Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual de Practicas Cec
Manual de Practicas Cec
2011
MANUAL DE PRCTICAS
2011
CONTROL ESTADISTICO DE
PROCESOS
9015
CLAVE
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
CONOCIENDO MINITAB
INGENIERIA INDUSTRIAL
M.C. JORGE LIMN ROMERO
CONTROL ESTADISTICO DE
PROCESOS L1 Y L2
EQUIPO-HERRAMIENTA REQUERIDO
1
2007-1
21096
CANTIDAD
Equipo de cmputo
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD, ECXEL)
OBSERVACIONES-COMENTARIOS
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para el uso de MINITAB a travs la solucin de problemas
bsicos de estadstica.
3.- TEORA:
Introduccin a MINITAB
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
1. Encendido del equipo de cmputo.
2. Entrar al correo del grupo
3. Descargar los problemas previamente enviados por el profesor
4. Acceso al programa MINITAB
5. Explicacin de las funciones bsicas de estadstica en el software minitab
6. Sesin de solucin y anlisis de problemas de acuerdo a las salidas de minitab
7. Duracin de la prctica 2 hrs.
B) CLCULOS Y REPORTE:
Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres esta
prctica
C) RESULTADOS:
D) CONCLUSIONES:
5.- BIBLIOGRAFA:
Control Estadstica de Calidad y Seis Sigma, Gutirrez Pulido & De la
Vara
6.- ANEXOS:
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
HISTOGRAMA Y DIAGRAMA
DE TALLO Y HOJA
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
INGENIERIA INDUSTRIAL
M.C. JORGE LIMN ROMERO
CONTROL ESTADISTICO DE
PROCESOS L1 Y L2
EQUIPO-HERRAMIENTA REQUERIDO
2007-1
21096
CANTIDAD
Equipo de cmputo
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD)
OBSERVACIONES-COMENTARIOS
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin
adecuada de los datos, as como para la correcta interpretacin de los resultados
obtenidos al construir un histograma o el diagrama de Tallo y hoja.
3.- TEORA:
Histograma: Es un diagrama de barras donde la altura de cada barra indica el nmero de veces
que el nmero dado aparece en la serie, o el nmero de valores que caen de un intervalo.
Para hacer un histograma, se usa el eje horizontal para presentar la escala de medicin y para
trazar los lmites de los intervalos de clase. El eje vertical representa la escala de la frecuencia. El
histograma es una representacin grfica de los datos en la que es ms sencillo ver tres
propiedades:
1: Forma
2: Localizacin o tendencia central
3: Dispersin o expansin
Diagrama de Tallo y Hoja: Es una forma adecuada de obtener una representacin visual
informativa de un grupo de datos X 1 , X 2 ,... X n , donde cada nmero X i tiene al menos dos
dgitos. Para construir un diagrama de tallo y hoja, cada nmero X i se divide en dos partes: un
tallo compuesto por uno o ms de los primeros dgitos y una hoja compuesta por los dgitos
restantes. En general debern elegirse relativamente pocos tallos en comparacin con el nmero
de observaciones. La mejor eleccin suele ser entre 5 y 20 tallos. Una vez que se ha elegido un
conjunto de tallos, se enlistan en el margen izquierdo del diagrama. Enseguida de cada tallo se
enlistan todas las hojas correspondientes a los valores de los datos observados en el orden en que
se van encontrando en el conjunto de datos.
En algunas ocasiones se ordenan las hojas de menor a mayor en cada tallo. A esta forma de
presentacin suele llamarse representacin ordenada de tallo y hoja, la cual hace relativamente
sencillo determinar caractersticas de los datos tales como los percentiles, los cuartiles y la
mediana.
2011
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
PASOS PARA CONSTRUIR UN HISTOGRAMA EN MINITAB
1: Escribir los datos en una sola columna
2011
3: Escoger la opcin de With Fit para que minitab sobreponga una curva en forma de la
distribucin normal sobre el histograma
4: Al oprimir el botn OK, en el paso anterior se muestra la ventana Histogram with Fit y se
debe pasar la columna en la que se encuentran los datos al recuadro en blanco con el encabezado
Graph variable.
2011
5: Despus de entrar a LABEL, se muestra una nueva ventana en la que aparece la opcin de
TITLE: En este rengln se le puede poner nombre al grfico (OK).
2011
220
25
Mean
StDev
N
162.7
33.77
80
Frequency
20
15
10
0
80
120
160
C1
200
240
Esta figura an se puede modificar usando el botn derecho del mouse. Por ejemplo si se quiere
editar el nmero de barras se da clic derecho sobre ellas y se muestra el men en donde aparece
la opcin Edit Bars y entrando a ella se pueden hacer modificaciones como por ejemplo a la
cantidad de barras o si se desea que aparezcan los lmites o las marcas de clase.
2011
El men que se muestra al escoger Edit Bars es el que se muestra abajo. En este por ejemplo si
se desea cambiar para que en el eje X, ahora aparezcan los lmites de clase se escoge Cutpoint
(Midpoint sera para trabajar con la marca de clase). Por otra parte si lo que se requiere es
cambiar el nmero de barras se debe posicionar en Number of intervals y teclear la cantidad
adecuada. Estas dos modificaciones se haran dentro de la opcin Binning que se encuentra
dentro de este men.
220
35
M ean
S tD ev
N
30
162.7
33.77
80
Frequency
25
20
15
10
5
0
60
90
120
150
180
210
240
270
C1
10
2011
2: Pasar la columna en la que se encuentran los datos al recuadro en blanco de Graph Variabels,
en este caso es la columna 1 (C1). Despus hacer click en OK. El resultado es el que se muestra
abajo como Steam and leaf.
11
2011
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
= 80
6
7
7
15
058
013
133455
12356899
001344678888
0003357789
0112445668
0011346
034699
0178
8
189
7
5
La leyenda Leaf Unit que aparece en el encabezado del diagrama de tallo y hoja indica por
cuanto se debe multiplicar cada nmero que se forma al unir los tallos con sus respectivas hojas
por ejemplo si se toma el tallo 8 y su hoja 7 que aparecen en la fila 2 del diagrama anterior se
forma el 87, el cual se debe multiplicar por 1.0 segn la unidad de hoja, por lo que se debe
interpretar como 87, lo cual indicara que en el grupo de datos que estamos representando
podremos encontrar un 87. En algunas ocasiones cuando se trabaje con nmeros con decimales
la unidad de hoja puede ser 0.1 por lo que si este hubiera sido el caso en el ejemplo citado
anteriormente el 87 se tendra que multiplicar por 0.1 y el nmero resultante sera 8.7 y esto
indicara que en el grupo de datos que estamos representando podremos encontrar un 8.7.
Si se selecciona la opcin de Trim outlier, minitab automticamente encontrar los outliers de
haberlos y los separa del resto de los datos como se puede apreciar enseguida:
12
2011
= 80
LO 76, 87
3
5
8
11
17
25
37
(10)
33
23
16
10
6
5
9
10
11
12
13
14
15
16
17
18
19
20
21
22
7
15
058
013
133455
12356899
001344678888
0003357789
0112445668
0011346
034699
0178
8
189
HI 237, 245
Por otra parte si se desea controlar las subdivisiones en los tallos, se debe utilizar el campo de
increment. Para el ejemplo anterior si se quiere que cada tallo tenga dos divisiones se deber
utilizar increment igual a 5, es decir, si tomamos el tallo 14 como ejemplo, en su primera
divisin se encontrarn las hojas 0,1,2,3,4 (5 dgitos) y en la segunda divisin se encontrarn las
hojas 5,6,7,8,9 (5 dgitos). Esta opcin se utilizar cuando la cantidad de tallos es pequea
(menor a 5). Cuando se est trabajando con nmeros con cifras decimales se podr utilizar un
increment igual a 0.5 y en su primera divisin se encontrarn las hojas 0.0, 0.1, 0.2, 0.3, 0.4 (5
valores) y en la segunda divisin se encontrarn las hojas 0.5, 0.6, 0.7, 0.8, 0.9 (5 valores). Para
el ejemplo anterior si se utiliza increment igual a 5 como se muestra en la figura el resultado
sera el siguiente:
13
Stem-and-leaf of C1
Leaf Unit = 1.0
1
1
2
2
3
4
5
6
8
11
11
15
17
20
25
31
37
(5)
38
33
27
23
17
16
13
10
8
6
6
5
4
2
2
1
1
7
8
8
9
9
10
10
11
11
12
12
13
13
14
14
15
15
16
16
17
17
18
18
19
19
20
20
21
21
22
22
23
23
24
24
2011
= 80
6
7
7
1
5
0
58
013
1334
55
123
56899
001344
678888
00033
57789
011244
5668
001134
6
034
699
01
78
8
1
89
7
5
B) CLCULOS Y REPORTE:
Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas
las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema,
las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos.
C) RESULTADOS:
D) CONCLUSIONES:
5.- BIBLIOGRAFA:
Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial
Limusa Wiley. Tercera Edicin.
Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica
aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin.
M.C. JORGE LIMON ROMERO
14
2011
6.- ANEXOS:
15
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
GRFICO DE CAJA
SENCILLO, MLTIPLE Y
GRFICO DE PARETO
INGENIERIA INDUSTRIAL
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
2007-1
21096
EQUIPO-HERRAMIENTA REQUERIDO
CANTIDAD
Equipo de cmputo
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD)
OBSERVACIONES-COMENTARIOS
16
2011
1.- INTRODUCCIN:
Diagrama de Caja
El diagrama de tallo y hoja y el histograma proporcionan una impresin visual acerca de
un conjunto de datos, mientras que el promedio y la desviacin estndar mustrales
proporcionan informacin cuantitativa acerca de las caractersticas especificas de los
datos. El diagrama de caja es una representacin grfica que muestra simultneamente
varias caractersticas importantes de los datos, tales la localizacin o la tendencia central,
la dispersin o variabilidad, el apartamiento de la simetra y la identificacin de
observaciones que se localizan inusualmente lejos del grueso de los datos (a estas
observaciones se les conoce como puntos atpicos).
Un diagrama de caja muestra los tres cuartiles, el mnimo y el mximo de los datos, en
una caja rectangular alineada sea horizontal o verticalmente. La caja abarca el rango
intercuartlico con el lado izquierdo (o inferior) en el primer cuartil q1 y el lado derecho
(o superior) en el tercer cuartil q 3 . Se traza una lnea por la caja en el segundo cuartil
(que es quincuagsimo percentil o la mediana).Se extiende una lnea de ambos extremos
hasta los valores ms lejanos. Estas lneas suelen llamarse bigotes. En algunos
programas de computadora los bigotes solo se extienden a lo sumo una distancia de
1.5(q 3 q1 ) de los extremos de la caja y la observaciones que se localizan despus de
estos lmites se marcan como puntos atpicos potenciales. Esta variante del procedimiento
bsico se conoce como el diagrama de caja modificado.
Diagrama de Pareto
Es sabido que ms del 80% de la problemtica en una organizacin es comn, es decir, se
debe a problemas, causas o situaciones que actan de manera permanente sobre el
proceso. Sin embargo, en todo proceso existen unos cuantos problemas o situaciones
vitales que contribuyen en gran medida a la problemtica global de un proceso o una
empresa. Lo anterior es la premisa del diagrama de Pareto, que es un grfico especial de
barras cuyo campo de anlisis o aplicacin son los datos categricos, y tiene como
objetivo ayudar a localizar el o los problemas vitales, as como sus causas ms
importantes. La idea es que cuando se quiere mejorar un proceso o atender sus
problemas, no se den palos de ciego y se trabaje en todos los problemas al mismo
tiempo y se ataquen todas sus causas a la vez, sino que, con base en los datos e
informacin aportados por un anlisis de Pareto, se establezcan prioridades y se enfoquen
los esfuerzos donde puedan tener mayor impacto. En este sentido, el diagrama de Pareto
encarna mucho de la idea del pensamiento estadstico.
La variabilidad y utilidad general del diagrama esta respaldada por el llamado principio
de Pareto, conocido como Ley 80-20 o Pocos vitales, muchos triviales, el cual
reconoce que unos pocos elementos (20%) generan la mayor parte del efecto (80%), y el
resto de los elementos generan muy poco efecto total. El nombre del principio es en
honor del economista italiano Wilfredo Pareto (1843-1923), quien reconoci que pocas
personas (20%) posean gran parte de los bienes (80%), y afirmaba: pocos tienen mucho,
y muchos tienen poco. Fue Joseph Juran, uno de los clsicos de la calidad de la primera
generacin y que desempe un papel crucial en el movimiento mundial por la calidad,
quien reconoci que el principio de Pareto tambin se aplicaba a la mejora de la calidad;
como ejemplo mostraba la clasificacin del tipo de defectos de diferentes productos,
M.C. JORGE LIMON ROMERO
17
2011
18
2011
En esta ventana tambin aparecen la opcin de Scale y Labels con una funcin similar a
la que se explicaba en el histograma. Aqu tambin se encuentra una opcin importante
que se utiliza para darle forma grfico o para indicar que informacin es la que queremos
que despliegue, esta pestaa es Data View, la cual aparece de la siguiente manera:
19
2011
C1
200
150
100
Este grfico muestra los cuartiles que conforman la caja y tambin se puede apreciar un
dato atpico hacia arriba y dos hacia abajo.
En algunas ocasiones el grfico de caja se puede aplicar aunque el tamao de la muestra
sea pequeo y nos proporciona informacin adicional como se puede observar en el
siguiente ejemplo:
Un ingeniero de desarrollo de productos est interesado en maximizar la
resistencia o la tencin de una nueva fibra sinttica que se emplear en la manufactura de
tela para camisas de hombre. El ingeniero sabe por experiencia que la resistencia es
influida por el porcentaje de algodn presente en la fibra. Adems l sospecha que elevar
el contenido de algodn incrementar la resistencia, al menos inicialmente entre 10% y
M.C. JORGE LIMON ROMERO
20
2011
40% para que la tela resultante tenga otras caractersticas de calidad que se desean (como
capacidad para recibir un tratamiento de planchado permanente). El ingeniero decide
probar muestras a cinco niveles de porcentaje de algodn: 15, 20, 25, 30 y 35%.
Asimismo, decide ensayar cinco muestras a cada nivel de contenido de algodn. Los
resultados se muestran en la siguiente tabla:
Porcentaje de
algodn
15
20
25
30
35
1
7
12
14
19
7
Observaciones
2 3 4 5
7 15 11 9
17 12 18 18
18 18 19 19
25 22 19 23
10 11 15 11
Con esta informacin construir el diagrama de caja para cada porcentaje de algodn y
decidir que porcentaje es el que debe utilizarse.
Antes de introducir estos datos en el minitab se deben modificar. Esta modificacin
puede ser de varias formas. Dos de ellas pueden ser las siguientes:
FORMA 1
FORMA 2
Porcentaje de algodn
Resistencia
Porcentaje de algodn
Resistencia
15
7
15
7
20
12
15
7
25
14
15
15
30
19
15
11
35
7
15
9
15
7
20
12
20
17
20
17
25
18
20
12
30
25
20
18
35
10
20
18
15
15
25
14
20
12
25
18
25
18
25
18
30
22
25
19
35
11
25
19
15
11
30
19
20
18
30
25
25
19
30
22
30
19
30
19
35
15
30
23
15
9
35
7
20
18
35
10
25
19
35
11
30
23
35
15
35
11
35
11
M.C. JORGE LIMON ROMERO
21
2011
Lo importante aqu es que el software sepa que resistencias hubo cuando se trabaj con
los distintos porcentajes de algodn, ya sea que se pongan todos los resultados para un
mismo porcentaje seguidos o en cualquier orden, pero siempre anotando los mismos
resultados para cada porcentaje.
Para este ejemplo tambin se debe seguir la secuencia Graph Boxplot, pero despus se
debe escoger la opcin One Y With Groups, ya que se tiene una sola variable de
respuesta denominada como Y (la resistencia, que es lo que se le mide a cada pedazo de
tela), pero agrupada de acuerdo a los porcentajes de algodn utilizados (los cuales seran
los Grupos). Esto se puede ver en la siguiente ventana:
22
2011
Resistencia
20
15
10
5
15
20
25
%a je d e a lgo d o n
30
35
23
2011
24
2011
25
2011
Frecuencias
600
80
500
60
400
300
40
200
20
100
0
T ipos de defectos
ev
t
en
Frecuencias
Porcentaje
% acum ulado
do
de
l
ie
s
lla
Fa
369
50.0
50.0
en
la
s
Co
tu
as
M
135
18.3
68.3
al
on
ta
da
Pi
135
18.3
86.6
el
r
ar
ug
da
99
13.4
100.0
B) CLCULOS Y REPORTE:
Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas
las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema,
las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos.
C) RESULTADOS:
D) CONCLUSIONES:
5.- BIBLIOGRAFA:
Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa
Wiley. Tercera Edicin.
Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a
la Ingeniera. Editorial Limusa Wiley, segunda edicin.
Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial
Mc Graw Hill.
Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa.
Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega.
Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental.
Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14.
6.- ANEXOS:
26
Porcentaje
100
700
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
DIAGRAMA DE DISPERSIN
Y DIAGRAMA CAUSAEFECTO
INGENIERIA INDUSTRIAL
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
2007-1
EQUIPO-HERRAMIENTA REQUERIDO
21096
CANTIDAD
Equipo de cmputo
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD)
OBSERVACIONES-COMENTARIOS
27
2011
1.- INTRODUCCIN:
Diagrama de Ishikawa (o de Causa-Efecto)
El diagrama de causa-efecto o de Ishikawa es un mtodo grfico que relaciona un
problema o efecto con los factores o causas que posiblemente lo generan. La importancia
de este diagrama radica en que obliga a contemplar todas las causas que pueden afectar el
problema bajo el anlisis y de esta forma se evita el error de buscar directamente las
soluciones sin cuestionar a fondo cuales son las verdaderas causas. De esta forma, el uso
del diagrama de Ishikawa (DI), ayudar a no dar por obvias las causas, sino que se trate
de ver el problema desde otras perspectivas.
Mtodo de las 6Ms
El mtodo de las 6Ms es el ms comn y consiste en agrupar las causas potenciales en
seis ramas principales: mtodos de trabajo, mano de obra, materiales, maquinaria,
medicin y medio ambiente. Estos seis elementos definen de manera global todo proceso
y cada uno aporta parte de la variabilidad del producto final, por lo que es natural esperar
que las causas de un problema estn relacionados con alguna de las 6Ms. La pregunta
bsica para este tipo de construccin es: Qu aspecto de esta M se refleja en el problema
bajo anlisis? Ms adelante se da una lista de posibles aspectos para cada una de las 6Ms
que pueden ser causas potenciales de problemas en manufactura.
Diagrama de Dispersin (regresin lineal simple)
El diagrama de dispersin muestra grficamente una variable independiente (x) y otra
variable dependiente (y). Con este diagrama lo que se pretende es a grandes rasgos
observar si existe una relacin aparente entre las variables graficadas y de existir esta
relacin determinar de qu tipo es, positiva o negativa. Cuando la relacin es positiva, un
aumento en la variable independiente provocar un aumento tambin en la variable
dependiente. Por ejemplo podramos tratar de encontrar alguna relacin entre la variable
independiente horas de estudio y la variable dependiente, calificacin.
Probablemente al graficar esta relacin el resultado mostrara una relacin positiva, ya
que pudiera esperarse que a mayor tiempo invertido en el estudio para un examen, mayor
la calificacin obtenida. Por otra parte cuando la relacin es negativa un aumento en la
variable independiente (x), provoca una disminucin en la variable dependiente (y).
28
2011
29
2011
4
3
4: Cuando aparece esta ventana lo hace como se muestra arriba, con todos los campos en
blanco y sin mostrar en el espacio marcado con el nmero uno las celdas en las que se
capturaron las seis Ms y sus causas. Para que esta informacin aparezca en uno se debe
posicionar el cursor en el espacio marcado con dos (Causas) y dar un click, con lo cual
esta ventana aparece ya con la informacin disponible para ser seleccionada, como se
muestra en la figura que aparece abajo:
30
2011
M aterial
P erso n al
S uperv isin
I na decua do
C a libracin
I nspeccin
F uera de
espe cificacin
A lta rotacin
Bo ca d e tin a
o v alad a
S ubensa m bles de chasis
R uido
T ransporte
D esa justa do
C a lor
En to rn o
M alas condiciones
M to d o s
M q u in as
31
2011
debe de entrar a Sub a la derecha de Personal con lo que aparece la siguiente ventana y
se muestra como debiera de llenarse. Se hace lo mismo con trasporte dentro de
Mtodos.
32
2011
M ater ial
P erso n al
S upe rv isin
N
o
s
re
Ir
I na de cua do
e
bl
da
ita
ac
p
ca
sa
on
p
C a libra cin
F ue ra de
e spe cificacin
I nspeccin
A lta rota cin
Bo c a d e tin a
o v alad a
R uido
do
ua
l
ia
er
at
E n to rn o
C a lor
D e sajusta do
ec
ad
In
o
ej
an
H um e da d
M a la s condicione s
T ra nsporte
M to d o s
M q u in as
33
2011
34
2011
98
96
94
92
90
88
86
0.8
0.9
1.0
1.1
1.2
1.3
1.4
Porcentaje de hidrocarburos, x
1.5
1.6
En esta grafica se puede apreciar que existe una correlacin positiva entre ambas
variables, es decir, al aumentar el porcentaje de hidrocarburos (x), la pureza del oxigeno
tambin aumenta, por lo que de requerirse una mayor pureza en el resultado, deber
aumentarse el porcentaje de hidrocarburos en el proceso.
Puede tambin requerirse para hacer un anlisis ms preciso construir un modelo que
relacione ambas variables, el cual se conocera en este caso como modelo de regresin
lineal
simple.
Este
modelo
puede
obtenerse
con
la
secuencia
Estadsticas>>Regresin>>Regresin, toda vez que los datos ya han sido alimentados,
como se indica en la siguiente figura:
35
2011
Despus de esta secuencia aparecer la siguiente tabla en donde las variables debern
alimentarse entendiendo que la variable de respuesta es la variable dependiente, mientras
que la variable independiente deber ir en el espacio de predictores segn se indica:
R-cuad. = 87.7%
36
2011
Una vez alimentadas las columnas con la informacin, hacer clik en Aceptar, despus de
lo cual se desplegar el coeficiente de correlacin como se muestra a continuacin:
Correlaciones: Porcentaje de hidrocarburos, x, Pureza del oxgeno, y
Correlacin de Pearson de Porcentaje de hidrocarburos, x y Pureza del oxgeno, y =
0.937
37
2011
6.- ANEXOS:
9.1
11.1
10.6
13.6
10.0
13.7
10.7
11.4
8.7
12.1
10.1
13.0
7.1
4.1
10.9
7.3
5.7
15.1
13.3
10.4
13.6
11.5
3.4
8.5
14.4
14.3
8.6
10.4
10.9
14.6
15.2
16.5
10.9
6.4
13.3
14.7
15.6
9.4
11.5
7.2
15.62
19.23
15.15
15.71
17.83
13.35
20.62
18.14
14.34
21.27
26.69
19.68
21.16
11.71
13.00
18.80
17.00
23.62
23.94
21.59
15.36
16.75
19.05
24.05
18.68
21.84
11.93
15.46
18.55
15.65
20.24
16.19
24.02
22.18
23.00
23.34
21.30
17.77
20.78
24.62
38
2011
1
7
12
14
19
7
Observaciones
2 3 4 5
7 15 11 9
17 12 18 18
18 18 19 19
25 22 19 23
10 11 15 11
Con esta informacin construir el diagrama de caja para cada porcentaje de algodn y
decidir qu porcentaje es el que debe utilizarse.
39
2011
87.7
91.1
86.7
93.4
96.1
89.6
90.4
91.6
90.7
88.6
88.3
94.2
85.3
90.1
89.3
91.1
92.2
83.4
91.0
88.2
88.5
93.3
87.4
91.1
90.5
100.3
87.6
92.7
87.9
93.0
94.4
90.4
91.2
86.7
94.2
90.8
90.1
91.8
88.4
92.6
93.7
96.5
84.3
93.2
88.6
88.7
92.7
89.3
91.0
87.5
87.8
88.3
89.2
92.3
88.9
89.8
92.7
93.3
86.7
91.0
90.9
89.9
91.8
89.7
92.2
Observacin
1
2
3
4
5
6
7
8
9
10
Mortero
modificado
16.85
16.40
17.21
16.35
16.52
17.04
16.96
17.15
16.59
16.57
Mortero sin
Modificar
17.50
17.63
18.25
18.00
17.86
17.75
18.22
17.90
17.96
18.15
Construir el diagrama de caja y bigotes para tener una impresin grfica de cul mortero
proporciona una mayor fuerza de la resistencia de la adhesin. Si a mayor resistencia
M.C. JORGE LIMON ROMERO
40
2011
2
1.8
4
1.5
6
1.4
8
1.1
10
1.1
12
0.9
Frecuencia
12
3
25
1
7
Catalizador 2
62.6
67.6
63.7
67.2
71.0
66.4
71.7
70.3
69.3
64.8
69.6
68.6
69.4
65.3
68.8
41
2011
Construir el diagrama de caja y bigotes para tener una impresin grfica de cul
catalizador proporciona una mayor concentracin del ingrediente activo. Si a mayor
concentracin del ingrediente activo, mejor el catalizador, Qu catalizador recomendara
usted que se utilizara?, Existe evidencia de datos atpicos en alguno de los catalizadores?
9: Un comerciante al menudeo lleva a cabo un estudio para determinar la relacin entre
los gastos semanales de publicidad y las ventas. Se registran los siguientes datos:
Gastos
Ventas
40
385
20
400
25
395
20
365
30
475
50
440
40
490
20
420
50
560
40
525
25
480
50
510
101
49
115
44
115
46
140
38
123
43
107
47
135
41
135
38
105
47
110
45
110
43
135
37
125
44
132
40
42
130
39
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
PRCTICA
NMERO
5y6
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
2007-1
EQUIPO-HERRAMIENTA
REQUERIDO
Equipo de cmputo
21096
CANTIDAD
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD, ECXEL)
OBSERVACIONES-COMENTARIOS
43
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin
adecuada de los datos, as como para la correcta interpretacin de los resultados
obtenidos al construir un histograma o el diagrama de Tallo y hoja.
3.- TEORA:
GRFICOS DE CONTROL POR VARIABLES
De acuerdo con las dos clases de datos de que se dispone en la industria,
existen dos modelos fundamentales para las grficas de control: los grficos de
control para variables y los grficos de control para atributos.
Grficos de control para mediciones o para variables: estos se emplean en
el caso en que se efecten mediciones, siendo estos los siguientes:
Grfico X , R
Grfico X , S
Grfico para mediciones individuales
Grficos de control para atributos: los datos utilizados por este grfico se
generan por calibradores pasa-no pasa o por conteos, entre estos grficos se
encuentran:
El grfico p
El grfico np
El grfico C
El grfico U
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
4 horas/dos sesiones
El Grfico de Control X , R : Ejemplo 1:
Los anillos para pistones de un motor de automvil se producen mediante
un proceso de fundicin. Quiere establecerse el control estadstico del dimetro
interior de los anillos fabricados con este proceso utilizando cartas X y R. Se
M.C. JORGE LIMON ROMERO
44
2011
45
2011
pegar las 25 muestras de tamao 5 cada una (125 datos en total), quedando los
5 datos para cada muestra en la misma fila, como se muestra en la siguiente
figura.
46
2011
4: Una vez que se ha realizado el paso anterior dar click en la opcin Opciones
de Xbarra-R con lo que se desplegara la siguiente ventana:
47
2011
ellos con la barra espaciadora, con lo cual minitab no las considera a la hora de
estimar los limites de control y los parmetros del proceso (media y desviacin
estndar). Es importante mencionar que los puntos de estas muestras seguirn
apareciendo en el grfico, pero los valores de los lmites sern diferentes. La
ventana de estimar es la siguiente:
Es aqu en donde se deben seleccionar las pruebas que se quiere que haga el
software sobre el grfico. Recordar que la primera es la ms importante un
punto ms all de 3 desviaciones estndar con respecto a la lnea central.
M.C. JORGE LIMON ROMERO
48
2011
De estas pruebas se pueden seleccionar solo las que se requieran con un click
en el recuadro en blanco a la izquierda de cada prueba. En este caso
seleccionar todas, escogiendo la opcin Realizar todas las pruebas para
causas especiales. Dejar los valores de k que aparecen en automtico. Dar
click en Aceptar.
7: Despus del paso anterior el software mostrar la ventana del paso 3. De
nuevo hacer click en Aceptar y a continuacin se muestra el grfico X-R
resultante, en el cual se puede apreciar que no hay causas asignables reflejadas
en puntos que rebasen los limites de control, por lo que se puede concluir que el
proceso est bajo control estadstico y por lo tanto que se puede pasar a la fase
II de los grficos de control la cual consiste en el monitoreo del proceso en
tiempo real.
49
2011
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
33
33
35
30
33
38
30
29
28
38
28
31
27
33
35
33
35
32
25
35
Observaciones en la muestra
29
31
32
31
35
37
37
33
34
31
33
34
34
35
33
37
39
40
31
32
34
39
38
39
33
35
36
33
32
35
30
28
32
35
35
35
32
34
35
33
35
37
37
32
35
33
27
31
34
34
30
33
30
30
27
34
27
35
36
33
Promedios:
X
33
31
36
33
34
38
31
39
43
32
31
34
37
36
39
30
32
33
28
30
31.60
33.40
35.00
32.20
33.80
38.40
31.60
36.80
35.00
34.00
29.80
34.00
33.00
34.80
35.60
30.80
33.00
31.60
28.20
33.80
33.32
R
4
6
4
4
2
3
4
10
15
6
4
4
10
4
7
6
5
3
9
6
5.80
50
2011
51
2011
Despus de omitir las muestras que violan la regla uno tanto en el grfico X
como en el grfico R resulta el siguiente grfico en el que se puede ver que
siguen apareciendo los puntos que se pretendi eliminar, de hecho si se
eliminaron pero solo de los clculos, ya que como puede verse los valores de
los lmites son diferentes. Y como con estos nuevos lmites ningn otro punto
viol alguna regla, se dice que el proceso est bajo control estadstico con estos
nuevos valores para los lmites, por lo que pueden utilizarse para monitorear la
produccin futura de esta pieza.
52
2011
El Grfico de Control X , S
Se ilustrar la construccin de estos grficos utilizando los mismos datos de los
grficos X , R .
1: despus de pegar los datos como se indic en el caso anterior seguir la
secuencia: Estadsticas>> Grficos de control>> Grficas de variables para
subgrupos>> Xbarra-S.
53
2011
54
2011
5: Dar click en Aceptar en la ventana del paso anterior y luego Aceptar de nuevo
en la ventana Grfica Xbarra-S (paso 2). El grfico de control X-S resultante es
el siguiente en el que se puede ver el mismo comportamiento que el caso X-R
para el mismo grupo de datos, es decir, el proceso tambin muestra control
estadstico.
55
2011
56
2011
57
2011
58
2011
B) CLCULOS Y REPORTE:
Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas
las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema,
las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos.
C) RESULTADOS:
D) CONCLUSIONES:
5.- BIBLIOGRAFA:
Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial
Limusa Wiley. Tercera Edicin.
Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica
aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin.
Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma.
Editorial Mc Graw Hill.
Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial
Limusa.
Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega.
M.C. JORGE LIMON ROMERO
59
2011
6.- ANEXOS:
60
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
INGENIERIA INDUSTRIAL
M.C. JORGE LIMN ROMERO
CONTROL ESTADISTICO DE
PROCESOS L1 Y L2
EQUIPO-HERRAMIENTA
REQUERIDO
Equipo de cmputo
2007-1
21096
CANTIDAD
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD, ECXEL)
OBSERVACIONES-COMENTARIOS
61
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para utilizar el software Excel tanto para la alimentacin
adecuada de los datos, as como comprender a que se refiere la fase II de los grficos de
control.
3.- TEORA:
Una vez que se calculan lmites de control y se determina que el proceso se
encuentra estable se puede proceder a la fase II de los grficos de control, la
cual consiste en el monitoreo en lnea de la produccin en tiempo real
utilizando estos valores. Cuando se ha pasado a la fase II y se ha determinado
que el proceso est estable ste se puede caracterizar, es decir, calcular los
parmetros del proceso como la media y la desviacin estndar, los cuales se
requieren para estimar el PPM, el Yiel y el nivel de sigmas del proceso.
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
(Una sesin de dos horas)
B) CLCULOS Y REPORTE:
Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas
las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema,
las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos.
C) RESULTADOS:
D) CONCLUSIONES:
5.- BIBLIOGRAFA:
Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial
Limusa Wiley. Tercera Edicin.
Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica
aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin.
Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma.
Editorial Mc Graw Hill.
Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial
Limusa.
Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega.
Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental.
Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for
Release 14.
6.- ANEXOS:
62
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
2007-1
EQUIPO-HERRAMIENTA
REQUERIDO
Equipo de cmputo
21096
CANTIDAD
1 por alumno
MATERIAL-REACTIVO REQUERIDO
CANTIDAD
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD, ECXEL)
OBSERVACIONES-COMENTARIOS
63
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin
adecuada de los datos, as como para la correcta interpretacin de los resultados
obtenidos al construir un histograma o el diagrama de Tallo y hoja.
3.- TEORA:
Una forma alternativa de hacer un grfico de control mediante minitab es
utilizando la secuencia Estadsticas >> Herramientas de calidad >> Capability
Six Pack >> Normal, la cual adems del grfico reporta los ndices de
capacidad de proceso Cp, Cpk y Cpm, este ltimo siempre y cuando se tenga un
valor objetivo (Target o Valor Nominal). Este procedimiento se ilustrar utilizando
los datos del dimetro interno de anillos para pistones.
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
Duracin: Dos sesiones de dos horas
1: Seguir la secuencia Estadsticas >> Herramientas de calidad >> Capability
Six Pack >> Normal
64
2011
65
2011
66
2011
67
2011
68
2011
69
2011
NOMBRE DE LA
MATERIA
NOMBRE DE LA
PRCTICA
PROGRAMA
EDUCATIVO
NOMBRE DEL
PROFESOR/A
LABORATORIO
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
GRFICOS P Y NP CON
TAMAOS DE MUESTRA
CONSTANTES Y VARIABLES
INGENIERIA INDUSTRIAL
PRCTICA
NMERO
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
2007-1
EQUIPO-HERRAMIENTA
REQUERIDO
Equipo de cmputo
21096
CANTIDAD
1 por alumno
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD, ECXEL)
OBSERVACIONES-COMENTARIOS
70
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin
adecuada de los datos, as como para la correcta interpretacin de los resultados
obtenidos al construir grficos de control por atributos P y nP con tamanos de muestra
constantes y variables.
3.- TEORA:
Muchas caractersticas de calidad no pueden representarse convenientemente
con valores numricos. En tales casos, cada artculo inspeccionado por lo
general se clasifica como conforme o disconforme respecto de las
especificaciones para esas caractersticas de calidad. Es comn usar la
terminologa defectuoso o no defectuoso para identificar estas dos
clasificaciones del producto. En fechas ms recientes se ha popularizado la
terminologa conforme y disconforme. A las caractersticas de calidad de este
tipo se les llama atributos. Algunos ejemplos de las caractersticas de calidad
que son atributos son la ocurrencia de bielas torcidas para motores de automvil
en la produccin de un da y la proporcin de chips de semiconductores no
funcionales en una corrida de produccin.
En esta unidad se presentan tres cartas de control para atributos de uso
generalizado. La primera de ellas se relaciona con la fraccin disconforme o de
productos defectuosos producida en un proceso de manufactura y se le llama la
carta de control para la fraccin disconforme o carta p. En algunas situaciones
es ms conveniente trabajar con el nmero de defectos o disconformidades
observadas que usar la fraccin disconforme. El segundo tipo de carta de control
que se estudia llamada la carta de control de disconformidades, o carta c, est
diseada para tratar este caso. Por ltimo se presenta la carta de control para
disconformidades por unidad, o carta u, que es til en situaciones en las que el
nmero promedio de disconformidades por unidad es una base ms conveniente
para controlar el proceso.
En general las cartas de control por atributos no son tan informativas
como las cartas por variables, ya que de manera tpica una medicin numrica
contiene ms informacin que la mera clasificacin de una medida como
conforme o disconforme. Sin embargo las cartas de atributos tienen aplicaciones
importantes. Son particularmente tiles en las industrias de servicios y en los
esfuerzos de mejoramiento de la calidad fuera de la manufactura, debido a que
no es sencillo medir en una escala numrica un gran nmero de las
caractersticas de la calidad que se encuentran en estos escenarios.
La carta de control para la fraccin disconforme
La fraccin disconforme se define como el cociente del nmero de
artculos disconformes de la poblacin y el nmero de artculos que componen la
poblacin. Los artculos pueden tener varias caractersticas de calidad que son
M.C. JORGE LIMON ROMERO
71
2011
n
P {D = x } =
p
x
(1
)n x
x = 0 ,1 ,... n
p =
D
n
=p
2
p
p (1 p
n
respectivamente.
72
2011
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
Grfico P para muestra constante
Un concentrado de jugo de naranja congelado se empaca en botes de
cartn de 6 onzas. Estos botes se hacen en una mquina cortndolos de piezas
de cartn y fijando un cuadro metlico en el fondo. Mediante la inspeccin de un
bote, es posible determinar si cuando se llena podra haber una posible filtracin
en las juntas laterales o alrededor de la junta del fondo. Un bote disconforme
tiene un sellado incorrecto en las juntas laterales, o en el cuadro metlico del
fondo. Quiere establecerse una carta de control para mejorar la fraccin de
botes disconformes producidos por una mquina.
Para establecer la carta de control, se seleccionaron 30 muestras de n=50
botes cada una en intervalos de media hora durante un periodo de tres turnos en
los que la mquina estuvo en operacin continua. En la siguiente tabla se
muestran los resultados obtenidos. Con esta informacin construir un grfico P,
para el anlisis de este proceso.
Tabla de datos:
Nmero
de
Nmero de
botes
Fraccin
disconforme
Nmero
de
Nmero de
botes
Fraccin
disconforme
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
disconformes, Di
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22
Pi
0.24
0.30
0.16
0.20
0.08
0.14
0.32
0.18
0.28
0.20
0.10
0.12
0.34
0.24
0.44
muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
disconformes, Di
8
10
5
13
11
20
18
24
15
9
12
7
13
9
6
347
Pi
0.16
0.20
0.10
0.26
0.22
0.40
0.36
0.48
0.30
0.18
0.24
0.14
0.26
0.18
0.12
0.2313
73
2011
74
2011
1
1
U C L= 0 .4 1 0 2
Proporcin
0 .4
0 .3
_
P = 0 .2 3 1 3
0 .2
0 .1
LC L= 0 .0 5 2 4
0 .0
1
10
13
16
Mue stra
19
22
25
28
75
2011
Tamao de
la muestra
100
80
80
100
110
110
100
100
90
90
110
120
120
120
110
80
80
80
90
100
100
100
100
90
90
2450
Numero de
unidades
disconformes
12
8
6
9
10
12
11
16
10
6
20
15
9
8
6
8
10
7
5
8
5
8
10
6
9
234
Fraccion
disconforme
muestral
0.120
0.100
0.075
0.090
0.091
0.109
0.110
0.160
0.111
0.067
0.182
0.125
0.075
0.067
0.055
0.100
0.125
0.088
0.056
0.080
0.050
0.080
0.100
0.067
0.100
0.095
Desviacion
estandar
0.029
0.033
0.033
0.029
0.028
0.028
0.029
0.029
0.031
0.031
0.028
0.027
0.027
0.027
0.028
0.033
0.033
0.033
0.031
0.029
0.029
0.029
0.029
0.031
0.031
Limites de control
LIC
LSC
0.007
0.183
0.000
0.194
0.000
0.194
0.007
0.183
0.011
0.179
0.011
0.179
0.007
0.183
0.007
0.183
0.002
0.188
0.002
0.188
0.011
0.179
0.015
0.176
0.015
0.176
0.015
0.176
0.011
0.179
0.000
0.194
0.000
0.194
0.000
0.194
0.002
0.188
0.007
0.183
0.007
0.183
0.007
0.183
0.007
0.183
0.002
0.188
0.002
0.188
76
2011
subgrupos, es por esto que se deben utilizar dos columnas, una para los
tamaos de muestra y la otra para la cantidad de productos disconformes en
cada una de ellas. Cuando el tamao de muestra es constante tambin se
pueden utilizar 2 columnas para capturar los datos, solo que en todas las filas de
la primera se escribira el mismo valor, para el ejemplo visto en el caso de
tamao de la muestra constante se escribira 50 en todas las filas. Los datos
para este caso de tamao de muestra variable se deben capturar de la siguiente
forma:
77
2011
78
2011
UCL=0.1885
Proporcin
0.15
_
P=0.0955
0.10
0.05
LCL=0.0026
0.00
1
11 13 15
Muestra
17
19
21
23
25
79
2011
Nmero de
botes
Fraccin
disconforme
Nmero
de
Nmero de
botes
Fraccin
disconforme
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
disconformes, Di
12
15
8
10
4
7
16
9
14
10
5
6
17
12
22
Pi
0.24
0.30
0.16
0.20
0.08
0.14
0.32
0.18
0.28
0.20
0.10
0.12
0.34
0.24
0.44
muestra
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
disconformes, Di
8
10
5
13
11
20
18
24
15
9
12
7
13
9
6
347
Pi
0.16
0.20
0.10
0.26
0.22
0.40
0.36
0.48
0.30
0.18
0.24
0.14
0.26
0.18
0.12
0.2313
1: Pegar o capturar los datos. Debido a que este grfico se usa cuando el
tamao de muestra es constante, esto se hace utilizando una sola columna para
la cantidad de defectuosos en la muestra, como se ilustra a continuacin:
80
2011
81
2011
82
2011
1
1
UCL=20.51
Conteo de muestras
20
15
__
NP=11.57
10
5
LCL=2.62
0
1
10
13
16
Muestra
19
22
25
28
En los valores de estos lmites se puede ver que son iguales a los que resultaron
en el grfico P solo que multiplicados por 50 que es el tamao de cada muestra
(verificarlo) debido a que los datos de este ejercicio son los mismos. En este
grfico tambin dentro de la ventana anterior se puede entrar a la pestaa
Estimado con la cual se pueden calcular los limites de control sin considerar las
muestras que mostraron alguna posible causa asignable utilizando la opcin
Omitir los siguientes subgrupos cuando se estimen parmetros como se
hizo en los grficos de control para variables. Hacer este ejercicio eliminando las
muestras 15 y 23.
B) CLCULOS Y REPORTE:
Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas
las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema,
las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos.
C) RESULTADOS:
D) CONCLUSIONES:
5.- BIBLIOGRAFA:
Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial
Limusa Wiley. Tercera Edicin.
83
2011
6.- ANEXOS:
84
2011
CONTROL ESTADISTICO DE
PROCESOS
CLAVE
9015
GRFICO DE CONTROL
PARA DISCONFORMIDADES
CYU
INGENIERIA INDUSTRIAL
PRCTICA
NMERO
10
PLAN DE
ESTUDIO
NMERO DE
EMPLEADO
FECHA
2007-1
EQUIPO-HERRAMIENTA
REQUERIDO
Equipo de cmputo
21096
CANTIDAD
1 por alumno
SOFTWARE REQUERIDO
+MINITAB
+ OFFICE (WORD, ECXEL)
OBSERVACIONES-COMENTARIOS
85
2011
1.- INTRODUCCIN:
2.- OBJETIVO (COMPETENCIA):
Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin
adecuada de los datos, as como para la correcta interpretacin de los resultados
obtenidos al construir grficos de control C y U.
3.- TEORA:
Es frecuente que en los procesos industriales existan variables de atributos, para
las que un producto pueda tener ms de un defecto o atributo no satisfecho y sin
embargo no catalogar a tal producto como defectuoso. Por ejemplo un mueble
puede tener algunos defectos en su acabado y an as se puede utilizar con
relativa normalidad. Es decir son variables de atributo que al estar presentes en
un artculo no necesariamente implica que no pase a la siguiente etapa del
proceso, contrariamente a lo que ocurre en las cartas P y nP. Otro tipo de
variable que tambin es posible evaluar son: nmero de errores por trabajador,
errores de escritura por pgina en un peridico, etc
Las variables de este tipo se pueden ver como el nmero de eventos que
ocurren por unidad los cuales se comportan de acuerdo a la distribucin de
Poisson.
La carta de Control C (nmero de defectos)
El objetivo de esta carta es analizar la variabilidad del nmero de defectos
por subgrupo. En esta carta se grafica Ci que es igual al nmero de defectos o
eventos en el i-simo subgrupo (muestra). Los lmites de control se obtienen
suponiendo que el estadstico Ci sigue una distribucin de Poisson. Los
parmetros de la carta de control C son los siguientes:
ci = C =
Totaldedefectos
Totaldesubgrupos
Ci2 = C
LSC = C + 3 C
LSC = C
LIC = C 3 C
86
2011
LSC = U + 3
U
n
LC = U
LSC = U 3
U
n
4.- DESCRIPCIN
A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:
La Carta de Control C (nmero de defectos)
Ejemplo:
En la siguiente tabla se presenta el nmero de disconformidades observadas en 26
muestras sucesivas de 100 tarjetas de circuitos impresos. Con esta informacin construir
la carta de control para las disconformidades.
Nmero de
muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
Nmero de
disconformidades
21
24
16
12
15
5
28
20
31
25
20
24
16
Nmero de
muestra
14
15
16
17
18
19
20
21
22
23
24
25
26
Nmero de
disconformidades
19
10
17
13
22
18
39
30
24
16
19
17
15
87
2011
1: Pegar los datos en una sola columna. Para utilizar este grfico se requiere
que el tamao de muestra sea constante.
88
2011
89
2011
40
Conteo de muestras
UCL=33.21
30
_
C=19.85
20
10
LCL=6.48
1
0
1
10
13
16
Muestra
19
22
25
90
2011
Nmero de
muestra
Tamao de
la muestra
Nmero de
disconformidades (Xi)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
Totales:
10
12
8
14
10
16
11
7
10
15
9
5
7
11
12
6
8
10
7
5
193
Nmero promedio
de disconformidades
X
Por unidad i = i
n
2.0
2.4
1.6
2.8
2.0
3.2
2.2
1.4
2.0
3.0
1.8
1.0
1.4
2.2
2.4
1.2
1.6
2.0
1.4
1.0
38.6
91
2011
92
2011
93
2011
UCL=3.794
_
U=1.93
LCL=0.066
0
1
11
Muestra
13
15
17
19
94
2011
6.- ANEXOS:
95