Universidad Central de Venezuela Facultad de Ingeniera Escuela de Ingeniera Mecnica Departamento de Tecnologa de Produccin Unidad Docente y de Investigacin Produccin

Asignatura

Produccin I

El mtodo de ingeniera y el pensamiento estadstico En la actualidad parecen burdos los esfuerzos realizados por los primeros estudios de produccin. Lo fueron, pero tambin lo eran los sistemas que se estaban estudiando. Conforme los sistemas se volvieron mas complicados, naturalmente los investigadores siguieron el mtodo seguro encontrado al cabo de muchos estudios en el campo de las ciencias fsicas: Observar, Establecer hiptesis, Experimentar y Verificar. Este enfoque general ha progresado desde la introduccin por Taylor de la "direccin cientfica" hasta la actualmente popular "ciencia de la direccin". Esta se caracteriza principalmente por la construccin, manipulacin e interpretacin de modelos.

El mtodo de ingeniera y el pensamiento estadstico Modelos

Un modelo es una replica o abstraccin de las caractersticas esenciales de un proceso.

Muestra las relaciones entre causa y efecto, entre objetivos y restricciones. Problemas que no se pueden resolver por medio de soluciones directas debido a su magnitud, complejidad o estructura, a menudo se pueden manejar, buscando una solucin aproximada por medio de modelos de simulacin. La naturaleza del problema indica cuales de los siguientes tipos de modelos es el mas apropiado.

El mtodo de ingeniera y el pensamiento estadstico El modelo fsico. Los modelos, por semejanza, derivan su utilidad de un cambio en la escala. Los patrones microscpicos pueden amplificarse para su investigacin, y las enormes estructuras pueden hacerse a una escala mas pequea, hasta una magnitud que sea manipulable. (Un modelo del sistema solar podra incluso confundirse con un modelo de un tomo si no se hiciera indicacin alguna.) Los problemas de flujo en una planta modelo se estudian fcilmente con las estructuras y maquinas hechas a una escala pequea, haciendo cambios que no podran duplicarse con partes reales debido al costo, confusin o inconveniencia

El mtodo de ingeniera y el pensamiento estadstico El modelo fsico. Modelos de simulacin para el estudio de empresas productivas

Vista del modelo generado en SIMUL8 para la nueva operatoria de la empresa

El mtodo de ingeniera y el pensamiento estadstico El modelo fsico. Necesariamente, algunos detalles se pierden en los modelos. En las rplicas fsicas, esta perdida puede ser una ventaja, cuando la consideracin clave, es un factor, tal como la distancia, pero puede hacer intil un estudio si la influencia predominante se desvirta en la construccin del modelo.

El mtodo de ingeniera y el pensamiento estadstico El modelo esquemtico.

Los modelos de dos dimensiones son la delicia de quienes disfrutan de las grficas. Las grficas de fluctuaciones en los precios, los diagramas simblicos de las actividades los mapas de rutas y las redes de eventos regulados, todos representan el mundo real en un formato digerido y diagramtico. Los aspectos grficos son tiles para propsitos de demostracin.
Algunos ejemplos que se encuentran comnmente incluyen los diagramas de la organizacin, diagramas del flujo del proceso y grficas de barras. Los smbolos sobre tales diagramas pueden arreglarse fcilmente para investigar el efecto de la reorganizacin. Una experimentacin semejante con el lugar real de trabajo podra ser daino

El mtodo de ingeniera y el pensamiento estadstico El modelo esquemtico.

El mtodo de ingeniera y el pensamiento estadstico

EI modelo matemtico.

Las expresiones cuantitativas, es decir, los modelos mas abstractos, generalmente son las mas tiles. Durante mucho tiempo las formulas y las ecuaciones han sido los servidores de las ciencias fsicas. En aos recientes han sido reconocidas en una forma semejante por las ciencias de la administracin.
Cuando un modelo matemtico puede construirse para representar en forma exacta la situacin de un problema, suministra una poderosa arma para el estudio; es fcil de manipular, el efecto de las variables interactuarte se aprecia claramente y, sobre todo, es un modelo preciso. Por lo general, cualquier deficiencia debida al empleo de los modelos matemticos se origina por algn error cometido en las suposiciones bsicas y en las premisas sobre las cuales estn basados. En contraste con los otros tipos de modelos, es mas difcil decidir lo que se va a emplear que como se va a emplear.

El mtodo de ingeniera y el pensamiento estadstico

EI modelo matemtico.

El mtodo de ingeniera y el pensamiento estadstico

MUNDO REAL OBSERVAR PROBLEMAS ESTABLECER HIPOTESIS DATOS MUNDO ABSTRACTO

FORMULACION EXPERIMENTAR MANIPULACION VERIFICAR EVALUACION

PREDICCION

VERIFICACION

El mtodo de ingeniera y el pensamiento estadstico

Ingeniero
Un ingeniero es alguien que resuelve problemas de inters para la sociedad por la eficiente aplicacin de principios cientficos.

Valor agregado

Para ello, los ingenieros pueden mejorar o perfeccionar un producto existente o un proceso, tambin pueden disear un nuevo producto o proceso que satisfaga las necesidades de los clientes. El mtodo cientfico o de ingeniera, es el enfoque utilizado para formular y resolver estos problemas.

El mtodo de ingeniera y el pensamiento estadstico

Los pasos en el mtodo de ingeniera son los siguientes: 1. desarrollar una descripcin clara y concisa del problema. 2. Identificar, al menos provisionalmente, los factores importantes que afectan a este problema o que pueden desempear un papel en su solucin.

3. Proponer un modelo para el problema, utilizando los conocimientos cientficos o de

ingeniera del fenmeno estudiado. Cualquier limitacin o supuestos del modelo del Estado. 4. Llevar a cabo experimentos apropiados y recopilar datos para probar o validar el modelo provisional o conclusiones formuladas en los pasos 2 y 3.

5. Perfeccionar el modelo sobre la base de los datos observados.

6. Manipular el modelo para ayudar en el desarrollo de una solucin al problema. 7. Llevar a cabo un experimento adecuado para confirmar que la solucin propuesta al problema sea eficaz y eficiente. 8. Realizar conclusiones o recomendaciones basadas en la solucin del problema.

El mtodo de ingeniera y el pensamiento estadstico

Problema Necesidad

Desarrollaruna descripcin claradel problema

Identificar,los factores importantes

Proponero mejorar un modelo

Manipularel modelo

Confirmarla solucin

Conclusionesy recomendaciones

Realizar experimentos

En consecuencia, los ingenieros deben saber cmo planear eficientemente experimentos, recopilar datos, analizar e interpretar los datos y comprender cmo se relacionan los datos observados en el modelo que han propuesto para el problema bajo estudio.

Universidad Central de Venezuela Facultad de Ingeniera Escuela de Ingeniera Mecnica Departamento de Tecnologa de Produccin Unidad Docente y de Investigacin Produccin Asignatura

Produccin I

El mtodo de ingeniera y el pensamiento estadstico 1. PROPSITO: Capacitar al estudiante de Ingeniera Mecnica para aplicar mtodos estadsticos en las actividades de gestin de la calidad de los procesos de un sistema de produccin.

El campo de la estadstica se ocupa de la recopilacin, presentacin, anlisis y uso de datos para tomar decisiones, resolver problemas y diseo de productos y procesos. Especficamente, las tcnicas estadsticas pueden ser una poderosa herramienta de ayuda en el diseo de nuevos productos y sistemas, mejorar los diseos existentes y disear, desarrollar y mejorar los procesos de produccin.

El mtodo de ingeniera y el pensamiento estadstico

DATOS

Diseo de nuevos productos y sistemas Diseo, desarrollo y mejoras de los procesos de produccin. Mejoras en los diseos existentes

DATOS
DATOS

Tcnicas Estadsticas

El mtodo de ingeniera y el pensamiento estadstico La estadstica es un elemento decisivo en el incremento de la calidad, ya que las tcnicas estadsticas pueden emplearse para describir y comprender la variabilidad.

FACTORES DE VARIABILIDAD EN PRODUCCION

CALIDAD

RENTABILIDAD

Eliminar el desperdicio Disminuir la cantidad de material de desecho La necesidad de volver a maquilar piezas Los requerimientos para inspeccin y prueba Las prdidas por garanta Mejorar la satisfaccin del consumidor y permitir que la empresa se convierta en un productor de alta calidad y bajo costo en el mercado.

El mtodo de ingeniera y el pensamiento estadstico Variabilidad

Identificar,los factores importantes Proponero mejorar un modelo

Por variabilidad, entendemos que sucesivas observaciones de un sistema o fenmeno no producen exactamente el mismo resultado Se utilizan mtodos estadsticos que nos ayuden a describir y entender la variabilidad. El pensamiento estadstico puede darnos una forma til de incorporar esta variabilidad en nuestros procesos de toma de decisiones

Realizar experimentos

El mtodo de ingeniera y el pensamiento estadstico Rendimiento de kilometraje de gasolina Siempre se obtiene exactamente el mismo rendimiento de kilometraje en cada tanque de combustible?
Tipo de conduccin que se ha realizado (ciudad vs. carretera) Cambios en la condicin del vehculo Presin de aire en los neumticos Compresin de motor Desgaste de las vlvulas Marca u octanaje de la gasolina utilizada Condiciones climticas. Las estadsticas nos dan un marco para describir esta variabilidad y para obtener informacin acerca de las ms importantes posibles fuentes de variabilidad o que tengan el mayor impacto en el rendimiento de kilometraje por gasolina.

Factores que representan fuentes potenciales de variabilidad en el sistema

El mtodo de ingeniera y el pensamiento estadstico

Un ingeniero es el diseador de un conector de nylon para utilizarse en una aplicacin de motor automotriz y est considerando establecer las especificaciones de diseo en el espesor de la pared a 3/32 pulgadas, pero desconoce los efectos de la presente decisin sobre la fuerza de extraccin del conector. Si la fuerza de extraccin es demasiado baja, el conector puede fallar cuando est instalado en un motor. Se producen ocho unidades de prototipo y se miden las fuerzas de extraccin, resultando los siguientes datos (en libras): 12.6, 12,9, 13.4, 12.3, 13,6, 13.5, 12.6, 13.1. Como habamos previsto, no todos los prototipos tienen la misma fuerza de extraccin. Decimos que existe variabilidad en las mediciones de fuerza de extraccin. Debido a que las mediciones de fuerza de extraccin presentan variabilidad, consideramos que la fuerza de extraccin es una variable aleatoria.

El mtodo de ingeniera y el pensamiento estadstico Una forma conveniente de representar una variable aleatoria X, que representa una medida, es mediante el modelo: Pequeos cambios en el entorno X Equipo de prueba Variaciones en la probeta Donde es una constante y es una perturbacin aleatoria. Si no hubo ningn disturbio, siempre sera igual a cero y X siempre sera igual a la constante . Sin embargo, esto nunca esto en el mundo real, por lo que las mediciones reales X presentan variabilidad A menudo tenemos que describir, cuantificar y en definitiva reducir la variabilidad.

El mtodo de ingeniera y el pensamiento estadstico

Medidas de la fuerza de extraccin Espesor de la pared 3/32 pulg.

12.3

12.6

12.6

12.9

13.1

13.4

13.5

13.6

Fig. 1-2 Diagrama de puntos de la fuerza de extraccin cuando el espesor de la pared es 3/32 pulg.

El diagrama de puntos es una forma muy til para mostrar una pequea cantidad de datos (hasta unas 20 observaciones)

Este argumento nos permite ver fcilmente dos caractersticas de los datos; la ubicacin o punto medio y la dispersin o variabilidad

El mtodo de ingeniera y el pensamiento estadstico De las pruebas de los prototipos, sabe que la fuerza de extraccin en promedio es 13.0 libras. Sin embargo, piensa que esto puede ser demasiado baja para la intencin de aplicacin, por lo que decide examinar un diseo alternativo con un espesor de pared mayor, 1/8 pulgadas. Construye ocho prototipos de este diseo, y las medidas de fuerza de extraccin observadas son 12,9, 13,7, 12,8, 13,9, 14.2, 13.2, 13,5 y 13,1. El promedio es de 13.4. Los resultados de las dos muestras se trazan como diagramas de punto en la Fig. 1-3.

El mtodo de ingeniera y el pensamiento estadstico

Medidas de la fuerza de extraccin Espesor de la pared 1/8 pulg. 12.8 12.9 13.1 13.2 13.5 13.7 13.9 14.2

Fig. 1-3 Diagrama de puntos de la fuerza de extraccin para dos espesores de pared

El promedio de las nuevas medidas es 13.4 lib.

Esta grfica da la impresin que aumentando el espesor de la pared se aumenta la fuerza de extraccin.

El mtodo de ingeniera y el pensamiento estadstico Sin embargo, hay algunas preguntas obvias. Por ejemplo, cmo sabemos que otra muestra de prototipos no dar resultados diferentes? Es una muestra de ocho prototipos adecuada para dar

resultados confiables?
Si utilizamos los resultados obtenidos hasta ahora a la conclusin de que aumentar el espesor de la pared aumenta la fuerza, qu riesgos estn asociados con esta decisin? Por ejemplo, es posible que el aparente aumento de fuerza observada en los prototipos gruesos es slo debido a la variabilidad inherente del sistema y que aumentar el grosor de la pieza (y su costo) realmente no tiene ningn efecto sobre la fuerza de extraccin

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica. A menudo, se aplican las leyes fsicas (como la ley de Ohm y la ley del gas ideal) para ayudar a diseo de productos y procesos. Estamos familiarizados con este razonamiento de leyes generales para casos especficos. Pero tambin es importante a razn de un conjunto especfico de mediciones para casos ms generales para responder a las preguntas anteriores. Este razonamiento es a partir de una muestra (como los ocho conectores) o la poblacin (tales como los conectores que sern vendidos a los clientes). El razonamiento se conoce como inferencia estadstica.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica - Muestreo La terminologa de muestreo se ha mantenido histricamente, de las investigaciones de carcter social en las que las mediciones son obtenidas de una muestra de personas y luego son generalizadas a la poblacin. Claramente, el razonamiento basado en mediciones de algunos objetos para las mediciones sobre todos los objetos puede ocasionar errores (llamados errores de muestreo). Sin embargo, si la muestra es seleccionada correctamente, estos riesgos pueden ser cuantificados y puede determinar un tamao de muestra apropiado.

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica - Muestreo

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica - Muestreo En algunos casos, la muestra est seleccionada realmente de una poblacin bien definida. La muestra es un subconjunto de la poblacin.
Muestra de tomada de la poblacin Inferencia sobre la totalidad de la poblacin Estudio Enumerativo

En otros casos, la poblacin es conceptual, pero se podra considerar como futuras repeticiones de los objetos de la muestra.
Muestra representativa de un proceso Inferencia sobre una poblacin futura Estudio Analtico

El mtodo de ingeniera y el pensamiento estadstico Inferencia Estadstica - Muestreo

Este anlisis requiere alguna nocin de estabilidad como una hiptesis adicional. Por ejemplo, se podra suponer que las fuentes de variabilidad en la fabricacin de prototipos (tales como temperatura, presin y tiempo de curacin) son las mismas que las de los prototipos que sern fabricados en el futuro y finalmente utilizados.

Universidad Central de Venezuela Facultad de Ingeniera Escuela de Ingeniera Mecnica Departamento de Tecnologa de Produccin Unidad Docente y de Investigacin Produccin Asignatura

Produccin I

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Hay tres mtodos bsicos de recopilacin de datos:

Un estudio retrospectivo utilizando datos histricos Un estudio observacional Un experimento diseado

Un efectivo procedimiento de recogida de datos puede simplificar el anlisis enormemente y conducir a la mejor comprensin de la poblacin o el proceso que est siendo estudiado.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Un estudio retrospectivo utilizando datos histricos Un estudio retrospectivo usara todos o una muestra de los datos de proceso histrico archivado en algn perodo de tiempo. Un estudio retrospectivo puede tener una gran cantidad de datos, pero estos pueden contener relativamente poca informacin til acerca del problema. Adems, puede que falten algunos de los datos pertinentes, puede haber errores de grabacin atpicos (o valores inusuales) o transcripcin o datos sobre otros factores importantes que pudieron no haber sido recopilados y archivados Como resultado de estos tipos de problemas, el anlisis estadstico de los datos histricos a veces identifica fenmenos interesantes, pero las explicaciones slidas y confiables de estos fenmenos son difciles de obtener.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Estudio Observacional En un estudio observacional, el ingeniero observa el proceso o la poblacin, de forma de interferir lo menos posible y registrar las cantidades de inters. Porque estos estudios se realizan generalmente por un perodo de tiempo relativamente corto, a veces las variables que no se miden rutinariamente pueden ser incluidas.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Experimentos Diseados En un experimento diseado el ingeniero hace deliberadamente o con fines determinados cambios en las variables controlables del sistema o proceso, observa los datos de salida resultante del sistema y, a continuacin, hace una inferencia o decisin acerca de cuales variables son responsables de los cambios observados en el rendimiento de salida. Los experimentos diseados juegan un papel muy importante en el desarrollo y diseo de ingeniera y en la mejora de procesos de fabricacin. Generalmente, cuando los productos y procesos son diseados y desarrollados con experimentos diseados, gozan de mejor performance, mayor confiabilidad y tienden a disminuir los costos generales. Los experimentos diseados tambin desempean un papel crucial en la reduccin del tiempo de ejecucin, de ingeniera de diseo y desarrollo de las actividades.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Experimentos Diseados

El ejemplo de conector de nylon muestra un experimento diseado; es decir, se realiz un cambio deliberado en el espesor de la pared del conector con el objetivo de descubrir si se puede obtener una mayor fuerza de extraccin. El ingeniero eligi dos espesores de pared para el conector y realiz una serie de pruebas para obtener medidas de fuerza de extraccin en cada espesor de pared. En este experimento de comparacin simple, el ingeniero est interesado en determinar si existe alguna diferencia entre los diseos de 3/32 y 1/8 pulgadas.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Experimentos Diseados

Un enfoque que podra utilizarse para el anlisis de los datos de este experimento es comparar la fuerza media de extraccin para el diseo de 3/32 de pulgada con la fuerza media de extraccin para el diseo de 1/8 de pulgada, mediante pruebas de hiptesis estadstica. Generalmente, una hiptesis es una declaracin acerca de algn aspecto del sistema en el que estamos interesados.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Experimentos Diseados Pruebas de Hiptesis

Por ejemplo, el ingeniero que desee saber si la fuerza media de extraccin de un diseo de 3/32 pulgadas supera la carga mxima tpica esperada en esta aplicacin, es decir 12.75 libras.
As, estaramos interesados en probar la hiptesis de que la fuerza media supera 12.75 libras. Esto se llama una prueba de hiptesis simple sobre la muestra. Esto tambin es un ejemplo de un estudio analtico. Por otra parte, el ingeniero podra estar interesado en probar la hiptesis de que aumentar el espesor de la pared de 3/32 a 1/8 pulgadas da como resultado un aumento en la fuerza media de extraccin. Claramente, este es un estudio analtico; Tambin es un ejemplo de un problema de prueba de hiptesis de dos muestras.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Experimentos Diseados Pruebas de Hiptesis

Por ejemplo, el ingeniero que desee saber si la fuerza media de extraccin de un diseo de 3/32 pulgadas supera la carga mxima tpica esperada en esta aplicacin, es decir 12.75 libras.
As, estaramos interesados en probar la hiptesis de que la fuerza media supera 12.75 libras. Esto se llama una prueba de hiptesis simple sobre la muestra. Esto tambin es un ejemplo de un estudio analtico. Por otra parte, el ingeniero podra estar interesado en probar la hiptesis de que aumentar el espesor de la pared de 3/32 a 1/8 pulgadas da como resultado un aumento en la fuerza media de extraccin. Claramente, este es un estudio analtico; Tambin es un ejemplo de un problema de prueba de hiptesis de dos muestras.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo

Los datos son recogidos frecuentemente a lo largo del tiempo. En este caso, suele ser muy til trazar en funcin de una serie de tiempo. Los fenmenos que pueden afectar al sistema o proceso a menudo se vuelven ms visibles en un grfico de tiempo y el concepto de estabilidad se puede evaluar mejor. La figura 1-7 es un diagrama de punto de lecturas de concentracin de acetona tomadas cada hora, de la columna de destilacin que se describe en la seccin 1-2.2. La gran variacin que se muestra en el diagrama de punto indica la alta variabilidad en la concentracin, pero el grfico no ayuda a explicar el motivo de la variacin. El grfico de la serie de tiempo se muestra en la figura 1-8. Un cambio en el nivel medio de proceso es visible en el grfico y puede obtenerse una estimacin de cambio en el tiempo.

1-2.6 Observing Processes Over Time

Whenever data are collected over time it is important to plot the data over time. Phenomena that might affect the system or process often become more visible in a timeoriented plot and the concept of stability can be better judged.

Figure 1-7 The dot diagram illustrates variation but does not identify the problem.

1-2.6 Observing Processes Over Time

Figure 1-8 A time series plot of concentration provides more information than a dot diagram.

1-2.6 Observing Processes Over Time

Figure 1-9 Demings funnel experiment.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo Este interesante experimento seala que los ajustes a un proceso basado en disturbios aleatorios realmente pueden aumentar la variacin del proceso. Esto se conoce como supervisin o manipulacin. Los ajustes deben ser aplicados slo para compensar un el cambio en el proceso, entonces pueden ayudar. Una simulacin en computadora puede utilizarse para demostrar las lecciones de la experiencia de embudo. La figura 1-10 muestra una grfica de tiempo de 100 mediciones (denotadas por y) de un proceso en el que estn presentes slo perturbaciones aleatorias. El valor del objetivo del proceso es de 10 unidades. La figura muestra los datos con y sin los ajustes que se aplican a la media del proceso en un intento de producir ms datos cercanos a la meta u objetivo. Cada ajuste es igual y opuesto a la desviacin de la medicin anterior del objetivo. Por ejemplo, cuando la medicin es 11 (una unidad por encima del objetivo), la media se reduce en una unidad antes de generar la prxima medicin. La supervisin ha incrementado las desviaciones del objetivo.

1-2.6 Observing Processes Over Time

Figure 1-10 Adjustments applied to random disturbances over control the process and increase the deviations from the target.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo La figura 1-11 muestra los datos sin ajustes de la Fig. 1-10, excepto que las mediciones despus de la observacin nmero 50 se aumentan de dos unidades para simular el efecto de un cambio en la media del proceso. Cuando hay un verdadero cambio en la media de un proceso, un ajuste puede ser til.

La figura 1-11 tambin muestra los datos obtenidos cuando un ajuste (una disminucin de dos unidades) se aplica a la media, despus de haber detectado el cambio (en el nmero 57 de la observacin). Tenga en cuenta que este ajuste disminuye las desviaciones del objetivo.

1-2.6 Observing Processes Over Time

Figure 1-11 Process mean shift is detected at observation number 57, and one adjustment (a decrease of two units) reduces the deviations from target.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo La cuestin de cundo aplicar ajustes (y la cantidad) comienza con la comprensin de los tipos de variacin que afectan los procesos. Un grfico de control es una manera invaluable de examinar la variabilidad de datos a lo largo del tiempo. La figura 1-12 presenta un grfico de control para los datos de concentracin de la Fig. 1-8. La lnea del centro del grfico de control es simplemente el promedio de las mediciones de concentracin para las primeros 20 muestras ( = 91.5 g/l) cuando el proceso es estable.

1-2.6 Observing Processes Over Time

Figure 1-12 A control chart for the chemical process concentration data.

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo El lmite superior de control y el lmite inferior de control son un par de lmites derivados estadsticamente que reflejan la variabilidad natural o inherente en el proceso. Estos lmites localizan tres desviaciones de los valores de concentracin por encima y por debajo de la lnea central.

Si el proceso est funcionando como debe ser, sin ninguna fuente externa de variabilidad presente en el sistema, las mediciones de concentracin deben fluctuar aleatoriamente alrededor de la lnea central, y casi todos ellos deberan caer entre los lmites de control

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo En el grfico de control de la Fig. 1-12, el marco de referencia visual proporcionado por la lnea central y los lmites de control indican que alguna perturbacin ha afectado al proceso por ejemplo despus de el tiempo t=20 h, porque todas las observaciones siguientes estn por debajo de la lnea central y dos de ellos realmente caen por debajo del lmite inferior de control. Esto es una fuerte seal de que es necesaria una accin correctiva en este proceso. Si podemos encontrar y eliminar la causa subyacente de esta perturbacin, podemos mejorar el rendimiento del proceso considerablemente. Los grficos de control son una aplicacin estadstica para supervisar, controlar y mejorar un proceso muy importante. La subdivisin de las estadsticas que hace uso de grficos de control se denomina control estadstico de procesos o SPC

El mtodo de ingeniera y el pensamiento estadstico RECOLECCION DE DATOS EN INGENIERIA Procesos de Observacin a lo largo del tiempo En el grfico de control de la Fig. 1-12, el marco de referencia visual proporcionado por la lnea central y los lmites de control indican que alguna perturbacin ha afectado al proceso por ejemplo despus de el tiempo t=20 h, porque todas las observaciones siguientes estn por debajo de la lnea central y dos de ellos realmente caen por debajo del lmite inferior de control. Esto es una fuerte seal de que es necesaria una accin correctiva en este proceso. Si podemos encontrar y eliminar la causa subyacente de esta perturbacin, podemos mejorar el rendimiento del proceso considerablemente. Los grficos de control son una aplicacin estadstica para supervisar, controlar y mejorar un proceso muy importante. La subdivisin de las estadsticas que hace uso de grficos de control se denomina control estadstico de procesos o SPC

6-6 Time Sequence Plots

Figure 6-16 Company sales by year (a) and by quarter (b).