Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso Lupita R
Curso Lupita R
Parte 1
Contenido
|
Fundamentos Estadsticos
Capacidad de Procesos
Monitoreo de Procesos
Cartas de Control Tipo
p Shewhart
y Cartas de Control de Sumas Acumuladas
y
Introduccin
El Control Estadstico de Procesos naci a finales de los aos 20
en los Bell Laboratories, como parte del Manejo de Calidad Total
(TQM) o Control
C t l de
d la
l Calidad
C lid d Total
T t l (TQC).
(TQC)
Shewhart, en su libro Economic Control of Quality of
Manufactured Products (1931) marc la pauta que seguiran otros
discpulos distinguidos (Juran, Deming, etc.).
En 1924 Shewhart desarroll el concepto de carta de control
estadstico, el cual suele considerarse como el inicio formal del
control estadstico de calidad.
La popularidad del uso de las cartas de control en la industria se
debe a la facilidad de construccin e interpretacin.
interpretacin Sin embargo
su uso ha venido creciendo en reas como salud y servicios.
Introduccin
Para entender los alcances del SPC (CEP), se entiende que un
proceso es una red de componentes independientes que trabajan
juntas,
ju
as, co
con e
el p
propsito
ops o de lograr
og a los
os obje
objetivos
os p
propuestos
opues os po
por e
el
sistema.
Por que se ve
afectado
f t d por ffactores
t
que varan
Causas de variabilidad
i
i
i
i
i
i
i
i
i
Causas de variabilidad
La estrategia bsica para la mejora de la calidad pasa por la
identificacin de las causas que producen variabilidad, las cuales segn
Shewhart ((1931)) se clasifican en:
a) Causas comunes o aleatorias: Son las que provocan la llamada
variabilidad natural del proceso,
proceso y obedecen a un comportamiento
aleatorio.
b) Causas especiales o atribuibles: Son aquellas que cuando estn
presentes tienen un efecto significativo en el desempeo del proceso.
Este efecto se refleja eventualmente en el patrn que presentan los
puntos graficados en la carta de control.
control
Causas de variabilidad
La variabilidad de las causas comunes o aleatorias es el reflejo de cientos
q
q
j
, y q
pequeas
que actan de manera conjunta,
que no es
de causas p
posible identificar alguna en especial.
La variacin excesiva debida a causas comunes se resuelve cambiando
la tecnologa,
tecnologa de modo que la eliminacin de las causas comunes es
responsabilidad de la empresa.
La variabilidad de las causas especiales o atribuibles se deben
tpicamente a aspectos tales como: materiales, operadores, instrumentos
de medicin, mquinas, mtodos.
La eliminacin de las causas especiales es ms sencilla ya que
bsicamente son responsabilidad del operario.
Causas de variabilidad
Por definicin, se dice que un proceso est bajo control estadstico
cuando no hay causas especiales presentes. O equivalentemente
cuando nicamente acta un sistema de causas de variabilidad comn.
El Control Estadstico de Procesos se basa en analizar la informacin que
aporta el proceso para detectar la presencia de causas especiales y
h bit l
habitualmente
t
se realiza
li
mediante
di t
una construccin
t
i
grfica
fi
denominada Grfico o Carta de Control.
Si el p
proceso se encuentra bajo
j control estadstico es p
posible realizar una
prediccin del intervalo en el que se encontrarn las caractersticas de la
pieza fabricada.
Medidas de variabilidad
Considere un proceso de produccin
de engranes en estado de control,
para el cual la caracterstica de
calidad
de
los
lid d es ell dimetro
di t
d
l
engranes en mm.
Se selecciona aleatoriamente una
muestra de tamao n de entre los
engranes fabricados por el proceso,
en un da de produccin.
Medida de
muestra.
variabilidad
en
una
19.8
19.9
20
20.1
20.2
Variabilidad en la Poblacin
f(x)
n=20
n
20
n=200
n
200
n=2000
n
2000
f ( y ) dy = Pr (a Y b )
y R,
b)
f ( y ) dy = 1
Funcin de Distribucin
La fdp f(y) contiene toda la informacin sobre la variabilidad del proceso,
es decir, si f(y) es conocida podemos contestar preguntas como:
1. Qu proporcin de los dimetros de
proceso estarn entre a y b mm?
b
f ( y)dy
a
f ( y)dy
f ( y)dy
b
Funcin de distribucin
Dada una variable aleatoria Y, se llama funcin de distribucin de la
v.a. Y a la funcin F, de recta real R en el intervalo [0,1], definida por:
F (y) =
f (t )dt = Pr(Y y)
U a funcin
Una
u c de d
distribucin
s buc F es
montona
no
decreciente,
continua por la derecha y cumple
que:
lim F ( y ) = 0
lim F ( y ) = 1
y
Primeros Momentos
La variabilidad representada exhaustivamente por la fdp, puede
caracterizarse parcialmente por los primeros dos momentos poblaciones,
definidos por:
= E (Y ) = yf ( y )dy
R
y = Var (Y ) = E (Y ) 2 = ( y ) 2 f ( y )dy
2
de dispersin.
1 n
Y = Yi
n i =1
1 n
y S =
(Yi Y ) 2
n 1 i =1
2
Distribucin Normal
|
2
2
las
2
c) La grfica de f(y) presenta
puntos de inflexin en y=.
f(x)
=1
0.4
=2
=3
=1
=4
=1
0.4
0.35
0.3
=1
0 3
0.3
0.25
=2
0.2
0.2
0.15
=3
=4
0.1
0.1
0.05
x
x
-2
-7.5
f(x)
-5
-2.5
2.5
7.5
10
F(x)
1
0.4
=0,=1
=0,=1
=1,=2
0.8
0.3
=3,=3
0.6
=1,=2
0.2
0.4
=3,=3
0.1
0 2
0.2
x
-5
-2.5
2.5
7.5
10
x
-4
-2
10
S n i
i =1
i
i =1
N (0,1)
xm ~ N ,
xm
~ N (0,1).
/ n
10
0.00
0.00
0.00
0.05
0.05
0.05
0.10
0.10
0.15
0.10
0.20
0.15
0.25
0.15
0.20
10
15
20
10
n = 20, p = 0.75
15
20
25
30
n = 30, p = 0.75
10
20
30
n = 50, p = 0.75
40
50
0.03
0.00
0.00
0.00
0.02
0.01
0.02
0.0
04
0.02
0.06
0.04
0.08
0.04
0.10
0.06
0.05
0.12
2
0.06
n = 10, p = 0.75
60
80
100
n = 150, p = 0.75
120
140
120
140
160
180
n = 250, p = 0.75
200
220
0.0
50
5
0.02
100
0.04
150
0.06
200
10
15
20
25
10
20
25
n = 20
50
50
100
100
150
150
200
n = 10
15
10
12
14
16
18
10
12
14
Capacidad de un Proceso
Un anlisis de capacidad evala la habilidad que tiene un proceso para
producir artculos que se ajusten a especificaciones preestablecidas, y
que por tanto satisfagan los requerimientos de los consumidores. Es decir,
cuando un proceso est en estado de control, a la amplitud del intervalo
de variabilidad de las observaciones individuales, se le denomina
capacidad.
Variabilidad causas comunes
+
Variabilidad causas especiales
=
Capacidad del proceso
Capacidad
p
de mquina
q
+
Otras variaciones
(Turnos, operadores,
Materia prima, etc.)
=
3 .
LES
LEI
El
ancho
de
especificaciones
puede
medir
i cualquier
i
cantidad
i
de sigmas.
LES
Capacidad de Procesos
Dado un proceso y dadas
unas especificaciones diremos
que un proceso es capaz si
puede producir dentro de la
especificaciones exigidas, es
decir, si su capacidad es
menor q
que las tolerancias.
Proceso con
capacidad
p
potencial y
capacidad
real.
LIE
LSE
LIE
LSE
Ancho del Proceso
Variables
de
salida inestables
pero dentro de
especificaciones
Cumple
con
especificaciones
y es predecible
ya que esta bajo
control
Las
variables
de
salida del proceso son
estables pero baja
capacidad de cumplir
especificaciones.
es in
i aceptable
bl
marginal y
es capacidad potencial adecuada
1
6
Cr =
=
C p LES LEI
Proporcin
P
i de
d la
l tolerancia
t l
i que
ocupara el proceso
ndice Cp
Procesos con Cp=1
El ndice Cp no
toma en cuenta
ell centrado
t d d
dell
proceso.
% de artculos defectuosos
LEI
ZU =
Toma en
cuenta el
centrado
del proceso
C PU =
LES ZU
=
3
3
LEI
LEI Z L
C PL =
=
3
3
LEI LES
,
= min
= min{C PL , C PU }
3
3
ZL =
C PK
LES
LES
ndice CPK
El Cpk no puede distinguir entre los tres procesos representados en la
figura.
C PK =
CPK=C
CP sii ell proceso esta
t centrado
t d
se cumple que 0 k 1
C PK = (1 k )C P
Esta relacin implica que el CPK es menor o igual al CP, y la igualdad se
d cuando la media del proceso coincide con el valor nominal ( =T ).
ndice Cpm
Cpm = 1
Cpm = 0.63
Cppm = 0.44
C pm =
CP
(
T )2
1+
2
LES LEI
6 T
T <
LES LEI
6
Comparacin de ndices
LEI
LEI
LEI
LEI
LES
LES
LES
LES
Cp
CPL
CPU
Cpk
Cpm
1.5
2.5
1.5
1.11
Cp
CPL
CPU
Cpk
Cpm
Cp
CPL
CPU
Cpk
Cpm
0.63
Cp
CPL
CPU
Cpk
Cpm
3.5
0.5
0.5
0.43
LSE LIE
Pp =
6 global
LSE T T LIE
Ppk = min
i
,
3 global 3 global
C P > Pp
CPK> Ppk
Mtrica 6 sigma
12
12
7.5
4.5
0 002 ppm
0.002
0 002 ppm
0.002
0 ppm
3.4 ppm
C p = C pk = 2
0.002 ppm
C p = 2; C pk = 1.5
3.4 ppm
Cartas de Control
Las cartas de control son una herramienta estadstica que permite
conocer si un proceso dado se encuentra en estado de estabilidad o
control.
Son grficas cronolgicas de los datos del proceso de inters, que nos
ayudan a e
ayuda
entender,
e de , co
controlar
o a y mejorar
ejo a los
os p
procesos.
ocesos.
= + 3s
El proceso se desajusta provoca un
aumento en la variabilidad del
proceso de relleno, pasando de
s=0.7 a s = 1.
El proceso se desajusta en 1
cm3 pasando a rellenar con
media 201 cm3 e igual
dispersin.
= + 3s
=
= + 3s
= + 3s
=
= + 3s
Cartas de Control
Proceso
L figura
La
fi
contiene
ti
ell contenido
t id medio
di de
d 4 botellas
b t ll
Observaciones de la 1 a la 20 con =200 y s=0.7
=201 y s=0.7
Observaciones de la 21 a la 40 con
Observaciones 41 a la 60 con =200 y s=1.
Cambios en la media
m= 1
m=2
m=2
m=3
1.5
m=6
m=5
m=7
m=6
m=14
m=28
m=18
m=52
m=52
m=217
m= 181
1
0 5
0.5
m=130
Wi
E (Wi )
E (Wi ) 3 Wi
Probabilidad de falsas
alarmas del orden del 3%.
1
E (X ) = E
n
1
X
=
(n ) =
i
n
i =1
1 n
1
Var ( X ) = Var X i = 2 ( n
n
n i =1
Si
T=X
) =
T 3 T
son:
Carta X
La carta X muestra las variaciones en los promedios de las
muestras. Si las X i ~ N , 2
con , conocidos, los lmites de
control
t l son;
n
2
probabilidad de una
falsa alarma.
n tamao de subgrupo
que se toma en cada
ti
tiempo.
cuantil de la normal e igual
a 3, si tenemos una carta de
lmites tres sigmas..
En la prctica ,
desconocidos y deben estimarse de un
conjunto de datos histricos, Fase I (construccin de la carta de
control), hasta que el proceso se considere estable.
En la Fase II el proceso se monitorea en lnea.
Carta
X,
si y desconocidos
1 n
(X i X )
S=
n i =1
( )
ES
n 1 2
=
1 n
(X i X )
n 1 i =1
S* =
Estimador
sesgado
g
( )
2
E S* = 2
Estimador
insesgado
g
Carta
X,
si y desconocidos
S2 = Var (S 2 ) =
2
E (S ) =
2(n 1) 4
2
n
n
2
2 =c
2
n n 1
( )
2
2*2 = Var S * =
S
2
4
(n 1)
n
2
2 =c
E S* =
4
(n 1) n 1
( )
2 2
2
=
c2 = 1 c22
n
n
1
S = 1 c22
n
( )
S 2 = Var
V (S* ) = E S* (E((SS* ))
2
= 2 c4 2 = 2 1 c4
2
S = 1 c42
*
Carta X R
La carta X monitorea las variaciones en los promedios de las muestras.
La carta R monitorea la variabilidad de un proceso. Es decir, muestra las
variaciones de los rangos de las muestras.
Lo ms conveniente es empezar con la construccin de la carta R.
Si la carta R muestra que la variabilidad del proceso esta fuera de
control, lo mejor es controlar la variabilidad antes que construir la carta X .
A partir de X y R se trazan los lmites provisionales de la manera siguiente.
En el grfico de Medias:
LCS = X + 3
LC = X
LCI = X 3
1 R
= X + A2 R
n d2
1 R
= X 3A2 R
n d2
En el grfico de Rangos:
d3
LCS = 1+ 3 R = D4 R
d2
LC = R
d3
LCI = 1 3 R = D3 R
d2
Carta X R
Estimacin de las constantes d2 y d3, por simulacin, utilizadas en la
construccin de la carta X R
d2
d3
Programa en R
#Estimacin de d2 y d3. El estadstico W = Rango/sigma, denominado
# recorrido relativo, con E(W) = d2 y raiz(varianza) = d3.
W <-0; W2<-0; nn<-100000; n <- as.matrix(seq(1,25,1)); nl<-length(n);
d2<-matrix(0,nl,1);d3<-matrix(0,nl,1)
for (j in 1:nl)
{ W<-0; W2<-0;
for(i in 1:nn)
{ rdatos <-rnorm(n[j],0,1); #Se simulan datos de una normal estndar
rango <-range(rdatos)#funcin que obtiene el rango de los datos
W <-W + (rango[2]-rango[1])/1
W2 <-W2 + ( (rango[2]-rango[1])/1)^2
}
d2[j] <-W/nn # E(W)=d2
d3[j]<-sqrt((W2/(nn-1))-2*(d2[j])*(W/(nn-1))+ (nn/(nn-1))*( (d2[j])^2))#
sigmaW=d3; j<-j+1;
}
cbind(d2,d3)
1.118145
0.8495161
1.693288
0.884309
2.059194
0.8825737
2.323239
0.8602215
2.533122
0.8498462
2.70243
0.8322734
2.84786
0.8188604
2.973336
0.8085068
3.078241
0.7991577
3.17815
0.78777
3.261795
0.77942
3.336109
0.7690239
3.402547
0.7607124
3.466029
0.7531938
3.532219
0.7473171
3.585279
0.7449061
3.638498
0.7374566
3.68987
0.733514
3.736589
0.7312419
3 781558
3.781558
0 7259207
0.7259207
3.818268
0.7200756
3.860174
0.7163147
3.894794
0.7132323
3.93311
0.7110048
Carta X S
La carta S monitorea la variabilidad de un proceso, es similar a la carta R,
solo que ahora se calculan y grafican las desviaciones estndar para
cada grupo.
Carta X S
Carta X S
Carta X S
Estimacin de las constantes c2 y c4 involucradas en la obtencin de los
lmites de control de las cartas X S , por medio de simulacin.
Programa en R
#Estimacin de c2 y c4
C <-0; W2<-0; nn<-100000;
n << as.matrix(seq(1,25,1))
as matrix(seq(1 25 1))
nl<-length(n); c2<-matrix(0,nl,1); c4<-matrix(0,nl,1)
for (j in 1:nl)
{
C<-0; CC<-0;
for(i in 1:nn)
{
rdatos <-rnorm(n[j],0,1); #Se simulan datos de una normal estndar
C <- C + sd(rdatos)
CC <- CC +( sd(rdatos) * sqrt((n[j]-1)/n[j]) )
}
c4[j] <-C/nn; c2[j]<-CC/nn;
j<-j+1
}
cbind(c2[-1],c4[-1])
C2
C4
0.5634149
0.796789
0.7235947
0.8862189
0.7983276
0.9218293
0.8402237
0.9393986
0 867655
0.867655
0 9504685
0.9504685
0.8880728
0.9592283
0.9022891
0.9645876
0.9147785
0.9702691
0.9223831
0.9722771
0.9308393
0.9762725
0.9366463
0.9782952
0.9412656
0.9797003
0.9449452
0.980616
0.9489709
0.9822782
0.9526069
0.9838482
0.9541755
0.9835416
0.957595
0.9853571
0 9594323
0.9594323
0 985723
0.985723
0.96143
0.9864064
0.9641059
0.9879146
0.9653752
0.9880931
(n 1)S 2 ~ 2
( n 1)
2
2
(
n 1)S2
2
P <
< =1
2
(1 , n1)
2
( 2 , n1)
2
2
( , n1)
(1 , n1)
2
2
=1
< S <
P
n 1
n 1
LCI =
Entonces,
( , n 1)
2
n 1
2
LCS =
(1 , n 1)
2
n 1
S
LCI =
c4
( , n1)
2
n 1
LC = S
S
LCS =
c4
(1 , n1)
2
n 1
Ejemplos
Normal Q-Q Plot
1.94
LC= 1.933
1.85
1.90
1.90
Medias
1.95
2.00
1.98
LCS= 1.995
-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
1.86
6
LCI= 1.87
-2
Subgrupo
Carta de Rangos
LCS= 0.19
LC
LC= 0.084
0.05
LC
0.10
0.15
LCS
R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
0.00
0
LCI= 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
1.95
5
2.00
0.20
Carta de Medias
1.90
Carta de Medias
1.85
n=4
#tamao de subgrupo
subgrupos=20 #cantidad de subgrupos
datos<-matrix(nrow=subgrupos,ncol=n)
Subgrupo
Ejemplos
En el departamento de ensamble de motores de una planta
automotriz, se tiene que una de las partes del motor, el rbol de
levas, debe tener una longitud de 600mm(+/-)2mm para cumplir
con las especificaciones de ingeniera.
ingeniera
Un rbol de levas es un mecanismo formado por un eje en el
que se colocan distintas levas, que pueden tener distintas
f
formas
y tamaos
t
y estar
t orientadas
i t d de
d diferente
dif
t manera, para
activar diferentes mecanismos a intervalos repetitivos, como por
ejemplo unas vlvulas, es decir constituye un temporizador
mecnico cclico.
Hay un problema crnico con la longitud del rbol de levas, ya
que se sale de especificaciones, y crea un problema de
red ccin del rendimiento de la lnea de produccin
reduccin
prod ccin y altas
tasas de re trabajo y desperdicio.
El supervisor
p
del departamento
p
quiere correr cartas de medias y
q
rangos para monitorear esta caracterstica, durante un mes.
Para esto recibe 20 muestras de tamao 5 del proveedor.
LCS= 602.37
601
6
600
LCI= 598.08
598
5
-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
59
96
-2
Subgrupo
Carta de Rangos
604
10
Carta de Medias
60
02
R
4
LC= 3.72
LC
LCI= 0
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
600
598
LC
596
El promedio de las
medias se encuentra
dentro
de
las
especificaciones,
ifi i
l
lo
mismo ocurre con las
medias excepto para las
muestras 2 y 14, que
estn
t
por arriba
ib
d l
del
LCS y la muestra 9,
que est en el LCI.
LCS= 7.86
LCS
LC= 600.2
599
598
600
Medias
602
602
604
603
Carta de Medias
Subgrupo
El promedio
di
d
de
l
los
rangos es algo grande,
considerando que la
mxima
variacin
permitida es de 2
mm., hay un exceso de
variacin en el proceso.
LC= 599.93
598
602
LCS= 602
602.14
14
LCI= 597.72
-2
-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
596
598
600
Medias
602
2
604
Carta de Medias
Subgrupo
Carta de Rangos
10
604
Carta de Medias
LCS= 8.10
LCS
LC= 3.833
4
LC
600
LC
598
602
Despus
de
una
investigacin con el
responsable del proceso,
se
lleg
a
la
identificacin de causas
asignables para las
muestras 2 (falla de
maquina) y 14 (error
del operador),
operador) ms no
para la nueve.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
596
LCI= 0
Carta de Medias
202
LC= 200.251
198
200
Medias
210
LCS= 204.702
-2
-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
194
190
LCI= 195.800
La carta de medias
muestra que los
subgrupos
b
1 y 11
exceden el lmite de
control superior.
Subgrupo
Carta de Rangos
20
210
25
Carta de Medias
LCS= 16
16.311
311
15
10
LC
200
LCS
LC= 7.7143
19
90
LCI
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
LCI=
C 0
Subgrupo
La carta de Rangos
muestra
t
que los
l
subgrupos 6 y 16
exceden el lmite de
control superior.
p
206
206
Carta de Medias
202
2
LC= 200.236
LCI= 196.337
-2
-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
19
94
19
94
198
198
Medias
20
02
LCS= 204.135
Sin 6 y 16
Carta de Rangos
LCS= 14.288
206
15
Carta de Medias
Subgrupo
10
LC= 6.7576
198
LC
202
LCS
LCI
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
194
LCI= 0
LCI
Subgrupo
Una
U
investigacin
i
ti
i
mostr que los dos
valores de rangos
de los subgrupos
g p 6
y 16 correspondan
a tiempos en que el
operador regular se
ausentaba y dejaba
un reemplazo con
menos experiencia,
a cargo de la
produccin.
Se observa que la
variabilidad ha sido
controlada, as que
se pasa ahora a
controlar la media
del proceso.
206
Carta de Medias
LC= 199.9484
198
198
Medias
20
02
202
2
LCS= 203.894
-2
-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
194
194
LCI= 196.002
Sin 1 y 11
Carta de Rangos
LCS= 14.459
15
206
Carta de Medias
Subgrupo
El subgrupo 11 ocurre a
la
1:00
p.m.
y
corresponde al arranque
de la lnea de produccin
inmediatamente despus
del descanso del lunch y
cuando las maquinas han
sido
apagadas
por
cambio de herramienta.
LC= 6.8387
198
LC
202
10
LCS
El subgrupo
g p 1 ocurre a
las
8:00
a.m.
y
corresponde al arranque
de la produccin, cuando
las maquinas estn fras.
fras
LCI
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
194
LCI= 0
Subgrupo
Como se encontraron
causas asignables, estos
puntos se eliminan y las
cartas se vuelven a
calcular.
Subgrupos racionales
El primer paso en el establecimiento de cartas de medias y rangos,
es la seleccin de las muestras.
Es importante que todas las muestras sean muestras racionales (o
subgrupos racionales). Esto es, grupos de observaciones cuya
variacin, solo es atribuible a las causas comunes.
Cuando tomamos las muestras, minimizando la ocurrencia de
causas especiales dentro de ellas, maximizamos la oportunidad de
detectar causas especiales cuando estas ocurren entre las
muestras.
Muestrear de:
o Diferentes mquinas
o Durante perodos
d extendidos
did de
d tiempo
i
o Productos combinados de diferentes fuentes
Subgrupos racionales
El tamao de los subgrupos se rige por los siguientes principios:
Los subgrupos deben de reflejar solo las causas comunes
Los subgrupos deben asegurar la presencia de la distribucin
normal para las medias muestrales.
Los subgrupos deben garantizar una alta capacidad de
deteccin de causas especiales o asignables.
Los subgrupos deben ser suficientemente pequeos para facilitar
su medicin y reducir el costo de operacin.
Cuando estas consideraciones se toman en cuenta,
g p , resulta ser entre 3 y 6.
frecuentemente,, el tamao de los subgrupo,
Aunque usualmente se toman 5 observaciones en cada muestra.
Subgrupos racionales
La frecuencia de muestreo, debe considerarse cuidadosamente,
ya que cuando un proceso se muestrea con una frecuencia muy
baja,
j las cartas de medias y rangos
g resultan ser de p
poca utilidad
para identificar y resolver problemas.
Algunos puntos que vale la pena tomar en cuenta pare
determinar la frecuencia de muestreo son:
Naturaleza general de la estabilidad del proceso.
La frecuencia con que se presentan eventos en el proceso
(cambios de turno, de materia prima, de condiciones
ambientales).
ambientales)
Costo del muestreo
Patrones de Inestabilidad de CC
PRUEBA 1. Un punto fuera de los lm ites de c ontrol
LSC A+
LC
LIC
LSC A+
B+
C+
CBA-
LIC
B
B+
C+
CBA-
..
. .. . .
.. .. ..
.
LC
LIC
B+
C+
CBA-
LSC A+
LC
LSC A+
.. ... .. ...
. . ...
.. . .
...
LC
LIC
LSC A+
LIC
LIC
B+
C+
CBA-
..
.
LIC
B+
C+
CBA-
.
.
B+
C+
CBA-
. .
LIC
.
. .
.
.
..
.
.
.
..
..
..
LC
LSC A+
A+
LSC A+
LC
LSC
B+
C
C+
CBA-
LC
LC
B+
C+
CBA-
. ...
.
.. .
..
Patrones de Inestabilidad de CC
Se muestran las zonas y sus probabilidades normales de que un punto
caiga en cada una de ellas.
Patrones de Inestabilidad de CC
Las probabilidades de que estas pruebas nos den una falsa alarma
cuando los puntos son variables aleatorias normales se dan a
continuacin.
Las probabilidades correspondientes a estos Grficos que son los
siguientes .
Prueba 1:
Probabilidad = 0.0027
Prueba 2:
Prueba 3:
Prueba 4:
Probabilidad = 0.0046
Prueba 5:
Probabilidad = 0.00304
Prueba 6:
Probabilidad = 0.00553
Prueba 7:
Prueba 8:
ARL combinado
La consideracin de un nmero grande de reglas de
deteccin de fuera de control, aumenta notablemente
el nmero esperado de falsas alarmas.
Suponiendo que las reglas actan de forma
independiente, y considerando
1 =
1-
Tenemos que,
= 1
1 =
n
i =1
n
i =1
(1 i )
(1 i )
ARL combinado
Sustituyendo las probabilidades de salir de control para las
diferentes reglas tenemos que la probabilidad de salir, de
acuerdo a una o mas de las reglas es,
ARL
= 1 / = 1 / . 02564
= 39 . 01
= R /d
= R / 1 . 128
LC = X
LCI = X 3 R / 1 . 128
LCS = X + 3 R / 1 . 128
Lmites de la carta de
medias mviles
LC = R
LCI = 0
LCS = 3 . 267 R
2.4
2.2
1.4
2.3
1.8
1.5
1.5
2.1
1.6
2.2
1.9
2.4
3.3
2.1
2.1
1.8
1.6
2.1
1.2
1.8
2.4
1.9
2.4
2.4
1.7
1.8
2.1
1.7
2.1
1.6
2.4
2.1
1.8
1.3
1.8
1.7
1.6
2.0
Brix
2.5
3.0
LCS= 3.0982
LC= 1.9525
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
1.0
1.5
Carta de individuales
-1
LC= 1.95
LCI= 0.80
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
-2
1.5
2.0
Brix
2.5
3.0
LCS= 3.0
Lote
0.5
1..0
LCS= 1.4
LC= 0.43
LCI= 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
0.0
Rango.movvil
1.5
Lote
Rango
Lote mvil
1
NA
2
04
0.4
3
0.2
4
0.8
5
0.9
6
0.5
7
0.3
8
0.0
9
0.6
10 0.1
11 0.4
04
12 0.6
13 0.3
14 0.5
15 0.9
16 1.2
17 0.0
18 0.3
19 0.2
20 0.5
05
Lote
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
3
19
40
Rango
Mvil
0.9
06
0.6
0.2
0.4
0.5
0.5
0.0
0.7
0.1
0.3
04
0.4
0.4
0.5
0.8
0.3
0.3
0.5
0.5
0.1
01
0.1
-2
-1
0
1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2
21
2
22
2
23
2
24
2
25
2
26
2
27
2
28
2
29
2
30
3
31
3
32
3
33
3
34
3
35
3
36
3
37
3
38
3
39
3
40
4
41
4
-1
1.2
1..4
Brix
1.8
8
LC= 1.9179
1.6
2.0
2.2
2.4
LCS= 2.9678
LCI= 0.8681
Lote
p3
p (1 p)
n
1 m
p=
Xi
nm i =1
LCS = p + 3
p (1 p )
n
LC = p
LCI = p 3
p (1 p )
n
0.10
0.12
LC = p =
Nm.totalde artculosdefectuosos
Nm.totalde artculosinspeccion
p
ados
0.06
0.02
0.04
LC= 0.045
LCI= 0.001
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
0.00
0.0
08
LCS= 0.089
Subgrupo
Durante
25
das
se
inspeccionaron 200 artculos
t
ell nmero
d
de
y se contaron
defectuosos por da.
La grfica muestra que
todos los puntos estn bajo
control. Por lo tanto los
lmites se usarn en el
futuro
inmediato
para
controlar la fraccin de
artculos
defectuosos,
siempre que se mantengan
l misma
las
i
condiciones
di i
b j
bajo
las cuales se tomaron las 25
muestras.
LCS = p + 3
p (1 p )
ni
LC = p
LCI = p 3
p (1 p )
ni
[1,]
[2,]
[3,]
[3 ]
[4,]
[5,]
[6,]
[7,]
[8,]
[9,]
[10 ]
[10,]
[11,]
[12,]
[13,]
[ ]
[14,]
[15,]
[16,]
[17,]
[18,]
[19,]
[20,]
ni
595
593
607
596
602
599
600
590
599
601
598
600
597
594
595
597
599
596
607
601
di
15
5
8
10
6
5
5
7
2
4
9
17
4
5
3
10
7
5
4
9
Subgrupo
[21,]
[22,]
[23,]
[23 ]
[24,]
[25,]
[26,]
[27,]
[28,]
[29,]
[30 ]
[30,]
[31,]
[32,]
[33,]
[34 ]
[34,]
[35,]
[36,]
[37,]
[38,]
[39,]
[40,]
ni
594
606
601
598
599
590
588
597
604
605
597
603
96
597
607
596
598
600
608
592
di
7
5
7
4
2
3
5
3
6
5
7
9
5
3
8
15
4
6
8
5
Total de defectuosos
Total de inspeccionados
257
=
= 0.011
23942
p=
Total de inspeccionados
Total de subgrupos
23942
=
= 598.6
40
n=
Carta p
0.015
0.005
0.0
010
LC= 0.011
LCI=0
0.000
LCI= -0.001
1
2
3
4
5
6
7
8
9
10
1
11
1
12
1
13
1
14
1
15
1
16
1
17
1
18
1
19
1
20
2
21
2
22
2
23
2
24
2
25
2
26
2
27
2
28
2
29
2
30
3
31
3
32
3
33
3
34
3
35
3
36
3
37
3
38
3
39
3
40
4
41
4
42
4
0.020
LCS= 0.023
Subgrupo
LCS= 0.020
0.010
0.015
n = 598.68
0.0
005
LC= 0.009
LCI=0
0.000
LCI= -0.002
-0 002
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
p = 0.0094
Subgrupo
LCS = n p + 3 n p (1 p )
LC = n p
LCI = n p 3 n p (1 p )
Ejercicio: Realice la carta np para los datos del ejemplo en que durante
25 das se inspeccionaron 200 artculos y se contaron el nmero de
d f
defectuosos
por da.
d Modifique
difi
ell programa correspondiente.
di
c = c =
i
Total de defectuosos
Total de subgrupos
c 2 = c
i
LCS = c + 3 c
LC = c
LCI = c 3 c
Ejemplo Carta c
En una fabrica de muebles se inspecciona con detalle el
acabado de las mesas cuando salen del departamento de
laca. La cantidad de defectos que son encontrados en cada
mesa son registrados con el fin de conocer y mejorar el proceso.
15
LC= 6.3667
LCI -1.203
LCI=
1 203
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
No
o. Defectos
10
LCS= 13.936
Artculos
Art.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
ci
7
5
10
2
6
5
4
9
7
5
6
7
8
4
5
12
8
10
4
7
3
10
6
6
7
4
5
6
8
5
Carta u
Cuando el nmero de artculos inspeccionados
p
en una unidad muestral n vara de
unidad a unidad, es mejor graficar la estadstica
u=
c
n
c 1
Var (u ) = Var = 2 Var (c)
n n
1
c/n u
Var
(
c
)
=
=
2
n
n
n
u
LCS
u
3
=
+
Los lmites de control quedan como:
n
LC = u
u
LCI = u 3
n
Ejemplo Carta u
En una fbrica se ensamblan artculos electrnicos y al final del
proceso se hace una inspeccin por muestreo para detectar
defectos relativamente menores, y as retroalimentar el proceso
para enfocar bien las acciones de mejora. En particular en la
tabla siguiente
g
se p
presentan el nmero de defectos observados
en muestreos realizados sobre 24 lotes consecutivos de piezas
electrnicas. El nmero de piezas inspeccionadas en cada lote
es variable, por lo que no es apropiado analizar el nmero de
defectos p
por muestra, ci, mediante una carta c, es mejor
j
analizar el nmero promedio de defecto por pieza, ui, mediante
la carta u.
Para calcular los lmites de control de la carta tenemos q
que:
549
u=
= 1.04
525
n = 21.875
n
[1,] 20
[2,] 20
[3,] 20
[4,] 20
[5,] 15
[6,] 15
[7,] 15
[8,] 25
[9 ] 25
[9,]
[10,] 25
[11,] 25
[12,] 30
[13,] 30
[14 ] 30
[14,]
[15,] 30
[16,] 30
[17,] 30
[[18,]
,] 30
[19,] 15
[20,] 15
[21,] 15
[22,] 15
[23 ] 15
[23,]
[24,] 15
c
17
24
16
26
15
15
20
18
26
10
25
21
40
24
46
32
30
34
11
14
30
17
18
20
Ejemplo Carta u
Carta u
LCS= 1.7016
LC= 1.0457
Se observa que el
proceso no funciona de
manera estable,
t bl ya que
en la muestra del lote
21 el nmero promedio
de defectos p
por p
pieza se
sale del lmite de
control superior.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
LCI= 0.3898
Lote
En la fabricacin de tal
lote ocurri un evento
especial.
Ejemplo Carta u
2.0
Sin lote 21
2.5
Carta u
0.5
5
1.0
LC= 1.0176
0.0
LCI= 0.3749
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
-0.5
1.5
LCS= 1.6603
Lote
FIN
GRACIAS.