Documentos de Académico
Documentos de Profesional
Documentos de Cultura
0. ndice
1. Introduccin.................................................................................................................3
1.1 Historia del control de la calidad.....................................................................3
1.2 Calidad y sus tipos...........................................................................................4
1.3 Gestin de la calidad........................................................................................4
1.4 La normalizacin y la certificacin en el marco de la calidad.........................6
2. Fundamentos de estadstica y control de la probabilidad en el control de la
calidad...............................................................................................................................7
2.1 Fundamentos de estadstica en el control de la calidad...................................7
2.2 Fundamentos de probabilidad en el control de la calidad................................8
3. Control estadstico de procesos................................................................................10
4. Grfico de control de atributos................................................................................17
5. Grficos de control para caractersticas variables.................................................20
6. Procedimientos especiales del control de procesos.................................................21
7. Diagrama de control de suma acumulativa.............................................................22
8. Propiedades de los grficos de control.....................................................................24
9. Anlisis de la capacidad de un proceso....................................................................24
10. Fiabilidad del proceso de control...........................................................................28
10.1 Introduccin a la fiabilidad..........................................................................28
10.2 Frmulas de fiabilidad.................................................................................28
10.3 Modelos estadsticos utilizados en fiabilidad..............................................33
11. Bibliografa...............................................................................................................31
1. Introduccin
1.1 Historia del control de la calidad
El control de calidad moderno se inici con la obra Principles of Scientific
Management de Frederick Taylor (1915), aunque se remonta a tiempos antiguos.
La aplicacin de los mtodos cientficos en el mejoramiento de la calidad y el
control, se inicia en 1920 con la aplicacin de los mtodos estadsticos en los
laboratorios Bell. Conforme avanza la tecnologa, creci la necesidad de mtodos de
calidad mejorados. Hoy en da debido a nuestra compleja poca industrial exige que la
calidad se aborde de manera ms rigurosa y sistemtica (Pyzdek y Berger, 1996).
Antiguamente la oferta era menor que la demanda el concepto de calidad pasaba a
segundo trmino, orientndose los procesos de fabricacin hacia la produccin, lo nico
que importaba era producir cantidad. En la actualidad, la capacidad de ofertar es mayor
que la demanda, el cliente tiene donde elegir, al existir competencia entre distintos
fabricantes que ofrecen productos similares. Las empresas empiezan a preocuparse de la
calidad de los productos que ofrecen, orientndose el proceso de fabricacin hacia el
cliente.
Durante muchos aos la calidad era artesanal donde se daba ya por supuesta.
Despus aparecen las primeras fbricas y surgen las necesidades de controlar la calidad,
auque la fabricacin en sus inicios era bastante artesanal. Con la fabricacin en cadena
(empez el Sr. Ford), fue cuando nacieron unos departamentos que realizaban una
inspeccin masiva. La inspeccin se realizaba cuando la pieza ya estaba hecha es decir,
que la inversin ya estaba efectuada. Con la inspeccin se iniciaba el control de calidad
(Colomer, 1997).
En los ltimos aos la calidad ha adquirido una gran importancia a todos los niveles
de la sociedad. Actualmente se define la calidad como satisfaccin total de todas las
partes del tejido de la sociedad. Las empresas cada vez ms se han sumado a las
polticas de calidad, ya no solo por el prestigio que otorga la concesin de una marca de
calidad, sino por los grandes beneficios econmicos que generan las inversiones en
materia de calidad.
Los consumidores, cada vez ms concienciados, exigen que sus productos cumplan
una serie de especificaciones, y tengan por tanto unas marcas de calidad asignadas, que
les garantice la satisfaccin personal. Cuando se trata de productos de elevado valor
aadido o de producciones muy elevadas donde es imposible controlar todos los
Gestin de la
calidad
Sistemas de Gestin
de calidad
Aseguramiento de
la calidad
Reconocimientos
Obtencin de
certificados por
entidades
acreditadas
Referencias
Normas
ISO 9000
ISO 9001
ISO 9004
ISO 10011
Principios
verificacin con unos criterios comunes y normalizados esto trae consigo una estructura
compleja.
o Todas las entidades de certificacin
o Laboratorios de ensayo
o Entidades auditoras y de inspeccin
o Organismos de control
o Verificadores medio ambientales
Existen muchas entidades normalizacin, certificacin y acreditacin, tanto a nivel
del estado como de la comunidad europea (Verdoy et al., 2006)
Cabe destacar AENOR. IQNET (red europea) EQS, IONET (Red internacional)
BUREAU VERITAS, ENAC, CEN, ISO, etc...
2. Fundamentos de estadstica y control de la probabilidad en el control de la
calidad.
2.1 Fundamentos de estadstica en el control de la calidad
El Control Estadstico de la Calidad es la disciplina cientfico-tcnica que utiliza
tcnicas estadsticas dentro del contesto ms general del Control de la Calidad. Permite
medir y mejorar la Calidad de los productos y servicios. Bsicamente son tres las etapas
donde se engloban dichas tcnicas: la Inspeccin, el Control Estadstico de Procesos y
el Diseo Estadstico de Experimentos. La Inspeccin y el Diseo de Experimentos son
tcnicas de control fuera de lnea (Control off-line), en cambio el Control Estadstico de
Procesos es una tcnica de control durante la fabricacin (Control off-line), (Navarrete,
1998).
El control estadstico de la calidad es la parte del control de la calidad donde se
utilizan tcnicas estadsticas. Pueden distinguirse diversos tipos de control estadstico de
la calidad como:
o Control de procesos durante la fabricacin.
o Control de recepcin o inspeccin por muestreo.
Cabe destacar que antes del control estadstico de la calidad, se realiza una etapa de
Diseo del proceso y del producto. El control durante la fabricacin o de procesos se
realiza de forma continuada a intervalos de tiempo fijos y tiene por objeto vigilar el
Test de hiptesis.
Anlisis de la varianza
P( A)
K
N
Axiomtica de la probabilidad:
- Axioma 1: La probabilidad del suceso seguro vale 1, P( ) 1
B , entonces:
P( A
B)
P( A) P( B)
P( AI )
P( A1 ) P( A2 ) ..........
, PI
a) PI
P ( wI ). Debe cumplirse:
0
b) P ( ) 1
PI
pij
se tiene:
P ( A)
casosfavorables
casosposibles
k
n
nmerodeelemenotsdeS
nmerodeelementosde
casosfavorables
casosposibles
Para que un producto cumpla con los requerimientos del cliente generalmente
deber fabricarse con un proceso que sea estable o repetible, es decir que el proceso
tenga poca variabilidad en las dimensiones objetivo o nominales de las caractersticas de
la calidad del producto.
El control estadstico de procesos (SPC) se utiliza para resolver problemas para
conseguir estabilidad y mejorar la capacidad del mismo proceso mediante la reduccin
de la variabilidad.
El SPC puede aplicarse a cualquier proceso. Sus siete herramientas principales son:
El histograma o el diagrama de tallo y hoja: tambin se llaman diagramas de
barras. Representan grficamente la variabilidad existente entre los datos (Figura
2). Para construir un histograma ( Colomer, 1997):
-
XS
XI .
X S XI
, donde k es el nmero
K
10
Seala la
parte
defectuosa
del guante
11
Nmero de paradas
Tiempo de Parada
Turno1
Turno 2
Total
Turno1
Turno 2
Total
Rotura de hilo
18
24
42
20
31
51
Cinta
15
10
25
12
10
22
Vibrador
92
88
180
62
68
130
10
Apelmazamiento 0
Rotura de saco
Otros
12
1.0
250
0.9
225
0.8
Numero de Paradas
200
0.7
175
0.6
150
125
0.5
100
0.4
75
0.3
50
0.2
25
0.1
0.0
C
Causas
13
Hiptesis nula
H0Proceso bajo control
H1= Proceso fuera de control
Grfico de medias
H0: =
H1:
Desviaciones
H0:
H1:
>
X
y S
K
S
K
sigue:
X,
La ecuacin
S
siendo C un valor tabulado.
C
s
, es vlida siempre que todas las muestras tomadas sean del
c
15
Decidir la lnea central que deben usarse y la base para calcular los
lmites. La lnea central puede ser el promedio de los datos histricos.
Clasificacin de las grficas de control para atributos y para variables (Figura 6):
16
Tipo de datos
Datos de atributoconteo
Faltas de
cumplimiento
Oportunidad
fija
Grfica c
Datos de variablesmediciones
Unidades
faltas de
cumplimiento
Oportu
nidad
variable
Tamao
fijo de
muestra
Tamao
variable
de
muestra
Grfica u
Grfica np
Grfica p
Medicio
nes
individu
ales
Grfica
MR
Subgrupo
racionales
de tamao
fijo
Subgrupo
racionales
de tamao
variable
Grficas
XyR
Grficas X
yS
17
np
np(1 p)
d
n
np,
defectuosa.
En la realizacin del grfico de control se toman se toman las pautas de los grficos
Shewart el lmite de atencin (nivel de significacin de 0025) vendr dado por el valor:
18
LAS
np 1'96 (np (1 p ))
El lmite de intervencin, fijado con un nivel de significacin del 0001 viene dado
por:
LIS
np 3'09
(np (1 p ))
Los lmites inferiores del grfico no tienen sentido, cuanto menor sea el valor de la
variable aleatoria (d) mejor ser el producto o servicio que est controlando.
Grfico de control de porcentaje de defectos (grfica p): Trabaja con porcentajes
de piezas defectuosas (Figura 7). Si n es grande la variable aleatoria sigue
tambin una distribucin normal de parmetros:
np = p,
2
p (1 p)
LAS
np 1'96 (np (1 p ))
LIS
np 3'09 (np (1 p ))
19
0.20
0.15
0.10
0.05
LC=0.0606
LIC=0.0000
0.0
LSC=0.1323
10
15
20
25
30
Dia
Una caracterstica variable de calidad es aquella que se puede medir segn una
escala de valores variable.
Se dice que un proceso est bajo control cuando es capaz de ofrecer una proporcin
satisfactoria de elementos conformes con las especificaciones. Un proceso bajo control
implica que el modelo de variabilidad del proceso no cambio a lo largo del tiempo y que
adems es capaz de cumplir con las especificaciones. Un grfico de control sirve para
determinar si el modelo de probabilidad es estable o cambia con el tiempo. Cuando se
realiza un grfico de control no se pretende garantizar la calidad del producto, si es
bueno o mala, la finalidad que persigue es hacer mnima la variabilidad, mnima
variabilidad implica mxima calidad (Colomer, 1997).
Un ejemplo de grficos de control para caractersticas variables continuas del
producto o proceso podran ser como: contenido en cm3 de un lquido, peso de un saco
pienso, viscosidad de una resina, intensidad de una tinta, temperatura de un horno
(Verdoy et al., 2006).
Tipos de grficos:
Grficos X
R separadas
2008)
Los lmites en los grficos se colocan en (Verdoy et al., 2006)
o Grfico X(-)
- Lmite superior:
3
n
o x
A2 R
o x
A2 R
o x
- Lmite central:
- Lmite inferior:
- Lmite central R
- Lmite inferior D3 R
Donde los valores de A2, D3 Y D4 se pueden encontrar en la tabla de ndices
3.1.8 de Verdoy et al., 2006.
Grfico X
R ,(www.gigawiz.com, 2008)
X ij
n
(17 n)
( X ij X i ) 2
21
El grfico de control para las medias maestrales tiene una lnea central LC
nos lmites de control iguales a
3 n . La media
y la desviacin tpica
y
son
S , (support.sas.com,2008)
obtenerse utilizando los factores y frmulas. En donde los datos utilizados para estimar
incluyen subgrupos de diversos tamao.
Grficos R o Grficos
22
Grficos X y
constituyen un
23
con respecto al objetivo. Dichos puntos deberan fluctuar de forma aleatoria alrededor
del cero. Si detectamos una tendencia, ya sea hacia arriba o hacia abajo, sta debera ser
considerada como una evidencia de que la media muestral se ha desplazado.
Es posible representar dos tipos de grficos CUSUM (Figura 10): el diagrama por
defecto representa dos CUSUM unilaterales. El CUSUM superior detecta desviaciones
hacia arriba en el nivel del proceso, el CUSUM inferior detecta desviaciones hacia
abajo. Este tipo de grfico utiliza lmites de control para determinar cuando estamos
ante un proceso fuera de control.
Los grficos CUSUM vienen definidos por dos parmetros, h y k (Tabla 2):
Tabla 2: Definicin de los parmetros h y k (www.uoc.edu, 2008)
Tipo
grfico
CUSUM
Unilateral
Bilateral
(mscara V)
de h representa
k representa
El
tamao
del
posible
desplazamiento que queremos
detectar
La pendiente de los lados de la
mscara V
24
en la condicin de una distribucin de probabilidad que tenga una forma, centro (media)
y dispersin (desviacin estndar) especificados. De manera alternativa, la capacidad
del proceso puede expresarse como un porcentaje fuera de lasa especificaciones. Sin
embargo, las especificaciones son necesarias para realizar el anlisis de capacidad del
proceso.
El anlisis de capacidad del proceso es una parte vital de un programa integral de
mejoramiento de calidad. Entre los usos principales de los datos de un anlisis de
capacidad del proceso se encuentran los siguientes:
-
Por tanto, el anlisis de capacidad de un proceso es una tcnica que tiene aplicacin
en muchos segmentos del ciclo del producto, incluyendo el diseo de producto y
procesos, la fuente de proveedores, la planeacin de la produccin o la manufactura, y
la propia manufactura.
La frmula para la capacidad del proceso que ms se usa es:
Capacidad del proceso= (6 )
Donde c = la desviacin estndar del proceso cuando se encuentra en estado de control
estadstico, es decir si la influencia del fuerzas externas o cambios repentinos.
26
Una razn importante para cuantificar la capacidad del proceso es poder calcular la
capacidad del proceso de mantener las tolerancias del producto. Para procesos que se
encuentran un estado de control estadstico, una comparacin de la variacin entre 6
de la habilidad del proceso dentro de la amplitud de tolerancia. Una medida de esta
relacin es la tasa de capacidad:
Cp= Tasa de capacidad =
Donde:
Rangoespecificacion
Capacidadproceso
LES LEI
6S
ICP
Decisin
1<ICP<133
067<ICP<1
diseo
inicial.
Requiere
monitoreo
constante.
No es adecuado para cumplir con el
ICP<067
diseo inicial
27
LEI LES X
,
3s
3S
28
R (t )
f (t )dt
1 F (t )
2- Tasa de fallos o hazard rate: denota la probabilidad de fallo instantnea dado que
el componente funciona en el momento actual t.
h(t ) lim t
p(t
tT
t
t)
f (t )
R(t )
29
la misma a lo largo del tiempo, por tanto no tiene memoria (Figura 13).
Por tanto es de gran utilidad para decidir si su componente tiene IFR, DFR, CFR.
30
se le llama el
donde
0 , R (t )
, h(t )
exponencial son
/h
donde
exp
0 es el parmetro de escala, y
31
11. Bibliografia
Verdoy P., Mateu J., Sagasti S., Sirvent R.(2006); Manual estadstico de calidad:
Teora y aplicaciones. Publicacions de la Universitat Jaime I. Castell, p 341.
Pginas web:
www.cesma.usb.ve/~abel/co4311/SIM.ppt
www.monografias.com/trabajos30/control-estadistico-calidad/control-estadistico
www.scribd.com/word/download/16623?extension=txt - 61k
www.uoc.edu/in3/emath/docs/SPC_5.pdf
32
33
34