Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA7:ControlEstadsticodelaCalidad
Introduccinalcontroldelacalidad.
Mtodosdemejoradelacalidad.
GrficosdecontroldeShewhart:
Grficosc
Grficosnp
GrficosXyR
Interpretacindelosgrficos.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Calidad
Llamaremos calidad a la adecuacin de un producto o
servicioparaserusado.
Distinguiremosentre:
Calidaddediseo:niveldecalidadelegidoenlafase
dediseodelproductooservicio.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Controlestadsticodelacalidad
El cliente nunca puede recibir un producto o servicio con
caractersticasdecalidadperfectasdebidoalavariabilidad:
Dosunidadesproducidasnuncasonexactamenteiguales
ControlEstadsticodelaCalidadaplicacindetcnicas
estadsticas a procesos industriales, administrativos y/o
servicios con objeto de comprobar si todas sus partes
cumplen unas ciertas exigencias de calidad y ayudar a
reducirsuvariabilidad.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mejoradelacalidad
Almejorarlacalidaddeconformidad:
Sereduceelnmerodeunidadesdefectuosasquedebendesecharse.
Sereduceelnmerodeunidadesdefectuosasquedebenreprocesarse.
Seelimininantestseinspecciones.
Seproducenmenosretrasos.
Seaprovechamejoreltiempodemquinasyoperarios.
Seulitizanmejorlosmateriales.
Estosefectoscontribuyenaaumentarlaproductividad.
Ejemplo
Una fbrica produce diariamente 80 viguetas, de las cuales hay 60 conforme a las
especificaciones, pero hay 20 defectuosas. El 45% de las viguetas defectuosas debe
ser desechada y el 55% restante debe ser reparada. Supongamos que el coste de
fabricacinporunidadesde150yelcostedereparacines50porunidad.Cunto
cuesta cada vigueta producida? Cuntas viguetas se producen diariamente?
Seintroduceunprogramadecalidadquereduceelnmerodeviguetasdefectuosasa4
culeselcosteunitarioahora?yelnmeromediodeviguetas?
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mejoradelacalidad
Almejorarlacalidaddeconformidad:
Sereduceelnmerodeunidadesdefectuosasquedebendesecharse.
Sereduceelnmerodeunidadesdefectuosasquedebenreprocesarse.
Seelimininantestseinspecciones.
Seproducenmenosretrasos.
Seaprovechamejoreltiempodemquinasyoperarios.
Seulitizanmejorlosmateriales.
Estosefectoscontribuyenaaumentarlaproductividad.
Ejemplo
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Costesdelacalidad
Costesdetasacin:inversinenlamedida,evaluacino
auditora de productos o servicios, sus componentes y
materiasprimasparaasegurarsuconformidad.
Variabilidad
La mayor dificultad para proporcionar productos o servicios
de calidad perfecta es la variabilidad inherente a cualquier
procesodefabricacinodeprestacindeservicios.
Si la diferencia entre dos unidades es pequea no tiene
importancia, pero si es relativamente grande, alguna unidad
puedeserinaceptable,oloqueeslomismodefectuosa.
El estudio y evaluacin de esa variabilidad es el objetivo de
laaplicacindetcnicasestadsticasalcontroldelacalidad.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Variabilidad
Diremos que un proceso est bajo control o en estado de
control cuando la caracterstica de calidad observada en el
procesovaradeformaestablealrededordeunvalormedio
fijo.
El principal objetivo del control de calidad ser reducir
sistemticamente la variabilidad en productos y servicios.
Para ello es necesario, primero identificar las causas que
provocan variabilidad y posteriormente eliminarlas del
procesodefabricacin.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Causasdelavariabilidad
Lascausasdevariabilidadsepuedenclasificarcomo:
ElobjetivodelControlEstadsticodelaCalidadesdetectar
rpidamente la ocurrencia debida a causas asignables e
investigarlascausasquelahanproducidoparaeliminarlas.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
LassieteherramientasdeIshikawa*,sonunconjuntodetcnicasdecontrol
estadstico utilizadas durante el proceso de fabricacin del producto o de
prestacindelservicioparamejorarlacalidadylaproductividad:
Plantillas para recogida de datos (check sheets): plantillas que recogen datos
deunacaractersticadecalidad
Histogramas:representacingrficadelasvariables
DiagramasdePareto:representacingrficadevariablescualitativas
Diagramasdedispersin:estudialarelacinentre2variables
Grficosdeflujo:esquemaquedescribeelprocesoensusmltiplespartescon
elfindeidentificarelproblema:
Mtodosdemejoradelacalidad
Mtodosdemejoradelacalidad
Histogramas:representacingrficadelasvariables
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
DiagramasdePareto:representacingrficadevariablescualitativas
En este ejemplo, eliminando del proceso las causas que provocan los dos primeros
tiposdedefectosdesapareceranlamayoradelosdefectos.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
Diagramasdedispersin:estudialarelacinentre2variables
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Mtodosdemejoradelacalidad
Grficosdeflujo:esquemaquedescribeelprocesoensusmltiplespartes
conelfindeidentificarelproblema
Inicio
Pesado
Smboloinicio/fin
Smbolooperacin
Agregar
disolvente
Fin
NO
Reaccin
Qumica
Sacar
muestra
Smbolooperacinmanual
Medirpropiedad
Valor
correcto?
Smbolodedecisin
MaraDoloresFras,JessFernndezyCarmenMaraSordo
SI
Enfriar
GrficosdeControl
Los grficos de control son una herramienta de control
estadstico que se utiliza para monitorizar las causas
comunes de variabilidad y detectar la ocurrencia de causas
especialesalolargodeltiempo.
Permitenvisualizarsielprocesoestbajocontrol.
LosmsconocidossonlosGrficosdecontroldeShewhart*,
que representan una caracterstica de calidad frente al
tiempo(ounavariablerelacionadaconeltiempo)ymuestran
*IngenieroamericanodelaBellTelephoneLaboratories,
loslmitesdecontrol.
expertoenelcontroldelacalidad.
n de quejas
Grfico c
12.000
10.000
8.000
6.000
4.000
2.000
0.000
Jan-05
UCL
CL
Apr-05
Jul-05
Oct-05 Jan-06
meses
Apr-06
Jul-06
Oct-06
LCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Lmitesdecontrol
Sedenominalneacentral(CL),alvalormediodelacaracterstica
decalidadestudiada.
El lmite superior de control (UCL) y el lmite inferior de control
(LCL),sondoslmites(porencimaypordebajodelalneacentral)
conlosquesedecidesielprocesoestfueradecontrol.
Sisepuedesuponerquelacaractersticadecalidadsedistribuye
de forma normal, el intervalo (-3, +3) es un intervalo de
probabilidad al 99.7% de confianza para un valor de esa
caracterstica. Consideraremos el proceso fuera de control si la
caracterstica toma un valor fuera de ese intervalo. Es decir,
tomaremos:
UCL = +3
CL =
LCL = -3
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficosdeControldeShewart
Al monitorizar un proceso con un grfico de control puede
ocurrir:
Alarmaverdadera:ocurreunacausaespecialysedetecta.
Ocurreunacausaespecialperonosedetecta.
Falsaalarma:noocurreningunacausaespecialperoelgrfico
decontrolproduceunaalarma.
LadeterminacindeLCLyUCLdebehacersedeformaque
se detecte la presencia de causas especiales con la mayor
probabilidad posible y lo ms rpidamente posible,
minimizandoalmismotiempolatasadefalsasalarmas.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficosdeControldeShewart
LosGrficosdeControldeShewartvaransegneltipode
datoquerepresentan:
Grficou:nmerodedefectosporunidaddemedida
Grficoc
Estamosinteresadosenelnmerototaldedefectosdurante
sucesivosintervalosdetiempooespaciodelongitudfija.
SisecumplenlascondicionesparaqueX~Po(c),sufuncin
deprobabilidadser:
dondelamediaylavarianzadeXsernigualesac.
Cuando la media c de X es suficientemente grande como
paraqueladistribucindePoissonpuedaaproximarseporla
distribucinnormal,loslmitesdecontrolquedarndefinidos
como:
Lalneacentralser,obviamente,CL=c
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Grficoc
Ejemplo
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
quejas
2010
Ene
Feb
Mar
Abr
May
Jun
Jul
Ago
Sep
Oct
Nov
Dic
quejas
11
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Grficoc
Grfico c
12.000
10.000
quejas
8.000
6.000
4.000
2.000
0.000
Jan-05
Apr-05
Jul-05
Oct-05
Jan-06
Apr-06
Jul-06
Oct-06
meses
Dadoquenohemosusadolaverdaderacdelproceso,lareestimamoseliminandoelpuntoqueestfueradecontrol,
porsiseestnenmascarandootrosyparaobtenerunacmsajustadaalamediacuandoelprocesoestbajocontrol.
quejas
Grfico c
10.000
9.000
8.000
7.000
6.000
5.000
4.000
3.000
2.000
1.000
0.000
ene-05
abr-05
jul-05
oct-05
ene-06
meses
MaraDoloresFras,JessFernndezyCarmenMaraSordo
may-06
ag0-06
nov-06
Ejercicio
Una compaa que fabrica teclados realiza diariamente anlisis
de calidad a 25 teclados con el fin de determinar el nmero total
de teclas defectuosas. La produccin ser satisfactoria si el
nmero de teclas defectuosas no vara de 4. En la siguiente
tabla se muestran el nmero de teclas defectuosas en 30
jornadas:
3
Grficonp
Estamos interesados en el nmero X de unidades
defectuosas en una muestra de tamao n. En este caso, X
debe ser una distribucin binomial y su funcin de
probabilidadser:
LamediadeXesnpylavarianzanp(1p).
Sielvalordenessuficientementegrandecomoparaquela
distribucin binomial pueda aproximarse por la distribucin
normal,loslmitesdecontrolsedefinirancomo:
CLseranp.
ppodraserelhistricosisedisponedeloelestimadoapartirdela
muestra.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Grficonp
Ejemplo
Una empresa fabrica pequeas piezas de PVC mediante un proceso mecanizado. Al analizar las
piezas se puede determinar si estas tienen las dimensiones adecuadas o no, en cuyo caso se
consideradefectuosa.Laempresaquiereelaborarungrficodecontrolparacontrolarelnmerode
piezasdefectuosasproducidasporlamquina.Paraelloseseleccionaron30muestrasdetamao
50,obteniendoselossiguientesdatos:
muestra
N defectuosas
muestra
N defectuosas
muestra
N defectuosas
12
11
21
20
15
12
22
18
13
17
23
24
10
14
12
24
15
15
22
25
16
26
12
16
17
10
27
18
28
13
14
19
13
29
10
10
20
11
30
Construyaelgrficodecontrolparalaempresayanalicelainformacinobtenida.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
Grficonp
p=0.23
np=11.57
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Grficosdetipocontinuo
Los grficos para caractersticas de tipo continuo presentan
unadiferenciaimportanteconrespectoalos grficoscynp
vistos. En los casos vistos, al conocer la media de un
proceso queda completamente determinada la varianza
(distribucin binomial y Poisson), por lo que slo es
necesario monitorizar la media (la variabilidad queda
monitorizada).
Altrabajarconmedidascontinuas,enlasquesesueleusar
ladistribucindeprobabilidadnormal,lamediaylavarianza
noestnrelacionadas,porloquehabrquemonitorizarpor
una lado la media del proceso, grfico X y por otro la
variabilidad, grfico R (para el rango) o grfico S (para la
desviacintpica).
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoX
Es una representacin de las medias observadas para la
caracterstica de calidad medida en sucesivos intervalos de
muestreot=1,2,....
n:nmerodeobservacionesen
cadaintervalodemuestreot
donded2esunaconstanteenfuncinden
n
10
d2
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoX
CLpuedeserigualalamediahistricadelacaracterstica
medidaencasodeserconocida,oalamediadelasmedias
observadas:
Loslmitesdecontrolquedandefinidoscomo:
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoX
Ejemplo
Enunafbricaqueproducetuberassehanmedidolosdimetros
(en mm) de 16 tuberas. En la siguiente tabla se muestran los
datosobtenidosalolargode8intervalosdemuestreosucesivos,
encadaunodeloscualessehanseleccionaldoalazar2tuberas
para medir sus dimetros xt1 y xt2. Dibujar el grfico X, puede
decirsequelamediadelprocesoestbajocontrol?
Intervalo de muestreo (t)
xt1
xt2
80
82
83
81
81
80
79
80
81
79
80
80
81
81
79
81
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
GrficoX
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoR
Es una representacin de los rangos Rt, calculados para el
grfico X. En este la desviacin tpica de los rangos Rt
obtenidos en cada intervalo de muestreo t puede calcularse
como:
dondedResunaconstanteenfuncinden
n
10
dR
1.323
1.906
2.340
2.691
2.988
3.247
3.472
3.676
3.861
Portanto,loslmitesdecontroldelgrficoRsecalculan:
CLserigualalrangomedio.
MaraDoloresFras,JessFernndezyCarmenMaraSordo
GrficoR
Ejemplo
En una fbrica que produce tuberas se han medido los dimetros (en
mm) de 16 tuberas. En la siguiente tabla se muestran los datos
obtenidosalolargode8intervalosdemuestreosucesivos,encadauno
de los cuales se han seleccionaldo al azar 2 tuberas para medir sus
dimetros xt1 y xt2. Dibujar el grfico R, puede decirse que la
variabilidaddelprocesoestbajocontrol?
Intervalo de muestreo (t)
xt1
xt2
80
82
83
81
81
80
79
80
81
79
80
80
81
81
79
81
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Ejemplo
GrficoR
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Cadavezqueapareceunpuntofueradeloslmitesdecontrolse
declara la ocurrencia una alarma, cuyo origen hay que investigar
para eliminar el problema del proceso. Mientras todos los puntos
seencuentrenentreLCLyUCLlamonitorizacincontina.
PuedeocurrirquetodoslospuntosestnentreLCLyUCLperoel
procesonoestbajocontrolypuedadeclararseunaalarma:
Tendencia:7puntosomsenordencrecienteodecreciente
Periodicidad:serepiteelmismopatrndepuntosenperiodosdelongitud
fija(aparecenciclos).
Inestabilidad:fluctuacionescercadeLCLyUCL
Superestabilidad:16puntosomsentrey+
Otros:2de3puntosconsecutivosfueradelabanda 2.
4de5puntosconsecutivosfueradelabanda .
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
LC
LCL
UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Tendencia:7puntosomsenordencrecienteodecreciente
LC
LCL
UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
LC
LCL
UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Inestabilidad:fluctuacionescercadeLCLyUCL
LC
LCL
UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Superestabilidad:16puntosomsentrey+
LCL
UCL
MaraDoloresFras,JessFernndezyCarmenMaraSordo
Interpretacindelosgrficos
Si adoptamoscomo protocolo que cada vez que ocurreuna
deesassituacionessedeclaraunaalarma:
Elprimercasoesbeneficiosoperoelsegundoesperjudicial.
Debe adoptarse una solucin de compromiso que permita
optimizar la deteccin de alarmas verdaderas,
minimizandolatasadefalsasalarmas.
MaraDoloresFras,JessFernndezyCarmenMaraSordo