularse nuevos lmites de control para cada
muestra, lo cual no resulta una actividad costosa en el mundo actual de la
computacin.
Estos c$lculos de los lmites de control pueden simplificarse. Por
ejemplo si
009 . 0
__
= p
entonces
n n x n p p ! 896 . 0 ! 901 . 0 099 . 0 3 ! 1 3
__ __
= =
5 0 por ciento en la
pr$ctica.
%P!D Porcentaje de defectos tolerables
para el lote >la lnea divisoria entre
lotes buenos y lotes malos
seleccionada. Los lotes de este nivel
de calidad se consideran como
pobres y se desea tener una baja
probabilidad para su aceptacin.
5
!2 por ciento en la pr$ctica.
+specificaci#n de un plan de muestreo
Para especificar un plan que satisfaga los requisitos para <ML, ,
L=P" y
,
=<IL< !%J& '$lculo de valores de Pa B !22
de la figura !%J/ a paritr de la gr$fica de
=horndiEe 7plan de muestreo n 5 !22 y c 5 #8
-orcenta.e real de
partes defectuosas -D
)-D / n*0$%% -orcenta.e de
pro1a1ilidad de
aceptaci+n a partir de
la figura $32&
2
!
#
%
&
0
,
1
-
2
!.2
#.2
%.2
&.2
0.2
,.2
1.2
-.2
!22.2
/!.0
,-.2
&#.2
#&.2
!#.2
,.2
%.2
!.0
+specificaci#n de n 5 c para Planes de muestreo .nico
Para especificar un plan debe determinarse el tama:o de la muestra n
y el n(mero de aceptacin c (nicos que produ4can una curva 'D que se
apro;ime a la especificada por los cuatro valores, <ML, , L=P" y
, esto
puede lograrse consultando tablas o usando la gr$fica de =horndiEe.
3n e.emplo4 +upngase que se ha especificado las caractersticas de la
curva 'D deseada como
<ML 5 # por ciento
5 0 por ciento
L=P" 5 - por ciento
5 !2 por ciento
-aso $ =abular valores P" B nL!22 para P
a
5 7! J
8 5 /0 por ciento y P
a
5
5 !2.0 por
ciento.
=abla !%J0 "eterminacin de planes de muestreo con <ML y L=P"
especificadas 7
=
0 por ciento
5 !2 por ciento8.
1!
"#mero de
aceptacin
$!
%alor de P& x n'1((
con Pa = )* por
ciento a partir de la
figura 1+,)
+!
%alor de P& x n'1((
con Pa = 1( por
ciento a partir de la
figura 1+,)
-!
Relacin .ol. +/.ol.
$ = 01P&'230
! 2.%, %./ !2.-%
# 2.-2 0.% ,.,%
% !.%0 ,.1 &./,
& !./1 -.2 &.2,
0 #.,2 /.% %.0-
, %.%2 !2.0 %.!-
1 &.22 !!.- #./0
- &.12 !%.2 #.11
En la tabla !%J, tambi3n se muestran los valores flotantes reales de
y para cada uno de los cuatro planes. @otar que para el plan ! la
probabilidad de aceptar lotes con un - por ciento de calidad aumenta
ligeramente mientras se mantienen las dem$s especificaciones. Para el plan
#, la probabilidad de recha4ar lotes de buena calidad aumenta ligeramente
mientras que se mantiene la especificacin para y as sucesivamente. Los
planes ! y # son los que m$s se apro;iman a satisfacer las especificaciones
originales y la eleccin entre ellos depende del 3nfasis deseado.
5tros 6alores de 7 . La tabla !%J0 se construy para los valores
comunes de 0 y !2 por ciento para y , respectivamente, pero, obviamente,
puede construirse una tabla comparable a partir de la gr$fica =horndiEe para
cualesquiera valores de y , por lo que los m3todos descritos son
generales.
Curva de calidad resultante promedio (C&P)
En la figura !%J!! se muestra el flujo de partes buenas y recha4adas
en un plan tpico de muestreo y se suministran las bases estructurales para
calcular la calidad resultante promedio 7'CP8. +e inspecciona la muestra
aleatoria de tama:o n y cualesquiera partes defectuosas halladas en la
muestra son sustituidas por partes buenas. 'on base en el n(mero de
partes defectuosas cN encontramos en la muestra, se acepta todo el lote si cN
P5 c y se recha4a si cN O c.
Ta1la $32!. Planes de muestreo sencillo para c 5 & y c 5 0 cuando es fija,
permitiendo que es fija y se permite que flote.
c fi4a en - c fi4a en *
7!8
5 0 Por ciento,
Hlota
7#8
5 !2 Por ciento,
Hlota
7%8
5 0 Por ciento,
Hlota
7&8
5 !2 Por ciento,
Hlota
n 5 !./0 ; !22L#
5 //
5 !2.0 por ciento
n 5 -.2 ; !22L-
5 !22
5 0.0 por ciento
n 5 #.,2 ; !22L#
5 !%2
5 0 por ciento
n 5 /.% ; !22L-
5 !!0
5 % por ciento
+i el lote es recha4ado se le somete a una inspeccin del !22 por ciento
y todas las partes defectuosas encontradas se sustituyen pro partes buenas.
Entonces, todo el lote de @ partes estar$ libre de partes defectuosas. +in
embargo, si el lote es aceptado con base en la muestra, se corre el riesgo de
pasar algunas partes defectuosas. Puede calcularse el n(mero promedio de
partes defectuosas.
+i la calidad promedio entrante es P", la aceptacin ocurre con la
probabilidad P
7P"8 7@ > n8
@(mero de partes en el lote !22 @
< partir de la relacin anterior puede desarrollarse una curva para
cualquier plan de muestreo dado mostrando la 'CP para cualquier nivel e
calidad entrante, determinando la P