Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Herramientas de Control de Procesos
Herramientas de Control de Procesos
Pgina 1 de 51
INDICE
1
1.1
1.2
1.3
1.4
1.5
1.6
Captulo Uno
Los defectos
Introduccin
Definicin de la calidad
El objetivo de los mtodos estadsticos de control en los procesos
Qu causa los productos defectuosos?
son todos los defectos iguales? Debemos tratar a todos los defectos
por igual?
Clasificacin de los defectos, muestrarios de defectos.
2.3
2.4
2.5
Captulo dos
Distribuciones de frecuencia e Histogramas
Poblacin y muestras
Cmo se distribuyen los valores de las variables que medimos? Qu
frecuencia tiene cada valor que la causa llamada "variacin" nos entrega?
Que tipos de variables conocemos?
Distribuciones de frecuencia
Histograma
3
3.1
3.2
3.2.1
3.2.2
3.3
Captulo tres
Medidores de tendencia central y de dispersin
Media aritmtica
Desviacin tpica
Definicin, frmulas.
Mtodo de clculo por compilacin:
Ejercicios prcticos en clases:
4
4.1
4.1.1
4.1.2
4.1.3
4.2
4.2.1
4.2.2
4.3
4.4
Captulo cuatro
Grficas de Control
Qu son las Grficas de Control?
Causas no Asignables
Causas Asignables
Cul es el objetivo de una Grfica de Control?
Tipos de Grficas de Control
Grfica X R
Grfica pn, Grfica p
Especificaciones, Tolerancias, Discrepancias
Capacidad de Proceso o Capacidad de Mquina
2
2.1
2.2
Pgina 2 de 51
5.2.4
5.2.5
5.3
5.4
5.5
5.6
5.6.1
5.6.2
5.7
Captulo cinco
Cmo elaborar una grfica de control
Clculo de los Lmites de Control
Clculo de Lmites Sin Valores Especificados
Clculo de los Limites con Valores Especificados
Comparacin de los lmites Con y Sin Especificaciones. Resultado de la
Capacidad de Proceso
Grfica de control de proceso por variables, grfica X - R
Algunos casos de lecturas de grficas de control por variables
Grfica np, (grfica por atributos)
Clculo de los lmites de control
Grfico de Control de Proceso por Atributos
ndice de la Capacidad de Proceso, ICP
Mtodo clsico
ndice de Capacidad de proceso modificado. ICPm
Los cuatro casos posibles de los lmites con y sin especificaciones
6
6.1
6.1.1
6.1.2
6.1.3
Captulo seis
Normas Chilenas
Norma Chilena 42 Resumen De Grficos De Control Por Variables
Control De La Exactitud
Control de la Precisin
Norma Chilena 42, Factores Para Grficos De Control Por Variables
5
5.2
5.2.1
5.2.2
5.2.3
7
7.1
7.1.1
7.1.1
7.1.2
7.2
7.1.2.1
7.1.2.2
7.2
7.2.1
7.2.2
7.2.2.1
7.2.2.2
7.2.2.3
7.2.2.4
7.2.3
7.2.3.1
7.2.3.2
7.2.3.3
7.2.3.4
Captulo siete
Frmulas Para El Control Durante El Proceso De Fabricacin
Introduccin, desarrollo de frmulas bsicas
Clculo de los Lmites para control por variables con valores
especificados
Para el control de la exactitud
Para el control de la precisin
Clculo de lmites para el control por variables sin valores especificados
Para el control de la exactitud
Para el control de la precisin
Control de procesos por atributos
Resumen de Frmulas
Ejemplos de uso de cada frmula en el control por atributos
Grfica p , fraccin defectuosa, n es variable
Grfica np , control de defectos por muestra, n es constante
Grfica u , control de defectos por unidad. n es variable
Grfica c , control de defectos por muestra, n constante
Grficos de aplicacin
Grfico p
Grfico np
Grfico u
Grfico c
Pgina 3 de 51
Captulo Uno
1 Los defectos.
1.1 Introduccin.
Actualmente, todas las empresas modernas saben que lograr un buen nivel de calidad es
fundamental para el xito de su gestin.
La obtencin de este objetivo, no solo es importante desde el punto de vista de la
competencia, sino tambin para la satisfaccin de las necesidades humanas.
Estas necesidades humanas evolucionan constantemente, hay cada da mayor demanda
de mejor precisin, ms exactitud, intercambiabilidad, confort, etc. y lo que hoy acepta el
consumidor, maana puede rechazarlo, pues esta demanda de la cual estamos hablando,
se perfecciona cada da, y toda empresa que no se adapte a este movimiento continuo
corre el riesgo de quedar desplazada a corto plazo.
Para marchar al comps de este ritmo se hacen necesarios mejores instrumentos,
maquinarias, mtodos, etc., y lo que es ms importante, un mejor aprovechamiento de los
mismos, es decir, obtener mejor calidad con la misma cantidad de dinero. Para lograr este
objetivo debemos recurrir al control estadstico de calidad, como una de las armas ms
poderosas para la realizacin de todas estas ideas.
El objetivo de este curso es dar una buena informacin de la herramientas existentes para
el control estadstico de la calidad, pero debemos dejar bien claro que los objetivos de
calidad no se logran esgrimiendo solamente estas herramientas estadsticas. Hoy en da, el
concepto de Control Total de Calidad, ensea claramente que todos los estamentos de la
empresa estn involucrados en la obtencin de la mejor calidad del producto, y que ste
objetivo no es, de ninguna manera, responsabilidad exclusiva de los departamentos
tcnicos especializados en el control estadstico de la calidad, sino de todos los integrantes
de la empresa, desde el ms humilde empleado, al ms importante de los gerentes.
1.2 Definicin de la calidad
Definiremos dos aspectos de la calidad, la Calidad del Diseo y la Calidad del Producto.
Entendemos por Calidad del Diseo al grado de concordancia entre el diseo y el fin para el
cual fue creado, y por Calidad del Producto, al grado de conformidad entre el producto y su
diseo.
Los conceptos y mtodos que veremos son aplicables al control de calidad del producto, y
son, en general, mtodos universales, es decir que valen para cualquier producto, ya sean
cremas dentales, bebidas gaseosas, tractores, medicamentos o ampolletas.
Un buen nivel de calidad implica un diseo correcto y un producto de acuerdo con su
diseo.
Pgina 4 de 51
Pgina 5 de 51
Pgina 6 de 51
Captulo dos
2 Distribuciones de frecuencia e Histogramas
2.1 Poblacin y muestras
Una poblacin es el total de las unidades que se consideran.
En esta poblacin queremos investigar una caracterstica para conocer su situacin relativa
con los valores del diseo.
Una muestra es una cantidad estadsticamente calculada de unidades de dicha poblacin,
cada unidad deber ser extrada al azar.
La medicin y clculo de una determinada caracterstica nos dar una estimacin del
verdadero valor en la poblacin.
2.2 Cmo se distribuyen los valores de las variables que medimos? Qu frecuencia
tiene cada valor que la causa llamada "variacin" nos entrega?
Tenemos claro que las variaciones nos producen distintas medidas de una variable, la
pregunta es como se distribuyen.
En general siguen un comportamiento llamado gaussiano o normal
De que se trata lo veremos ms adelante pero por ahora nos alcanza con comprender que
dicho comportamiento significa que los valores ms cercanos al valor central, son los que
ms frecuentemente se repiten, y a medida que nos alejamos del valor central, la frecuencia
baja dramticamente. La grfica de este comportamiento tiene una forma de campana.
2.3 Que tipos de variables conocemos?
Existen dos tipos de variables a considerar, Variables Continuas y Variables Discretas.
Las variables continuas son aquellas que se miden...
y las variables discretas se cuentan.
Las primeras dan origen al control por variables y las segundas al control por atributos.
Las caractersticas de calidad que llamaremos variables son todas aquellas que podemos
representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores
de alambre, el contenido de cenizas en carbn, etc., etc.
Los atributos son aquellas caractersticas de calidad no mensurables, cuya dimensin en
general no se puede representar con una cifra. Como por ejemplo podemos tomar las
imperfecciones visuales de las superficies de los productos, tales como manchas,
diferencias de tono, aspectos de una soldadura, etc., etc.
Pgina 7 de 51
Distribuciones de frecuencias.
Cuando se realiza una recoleccin de datos muy extensa, por ejemplo, 50 o ms datos,
resulta muy difcil interpretar la informacin recibida.
Una primera investigacin que podramos realizar, sera la de encontrar el mayor valor y el
menor de ellos lo cual nos informara acerca del INTERVALO el cual se encuentran todos
los datos.
Lo segundo podra ser ordenarlos de menor a mayor, pero aun seguira siendo una larga
lista de nmeros.
El siguiente procedimiento, nos permitir ordenarlos e interpretar valiosa informacin
estadstica.
Este ordenamiento consiste en crear CLASES, dentro de las cuales clasificaremos los
datos. El procedimiento es dividir la distancia del INTERVALO en intervalos ms cortos que
llamaremos clases. La pregunta que nos haremos es: en cuantas clases dividiremos el
INTERVALO?
Existe una regla emprica, (prctica) que dice lo siguiente:
Si el total de datos es n, el nmero de clases que buscamos ser
880
875
883
874
915
907
905
890
889
891
846
881
933
928
874
925
892
893
872
911
878
866
885
905
861
955
904
869
866
924
882
893
939
868
910
876
877
867
901
894
885
903
890
920
894
891
916
887
898
879
859
901
915
901
863
899
886
912
923
888
896
897
865
892
857
907
878
870
902
921
891
880
906
883
867
895
889
882
955
846
El INTERVALO es
109
Pgina 8 de 51
ser,
dividir
el
INTERVALO,
109,
por
el
dato
hallado,
ANCHO DE CLASE.
Bien, este ANCHO DE CLASE: 11, nos servir para construir nuestras CLASES.
Por cual nmero comenzaremos?
Es costumbre comenzar exactamente por el menor de los datos encontrados, es decir 846,
pero podramos empezar por algn otro nmero, algo menor por ejemplo 840 y el resultado
obtenido sera igualmente vlido.
Para nuestro ejemplo comenzaremos con el mnimo ledo, esto es 846 y lo utilizaremos
como LMITE INFERIOR DE LA CLASE 1.
Para hallar el LMITE DE LA CLASE 2, sumaremos 11 a 846, es decir que el lmite de la
clase 2 es: 857, y el de la clase 3 ser 868.
Nos queda ahora, determinar el LMITE SUPERIOR DE LA CLASE 1 y subsiguientes.
El LMITE SUPERIOR DE LA CLASE 1 ser una unidad significativa menor que el lmite
inferior de la clase 2, es decir: 856 y el lmite superior de la clase 2 ser: 867.
De esta forma las clases sern:
CLASES
1
2
3
4
5
6
7
8
9
10
LIMITE INFERIOR
846
857
868
879
890
901
912
923
934
945
LIMITE SUPERIOR
856
867
878
889
900
911
922
933
944
955
En este paso debemos preguntarnos, porqu son 10 las clases, si habamos calculado 9?.
Porque descartamos el 12 y preferimos el nmero impar (11),
Ahora tenemos que determinar con qu FRECUENCIA caen los datos dentro de estas
celdas llamadas CLASES.
Pgina 9 de 51
Para ello procederemos a marcar con un pequeo trazo vertical, cada dato dentro de su
clase, Por ejemplo, los nmeros 881 y 880, pertenecen a la clase 4 y el nmero 905 a la
clase 6. De esta forma se registran los 84 datos.
As se construye la siguiente tabla:
CLASES
LMITE
LMITE
DIAGRAMA
FRECUENCIA
INFERIOR
SUPERIOR
DE TILDES
DE CLASE
846
856
857
867
//// ////
868
878
//// //// /
11
879
889
19
890
900
16
901
911
14
912
922
//// //
923
933
////
934
944
10
945
955
84
84
TOTAL
Este perfil obtenido con el diagrama de frecuencias ya nos est dando valiosa informacin
estadstica, vemos que los datos estn concentrados con preferencia alrededor de la
CLASE 4 y que un valor representativo del grupo debera estar dentro de esa clase.
Para terminar con el estudio de los diagramas de frecuencia, veremos algunas
caractersticas ms que sern necesarias en clculos futuros:
ANCHO DE CLASE, en nuestro ejemplo es 11, y se obtiene como diferencia entre el lmite
inferior de una clase y el lmite inferior de la clase inmediatamente anterior.
MARCA DE CLASE, es el promedio entre los lmites superior e inferior de una clase
determinada. Por ejemplo, para la clase 1 de nuestro ejemplo, tenemos:
Limite inferior de la clase:
Limite superior de la clase:
846
856
Promedio: (846+856)/2 =
851
Pgina 10 de 51
LMITE
LMITE
MARCA
CLASE
INFERIOR
SUPERIOR
846
856
851
857
867
862
868
878
873
11
879
889
884
19
890
900
895
16
901
911
906
14
912
922
917
923
933
928
934
944
939
10
945
955
950
TOTAL
DE FRECUENCIA
DE CLASE
84
Es recomendable, calcular primero la frecuencia y despus la marca de clase para que esta
columna no interfiera durante la clasificacin de los datos.
Distribucin de frecuencias:
Se denomina Distribucin de Frecuencia, al resultado de la marca de clase, que
posteriormente ser la variable X y la frecuencia que corresponde para cada valor de la
marca de clase.
Pgina 11 de 51
DE FRECUENCIA
DE CLASE
851
862
873
11
884
19
895
16
906
14
917
928
939
950
1
84
2.5 Histograma
Con los datos de la distribucin de frecuencias se procede a construir el histograma.
HISTOGRAMA
19
20
18
16
FRECUENCIA
16
14
14
11
12
9
10
6
4
2
939
950
0
851
862
873
884
895
906
917
928
CLASES
Pgina 12 de 51
Captulo tres
3 Medidores de tendencia central y de dispersin
Son varios los medidores de la tendencia central y de la dispersin de una serie de datos
experimentales, de ellos estudiaremos los dos ms frecuentes y tiles en Control de
Calidad, estos son : la Media Aritmtica , medidor de la tendencia central, y la Desviacin
Tpica, medidor de la dispersin de los datos alrededor de la Media Aritmtica.
El desarrollo de las frmulas es materia que se entrega durante el desarrollo de las clases.
3.1 Media aritmtica
f .X + f .X + ... + f k .X k
X= 1 1 2 2
=
f1 + f 2 + ... + f k
f X
j=1
k
f
j=1
fX = fX
n
f
de donde deriva:
X = A +c
f u
j
= A + c
fj
j=1
j= 1
k
fu
n
Desviacin tpica
Pgina 13 de 51
f (X
j
j=1
S=
f (X X )
)2
fj
pues
f = n
j= 1
2
2
fu
fu
S=c*
n
n
f
3
5
9
12
5
4
2
U
-3
-2
-1
0
1
2
3
fu
-9
-10
- 9
0
5
8
6
fu = - 9
fu2
27
20
9
0
5
16
18
fu2 = 95
donde: c = 9 y A = 49
Media aritmtica:
46,98
Este clculo tiene un error como consecuencia de suponer a todos los datos dentro de cada
clase como iguales.
Nota: Los decimales de las respuestas obtenidas, debern guardar relacin con los
decimales que tengan los datos, sin embargo, cuando use las calculadoras deber
conservar en cada clculo, todos los decimales que genera la calculadora, para luego
aproximar la respuesta a la cantidad de decimales igual a los que tengan los datos, nunca
menos. En particular en estos clculos es costumbre usar uno o dos decimales ms que los
datos. Tampoco es correcto usar muchos decimales pues no tienen significado alguno.
Pgina 14 de 51
Se usarn dos mtodos de clculo, uno por medio de la calculadora y otro por medio de las
frmulas vistas en clases.
Pgina 15 de 51
Captulo cuatro
4 Grficas de Control
4.1 Qu son las Grficas de Control?
En 1924, W.A. Shewhart, propuso una Grfica de Control para eliminar las variaciones
anormales, distinguiendo las variaciones debidas a causas asignables de aquellas debidas
a causas al azar, es decir, causas no asignables
Una grfica de Control consiste en una lnea central, un par de lmites de control, uno de
ellos colocado por encima de una lnea central y otro por debajo, y en ciertos valores
caractersticos registrados en la grfica que representa el estado del proceso. Si todos los
valores ocurren dentro de los lmites de control, sin ninguna tendencia especial, se dice que
el proceso est en estado controlado. Sin embargo, si ocurren por fuera de los lmites de
control o muestran una forma peculiar, se dice que el proceso est fuera de control.
Grfica para estado controlado
105
Lm ite de
Control
Superior
100
Linea
Central
110
95
00
30
16
:
00
15
:
30
15
:
00
14
:
30
14
:
00
13
:
30
13
:
00
12
:
30
12
:
00
11
:
30
11
:
00
10
:
30
10
:
00
09
:
30
09
:
08
:
08
:
00
90
Lm ite de
Control
Inferior
Valores
del
Proceso
08
:0
0
08
:3
0
09
:0
0
09
:3
0
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
15
:0
0
15
:3
0
16
:0
0
110
108
106
104
102
100
98
96
94
92
90
Valores
del
Proceso
Pgina 16 de 51
Pgina 17 de 51
Pgina 18 de 51
Valor caracterstico
Valor continuo
Grficas de Control
Nombre de la grfica
X-R
X -
~
X- R
~
X-
Valor discreto
np
p
u
c
La tabla siguiente muestra las frmulas que deben utilizarse para calcular los lmites de
control y el valor central, utilizando los medidores X , R .
Las tablas donde figuran los factores son provistas en este apunte y son equivalentes a las
que se encuentran en la Norma Chilena 42.
LCS
X + A 2R
LC
LCI
LCS
LC
LlCI
=
=
=
X A 2R
D4R
X
Valor continuo Rangos
R
Valor discreto nmero
de unidades defectuosas
pn
D3R
LCs
p n + 3 p n(1 p )
LC
pn
LCi
p n 3 p n(1 p )
Los valores de las constantes debe consultarse en las tablas 10.1.1, 10.1.2 y 10.1.3 del
captulo 10 de este apunte.
_
4.2.1 Grfica X - R
Esta se usa para controlar y analizar un proceso en el cual la caracterstica de calidad del
producto que se est midiendo toma valores continuos, tales como longitud, peso o
Pgina 19 de 51
R para
Pgina 20 de 51
Pgina 21 de 51
Pgina 22 de 51
66,6
2,4
68,0
2,2
67,4
4,3
67,5
1,0
10:30
5
66,8
67,6
67,4
66,0
67,6
11:00
6
67,8
68,1
70,3
68,1
67,5
11:30
7
68,3
68,0
67,4
68,6
68,9
12:00
8
66,9
66,6
69,4
67,2
66,8
12:30
9
68,7
65,0
67,5
68,6
68,3
13:00
10
67,3
68,0
67,3
68,2
68,2
67,1
1,6
68,4
2,8
68,2
1,5
67,4
2,8
67,6
3,7
67,8
0,9
67.6 gr.
2.3 gr.
Pgina 23 de 51
Pgina 24 de 51
LINEA
LIMITE
SUPERIOR
CENTRAL
INFERIOR
SUPERIOR
LIMITE
69.6 gr.
67.8 gr.
66.0 gr.
6.6 gr.
Sin Especificacin
68.9
67.6
66.3
4.9
Con Especificacin
69.6
67.8
66.0
6.6
Comparando los valores de la tabla, y teniendo en cuenta los conceptos explicados, vemos
que los lmites Con Especificacin, tanto para la Exactitud como para la Precisin, son ms
amplios que los Lmites Sin Especificacin.
Pgina 25 de 51
Pgina 26 de 51
CONTROL DE LA EXACTITUD
70,0
Lm.Sup.C.E.
Lm.Sup.S.E.
Datos Proc.
Lm.Inf.S.E.
Lm.Inf.S.E.
69,0
68,0
67,0
66,0
65,0
1
9 10
CONTROL DE LA PRECISION
7,0
6,0
5,0
Datos Proc.
Lm.Sup.C.E.
Lm.Sup.S.E.
4,0
3,0
2,0
1,0
0,0
1
10
Pgina 27 de 51
10
Pgina 28 de 51
110
105
100
95
90
a
Una tendencia es cuando hay una serie de puntos que consistentemente se alinean y
evidencian que en algn momento los puntos caern fuera de los lmites.
Estadsticamente las lneas de control nos puede dar ms informacin, pero ese anlisis
corresponde ya a los especialistas en la materia.
110
105
100
95
90
a
Pgina 29 de 51
Cantidad de
la muestra
100
100
100
100
100
100
100
100
100
100
100
100
100
Muestra
nmero
4
2
0
5
3
2
4
3
2
6
1
4
1
Cantidad de
la muestra
14
15
16
17
18
19
20
21
22
23
24
25
total
Muestra
nmero
100
100
100
100
100
100
100
100
100
100
100
100
2500
p n(1
p )
p n(1
p )
Cantidad de
la muestra
0
2
3
1
6
1
3
3
2
0
7
3
68
LCs
LC
LCi
= p n + 3
= p n
= p n 3
p=
pn
68
=
= 0.0272
kN 25 * 100
Pgina 30 de 51
Muestra n
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
1
1
2
1
3
1
4
1
5
1
6
1
7
Total:
Total
controlado
9
8
7
6
5
4
3
2
1
0
Total de
defectos
Frecuenc
ia del
control:
MENOR
Hora
Minutos
Fraccin
defectuosa
Tamao
de la
muestra:
Cantidad de defectuosos
Caracterstica
MAYOR
Inspector:
Pgina 31 de 51
ICP =
E S EI
6 '
Pgina 32 de 51
ICPm =
Lm.Sup.Pr
Lm.Sup.Pr
oc.C/E Lm.Inf.Pr
oc.S/E Lm.Inf.Pr
oc.C/E
oc.S/E
Pgina 33 de 51
5.7 Los cuatro casos posibles de los lmites con y sin especificaciones.
Cuando comparemos la capacidad de nuestro proceso con las Especificaciones que hay
que cumplir, nos encontraremos siempre con alguna de las cuatro siguientes situaciones (y
solo estas):
a- El proceso est bajo control y no hay productos defectuosos.
b- El proceso est bajo control pero hay productos defectuosos.
c- El proceso est fuera de control pero no hay productos defectuosos.
d- El proceso est fuera de control y tambin hay unidades defectuosas.
El primer caso es el que debiera ser todo el tiempo, es decir, un proceso en estado
controlado que se desenvuelve correctamente dentro de los lmites especificados.
El ndice de capacidad de Proceso deber ser preferentemente superior a 1.3
El segundo caso, significa que el proceso, aun cuando anda bien, pues est bajo control,
por lo tanto no hay causas asignables que buscar y eliminar, pero las especificaciones son
muy estrechas para la mquina y no es capaz de cumplirlas. En este caso, el Indice de
Capacidad de proceso ser inferior a uno y no deber producirse en estas condiciones. En
este caso, probablemente el peor de todos, decimos que la mquina no sirve para lo que
necesitamos.
El tercer caso, significa que los lmites de proceso con valores especificados son
extremadamente amplios y soportan las causas asignables del proceso fuera de control,
sin que estos lleguen a ser defectos. El ndice de Capacidad de Proceso es muy amplio, por
ejemplo superior a tres o ms.
No debe producirse en estas condiciones, pues la variabilidad puede ser advertida por el
cliente y produce una baja imagen del producto, por otra parte es probable que se produzca
una prdida de insumos, o sea de dinero.
Lo que corresponde hacer es reducir la amplitud de los lmites especificados a valores de
ndice de Capacidad de Proceso cercano , por ejemplo a dos.
O sea, hay que achicar la caja de los zapatos.
En el ltimo caso, tenemos un descontrol muy grande, no se puede trabajar y hay que
investigar las causas. Corresponde hacer entrar los datos bajo control y cumplir con los
lmites establecidos.
Pgina 34 de 51
Diagnstico:
Estado de la grfica: Bajo control
La distribucin satisface las especificaciones
El ndice de Capacidad de Proceso modificado es mejor que 1.3
115
Lmite de Control
Superior C/E
110
Lmite de Control
Superior S/E
105
95
90
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
9:
30
9:
00
8:
30
8:
00
85
Lmite de Control Inferior
C/E
Esta es la situacin normal, significa que existe concordancia entre la capacidad de proceso
y las especificaciones
Pgina 35 de 51
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
9:
30
9:
00
8:
30
8:
00
85
En esta situacin no se debe trabajar. El proceso est bajo control pues los valores no
superan los lmites naturales Sin Especificacin, pero exceden los lmites Con
Especificacin.
Accin a tomar: Este caso es el mas desfavorable. En general, cuando nos encontramos
con esta situacin, significa que nuestra mquina no es capaz de hacer lo que deseamos
hacer.
Pgina 36 de 51
120
Lmite de Control
Superior C/E
Lmite de Control
Superior S/E
110
80
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
9:
30
9:
00
8:
30
8:
00
70
Los lmites especificados son muy amplios y soportan que el proceso est fuera de control,
sin que se produzcan defectos pues no trasgreden los lmites especificados.
Accin a tomar: Exige un mantenimiento de la mquina a fin de ponerla bajo control y una
revisin de los lmites especificados que debern reducirse convenientemente.
Pgina 37 de 51
130
Lm ite de Control
Superior C/E
120
Lm ite de Control
Superior S/E
110
Lm ite de Control
Inferior S/E
Lm ite de Control
Inferior C/E
80
10
:0
0
10
:3
0
11
:0
0
11
:3
0
12
:0
0
12
:3
0
13
:0
0
13
:3
0
14
:0
0
14
:3
0
9:
30
9:
00
8:
30
8:
00
70
En este caso se dan las dos condiciones desfavorables, fuera de control y defectos. No
puede trabajarse en estas condiciones.
Accin a tomar: debe verificarse si la mquina, mediante ajustes adecuados puede trabajar
dentro de los lmites Sin Especificacin. Debera interpretarse que si los lmites Sin
Especificacin existen, es porque alguna vez la mquina los cumpli, y por lo tanto debera
poder volverse a ello.
Derechos de autor en trmite. Prohibida su reproduccin.
Para uso acadmico exclusivo con permiso del autor
Pgina 38 de 51
Cualquier
a
n>25
con
~
X
Observaciones
Lmites
Lnea Central
Tamao subgrupo
n25
n25
Media
sin
n>25
Especificaciones
Parmetro
6 Normas Chilenas
6.1 Norma Chilena 42 Resumen De Grficos De Control Por Variables
6.1.1 Control De La Exactitud
3
n
X A1
2) A 1 =
c2 n
1)para grficos
pequeas)
X A 2R
2) A 2 =
X , R (muestras
3
d2 n
3
~
X 1.25
n
n25
~
X 1.25 A 1
n25
~
X
~
X 1.25 A 2 R
Cualquier
a
sin
~
X
M 1.25
con
Mediana
Pgina 39 de 51
Tabla 10.1.1
L.S. = D 4 R
L. I. = D3 R
L. I. = D1
3
L.S. = D 2
Observaciones
Lmites
Lnea Central
Tamao subgrupo
n 25
n 25
n > 25
n 25
d2
n > 25
Especificaciones
sin
con
D4 =
D2
d2
D3 =
D1
d2
D1 = (d2 - 3d3)
D2 = (d2 + 3d3)
3
2n
n 25
sin
con
Desviacin Normal
Intervalo
Parmetro
c2
L.S. = B 4
L. I. = B3
3
2n
L. I. = B1
3
L.S. = B 2
= c 2
si n > 25 es c21
entonces:
= c 2
Tabla 10.1.2
Pgina 40 de 51
6.1.3 Norma Chilena 42, Factores Para Grficos De Control Por Variables.
n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
+
de
25
A
2.12
1.73
1.50
1.34
1.23
1.13
1.06
1.00
0.95
0.91
0.87
0.83
0.80
0.78
0.75
0.73
0.71
0.69
0.67
0.66
0.64
0.63
0.61
0.60
3
n
MEDIAS
A1
A2
3.76
1.88
2.39
1.02
1.88
0.73
1.60
0.58
1.41
0.48
1.28
0.42
1.17
0.37
1.09
0.34
1.03
0.31
0.97
0.29
0.92
0.27
0.88
0.25
0.85
0.23
0.82
0.22
0.79
0.21
0.76
0.20
0.74
0.19
0.72
0.19
0.70
0.18
0.68
0.17
0.66
0.17
0.65
0.16
0.63
0.16
0.62
0.15
3
n
d2
1.13
1.69
2.06
2.33
2.53
2.70
2.85
2.97
3.08
3.17
3.26
3.34
3.41
3.47
3.53
3.59
3.64
3.69
3.73
3.78
3.82
3.86
3.90
3.93
d3
0.89
0.88
0.86
0.85
0.85
0.83
0.82
0.81
0.80
0.79
0.78
0.77
0.76
0.75
0.75
0.74
0.74
0.73
0.73
0.72
0.72
0.72
0.71
0.71
INTERVALOS
D1
D2
0
3.69
0
4.36
0
4.70
0
4.92
0
5.08
0.20
5.20
0.39
5.31
0.55
5.39
0.69
5.47
0.81
5.53
0.92
5.59
1.03
5.65
1.12
5.69
1.21
5.74
1.28
5.78
1.36
5.82
1.43
5.85
1.49
5.89
1.55
5.92
1.61
5.95
1.66
5.98
1.71
6.00
1.76
6.03
1.80
6.06
D3
0
0
0
0
0
0.08
0.14
0.18
0.22
0.26
0.28
0.33
0.31
0.35
0.36
0.38
0.39
0.40
0.41
0.42
0.43
0.44
0.45
0.46
DESVIACIONES TIPICAS
D4
c2
B1
B2
3.27
0.56
0
1.84
2.57
0.72
0
1.86
2.28
0.80
0
1.81
2.11
0.84
0
1.76
2.00
0.87
0.03
1.71
1.92
0.89
0.10
1.67
1.86
0.90
0.17
1.64
1.82
0.91
0.22
1.61
1.78
0.92
0.26
1.58
1.74
0.93
0.30
1.56
1.72
0.94
0.33
1.54
1.69
0.94
0.36
1.52
1.67
0.95
0.38
1.51
1.65
0.95
0.41
1.49
1.64
0.95
0.43
1.48
1.62
0.96
0.44
1.46
1.61
0.96
0.46
1.45
1.60
0.96
0.48
1.44
1.59
0.96
0.49
1.43
1.57
0.96
0.50
1.42
1.57
0.97
0.52
1.41
1.56
0.97
0.53
1.41
1.55
0.97
0.54
1.40
1.54
0.97
0.55
1.39
3
2n
1+
3
2n
B3
0
0
0
0
0.03
0.12
0.18
0.24
0.28
0.32
0.35
0.38
0.41
0.43
0.45
0.47
0.48
0.50
0.51
0.52
0.53
0.54
0.55
0.56
3
2n
Tabla 10.1.3
Los tamaos de muestra ms frecuentes son de 3 a 6, y los datos estn en el rea
sombreada.
Pgina 41 de 51
B4
1.27
2.57
2.27
2.09
1.97
1.88
1.81
1.76
1.72
1.68
1.62
1.65
1.59
1.57
1.55
1.53
1.52
1.50
1.49
1.48
1.47
1.45
1.44
1.43
1+
3
2n
Captulo 7
7 Frmulas Para El Control Durante El Proceso De Fabricacin
En este captulo se desarrollan las frmulas para el clculo de los lmites de proceso por
variables y por atributos, con especificaciones y sin especificaciones.
7.1 Introduccin, desarrollo de frmulas bsicas.
Tal como se ha visto en la parte uno de este libro, los medidores ms utilizados en Control
de Calidad para controlar los procesos son:
Para la exactitud: la media aritmtica
Para la dispersin: la desviacin tpica y el rango.
En ste captulo desarrollaremos las frmulas que hemos visto en la parte uno y
utilizaremos los mismos smbolos que antes:
Una especificacin y sus tolerancias sern representadas por:
M
Estas tolerancias debern ser cumplidas por el proceso que producir el producto, por ello,
la condicin de mnimo desecho tendr que ser:
X' = M
' X =
Por otra parte, y de acuerdo con el Teorema del Lmite central, si la distribucin de los
valores individuales, (X), es gaussiano, tambin lo ser la distribucin de las medias de
muestras sacadas para controlar el proceso. El grfico ilustra las dos distribuciones:
70
Probabilidad
60
50
40
Distribucin de las X
30
Distribucin de las
m edias
20
10
0
59
62
65
68
71
Kilogram os
74
77
Pgina 42 de 51
Lm. X =
'
n
m
De esta frmula, ya se puede deducir porque es preferible utilizar para el control de los
procesos, los promedios de muestras en lugar de valores individuales. La respuesta es que
los promedios estn menos dispersos y son ms sensibles a las variaciones.
Por otra parte, si en lugar de usar para controlar los procesos, el parmetro desviacin
tpica, utilizamos el rango, las relaciones que vinculan el rango con la desviacin tpica son:
R = d 2 ' X
R = d3 ' X
Donde R es la media de los intervalos de muestras de tamao n , y R es la
desviacin tpica de los rangos, d2 y d3 son factores que dependen del tamao de la
muestra n.
Si se est controlando el proceso con grficas de control X , , la frmula para estimar
sigma prima es
c2
Pgina 43 de 51
7.1.1 Clculo de los Lmites para control por variables con valores especificados:
7.1.1.1 Para el control de la exactitud:
x 3x = x 3
'
= M
= M3
n
3 n
n
R 3 R = d 2 ' X 3d 3 ' X =
(d 2 + 3d 3 ) = D 2
3
3
7.1.2 Clculo de lmites para el control por variables sin valores especificados.
7.1.2.1
X 3
= X 3
R
= X 3
= X A 2R
n
d2 n
R + 3 R = R + 3d 3 ' = R + 3
d3
d
R = R 1 + 3 3 = D 4 R
d2
d2
Pgina 44 de 51
Grfico
de Valor
control
por Central
atributos
p
p grficos para
la
fraccin
defectuosa.
Sirve para n
variable.
np
np grficos de
defectos.
Sirve solo para
n constante.
Desviacin
Tpica
p (1 p )
n
n p (1 p )
Lmites
p3
p (1 p )
n
n p 3 n p (1 p ) n p 3 n p
k
k 3 k1 k 3 k
n
donde k = n p
u grficos de u
defectos
por
unidad.
Sirve para n
variable.
u
n
c grficos de c
defectos en la
muestra.
Sirve solo para
n constante.
u3
u
n
donde u =
c
, c = defectos, n = muestra
n
c3 c
donde
c = cantidad de defectos
en la muestra
Pgina 45 de 51
Cantidad n revisada
724
763
748
748
724
727
726
719
759
745
736
739
723
748
770
756
719
757
760
Defectos
48
83
70
85
45
56
48
67
37
52
47
50
47
57
51
71
53
34
29
Totales
Medias
14091
741.6
1030
54.2
Fraccin no conforme
0.066
0.109
0.094
0.114
0.062
0.077
0.066
0.093
0.049
0.070
0.064
0.068
0.065
0.076
0.066
0.094
0.074
0.045
0.038
Causa asignable
Causa asignable
p 3
p (1 p )
= 0 . 073 3
n
0 . 073 ( 1 0 . 073 )
= 0 . 073 0 . 029
741 . 6
De acuerdo a esta ecuacin , el lmite superior ser 0.102 y el lmite inferior 0.044. Pero
recordemos que el lmite inferior no tiene significado, es decir que no lo tomamos en cuenta.
Las muestras 2 y 4 presentan causas asignables por lo que debern ser eliminadas y se
deber re calcular los lmites.
Pgina 46 de 51
Cantidad n
revisada
750
750
750
750
750
750
750
750
750
750
750
750
750
750
750
750
750
750
750
Defectos
48
83
70
85
45
56
48
67
37
52
47
50
47
57
51
71
53
34
29
Totales
14250
1030
Medias
750,0
54,2
n p + 3
54 . 2 + 3
Causa asignable.
Causa asignable.
n p
54 . 2 =
54 . 2 + 22 . 1 = 76 . 3
De acuerdo a esta ecuacin , el lmite superior ser 76.
La muestra 2 y 4 presentan causas asignables y debern ser descartadas y los lmites re
calculados.
Pgina 47 de 51
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
n
10
11
9
8
11
12
10
10
7
9
13
10
9
9
9
12
11
12
13
Defectos
17
14
6
23
5
7
10
19
29
18
25
5
8
11
18
13
22
6
23
Totales
195
279
Medias
10,3 14,7
Defectos x unidad
1,70
1,27
0,67
2.88
Causa Asignable
0,45
0,58
1,00
1,90
4.14
Causa Asignable
2.00
1,92
0,50
0,89
1,22
2,00
1,08
2,00
0,50
1,77
u + 3
u
= 1 . 43 + 3
n
1 . 43
= 1 . 43 + 1 . 12 = 2 . 55
10 . 3
Pgina 48 de 51
c +3
n
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
Total de defectos de
la muestra, c
17
14
6
23
5
7
10
19
29
18
25
5
8
11
18
13
22
170
250
10
14.71
Causa asignable
Causa asignable
c = 14 . 71 + 3 14 . 71 = 26
El lmite superior ser 24, nuevamente se detectan dos muestras con causas asignables
que obligan a re calcular los lmites eliminando primero los valores sealados.
Pgina 49 de 51
0,12
0,1
0,08
0,06
0,04
0,02
0
7.2.3.2 Grfico np
90
80
70
60
50
40
30
20
10
0
Pgina 50 de 51
7.2.3.3 Grfico u
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
7.2.3.4 Grfico c
35
30
25
20
15
10
5
0
Pgina 51 de 51