Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 2 Graficas de Control
Unidad 2 Graficas de Control
donde:
Za 2 = 1.962 (ya que la seguridad es del 95%)
p = proporcin esperada (en este caso 5% = 0.05)
q = 1 p (en este caso 1 0.05 = 0.95)
d = precisin (en este caso deseamos un 3%)
donde:
N = Total de la poblacin
Za2 = 1.962 (si la seguridad es del 95%)
p = proporcin esperada (en este caso 5% = 0.05)
q = 1 p (en este caso 1-0.05 = 0.95)
d = precisin (en este caso deseamos un 3%).
A cuntas personas tendra que estudiar de una poblacin de 15.000 habitantes
para conocer la prevalencia de diabetes?
Seguridad = 95%; Precisin = 3%; proporcin esperada = asumamos que puede
ser prxima al 5% ; si no tuviese ninguna idea de dicha proporcin utilizaramos el valor p
= 0.5 (50%) que maximiza el tamao muestral.
Grficos de Control
Los grficos de control o cartas de control son una importante herramienta utilizada en
control de calidad de procesos. Bsicamente, una Carta de Control es un grfico en el
cual se representan los valores de algn tipo de
medicin realizada durante el funcionamiento de
un proceso contnuo, y que sirve para controlar
dicho proceso.
Supongamos que tenemos una mquina inyectora que produce piezas de plstico, por
ejemplo de PVC. Una caracterstica de calidad importante es el peso de la pieza de
plstico, porque indica la cantidad de PVC que la mquina inyect en la matriz. Si la
cantidad de PVC es poca la pieza de plstico ser deficiente; si la cantidad es excesiva, la
produccin se encarece porque se consume ms materia prima.
Entonces, en el lugar de salida de las piezas, hay un operario que cada 30 minutos toma
una, la pesa en una balanza y registra la observacin:
etc...
Supongamos que estos datos se registran en un grfico de lneas en funcin del tiempo:
Observamos una lnea quebrada irregular, que nos muestra las fluctuaciones del peso de
las piezas a lo largo del tiempo. Esta es la fluctuacin esperable y natural del proceso. Los
valores se mueven alrededor de un valor central (El promedio de los datos), la mayor
parte del tiempo cerca del mismo. Pero en algn momento puede ocurrir que aparezca
uno o ms valores demasiado alejados del promedio.
Cmo podemos distinguir si esto se produce por la fluctuacin natural del proceso o
porque el mismo ya no est funcionando bien?
Cada uno de estos factores est sujeto a variaciones que realizan aportes ms o menos
significativos a la fluctuacin de las caractersticas del producto, durante el proceso de
fabricacin. Los responsables del funcionamiento del proceso de fabricacin fijan los
valores de algunas de estas variables, que se denominan variables controlables. Por
ejemplo, en el caso de la inyectora se fija la temperatura de fusin del plstico, la
velocidad de trabajo, la presin del pistn, la materia prima que se utiliza (Proveedor del
plstico), etc.
Pero un proceso de fabricacin es una suma compleja de eventos grandes y pequeos.
Hay una gran cantidad de variables que sera imposible o muy difcil controlar. Estas se
denominan variables no controlables. Por ejemplo, pequeas variaciones de calidad del
plstico, pequeos cambios en la velocidad del pistn, ligeras fluctuaciones de la corriente
elctrica que alimenta la mquina, etc.
Los efectos que producen las variables no controlables son aleatorios. Adems, la
contribucin de cada una de las variables no controlables a la variabilidad total es
cuantitativamente pequea. Son las variables no controlables las responsables de la
variabilidad de las caractersticas de calidad del producto.
Los cambios en las variables controlables se denominan Causas Asignables de variacin
del proceso, porque es posible identificarlas. Las fluctuaciones al azar de las variables no
controlables se denominan Causas No Asignables de variacin del proceso, porque no
son pasibles de ser identificadas.
Causas Asignables: Son causas que pueden ser identificadas y que conviene descubrir y
eliminar, por ejemplo, una falla de la mquina por desgaste de una pieza, un cambio muy
notorio en la calidad del plstico, etc. Estas causas provocan que el proceso no funcione
como se desea y por lo tanto es necesario eliminar la causa, y retornar el proceso a un
funcionamiento correcto.
Causas No Asignables: Son una multitud de causas no identificadas, ya sea por falta de
medios tcnicos o porque no es econmico hacerlo, cada una de las cuales ejerce un
pequeo efecto en la variacin total. Son inherentes al proceso mismo y no pueden ser
reducidas o eliminadas a menos que se modifique el proceso.
Cuando el proceso trabaja afectado solamente por un sistema constante de variables
aleatorias no controlables (Causas no asignables) se dice que est funcionando bajo
Control Estadstico. Cuando, adems de las causas no asignables, aparece una o varias
causas asignables, se dice que el proceso est fuera de control.
El uso del control estadstico de procesos lleva implcitas algunas hiptesis que
describiremos a continuacin:
1) Una vez que el proceso est en funcionamiento bajo condiciones establecidas, se
supone que la variabilidad de los resultados en la medicin de una caracterstica de
calidad del producto se debe slo a un sistema de causas aleatorias, que es inherente a
cada proceso en particular.
2) El sistema de causas aleatorias que acta sobre el proceso genera un universo
hipottico de observaciones (mediciones) que tiene una Distribucin Normal.
Entonces, se construye un grfico de prueba y se traza una lnea recta a lo largo del eje
de ordenadas (Eje Y), a la altura del promedio (Valor central de las observaciones) y otras
dos lneas rectas a la altura de los lmites de control:
En este grfico se representan los puntos correspondientes a las observaciones con las
que se calcularon los lmites de control:
Este grfico de prueba se analiza detenidamente para verificar si est de acuerdo con la
hiptesis de que la variabilidad del proceso se debe slo a un sistema de causas
aleatorias o si, por el contrario, existen causas asignables de variacin. Esto se puede
establecer porque cuando la fluctuacin de las mediciones se debe a un sistema
constante de causas aleatorias la distribucin de las observaciones es normal:
Cuando las observaciones sucesivas tienen una distribucin normal, la mayor parte de los
puntos se sita muy cerca del promedio, algunos pocos se alejan algo ms y
prcticamente no hay ninguno en las zonas ms alejadas:
Es difcil decir como es el grfico de un conjunto de puntos que siguen un patrn aleatorio
de distribucin normal, pero s es fcil darse cuenta cuando no lo es.
Si slo hay pocos puntos fuera de control (2 3), estos se eliminan, se recalculan la
media, desviacin standard y lmites de control con los restantes, y se construye un nuevo
grfico de prueba. Cuando las observaciones no siguen un patrn aleatorio, indicando la
existencia de causas asignables, se hace necesario investigar para descubrirlas y
eliminarlas. Una vez hecho esto, se debern recoger nuevas observaciones y calcular
nuevos lmites de control de prueba, comenzando otra vez con la primera etapa.
En la 2a etapa, las nuevas observaciones que van surgiendo del proceso se representan
en el grfico, y se controlan verificando que estn dentro de los lmites, y que no se
produzcan patrones no aleatorios:
Como hemos visto, el 99,8 % de las observaciones deben estar dentro de los lmites de
3,09 sigmas alrededor de la media. Esto significa que slo 1 observacin en 500 puede
estar por causas aleatorias fuera de los lmites de control. Entonces, cuando se encuentra
ms de 1 punto en 500 fuera de los lmites de control, esto indica que el sistema de
causas aleatorias que provocaba la variabilidad
habitual de las observaciones ha sido alterado por la
aparicin de una causa asignable que es necesario
descubrir y eliminar.
En ese caso, el supervisor del proceso debe detener la
marcha del mismo e investigar con los que operan el
proceso hasta descubrir la o las causas que desviaron
al proceso de su comportamiento habitual. Una vez
eliminadas las causas del problema, se puede continuar con la produccin normal.
Actuar sobre cualquiera de estos factores disminuye el nivel de riesgo. En automocin una
prctica bastante extendida es fijar el nivel de riesgo aceptado en 100. Cualquier riesgo que
obtenga una nota superior debe ser disminuido introduciendo algn cambio o control adicional
en el proceso.
3 Documentar el Plan de Control. Si hemos hecho correctamente las etapas anteriores,
dispondremos de toda la informacin necesaria para hacerlo. Se trata de documentar como
mnimo lo siguiente:
especificar los controles de calidad realizados por laboratorios. Ensayos sobre materias
primas, productos semi-procesados, o sobre el producto final.
El plan de control puede contener directamente esta informacin, o bien hacer referencia a los
documentos que la contienen: planos, fichas tcnicas de materia prima, instrucciones de trabajo,
paneles de defectos, pautas de autocontrol etc
Los grficos X-R se utilizan cuando la caracterstica de calidad que se desea controlar
es una variable continua.
Hay dos maneras de obtener los subgrupos. Una de ellas es retirar varias piezas juntas
a intervalos regulares, por ejemplo cada hora:
.....Etc.
Por cualquiera de los dos caminos, obtenemos grupos de igual nmero de mediciones.
Para cada subgrupo calculamos el Promedio y el Rango (Diferencia entre el valor
mximo y el valor mnimo).
Como ya se ha visto, para calcular los Lmites de Control es necesario obtener un gran
nmero de mediciones, divididas en subgrupos. En nuestro ejemplo, podramos
obtener 30 subgrupos de 6 datos cada uno:
La desviacin standard del proceso se puede calcular a partir del rango promedio,
utilizando el coeficiente d2, que depende del nmero de mediciones en el subgrupo:
La desviacin standard del rango se puede calcular utilizando el coeficiente d3, que
tambin depende del nmero de mediciones en el subgrupo:
2.2.2 Grafico XS
Figura 1
Como recordaremos de un post anterior que habamos comentado que usted puede encontrar
aqu, las ecuaciones del grfico de control de medias vienen dados por las siguientes frmulas:
Figura 2
Mientras que las frmulas para el grfico de control de desviacin estndar vienen dadas por:
Figura 3
Ahora bien segn la tabla de constantes que usted puede encontrar aqu, los valores de las
contantes A3, B3 y B4, para tamaos de subgrupos de 5, resultan ser: A3 = 1.427, B3 = 0 y B4 =
2.089
Graficaremos en el grfico control de medias, el promedio de cada subgrupo, as que tendremos
que realizar este clculo para cada subgrupo. Por otra parte, en el grfico de desviacin estndar
graficaremos el valor de la desviacin estndar de cada subgrupo, la cual se calcula como:
Figura 4
La media de los promedios de subgrupos ser XDoble Barra y la media de desviaciones estndar
de los subgrupos ser SBarra. Con todos estos elementos y los valores de las constantes antes
mencionadas podemos calcular los lmites de control de los grficos XBarra-S.
Los valores para el clculo del grfico de control de medias (XBarra) nos quedaran entonces:
Figura 5
Los valores para el clculo del grfico de control de desviaciones estndar, nos quedara:
Figura 6
Ya con estos rangos de datos podemos construir los grficos de control, como se coment
anteriormente, hay un video que nos muestra como hacer esto, se encuentra aqu.
Una vez hechos los grficos de control, estos nos quedan as:
Figura 7