P. 1
Unidad 2 Graficas de Control

Unidad 2 Graficas de Control

|Views: 3.121|Likes:
Publicado porCarol Stgo

More info:

Published by: Carol Stgo on Jun 29, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

09/30/2015

pdf

text

original

Unidad 2 Graficas de control 2.1 Conceptos Principios del Cep : 2.1.

1 Tamaño y Frecuencia de Muestreo Distribución normal Binomial Hipergeomètrica Poisson Distribuciones Muestrales Prueba de Normalidad Estimación por intervalos Pruebas de Hipótesis 2.1.2 Patrones de Comportamiento 2.1.3 Pre Control 2.2 El Plan de Control control plan gráficos de variables 2.2.1 Grafico XR 2.2.2 Grafico XS 2.2.3 Grafico de Individuales 2.2.4 Capacidad del Proceso 2.3 Graficos de Atributos 2.3.1 Grafico P 2.3.2 Grafico NP 2.3.3 Grafico U 2.3.4 Grafico C 2.3.5 Capacidad del proceso

2.1 Conceptos Principios del Cep :
Graficas de control ¿ que es ? Una gráfica de control es una comparación gráfica de los datos de desempeño de proceso con los límites de control estadístico calculados, dibujados como rectas limitantes sobre la gráfica. Los datos de desempeño de proceso por lo general consisten en grupos de mediciones que vienen de la secuencia normal de producción y preservan el orden de los datos.

¿Para que se utilizan? Las graficas de control se utilizan en la industria como técnica de diagnósticos para supervisar procesos de producción e identificar inestabilidad y circunstancias anormales Las graficas de control constituyen un mecanismo para detectar situaciones donde las causas asignables pueden estar afectando de manera adversa la calidad de un producto. Cuando una grafica indica una situación fuera de control, se puede iniciar una investigación para identificar causas y tomar medidas correctivas. Nos permiten determinar cuándo deben emprenderse acciones para ajustar un proceso que ha sido afectado por una causa especial. Nos dicen cuando dejar que un proceso trabaje por sí mismo, y no malinterpretar las variaciones debidas a causas comunes. Las causas especiales se deben contrarrestar con acciones correctivas. Las causas comunes son el centro de atención de las actividades permanentes para mejorar el proceso. Las variaciones del proceso se pueden rastrear por dos tipos de cusas 1) Común o (aleatoria), que es inherente al proceso 2) Especial (o atribuible), que causa una variación excesiva. El objetivo de una gráfica control no es lograr un estado de control estadístico como un fin, sino reducir la variación. Un elemento básico de las gráficas de control es que las muestras del proceso de interés se han seleccionado a lo largo de una secuencia de puntos en el tiempo. Dependiendo de la etapa del proceso bajo investigación, se seleccionara la estadística mas adecuada. Además de los puntos trazados la grafica tiene una línea central y dos limites de control.

2.2.1Tamaño y Frecuencia de Muestreo Frecuencia y muestreo

En cualquier periódico que leamos, nos encontramos algún escrutinio o recuento de datos, con porcentajes y comentarios. ¿Pero son fiables estos escrutinios? Vamos a ver las nociones en que se basan (frecuencia y simulación) y a especificar las limitaciones de sus resultados. I. Tener la distribución de frecuencias de una serie de datos Comenzamos con una serie de datos, cuyos valores y frecuencias absolutas, fi, aparecen recogidos en una tabla similar a la siguiente:

Para cada valor xi, calculamos su frecuencia relativa hi. Se halla dividiendo la frecuencia absoluta fi de ese valor entre el número total de datos n de la población estudiada, es decir: . Construimos una tabla con los valores de la serie de datos y sus frecuencias relativas, similar a la siguiente:

Lo que habitualmente manejamos es la frecuencia relativa acumulada, que para un determinado valor de X se obtiene sumando su frecuencia relativa con las frecuencias relativas de todos los valores anteriores a él. Dicha frecuencia relativa acumulada la expresamos en valor decimal o en tanto por ciento. La frecuencia relativa acumulada del último valor de la serie debe ser igual a 1,

Interpretación de un escrutinio de datos Como acabamos de ver. Tomar una muestra de tamaño n de la población significa tomar n individuos. la proporción observada pe para esa muestra es un buen valor aproximado de la proporción p. ya que diferentes muestras pueden dar diferentes proporciones. los individuos se deben devolver a la población (o repetir el experimento en idénticas condiciones). II. podemos observar estas diferencias en la distribución de frecuencias. el tamaño n de la muestra debe ser bastante grande. La serie de datos formada por los n resultados obtenidos es una muestra de tamaño n. así que tomamos una muestra. No obstante. III. supervisar uno a uno cada individuo de la población es un proceso largo y costoso. podemos asegurar que en el 93% de los casos (de las muestras observadas) se cumple que: . basta con tomar dos muestras. Esto es lo que llamamos fluctuación y para observarla. Fluctuación de las muestras Cuando queremos conocer la proporción p de una característica en una población numerosa. con una única muestra no podemos saber la proporción exacta p de una característica en una población completa. Cumpliéndose estas condiciones. se tiene que cumplir que . o repetir el experimento n veces bajo las mismas condiciones en las que medimos la característica que estamos estudiando. Estas condiciones son las siguientes: los individuos de la muestra deben ser elegidos aleatoriamente. Si tenemos varias muestras. si respetamos ciertas condiciones.que equivale al 100%. Este método no puede proporcionar el valor exacto de p.

depende de la suerte.. y cuya imprecisión es . El experimento consiste en extraer 10 prendas de la caja. Simulando varias veces un experimento (por ejemplo. consideramos que hemos extraído una prenda roja. La proporción observada pe de una característica en una muestra de tamaño n es un valor aproximado de la proporción p de dicha característica en la población total. tomando varias muestras). por ejemplo. Simular un experimento aleatorio significa sustituir el experimento real por otro también aleatorio que nos proporcione resultados similares a los del real. Simulación de un experimento Un experimento aleatorio es un experimento cuyo resultado es impredecible a priori. . De esta manera podemos simular nuestro experimento tantas veces como queramos. tiene la función RAND). Si el número que forman esas dos cifras está comprendido entre 1 y 35. activamos 10 veces la función obteniendo 10 números decimales. Si nuestra calculadora tiene la tecla }. lo que significa que pe es un valor aproximado de p con una imprecisión o error absoluto de IV. podremos sacar conclusiones de la distribución de frecuencias y de la fluctuación. pulsándola podemos simular experimentos aleatorios. reemplazando cada vez la prenda extraída. esta tecla o función proporciona un número aleatorio con unas 10 cifras decimales. Simulamos un experimento cuando el experimento original es difícil de reproducir. Observamos las dos primeras cifras de la parte decimal de cada número. Ejemplo: Hemos metido 35 prendas rojas y 65 verdes en una caja. Recuerda La frecuencia relativa hi de un valor perteneciente a una serie de datos viene dada por el cociente entre la frecuencia absoluta fi de dicho valor y el tamaño n de la población: . de lo contrario consideramos que la prenda extraída ha sido verde. bien porque llevaría demasiado tiempo o bien porque sería muy difícil de observar. bien porque sea demasiado costoso. ¿Cómo podemos simular este experimento? Usando una calculadora. Para simular un experimento podemos usar la tecla de una calculadora o una hoja de cálculo (Excel. Estudios parámetros para determinar . En una calculadora.

c. si no tuviésemos ninguna idea de dicha proporción utilizaríamos el valor p = 0. medias) a partir de una muestra.96. debemos saber: a. para una seguridad del 99% = 2. b. Precisión = 3%: Proporción esperada = asumamos que puede ser próxima al 5%. A. Estimar una proporción: Si deseamos estimar una proporción. En caso de no tener dicha información utilizaremos el valor p = 0.58.Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones.05 = 0. Para una seguridad del 95% = 1. El nivel de confianza o seguridad (1-a ).05) q = 1 ± p (en este caso 1 ± 0. Ejemplo: ¿A cuantas personas tendríamos que estudiar para conocer la prevalencia de diabetes? Seguridad = 95%.1. por estudio pilotos previos.5 (50%).962 (ya que la seguridad es del 95%) p = proporción esperada (en este caso 5% = 0. El nivel de confianza prefijado da lugar a un coeficiente (Za ). Una idea del valor aproximado del parámetro que queremos medir (en este caso una proporción). Esta idea se puede obtener revisando la literatura.95) d = precisión (en este caso deseamos un 3%) .5 (50%) que maximiza el tamaño muestral: donde: Za 2 = 1. La precisión que deseamos para nuestro estudio.

576 . ¿A cuántas personas tendría que estudiar de una población de 15. así: Si la seguridad Za fuese del 90% el coeficiente sería 1.96 Si la seguridad Za fuese del 97.95) d = precisión (en este caso deseamos un 3%). si no tuviese ninguna idea de dicha proporción utilizaríamos el valor p = 0. Según diferentes seguridades el coeficiente de Za varía.645 Si la seguridad Za fuese del 95% el coeficiente sería 1.962 (si la seguridad es del 95%) p = proporción esperada (en este caso 5% = 0. proporción esperada = asumamos que puede ser próxima al 5% .24 Si la seguridad Za fuese del 99% el coeficiente sería 2. Precisión = 3%.Si la población es finita.05 = 0. es decir conocemos el total de la población y deseásemos saber cuántos del total tendremos que estudiar la respuesta seria: donde: N = Total de la población Za2 = 1.05) q = 1 ± p (en este caso 1-0.5% el coeficiente sería 2.5 (50%) que maximiza el tamaño muestral.000 habitantes para conocer la prevalencia de diabetes? Seguridad = 95%.

2. hay un operario que cada 30 minutos toma una. Vamos a tratar de entenderlo con un ejemplo. la producción se encarece porque se consume más materia prima. Entonces. Básicamente. Supongamos que tenemos una máquina inyectora que produce piezas de plástico.1. y que sirve para controlar dicho proceso.2 Patrones de Comportamiento y Pre Control Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. la pesa en una balanza y registra la observación: . por ejemplo de PVC. si la cantidad es excesiva. Una característica de calidad importante es el peso de la pieza de plástico. en el lugar de salida de las piezas. una Carta de Control es un gráfico en el cual se representan los valores de algún tipo de medición realizada durante el funcionamiento de un proceso contínuo. porque indica la cantidad de PVC que la máquina inyectó en la matriz. Si la cantidad de PVC es poca la pieza de plástico será deficiente.

. Cómo podemos distinguir si esto se produce por la fluctuación natural del proceso o porque el mismo ya no está funcionando bien? . Supongamos que estos datos se registran en un gráfico de líneas en función del tiempo: Observamos una línea quebrada irregular. Los valores se mueven alrededor de un valor central (El promedio de los datos).etc.. que nos muestra las fluctuaciones del peso de las piezas a lo largo del tiempo. Esta es la fluctuación esperable y natural del proceso. Pero en algún momento puede ocurrir que aparezca uno o más valores demasiado alejados del promedio. la mayor parte del tiempo cerca del mismo.

. la materia prima que se utiliza (Proveedor del plástico). pequeños cambios en la velocidad del pistón. etc. Por ejemplo. ligeras fluctuaciones de la corriente eléctrica que alimenta la máquina. etc. Cada uno de estos factores está sujeto a variaciones que realizan aportes más o menos significativos a la fluctuación de las características del producto. en el caso de la inyectora se fija la temperatura de fusión del plástico. que se denominan variables controlables. Pero un proceso de fabricación es una suma compleja de eventos grandes y pequeños. pequeñas variaciones de calidad del plástico.Esta es la respuesta que provee el control estadístico de procesos. Los responsables del funcionamiento del proceso de fabricación fijan los valores de algunas de estas variables. durante el proceso de fabricación. Hay una gran cantidad de variables que sería imposible o muy difícil controlar. la presión del pistón. Todo proceso de fabricación funciona bajo ciertas condiciones o variables que son establecidas por las personas que lo manejan para lograr una producción satisfactoria. Estas se denominan variables no controlables. la velocidad de trabajo. y a continuación veremos como lo hace. Por ejemplo.

por ejemplo. cada una de las cuales ejerce un pequeño efecto en la variación total. ya sea por falta de medios técnicos o porque no es económico hacerlo. El uso del control estadístico de procesos lleva implícitas algunas hipótesis que describiremos a continuación: 1) Una vez que el proceso está en funcionamiento bajo condiciones establecidas. Son inherentes al proceso mismo y no pueden ser reducidas o eliminadas a menos que se modifique el proceso. una falla de la máquina por desgaste de una pieza. que es inherente a cada proceso en particular. se supone que la variabilidad de los resultados en la medición de una característica de calidad del producto se debe sólo a un sistema de causas aleatorias. Cuando. se dice que el proceso está fuera de control. aparece una o varias causas asignables. Son las variables no controlables las responsables de la variabilidad de las características de calidad del producto. Causas Asignables: Son causas que pueden ser identificadas y que conviene descubrir y eliminar. etc. Estas causas provocan que el proceso no funcione como se desea y por lo tanto es necesario eliminar la causa. porque es posible identificarlas. Las fluctuaciones al azar de las variables no controlables se denominan Causas No Asignables de variación del proceso. Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no controlables (Causas no asignables) se dice que está funcionando bajo Control Estadístico. 2) El sistema de causas aleatorias que actúa sobre el proceso genera un universo hipotético de observaciones (mediciones) que tiene una Distribución Normal.Los efectos que producen las variables no controlables son aleatorios. Los cambios en las variables controlables se denominan Causas Asignables de variación del proceso. además de las causas no asignables. . Además. un cambio muy notorio en la calidad del plástico. y retornar el proceso a un funcionamiento correcto. la contribución de cada una de las variables no controlables a la variabilidad total es cuantitativamente pequeña. Causas No Asignables: Son una multitud de causas no identificadas. porque no son pasibles de ser identificadas.

se retorna a la primera etapa: . Control Estadístico.. es necesario detener el proceso.. encontrar las causas por las cuales el proceso se apartó de su funcionamiento habitual y corregirlas.Cómo ponerlo en marcha? La puesta en marcha de un programa de control estadístico para un proceso en particular implica dos etapas: Antes de pasar a la segunda etapa. se dice que el proceso está fuera de control.3) Cuando aparece alguna causa asignable provocando desviaciones adicionales en los resultados del proceso. La función del control estadístico de procesos es comprobar en forma permanente si los resultados que van surgiendo de las mediciones están de acuerdo con las dos primeras hipótesis. En caso contrario. Si aparecen uno o varios resultados que contradicen o se oponen a las mismas. se verifica si el proceso está ajustado.

09 sigmas alrededor del promedio corresponde a una probabilidad de 0. el intervalo de 3. En general se utilizan límites de 2 sigmas ó de 3 sigmas alrededor del promedio. En la distribución normal. a la altura del promedio (Valor central de las observaciones) y otras dos líneas rectas a la altura de los límites de control: .En la 1a etapa se recogen unas 100-200 mediciones. se construye un gráfico de prueba y se traza una línea recta a lo largo del eje de ordenadas (Eje Y).998. Entonces. con las cuales se calcula el promedio y la desviación standard: Luego se calculan los Límites de Control de la siguiente manera: Estos límites surgen de la hipótesis de que la distribución de las observaciones es normal.

por el contrario. existen causas asignables de variación. Esto se puede establecer porque cuando la fluctuación de las mediciones se debe a un sistema constante de causas aleatorias la distribución de las observaciones es normal: .En este gráfico se representan los puntos correspondientes a las observaciones con las que se calcularon los límites de control: Este gráfico de prueba se analiza detenidamente para verificar si está de acuerdo con la hipótesis de que la variabilidad del proceso se debe sólo a un sistema de causas aleatorias o si.

algunos pocos se alejan algo más y prácticamente no hay ninguno en las zonas más alejadas: .Cuando las observaciones sucesivas tienen una distribución normal. la mayor parte de los puntos se sitúa muy cerca del promedio.

. pero sí es fácil darse cuenta cuando no lo es.Es difícil decir como es el gráfico de un conjunto de puntos que siguen un patrón aleatorio de distribución normal.

o por debajo de la línea central.. .Veamos algunos ejemplos de patrones No Aleatorios: Una sucesión de puntos por encima . . . Una serie creciente de 6 ó 7 observaciones..... o una serie decreciente...

Si no se descubren causas asignables entonces se adoptan los límites de control calculados como definitivos. y se construyen cartas de control con esos límites: .

y que no se produzcan patrones no aleatorios: . y se construye un nuevo gráfico de prueba. comenzando otra vez con la primera etapa.Si sólo hay pocos puntos fuera de control (2 ó 3). las nuevas observaciones que van surgiendo del proceso se representan en el gráfico. desviación standard y límites de control con los restantes. En la 2a etapa. Cuando las observaciones no siguen un patrón aleatorio. se hace necesario investigar para descubrirlas y eliminarlas. Una vez hecho esto. y se controlan verificando que estén dentro de los límites. se deberán recoger nuevas observaciones y calcular nuevos límites de control de prueba. estos se eliminan. se recalculan la media. indicando la existencia de causas asignables.

y sobre todo por la eficacia alcanzada en su ejecución.09 sigmas alrededor de la media. Respecto a los planes.Como hemos visto. de pensar antes las cosas. La organización aprende sola y sobre la marcha. Infraestructura. 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.2 El Plan de Control control plan LA PLANIFICACIÓN La importancia de la planificación es capital. Por otro lado. descubriendo la rueda (algo ya conocido) a cada paso. si atendemos a la estructuración de ISO 9001:2000). tanto que la profesionalidad y la competencia de los gestores en cualquier ámbito se puede medir en función de los planes que son capaces de establecer. En ese caso. y Ambiente de trabajo. De entre éstas. estamos ante ³free riders´. cuando se encuentra más de 1 punto en 500 fuera de los límites de control. decía un gurú de la gestión que prefería un mal plan bien ejecutado. y sin embargo hacer crecer un proyecto empresarial. los planes de control ocupan un lugar preferente. En estos casos. de lo cual surge la necesidad de determinar los recursos apropiados (RRHH. . se puede continuar con la producción normal. al igual que el Plan Estratégico y los Planes de Emergencia.8 % de las observaciones deben estar dentro de los límites de 3. sin referencias exteriores. Ven claro también que lo importante y lo más difícil de los planes es ejecutarlos con eficacia. algunas aprenden rápido la importancia de los planes. Entonces. desconocer por completo qué es un modelo de gestión y qué herramientas de gestión se han desarrollado y funcionan con éxito. y casi al mismo tiempo la importancia de comunicar dicho plan a toda la organización. 2. el 99. que un magnífico plan pésimamente ejecutado. esto indica que el sistema de causas aleatorias que provocaba la variabilidad habitual de las observaciones ha sido alterado por la aparición de una causa asignable que es necesario descubrir y eliminar. Una vez eliminadas las causas del problema. Esto significa que sólo 1 observación en 500 puede estar por causas aleatorias fuera de los límites de control. es inútil negar que es posible no utilizar ningún tipo de herramienta de gestión. organizaciones que luchan solas. De entre las diversas tipologías de planes. por otro lado muy frecuentes. la necesidad de ponerlo por escrito.

inscrito como hemos dicho dentro del proceso de DISEÑO DEL PROCESO. Con lo cual modificará y/o añadirá nuevos elementos al sinóptico. La asignación de la nota debe ser lo . qué puede fallar. debemos valorar cada riesgo identificado asignando una nota en los 3 factores que más relevancia tienen: Gravedad. incluidos los controles de calidad que puedan ya existir. Volviendo al tema central: ¿CÓMO SE HACE UN PLAN DE CONTROL DE CALIDAD? Lo primero que debemos saber es que un Plan de Control de Calidad es un resultado final de un proceso más grande. Ocurrencia. Por ejemplo. Ahora estamos en la fase de que algunos gerentes atinen a decir: aquí tenemos una gestión ISO. El diseño de la forma de realizar el producto. también es corriente aplicarla sobre los medios productivos y el diseño de productos. cuáles son los requisitos del producto. podríamos decir que ello ocurre constantemente. qué procedimientos de trabajo se van a utilizar. Comúnmente conocido como AMFE (Análisis del Modo de Fallo y sus Efectos) en castellano. qué materias primas.RE-INVENTANDO LA RUEDA Respecto a la re-invención de la rueda. AMDEC en francés. en uno u otro grado en todas las organizaciones. Para conseguir este fin. para obtener. qué aspectos legales y reglamentarios afectan. el diseño del plan puede modificar la forma de trabajar y/o enriquecerla. AMFE no es más que una técnica estructurada que pretende obtener como resultado los puntos débiles del proceso de realización del producto así como una ponderación de estos riesgos. está sentando unos cimientos de incalculable relevancia. Esta técnica no sólo se aplica sobre procesos. Como se ha indicado anteriormente. producto de los tres. un índice denominado Índice de Prioridad del Riesgo (NPR en inglés). cuántas personas y qué competencia deben tener. en la gestión no podemos encontrar una figura conexa. o FMEA en inglés. qué medios productivos se van a utilizar (máquinas y herramientas). parece lógico que analicemos primero qué puede ir mal. Centrándonos exclusivamente en la elaboración del Plan de Control de Calidad. El sinóptico del proceso estructura el campo de trabajo en etapas. a día de hoy. Un Plan de Control de la Calidad pretende garantizar que el producto resultante cumpla los requisitos. Así como en otras disciplinas técnicas existe un soporte científico estructurado y orientado. 2. en el ámbito de la gestión de las organizaciones como vehículo para satisfacer a los clientes. y Detección. En un AMFE. El este sentido. y detección (probabilidad de que el problema sea detectado cuando aparezca). el Plan de Control de Calidad de dicha fabricación se establece en base a las actividades de transformación de las materias primas en dicho producto. y la forma de controlar la calidad del producto realizado (definida en el Plan de Control de Calidad). Analizar los riesgos asociados a la realización de cada una de las etapas determinadas. etc. ISO 9001. Una de las razones es que la gestión tiene un alcance enorme. si una empresa ha de fabricar un nuevo producto. el proceso del DISEÑO DEL PROCESO. como me dijo recientemente el dueño de una empresa. Definir completamente qué etapas comprende la fabricación (o prestación de servicio). El AMFE se realiza tomando como base el proceso de realización del producto diseñado. buena parte de esta información se suele plasmar gráficamente o relacionar en un documento denominado SINÓPTICO del proceso. ocurrencia (la probabilidad de que ocurra). Al resultado del DISEÑO DEL PROCESO de realización del producto lo llama ISO 9000:2000 (Norma que contiene el vocabulario) PLAN DE CALIDAD de un producto. las etapas básicas que conducen a su obtención son: 1. incluyendo nuestra vida personal. En la práctica. este análisis evalúa y puntúa cada uno de los riesgos asociados a la fabricación o prestación de servicio según su gravedad. que serán utilizadas en todo el proceso de diseño del plan de control. El Plan de Control de Calidad puede y debe incluso determinar la forma de realizar el producto. es el DISEÑO DEL PROCESO de realización del producto.

y tienen la misma importancia en el resultado final. Los factores sometidos a valoración son complementarios entre sí. Disminuir la probabilidad de que ocurra. o bien hacer referencia a los documentos que la contienen: planos. 3 Documentar el Plan de Control. paneles de defectos. El plan de control puede contener directamente esta información.más objetiva posible. Si hemos hecho correctamente las etapas anteriores. y qué variables se controlan y cómo. ya que al final se calcula el producto de los 3.2. Ensayos sobre materias primas. . Lo más común es asignar puntuaciones de 1 a 10 en cada factor. para disminuir el nivel de un riesgo. especificar los controles de calidad realizados por laboratorios. productos semi-procesados. con lo cual el índice calculado es un número entre 1 y 1000. con qué medios productivos se transforma. o sobre el producto final. o Aumentar la capacidad de detección. instrucciones de trabajo.1 Grafico XR: Los gráficos X-R se utilizan cuando la característica de calidad que se desea controlar es una variable continua. Cualquier riesgo que obtenga una nota superior debe ser disminuido introduciendo algún cambio o control adicional en el proceso. nuestras acciones pueden tener como efecto: y y y Disminuir la gravedad del riesgo. dispondremos de toda la información necesaria para hacerlo. La organización puede fijar el nivel de riesgo a partir del cual introducir controles o modificar elementos de proceso que lo reduzcan. Actuar sobre cualquiera de estos factores disminuye el nivel de riesgo. Donde realmente se diseña el Plan de Control es durante la realización del AMFE. para ello con anterioridad se fijan unos criterios para asignar puntuaciones. Como ya se habrá advertido. fichas técnicas de materia prima. pautas de autocontrol etc 2. Se trata de documentar como mínimo lo siguiente: y y y especificar etapa por etapa de la realización del producto qué características debe cumplir el producto. especificar las auditorías de producto o de proceso que se vayan a realizar. En automoción una práctica bastante extendida es fijar el nivel de riesgo aceptado en 100.

las mediciones de cada turno podrían constituir un subgrupo. de acuerdo a algún criterio. Una de ellas es retirar varias piezas juntas a intervalos regulares. La característica de calidad que se desea controlar es el diámetro de las piezas.Para entender los gráficos X-R. Hay dos maneras de obtener los subgrupos. si hay cuatro turnos de trabajo en un día. es necesario conocer el concepto de Subgrupos (o Subgrupos racionales). Los subgrupos se realizan agrupando las mediciones de tal modo que haya la máxima variabilidad entre subgrupos y la mínima variabilidad dentro de cada subgrupo. Por ejemplo. Trabajar con subgrupos significa agrupar las mediciones que se obtienen de un proceso. por ejemplo cada hora: . Supongamos una fábrica que produce piezas cilíndricas para la industria automotriz.

La otra forma es retirar piezas individuales a lo largo del intervalo de tiempo correspondiente al subgrupo: .

divididas en subgrupos. Como ya se ha visto.. Para cada subgrupo calculamos el Promedio y el Rango (Diferencia entre el valor máximo y el valor mínimo)..Etc... En nuestro ejemplo. Por cualquiera de los dos caminos. para calcular los Límites de Control es necesario obtener un gran número de mediciones. obtenemos grupos de igual número de mediciones. podríamos obtener 30 subgrupos de 6 datos cada uno: ..

se calculan el promedio general de promedios de subgrupo y el promedio de rangos de subgrupo: . tendríamos una tabla como la siguiente: A partir de esta tabla.Después de calcular el Promedio y el Rango de cada subgrupo.

utilizando el coeficiente d2. que también depende del número de mediciones en el subgrupo: Y así podemos calcular los Límites de Control para el Gráfico de R: . que depende del número de mediciones en el subgrupo: Con esto podemos calcular los Límites de Control para el gráfico de X: La desviación standard del rango se puede calcular utilizando el coeficiente d3.La desviación standard del proceso se puede calcular a partir del rango promedio.

La tabla siguiente muestra los coeficientes d2 y d3 para subgrupos de hasta 10 mediciones: Construímos entonces un Gráfico X de prueba y representamos los promedios de los subgrupos: .

al iniciar la construcción de la gráfica. donde representamos los rangos de los subgrupos: Si no hay puntos fuera de los límites de control y no se encuentran patrones no aleatorios. una se destina al registro de los promedios de la característica de calidad en consideración y otra para controlar la variabilidad del proceso. considerando como indicador la desviación estándar. esta constituida por dos porciones. Es importante la variabilidad del proceso de control. si el proceso no muestra estabilidad estadística.Y un Gráfico R de prueba. 2.2 Grafico XS Esta gráfica es el instrumento estadístico que sirve para estudiar el comportamiento de un proceso de manufactura. . La ventaja de usar esta gráfica es que para estos valores de n la desviación estándar es más sensible a cambios pequeños que el rango. En la siguiente figura tenemos los datos de 40 subgrupos de tamaño 5. Dentro del procedimiento de construcción para dicha grafica incluye cálculos de límites de control para las dos partes que constituyen la gráfica y la graficación de los promedios y desviaciones estándar obtenidos en cada subgrupo.2. La estructura general. se adoptan los límites calculados para controlar la producción futura. entonces la parte correspondiente a los promedios no será confiable dado que los límites de control de X dependen del valor medio de s. Ahora veremos un ejemplo de una combinación de estos gráficos de control XBarra-S.

las ecuaciones del gráfico de control de medias vienen dados por las siguientes fórmulas: Figura 2 Mientras que las fórmulas para el gráfico de control de desviación estándar vienen dadas por: .Figura 1 Como recordaremos de un post anterior que habíamos comentado que usted puede encontrar aquí.

427. Por otra parte. Los valores para el cálculo del gráfico de control de medias (XBarra) nos quedarían entonces: .Figura 3 Ahora bien según la tabla de constantes que usted puede encontrar aquí. B3 y B4. los valores de las contantes A3.089 Graficaremos en el gráfico control de medias. así que tendremos que realizar este cálculo para cada subgrupo. el promedio de cada subgrupo. la cual se calcula como: Figura 4 La media de los promedios de subgrupos será XDoble Barra y la media de desviaciones estándar de los subgrupos será SBarra. para tamaños de subgrupos de 5. Con todos estos elementos y los valores de las constantes antes mencionadas podemos calcular los límites de control de los gráficos XBarra-S. en el gráfico de desviación estándar graficaremos el valor de la desviación estándar de cada subgrupo. resultan ser: A3 = 1. B3 = 0 y B4 = 2.

Figura 5 Los valores para el cálculo del gráfico de control de desviaciones estándar. nos quedaría: .

hay un video que nos muestra como hacer esto. Una vez hechos los gráficos de control.Figura 6 Ya con estos rangos de datos podemos construir los gráficos de control. se encuentra aquí. como se comentó anteriormente. estos nos quedan así: .

3 Grafico de Individuales .2.Figura 7 2.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->