Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONTROL AVANZADO
DE PROCESOS
Pgina 1 de 54
CONTENIDO
1. INTRODUCCIN
6. CARTAS DE PRECONTROL
Pgina 2 de 54
(cusum),
promedio
mvil
exponencialmente
ponderado (EWMA).
Pgina 3 de 54
Ci ( x j 0 )
j 1
Como esta carta es eficiente para n=1, es una buena alternativa para
el control de procesos qumicos y el C.E.P. automatizado. Si la media
tiene un corrimiento hacia arriba, la carta mostrar una tendencia
ascendente y viceversa.
Pgina 4 de 54
max 0, (
C i max 0, xi ( 0 K ) C i1
C i
K ) xi C i1
Pgina 5 de 54
max 0,9.5 x
C i max 0, xi 10 .5 C i1
C i
C i1
C1 max 0,9.45 10 .5 0 0
C1 max 0,7.99 10 .5 0 0
C1 max 0,9.5 7.99 0.05 1.56
Si N+ y N- indican los periodos en que las sumas no han sido cero, se
obtiene la tabla de la pgina siguiente:
De la tabla de Cusum Tabular se observa que en el periodo 29 su C 29+ fue de
5.28, lo que sugiere una situacin fuera de control, usando el contador N+ cuyo
valor es 7, indica que el ltimo punto en control fue el 29 7 = 22, de tal forma que
el corrimiento ocurri entre el periodo 22 y 23.
Pgina 6 de 54
C i
0 K , si
N
0 K
C i H
Ci
, si Ci H
N
10 0.5
5.28
11.25
7
, aunque se
n
Pgina 7 de 54
EL PROCEDIMIENTO DE LA MASCARILLA EN V
Un procedimiento alterno al uso del mtodo tabular Cusum, es la
mascarilla en V propuesta por Barnard (1959), esta mascarilla es
aplicada a valores sucesivos del estadstico,
C i y j y i C i 1
j 1
Ci
O d
2A
1A
1 2 3 4 5 ............................................. i
Pgina 8 de 54
k = A tan ()
y
h = A d tan () = d.k
k = A tan ()
o
= (1) tan ()
= 26.57
de h = d.k
=>
=> 5 = d (1/2)
d =10
Pgina 9 de 54
2A
tan 1
y
2 1
d 2 ln
ln( )
Por ejemplo si = 0.05 y = 0.05 y = 1 que son los defaults del Statgraphics, se
obtiene la mascara en V siguiente:
2 1 0.05
d 2 ln
= 5.888
1 0.05
1
2
tan 1 26 .56
Pgina 10 de 54
3.
CARTA
DE
CONTROL
DE
MEDIAS
MOVILES
zi2
Pgina 11 de 54
2i
LSC 0 L
1 (1 )
2
LC 0
2i
LIC 0 L
1 (1 )
2
LC 0
LSC 0 L
Como ejemplo utilizando los datos de la carta Cusum con = 0.10, L = 2.7, 0 y
=1, se tiene la carta EWMA mostrada en la pgina siguiente.
Para x1= 9.45, calculando z1 = 9.945; LSC = 10.27 y LIC = 9.73 con la frmulas
anteriores.
Para x2= 7.99, calculando z2 = 9.7495; LSC = 10.36 y LIC = 9.64, conforme se
incrementa i los lmites se estabilizan en LSC = 10.62 LIC = 9.38.
Pgina 12 de 54
Mi
xi xi 1 ..... xi w1
w
LSC 0
3
w
LC 0
LIC 0
3
w
Mi
xi xi 1 ....xi 4
5
Para periodos i<5 se grafica el promedio de las observaciones para los periodos 1,
2, 3, ...i.
Pgina 13 de 54
Pgina 14 de 54
Pieza
A
A
A
A
B
B
B
B
B
B
M1
50
49
48
49
24
25
27
25
24
26
M2
51
50
49
53
27
27
26
24
25
24
M3
52
51
52
51
26
24
23
23
25
25
D1
0
-1
-2
-1
-1
0
2
0
-1
1
D2
1
0
-1
3
2
2
1
-1
0
-1
D3
2
1
2
1
1
-1
-2
-2
0
0
Media R
1.00 2
0.00 2
-0.33 4
1.00 4
0.67 2
0.33 2
0.33 4
-1.00 2
-0.33 1
0.00 2
1. La desviacin estndar debe ser la misma para todas las partes, sin
esto no se cumple usar la carta de medias estandarizada. Las
partes deben ser parecidas.
2. El procedimiento trabaja mejor cuando el tamao de muestra es
constante para todas las diferentes partes.
Pgina 15 de 54
RS
R
Ri
x Ti
Ri
Pgina 16 de 54
Carta p
Zi
Carta np
Zi
Carta c
Zi
Carta u
Zi
pi p
p(1 p ) / n
npi n p
n p(1 p )
ci c
c
ui u
u/n
Soto Luis, Quality Control Director, Charles E. Gillman Company, Nogales, Arizona.
Pgina 17 de 54
p-media
3.0%
2.0
1.5
1.0
0.8
0.6
0.5
0.4
0.3
0.2
0.1
n de submuestra
4
5
7
10
12
16
19
24
32
46
92
LSCp
28.6%
20.8
15.3
10.4
8.5
6.4
5.4
4.3
3.2
2.2
1.1
Doty, A. Lenard, Statistical Process Control, ASQC Quality Press, USA, 1991, Chapter 5.
Pgina 18 de 54
(MA)
(MR)
Muestra
Medicin
Media mvil
Rango Mvil
1.055
1.062
1.054
1.055
1.0565
0.008
1.060
1.0578
0.008
1.061
1.0575
0.007
1.065
1.0603
0.010
= (LSE LIE) / 6
Pgina 19 de 54
R d2
LSC = + 3 / n
LIC = - 3 / n
6. CARTAS DE PRE CONTROL
ZONA AMARILLA
ZONA VERDE
ZONA AMARILLA
ZONA ROJA
Pgina 20 de 54
Pgina 21 de 54
LIEsp.
|---
6 ---|
Pgina 22 de 54
LSEsp.
LIE
LSE
Z
/ n
LIC
LSC
Z
n
Donde:
I LIE Z
S LSE Z
Pgina 23 de 54
LSC S
LIC I
LSE Z
n
n
LIE Z
n
n
En este caso se toma en cuenta ambos errores tipo I y tipo II, ya sea
de rechazar un proceso que opera en forma satisfactoria o de
aceptarlo si opera en forma insatisfactoria.
LSC S
LIC I
LSE Z
n
n
LIE Z
n
n
Pgina 24 de 54
Se obtiene
Z Z
n
Z Z
Por ejemplo si delta = 0.01, alfa = 0.00135, gama = 0.05 y beta = 0.20, haciendo
los clculos se obtiene una n = 31.43 32.
3.00 0.84
n
2.33 1.645
LSE
=0.025
LSE-1.96
Amplitud de variacin
0.10
__
Aceptable para X
0.10
LIE+1.96
Duncan A., Control de Calidad y Estadstica Industrial, Alfaomega, Mxico, 1989, pp. 527-530
Pgina 25 de 54
LIE
=0.025
Pgina 26 de 54
LSE
LSE-3x
Distribucin de x
_
LIE+3x
LIE
CARTA DE CONTROL PARA DESGASTE DE HERRAMIENTAS
Pgina 27 de 54
2 LSE 3 x LSE 3R / d 2
Pgina 28 de 54
Ejemplo:
El dimetro exterior de una vlvula tiene una especificacin de 1.1555 0.0005.
Se han tomado 13 muestras de 5 piezas cada una sin ajustar la herramienta de
corte, en intervalos de media hora. Los resultados son:
Muestra i 1
LSCR=0.000374, = 0.000076053;
b = 0.0000492
11.056,
los
lmites
de
control
estn
A2 R
0.5768(0.0001769)=0.000102.
Es decir que tienen que pasar 11 puntos o 5.5 horas para reajustar el proceso
LSE
2
Pendiente b
LSC
1,
LIE
LIC
Tiempo
Pgina 29 de 54
nmero
de
muestra
LICX = X - A2 R
LICR = D3 R
_
LSCX = X + A2 R
LSCR = D4 R
Pgina 30 de 54
ARL 0
s r 1
s 1
Hotelling,H. (1947). Multivariate Quality Control,, Techniques of Statistical Analysis, Eisenhart, McGraw
Hill, NY, USA, 1947.
Pgina 31 de 54
02
__
__
__
n
2 __
2
2
2
2
2
2
(
X
(
X
(
X
)
(
X
1
1
1
2
2
12
1
1
2 2 )
2 2
2 2
1 2 12
__
__
__
__
__
__
Pgina 32 de 54
02 n( x )' 1 ( x ) .
superior es:
Pgina 33 de 54
LSC 2. p
LSC = 2.2
20
La carta de control T2
T 2 n( x X )'
( x X )
Pgina 34 de 54
p (m 1)( n 1)
F , p , mn m p 1
mn m p 1
LIC 0
p (m 1)( n 1)
F , p , mn m p 1
mn m p 1
LIC 0
10
(1.23)( 0.83) 0.79
__
__
__
2
2
2
2
(
0
.
83
)(
X
115
.
59
)
1
.
23
(
X
1
.
06
)
2
(
0
.
79
)(
X
115
.
59
)
(
X
1
2
1
2 1.06 )
2(20 1)(10 1)
342
F0.001, 2, 20(10) 20 2 1
F0.001, 2,179 (1.91)(17 .18 ) 13 .72
(20 )(10 ) 20 2 1
179
Pgina 35 de 54
13.72
T2
No muestra puntos fuera de control. Los lmites para la fase II se calculan dando
LSC = 15.16. Si se hubiese utilizado LSC = 2.2 = 13.816 que est cercano a los
lmites de control de las fases I y II. Nota: El LSC que calcula el Statgraphics no es
correcto.
Pgina 36 de 54
El caso de n = 1
En industrias qumicas y de proceso, es normal tener una sola muestra
donde medir las diferentes caractersticas, el estadstico T2 se
transforma en:
T 2 ( x x )' S 1 ( x x )
p (m 1)( n 1)
F , p , m p
m 2 mp
LIC 0
p (m 1)( n 1)
F , p , m p ;
m p
LSC = 2.2
LIC 0
Ti 2 Z i' Zi1 Z i
Zi
1 (1 )
2i
Pgina 38 de 54
1
b1
(n 1) p
b2
(n i )
i 1
1
(n 1) 2 p
LSC
LC b1
LIC
p
p
(
n
i
)
(
n
2
)
( n j )]
i 1
j 1
j 1
p
(b1 3b21 / 2 )
Ejemplo:
Del ejemplo anterior, se construir una carta de control para la varianza
generalizada, en base a las 20 muestras preliminares, con n = 10, la matriz de
covarianza es:
1.23 0.79
S
0.79 0.83
S 0.34968
b1
1
(9)(8) 0.8889
81
b2
1
(9)(8)(11)(10) (9)(8) 41.70
6531
Pgina 39 de 54
LSC=1.26
0.5
Nmero de muestra
Pgina 40 de 54
estadsticos
Parmetros de costo
Se consideran tres categoras de costos en el diseo econmico de
las cartas de control:
- Costos de muestreo, inspeccin y prueba (fijos y variables por
equipo de prueba, salarios, pruebas destructivas, etc.)
- Costos asociados con la correccin de cualquier causa
especial encontrada
- Costos asociados con el la produccin de partes no
conformes (desperdicios, retrabajos, reemplazo o garantas).
Pgina 41 de 54
E ( A)
E (C )
E (T )
12.0
11.1
6.65
4 .4
2
2
Pgina 42 de 54
asignables de
1 (1 h)e h
(1 e h )
E (T )
h
gn D
1
Pgina 43 de 54
E (C ) V0
a ' e h
E (T )
h
V1 (
gn D) a 3 3 h (a1 a 2 n)
1
h
1 e
1
E ( A)
E (C )
E (T )
h
1 / h /(1 ) gn D
Pgina 44 de 54
Ejemplo:
Para un fabricante de botellas, el costo fijo de tomar una muestra es $1 y el costo
variable $0.10 por botella, tomando un minuto (0.0167 h) para medir y anotar el
espesor de pared de la botella. Normalmente cuando el proceso sale de control
con corrimientos de 2, con una periodicidad de aprox. Uno por cada 20 h de
operacin, as la distribucin de Posisson con = 0.05 es un buen modelo para el
ARL en control. El tiempo necesario para investigar una anormalidad es de 1 h, el
costo de eliminacin de una causa especial es de $25 mientras que el costo de
una falsa alarma es de $50. De acuerdo a registros, el costo de operar fuera de
control es de $100 por hora.
Datos:
a1 $1;a 2 $0.1; a 3 $25; a 3' $50; a 4 $100 ; 0.05; 2.0, g 0.0167 yD 1.0.
La solucin ptima se encontr en el rengln 5 de la tabla siguiente 8.38.
Se us un progrfama de computadora para calcular el ancho de lmites de control
k, y frecuecnia de muestreo h para varios valores de n, calculando el valor de la
funcin de costo. Se observa de la tabla que el costo mnimo es $8.38 por hora y
la carta X-R debe usar muestras de tamao 5, los lmites de control deben estar
localizados en k o sea en 2.99 tomando las muestra en intervalos de h=0.76
h (45min.). El riesgo es de 0.0028 y la potencia de la prueba es (1 - ) es de
0.9308.
Despus de operar la carta, el fabricante se dio cuenta de que probablemente se
estim mal el costo de producir fuera de control a ser a 4 $150 afecta a la
frecuencia ptima de muestreo de 0.76 h (45 min.) antes a 0.62 h (37 min.) ahora.
basndose en esto, el fabricante adopt una frecuencia de 45 min. Otras variantes
al problema tambin se muestran a continuacin:
Resumen
1. El tamao de muestra ptimo depende mucho de la magnitud del
corrimiento . Si se encuentra entre 1 2, n se encontrar entre 10
20. Para <=0.5 requiere tamaos de muestra n mayores a 40.
Ver tabla 8.40
2. El costo de penalizacin por producir fuera de control a 4 afecta el
intervalo entre muestras h de manera inversa. Ver tabla 8.38 y 8.39.
Pgina 45 de 54
Pgina 46 de 54
Wt
Tanque con volumen V y flujos de entrada y de salida
Xt
Si se toman muestras en intervalos t, entoces observamos las xt:
x t awt (1 a) x t 1
T V / f ;V volumen; f flujo
a 1 e t / T
Pgina 47 de 54
*
**
*
*
*
Correlacin positiva
* **
*
Cov( x t , x i k x)
k
, k 0,1,....
V ( xt )
Pgina 48 de 54
rk
( xt x)(xt k x)
i 1
(x
t 1
x)
, k 0,1,....K
Pgina 49 de 54
Esquemas adaptativos
Un CEP con procedimiento adaptativo es aquel donde puede variar el
intervalo de muestreo o el tamao de muestra o ambos. En trminos
generales se divide en zonas, el rea entre los lmites de control como
sigue:
LIC w LC w LSC
g
:
ar
Ejemplo:
El volumne nominla de un bote de refresco es de 12 fl. Oz. Su costo es de $0.01/fl
oz., el precio de venta es de $0.20, los botes semillenos se venden en $0.10.
Despus de llevar cartas X-R, dio una R media de 0.15, por tanto:
Pgina 50 de 54
__
R
0.15
0.0645
d 2 2.326
0.0065
ar
0.20 0.10
Notar que hay una correlacin fuerte positiva con k =1 (r1 = 0.88), lo
cual distorsiona la carta de Shewhart ya que incrementa la frecuencia
de falsas alarmas.
Pgina 51 de 54
et = x t - x
x t 13 .04 0.847 x t .1
En la fig. 8.28 se muestra una carta de control para los residuos, notar
que no se muestran puntos fuera de control, en contraste con la
grfica de la figura 8.13, por tanto se puede concluir que el proceso
est en control estadstico.
Pgina 52 de 54
x t t .1 t
x t 1 (t ) z t ; z t x t (1 ) z t 1
Pgina 53 de 54
et = x t - x t(t-1)
cero
La carta EWMA de los residuos et o errores de prediccin, debe estar
acompaada de los datos de las observaciones originales,
superponiendo los valores de prediccin de la EWMA. En el caso de la
viscocidad los mnimos errores de prediccin cuadrados ocurren en
= 0.825, se observa en la figura 8.18 que el proceso se encuentra en
control.
Tambin se puede formar una carta EWMA con lnea central mvil
comparando el valor de x t 1 con los lmites de control mviles:
LSC t 1 z t 3
LIC t 1 z t 3
Pgina 54 de 54