Está en la página 1de 95

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

MANUAL DE PRCTICAS

MATERIA: CONTROL ESTADISTICO DE PROCESOS CLAVE: 9015 PROGRAMA EDUCATIVO: INGENIERA INDUSTRIAL Distribucin de las prcticas Las Siete Herramientas P1: Conociendo minitab, Intervalos de Confianza y pruebas de hiptesis (2 HORAS). P2: Histograma, Diagrama de Tallo y hoja (2 HORAS). P3: Grfico de caja sencillo, mltiple y Grfico de Pareto (2 HORAS). P4: Diagrama de dispersin y Diagrama Causa-Efecto (2 HORAS). Grficos de Control por Variables P5 y P6: Grfico de control X-R, X-S y de Mediciones individuales (2 HORAS CADA UNA) P7: Etapa II de los grficos de control en Excel (2 HORAS). Estudios de capacidad del Proceso P8: Estudios de capacidad de proceso mediante Capability Sixpack y Estudio de capacidad Normal (2 HORAS). Grficos de control por atributos P9: Grficos P y np con muestras constantes y variables (2 HORAS). P10: Grfico de control para disconformidades C y U (2 HORAS). NOTA: Adicionalmente a las prcticas, durante el curso se realizaran 3 evaluaciones del manejo de minitab, cuyo resultado tendr un valor del 20% de la calificacin de los alumnos por unidad. Para tener derecho a esta evaluacin los alumnos debern entregar todos los problemas trabajados en las sesiones y algunos adicionales propuestos por el profesor, adecuadamente resueltos e interpretados. Esto consumir otras 6 horas adicionales, es decir, otras tres sesiones de 2 horas cada una.

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 1: Conociendo minitab, Intervalos de Confianza y pruebas de hiptesis (2 HORAS) NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS CONOCIENDO MINITAB INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2 9015 1 2007-1 21096

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD, ECXEL) OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para el uso de MINITAB a travs la solucin de problemas bsicos de estadstica.

3.- TEORA: Introduccin a MINITAB 4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: 1. Encendido del equipo de cmputo. 2. Entrar al correo del grupo 3. Descargar los problemas previamente enviados por el profesor 4. Acceso al programa MINITAB 5. Explicacin de las funciones bsicas de estadstica en el software minitab 6. Sesin de solucin y anlisis de problemas de acuerdo a las salidas de minitab 7. Duracin de la prctica 2 hrs. B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres esta prctica C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Control Estadstica de Calidad y Seis Sigma, Gutirrez Pulido & De la Vara 6.- ANEXOS:

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 2: Histograma y Diagrama de Tallo y hoja (2 HORAS) NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS HISTOGRAMA Y DIAGRAMA DE TALLO Y HOJA INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 2 2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir un histograma o el diagrama de Tallo y hoja. 3.- TEORA: Histograma: Es un diagrama de barras donde la altura de cada barra indica el nmero de veces que el nmero dado aparece en la serie, o el nmero de valores que caen de un intervalo. Para hacer un histograma, se usa el eje horizontal para presentar la escala de medicin y para trazar los lmites de los intervalos de clase. El eje vertical representa la escala de la frecuencia. El histograma es una representacin grfica de los datos en la que es ms sencillo ver tres propiedades: 1: Forma 2: Localizacin o tendencia central 3: Dispersin o expansin Diagrama de Tallo y Hoja: Es una forma adecuada de obtener una representacin visual informativa de un grupo de datos X 1 , X 2 ,... X n , donde cada nmero X i tiene al menos dos dgitos. Para construir un diagrama de tallo y hoja, cada nmero X i se divide en dos partes: un tallo compuesto por uno o ms de los primeros dgitos y una hoja compuesta por los dgitos restantes. En general debern elegirse relativamente pocos tallos en comparacin con el nmero de observaciones. La mejor eleccin suele ser entre 5 y 20 tallos. Una vez que se ha elegido un conjunto de tallos, se enlistan en el margen izquierdo del diagrama. Enseguida de cada tallo se enlistan todas las hojas correspondientes a los valores de los datos observados en el orden en que se van encontrando en el conjunto de datos. En algunas ocasiones se ordenan las hojas de menor a mayor en cada tallo. A esta forma de presentacin suele llamarse representacin ordenada de tallo y hoja, la cual hace relativamente sencillo determinar caractersticas de los datos tales como los percentiles, los cuartiles y la mediana.

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: PASOS PARA CONSTRUIR UN HISTOGRAMA EN MINITAB 1: Escribir los datos en una sola columna

2: Entrar a Graph y escoger la opcin Histogram

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Escoger la opcin de With Fit para que minitab sobreponga una curva en forma de la distribucin normal sobre el histograma

4: Al oprimir el botn OK, en el paso anterior se muestra la ventana Histogram with Fit y se debe pasar la columna en la que se encuentran los datos al recuadro en blanco con el encabezado Graph variable.

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

5: Despus de entrar a LABEL, se muestra una nueva ventana en la que aparece la opcin de TITLE: En este rengln se le puede poner nombre al grfico (OK).

6: Si se entra en SCALE Muestra una nueva ventana en la que se puede escoger la informacin que se desea que aparezca en el eje Y. una opcin importante que se muestra dentro de SCALE es REFERENCE LINES, ya que con estas se pueden sobreponer las especificaciones sobre el histograma y detectar de una manera visual si existe algn problema para cumplir con tales especificaciones para el producto y de haberlo detectar si el problema es cumplir con el lmite superior, el inferior o con ambos. Por ejemplo si suponemos una especificacin de 145 75 psi, los lmites de especificacin seran: Lmite inferior de especificacin (LIE) 70 y el lmite superior de especificacin (LSE) 220 y para que estos aparezcan en el histograma dentro de Reference Lines, se escoge show reference lines at X y se escriben dejando un espacio en blanco entre ellos (70 220).

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

7: El grfico resultante es el siguiente.


Datos de resistencia a la compresin
Normal 70 25 220
Mean StDev N 162.7 33.77 80

20

Frequency

15

10

0 80 120 160 C1 200 240

Esta figura an se puede modificar usando el botn derecho del mouse. Por ejemplo si se quiere editar el nmero de barras se da clic derecho sobre ellas y se muestra el men en donde aparece la opcin Edit Bars y entrando a ella se pueden hacer modificaciones como por ejemplo a la cantidad de barras o si se desea que aparezcan los lmites o las marcas de clase.

M.C. JORGE LIMON ROMERO

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

El men que se muestra al escoger Edit Bars es el que se muestra abajo. En este por ejemplo si se desea cambiar para que en el eje X, ahora aparezcan los lmites de clase se escoge Cutpoint (Midpoint sera para trabajar con la marca de clase). Por otra parte si lo que se requiere es cambiar el nmero de barras se debe posicionar en Number of intervals y teclear la cantidad adecuada. Estas dos modificaciones se haran dentro de la opcin Binning que se encuentra dentro de este men.

El grfico resultante despus de las modificaciones anteriores es el siguiente:


Datos de res is tencia a la compr es in
Norm a l 70 35 30 25 Frequency 20 15 10 5 0 60 90 120 150 C1 180 210 240 270 220
M ean S tD ev N 162.7 33.77 80

M.C. JORGE LIMON ROMERO

10

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

DIAGRAMA DE TALLO Y HOJA 1: Entrar a Graph y despus a la opcin Stem and leaf (Tallo y hoja)

2: Pasar la columna en la que se encuentran los datos al recuadro en blanco de Graph Variabels, en este caso es la columna 1 (C1). Despus hacer click en OK. El resultado es el que se muestra abajo como Steam and leaf.

M.C. JORGE LIMON ROMERO

11

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Resultado de la secuencia anterior


Stem-and-leaf of C1 Leaf Unit = 1.0 1 2 3 5 8 11 17 25 37 (10) 33 23 16 10 6 5 2 1 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 N = 80

6 7 7 15 058 013 133455 12356899 001344678888 0003357789 0112445668 0011346 034699 0178 8 189 7 5

La leyenda Leaf Unit que aparece en el encabezado del diagrama de tallo y hoja indica por cuanto se debe multiplicar cada nmero que se forma al unir los tallos con sus respectivas hojas por ejemplo si se toma el tallo 8 y su hoja 7 que aparecen en la fila 2 del diagrama anterior se forma el 87, el cual se debe multiplicar por 1.0 segn la unidad de hoja, por lo que se debe interpretar como 87, lo cual indicara que en el grupo de datos que estamos representando podremos encontrar un 87. En algunas ocasiones cuando se trabaje con nmeros con decimales la unidad de hoja puede ser 0.1 por lo que si este hubiera sido el caso en el ejemplo citado anteriormente el 87 se tendra que multiplicar por 0.1 y el nmero resultante sera 8.7 y esto indicara que en el grupo de datos que estamos representando podremos encontrar un 8.7. Si se selecciona la opcin de Trim outlier, minitab automticamente encontrar los outliers de haberlos y los separa del resto de los datos como se puede apreciar enseguida:

M.C. JORGE LIMON ROMERO

12

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Resultado incorporando la opcin Trim outliers


Stem-and-leaf of C1 Leaf Unit = 1.0 LO 76, 87 3 5 8 11 17 25 37 (10) 33 23 16 10 6 5 9 10 11 12 13 14 15 16 17 18 19 20 21 22 7 15 058 013 133455 12356899 001344678888 0003357789 0112445668 0011346 034699 0178 8 189 N = 80

HI 237, 245

Por otra parte si se desea controlar las subdivisiones en los tallos, se debe utilizar el campo de increment. Para el ejemplo anterior si se quiere que cada tallo tenga dos divisiones se deber utilizar increment igual a 5, es decir, si tomamos el tallo 14 como ejemplo, en su primera divisin se encontrarn las hojas 0,1,2,3,4 (5 dgitos) y en la segunda divisin se encontrarn las hojas 5,6,7,8,9 (5 dgitos). Esta opcin se utilizar cuando la cantidad de tallos es pequea (menor a 5). Cuando se est trabajando con nmeros con cifras decimales se podr utilizar un increment igual a 0.5 y en su primera divisin se encontrarn las hojas 0.0, 0.1, 0.2, 0.3, 0.4 (5 valores) y en la segunda divisin se encontrarn las hojas 0.5, 0.6, 0.7, 0.8, 0.9 (5 valores). Para el ejemplo anterior si se utiliza increment igual a 5 como se muestra en la figura el resultado sera el siguiente:

M.C. JORGE LIMON ROMERO

13

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Stem-and-leaf of C1 Leaf Unit = 1.0 1 1 2 2 3 4 5 6 8 11 11 15 17 20 25 31 37 (5) 38 33 27 23 17 16 13 10 8 6 6 5 4 2 2 1 1 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 15 15 16 16 17 17 18 18 19 19 20 20 21 21 22 22 23 23 24 24 6 7 7 1 5 0 58 013 1334 55 123 56899 001344 678888 00033 57789 011244 5668 001134 6 034 699 01 78 8 1 89 7 5

= 80

B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin. Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin.
M.C. JORGE LIMON ROMERO 14

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa. Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega. Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14.

6.- ANEXOS:

M.C. JORGE LIMON ROMERO

15

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 3: Grfico de caja sencillo, mltiple y Grfico de Pareto (2 HORAS) NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS GRFICO DE CAJA SENCILLO, MLTIPLE Y GRFICO DE PARETO INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 3

2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

16

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: Diagrama de Caja El diagrama de tallo y hoja y el histograma proporcionan una impresin visual acerca de un conjunto de datos, mientras que el promedio y la desviacin estndar mustrales proporcionan informacin cuantitativa acerca de las caractersticas especificas de los datos. El diagrama de caja es una representacin grfica que muestra simultneamente varias caractersticas importantes de los datos, tales la localizacin o la tendencia central, la dispersin o variabilidad, el apartamiento de la simetra y la identificacin de observaciones que se localizan inusualmente lejos del grueso de los datos (a estas observaciones se les conoce como puntos atpicos). Un diagrama de caja muestra los tres cuartiles, el mnimo y el mximo de los datos, en una caja rectangular alineada sea horizontal o verticalmente. La caja abarca el rango intercuartlico con el lado izquierdo (o inferior) en el primer cuartil q1 y el lado derecho (o superior) en el tercer cuartil q 3 . Se traza una lnea por la caja en el segundo cuartil (que es quincuagsimo percentil o la mediana).Se extiende una lnea de ambos extremos hasta los valores ms lejanos. Estas lneas suelen llamarse bigotes. En algunos programas de computadora los bigotes solo se extienden a lo sumo una distancia de 1.5(q 3 q1 ) de los extremos de la caja y la observaciones que se localizan despus de estos lmites se marcan como puntos atpicos potenciales. Esta variante del procedimiento bsico se conoce como el diagrama de caja modificado. Diagrama de Pareto Es sabido que ms del 80% de la problemtica en una organizacin es comn, es decir, se debe a problemas, causas o situaciones que actan de manera permanente sobre el proceso. Sin embargo, en todo proceso existen unos cuantos problemas o situaciones vitales que contribuyen en gran medida a la problemtica global de un proceso o una empresa. Lo anterior es la premisa del diagrama de Pareto, que es un grfico especial de barras cuyo campo de anlisis o aplicacin son los datos categricos, y tiene como objetivo ayudar a localizar el o los problemas vitales, as como sus causas ms importantes. La idea es que cuando se quiere mejorar un proceso o atender sus problemas, no se den palos de ciego y se trabaje en todos los problemas al mismo tiempo y se ataquen todas sus causas a la vez, sino que, con base en los datos e informacin aportados por un anlisis de Pareto, se establezcan prioridades y se enfoquen los esfuerzos donde puedan tener mayor impacto. En este sentido, el diagrama de Pareto encarna mucho de la idea del pensamiento estadstico. La variabilidad y utilidad general del diagrama esta respaldada por el llamado principio de Pareto, conocido como Ley 80-20 o Pocos vitales, muchos triviales, el cual reconoce que unos pocos elementos (20%) generan la mayor parte del efecto (80%), y el resto de los elementos generan muy poco efecto total. El nombre del principio es en honor del economista italiano Wilfredo Pareto (1843-1923), quien reconoci que pocas personas (20%) posean gran parte de los bienes (80%), y afirmaba: pocos tienen mucho, y muchos tienen poco. Fue Joseph Juran, uno de los clsicos de la calidad de la primera generacin y que desempe un papel crucial en el movimiento mundial por la calidad, quien reconoci que el principio de Pareto tambin se aplicaba a la mejora de la calidad; como ejemplo mostraba la clasificacin del tipo de defectos de diferentes productos,
M.C. JORGE LIMON ROMERO 17

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

donde haba unos cuantos que predominaban. A la representacin grfica de la frecuencia de esos defectos le llam diagrama de Pareto, que siendo justos debera llamarse diagrama de Juran. En los ltimos aos se ha evidenciado que el diagrama de Pareto puede aplicarse en casi toda actividad. 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir grficos de caja sencillos o mltiples y Grficos de Pareto. 3.- TEORA: Conocimiento bsico de EXCEL Introduccin a MINITAB 4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA:

ELABORACION DEL GRAFICO DE CAJA 1:Entrar a Graph y luego a Boxplot

2: Si se va a trabajar con un solo conjunto de datos agrupados en una columna escoger la opcin One Y Simple como se indica en la siguiente figura:

M.C. JORGE LIMON ROMERO

18

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Escoger la columna en la que se encuentren los datos que se vayan a graficar de la siguiente manera

En esta ventana tambin aparecen la opcin de Scale y Labels con una funcin similar a la que se explicaba en el histograma. Aqu tambin se encuentra una opcin importante que se utiliza para darle forma grfico o para indicar que informacin es la que queremos que despliegue, esta pestaa es Data View, la cual aparece de la siguiente manera:

M.C. JORGE LIMON ROMERO

19

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Si se seleccionan los recuadros que se aprecian en la ventana anterior el grfico resultante se ver de as:
G r f i c o d e c a ja p a r a l a r e s i s t e n c i a a l a c o m p r e s i n
250

200

C1 150 100

Este grfico muestra los cuartiles que conforman la caja y tambin se puede apreciar un dato atpico hacia arriba y dos hacia abajo. En algunas ocasiones el grfico de caja se puede aplicar aunque el tamao de la muestra sea pequeo y nos proporciona informacin adicional como se puede observar en el siguiente ejemplo: Un ingeniero de desarrollo de productos est interesado en maximizar la resistencia o la tencin de una nueva fibra sinttica que se emplear en la manufactura de tela para camisas de hombre. El ingeniero sabe por experiencia que la resistencia es influida por el porcentaje de algodn presente en la fibra. Adems l sospecha que elevar el contenido de algodn incrementar la resistencia, al menos inicialmente entre 10% y
M.C. JORGE LIMON ROMERO 20

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

40% para que la tela resultante tenga otras caractersticas de calidad que se desean (como capacidad para recibir un tratamiento de planchado permanente). El ingeniero decide probar muestras a cinco niveles de porcentaje de algodn: 15, 20, 25, 30 y 35%. Asimismo, decide ensayar cinco muestras a cada nivel de contenido de algodn. Los resultados se muestran en la siguiente tabla: Porcentaje de algodn 15 20 25 30 35 Observaciones 2 3 4 5 7 15 11 9 17 12 18 18 18 18 19 19 25 22 19 23 10 11 15 11

1 7 12 14 19 7

Con esta informacin construir el diagrama de caja para cada porcentaje de algodn y decidir que porcentaje es el que debe utilizarse. Antes de introducir estos datos en el minitab se deben modificar. Esta modificacin puede ser de varias formas. Dos de ellas pueden ser las siguientes: FORMA 1 FORMA 2 Porcentaje de algodn Resistencia Porcentaje de algodn Resistencia 15 7 15 7 20 12 15 7 25 14 15 15 30 19 15 11 35 7 15 9 15 7 20 12 20 17 20 17 25 18 20 12 30 25 20 18 35 10 20 18 15 15 25 14 20 12 25 18 25 18 25 18 30 22 25 19 35 11 25 19 15 11 30 19 20 18 30 25 25 19 30 22 30 19 30 19 35 15 30 23 15 9 35 7 20 18 35 10 25 19 35 11 30 23 35 15 35 11 35 11
M.C. JORGE LIMON ROMERO 21

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Lo importante aqu es que el software sepa que resistencias hubo cuando se trabaj con los distintos porcentajes de algodn, ya sea que se pongan todos los resultados para un mismo porcentaje seguidos o en cualquier orden, pero siempre anotando los mismos resultados para cada porcentaje. Para este ejemplo tambin se debe seguir la secuencia Graph Boxplot, pero despus se debe escoger la opcin One Y With Groups, ya que se tiene una sola variable de respuesta denominada como Y (la resistencia, que es lo que se le mide a cada pedazo de tela), pero agrupada de acuerdo a los porcentajes de algodn utilizados (los cuales seran los Grupos). Esto se puede ver en la siguiente ventana:

Al presionar Ok, se muestra la siguiente ventana:

En esta ventana se debe seleccionar la variable de respuesta (que en este ejemplo es la resistencia C1) y pasarse a Graph Variables y a su vez, la variable Porcentaje de algodn (C2) se deber pasar a Categorical Variables for grouping, ya que las
M.C. JORGE LIMON ROMERO 22

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

resistencias de la tela se agrupan de acuerdo con los porcentajes de algodn. Esto se puede ver en la figura anterior. Al presionar Ok en esta ventana el resultado es el siguiente:
G r fi co de C a ja pa r a R e s is te nc ia v s % a je de a l go do n
25

20 Resistencia

15

10

5 15 20 25 %a je d e a lgo d o n 30 35

EL DIAGRAMA DE PARETO EN MINITAB 1: Pegar los datos, en este caso son los del ejemplo de los defectos en las botas

M.C. JORGE LIMON ROMERO

23

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: Seguir la secuencia: Estadsticas>>Herramientas de calidad>>Diagrama de Pareto

3: En la ventana que se muestra despus de la secuencia anterior seleccionar la opcin Tabla de defectos de grfica y llenar los espacios correspondientes (Etiquetas en y Frecuencias en) con la informacin adecuada (Razn de defecto y Conteo respectivamente) segn se muestra abajo.

M.C. JORGE LIMON ROMERO

24

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4: Dentro de la ventana anterior entrar a opciones, con lo que aparece la siguiente ventana:

5: Al dar click en Aceptar en esta ventana y en la anterior se muestra el siguiente grfico:

M.C. JORGE LIMON ROMERO

25

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Par eto para defectos


800 700 600 500 400 300 200 100 0

100 Porcentaje 80 60 40 20 0
do de p l ie la s s Co tu r as M al m on ta da Pi el r ar ug a da

Frecuencias T ipos de defectos

ev

t en

Frecuencias Porcentaje % acum ulado

s lla Fa 369 50.0 50.0

en

135 18.3 68.3

135 18.3 86.6

99 13.4 100.0

B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin. Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin. Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa. Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega. Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14. 6.- ANEXOS:

M.C. JORGE LIMON ROMERO

26

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 4: Diagrama de dispersin y Diagrama Causa-Efecto (2 HORAS) NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS DIAGRAMA DE DISPERSIN Y DIAGRAMA CAUSAEFECTO INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 4

2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

27

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: Diagrama de Ishikawa (o de Causa-Efecto) El diagrama de causa-efecto o de Ishikawa es un mtodo grfico que relaciona un problema o efecto con los factores o causas que posiblemente lo generan. La importancia de este diagrama radica en que obliga a contemplar todas las causas que pueden afectar el problema bajo el anlisis y de esta forma se evita el error de buscar directamente las soluciones sin cuestionar a fondo cuales son las verdaderas causas. De esta forma, el uso del diagrama de Ishikawa (DI), ayudar a no dar por obvias las causas, sino que se trate de ver el problema desde otras perspectivas. Mtodo de las 6Ms El mtodo de las 6Ms es el ms comn y consiste en agrupar las causas potenciales en seis ramas principales: mtodos de trabajo, mano de obra, materiales, maquinaria, medicin y medio ambiente. Estos seis elementos definen de manera global todo proceso y cada uno aporta parte de la variabilidad del producto final, por lo que es natural esperar que las causas de un problema estn relacionados con alguna de las 6Ms. La pregunta bsica para este tipo de construccin es: Qu aspecto de esta M se refleja en el problema bajo anlisis? Ms adelante se da una lista de posibles aspectos para cada una de las 6Ms que pueden ser causas potenciales de problemas en manufactura. Diagrama de Dispersin (regresin lineal simple) El diagrama de dispersin muestra grficamente una variable independiente (x) y otra variable dependiente (y). Con este diagrama lo que se pretende es a grandes rasgos observar si existe una relacin aparente entre las variables graficadas y de existir esta relacin determinar de qu tipo es, positiva o negativa. Cuando la relacin es positiva, un aumento en la variable independiente provocar un aumento tambin en la variable dependiente. Por ejemplo podramos tratar de encontrar alguna relacin entre la variable independiente horas de estudio y la variable dependiente, calificacin. Probablemente al graficar esta relacin el resultado mostrara una relacin positiva, ya que pudiera esperarse que a mayor tiempo invertido en el estudio para un examen, mayor la calificacin obtenida. Por otra parte cuando la relacin es negativa un aumento en la variable independiente (x), provoca una disminucin en la variable dependiente (y).

2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir un diagrama de Ishikawa o al construir un diagrama de dispersin ampliando este ltimo con la regresin lineal simple. 3.- TEORA: Introduccin a MINITAB 4.- DESCRIPCIN
M.C. JORGE LIMON ROMERO 28

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: DIAGRAMA DE CAUSA Y EFECTO 1: Capturar la informacin anotando cada una de las Ms en los encabezados de las columnas y debajo de ellas cada una de sus posibles causas propuestas de la siguiente manera:

2: Seguir los pasos Estadsticas>>Herramientas de calidad>>Causa y efecto tal como se muestra en la siguiente figura:

M.C. JORGE LIMON ROMERO

29

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Con la secuencia anterior aparece la siguiente ventana, a la cual se le han sobrepuesto cuadros con nmeros para ilustrar el procedimiento posteriormente:

2 3

4: Cuando aparece esta ventana lo hace como se muestra arriba, con todos los campos en blanco y sin mostrar en el espacio marcado con el nmero uno las celdas en las que se capturaron las seis Ms y sus causas. Para que esta informacin aparezca en uno se debe posicionar el cursor en el espacio marcado con dos (Causas) y dar un click, con lo cual esta ventana aparece ya con la informacin disponible para ser seleccionada, como se muestra en la figura que aparece abajo:

5: Posteriormente se alimenta la informacin en los campos adecuados indicando las Causas de acuerdo con las Etiquetas. Ademas en Efecto se debe escribir el problema que
M.C. JORGE LIMON ROMERO 30

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

se est analizando y en Ttulo se anota el nombre que se desea que aparezca en el diagrama, en este caso se le dio el nombre de Diagrama de Causa y Efecto.

Al presionar Aceptar se muestra en la figura anterior se muestra el siguiente grfico:


Diagrama Causa y Efecto
M ed icio n es M aterial P erso n al

S uperv isin I na decua do C a libracin F uera de espe cificacin I nspeccin

A lta rotacin

Bo ca d e tin a o v alad a
R uido S ubensa m bles de chasis M al m ante nim iento H um e da d T ransporte D esa justa do C a lor M alas condiciones

En to rn o

M to d o s

M q u in as

6: Si se encontraron causas de tercer nivel y se desea que estos aparezcan en el diagrama, estas se deben capturar al igual que se hizo con las 6 Ms con sus subcausas debajo de ellas. Por ejemplo para capturar una subcausa dentro de inspeccin en Mano de Obra se
M.C. JORGE LIMON ROMERO 31

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

debe de entrar a Sub a la derecha de Personal con lo que aparece la siguiente ventana y se muestra como debiera de llenarse. Se hace lo mismo con trasporte dentro de Mtodos.

7: Despus de lo anterior el grfico resultante queda de la siguiente manera:

M.C. JORGE LIMON ROMERO

32

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Diagrama Causa y Efecto


M ed ic io n es M ater ial P erso n al

S upe rv isin I na de cua do C a libra cin F ue ra de e spe cificacin


N s re Ir sa on p e bl o da ita ac p ca

I nspeccin A lta rota cin

Bo c a d e tin a o v alad a

R uido
M o ej an d e m

S ube nsa m ble s de cha sis M a l m a nte nim ie nto

H um e da d

D e sajusta do M a la s condicione s T ra nsporte

ec ad In

C a lor

l ia er at

do ua

E n to rn o

M to d o s

M q u in as

Procedimiento para elaborar el Diagrama de Dispersin 1: Primeramente capturar los datos en dos columnas, una para la variable independiente (x) y la otra para la variable dependiente (y), verificando que a cada valor de x, le corresponda su respectivo valor de y, como se ilustra en la siguiente figura:

M.C. JORGE LIMON ROMERO

33

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: Seguir la secuencia: Grfica>>Grfica de dispersin

3: Con la secuencia anterior aparece la ventana mostrada abajo, en la cual deber seleccionarse la opcin Con regresin, para que automticamente se ajuste una lnea con pendiente positiva o negativa dependiendo de la correlacin entre las variables. Dar click en aceptar.

3: Despus de lo anterior, aparece la siguiente ventana en donde las variables dependiente e independiente se cargan segn se indica

M.C. JORGE LIMON ROMERO

34

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4: Al hacer click en aceptar en la ventana anterior aparecer la siguiente grfica:


Grfica de dispersin de Pureza del oxge vs. Porcentaje de hi
100 98 Pureza del oxgeno, y 96 94 92 90 88 86 0.8 0.9 1.0 1.1 1.2 1.3 1.4 Porcentaje de hidrocarburos, x 1.5 1.6

En esta grafica se puede apreciar que existe una correlacin positiva entre ambas variables, es decir, al aumentar el porcentaje de hidrocarburos (x), la pureza del oxigeno tambin aumenta, por lo que de requerirse una mayor pureza en el resultado, deber aumentarse el porcentaje de hidrocarburos en el proceso. Puede tambin requerirse para hacer un anlisis ms preciso construir un modelo que relacione ambas variables, el cual se conocera en este caso como modelo de regresin lineal simple. Este modelo puede obtenerse con la secuencia Estadsticas>>Regresin>>Regresin, toda vez que los datos ya han sido alimentados, como se indica en la siguiente figura:

M.C. JORGE LIMON ROMERO

35

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Despus de esta secuencia aparecer la siguiente tabla en donde las variables debern alimentarse entendiendo que la variable de respuesta es la variable dependiente, mientras que la variable independiente deber ir en el espacio de predictores segn se indica:

Al aceptar aparece la siguiente informacin:


Anlisis de regresin: Pureza del oxge vs. Porcentaje de hi
La ecuacin de regresin es Pureza del oxgeno, y = 74.3 + 14.9 Porcentaje de hidrocarburos, x

R-cuad. = 87.7%

En donde R-cuad. = 87.7%, se refiere al coeficiente de determinacin, el cual se recomienda que sea mayor al 70%, lo cual se cumple para este problema en especifico, por lo que se puede decir que el modelo es adecuado y puede ser utilizado para hacer predicciones. Tambin se puede calcular el ndice de correlacin con la siguiente secuencia:

M.C. JORGE LIMON ROMERO

36

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Despus de la secuencia anterior aparece la siguiente ventana, en la cual las variables para las que se requiere calcular su coeficiente de correlacin deben pasarse al recuadro de Variables, segn se indica a continuacin:

Una vez alimentadas las columnas con la informacin, hacer clik en Aceptar, despus de lo cual se desplegar el coeficiente de correlacin como se muestra a continuacin: Correlaciones: Porcentaje de hidrocarburos, x, Pureza del oxgeno, y
Correlacin de Pearson de Porcentaje de hidrocarburos, x y Pureza del oxgeno, y =

0.937

Con este resultado se comprueba la informacin mostrada en el diagrama de dispersin, ya que el valor del coeficiente de correlacin es muy cercano a 1, por lo que segn este indicador numrico es posible decir que las variables estn altamente correlacionadas. B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin. Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin. Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa.
M.C. JORGE LIMON ROMERO 37

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega. Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14.

6.- ANEXOS:

EJERCICIOS LAS SIETE HERRAMIENTAS (Herramienta: Histograma, Diagrama de Tallo y Hoja y Grfico de Caja) Ejercicio 1: Las siguientes son lecturas tomadas de la dimensin de un slot del base plate 6025, el cual es una placa metlica utilizada como base en la que posteriormente se soldan pequeos transformadores: 6.2 10.4 12.2 7.9 16.4 12.3 13.7 13.9 7.3 15.3 9.1 11.1 10.6 13.6 10.0 13.7 10.7 11.4 8.7 12.1 10.1 13.0 7.1 4.1 10.9 7.3 5.7 15.1 13.3 10.4 13.6 11.5 3.4 8.5 14.4 14.3 8.6 10.4 10.9 14.6 15.2 16.5 10.9 6.4 13.3 14.7 15.6 9.4 11.5 7.2

a) Construya su histograma sobreponiendo en este los lmites de especificacin. La especificacin para esta dimensin es de 11.5 4.5. b) Construya para estos mismos datos sus respectivos grficos de caja y diagrama de tallo y hoja Ejercicio 2: Las siguientes son lecturas tomadas de la dimensin de un slot del base plate 7125, el cual es una placa metlica utilizada como base en la que posteriormente se soldan pequeos transformadores: 18.59 20.76 22.14 23.66 21.53 19.52 19.10 20.47 18.24 24.59 15.62 19.23 15.15 15.71 17.83 13.35 20.62 18.14 14.34 21.27 26.69 19.68 21.16 11.71 13.00 18.80 17.00 23.62 23.94 21.59 15.36 16.75 19.05 24.05 18.68 21.84 11.93 15.46 18.55 15.65 20.24 16.19 24.02 22.18 23.00 23.34 21.30 17.77 20.78 24.62

M.C. JORGE LIMON ROMERO

38

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

c) Construya su histograma sobreponiendo en este los lmites de especificacin. La especificacin para esta dimensin es de 20 4.5. d) Construya para estos mismos datos sus respectivos grficos de caja y diagrama de tallo y hoja. Ejercicio 3: Un ingeniero de desarrollo de productos est interesado en maximizar la resistencia o la tencin de una nueva fibra sinttica que se emplear en la manufactura de tela para camisas de hombre. El ingeniero sabe por experiencia que la resistencia es influida por el porcentaje de algodn presente en la fibra. Adems l sospecha que elevar el contenido de algodn incrementar la resistencia, al menos inicialmente entre 10% y 40% para que la tela resultante tenga otras caractersticas de calidad que se desean (como capacidad para recibir un tratamiento de planchado permanente). El ingeniero decide probar muestras a cinco niveles de porcentaje de algodn: 15, 20, 25, 30 y 35%. Asimismo, decide ensayar cinco muestras a cada nivel de contenido de algodn. Los resultados se muestran en la siguiente tabla: Porcentaje de algodn 15 20 25 30 35 Observaciones 2 3 4 5 7 15 11 9 17 12 18 18 18 18 19 19 25 22 19 23 10 11 15 11

1 7 12 14 19 7

Con esta informacin construir el diagrama de caja para cada porcentaje de algodn y decidir qu porcentaje es el que debe utilizarse.

M.C. JORGE LIMON ROMERO

39

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Ejercicio 4: A continuacin se muestran 82 mediciones en mm del largo del doblez de una pieza metlica, doblada mediante una dobladora CNC. Las mediciones se tomaron en espacios de 15 minutos cada una. 88.5 94.7 84.3 90.1 89.0 89.8 91.6 90.3 90.0 91.5 89.9 98.8 88.3 90.4 91.2 90.6 92.2 87.7 91.1 86.7 93.4 96.1 89.6 90.4 91.6 90.7 88.6 88.3 94.2 85.3 90.1 89.3 91.1 92.2 83.4 91.0 88.2 88.5 93.3 87.4 91.1 90.5 100.3 87.6 92.7 87.9 93.0 94.4 90.4 91.2 86.7 94.2 90.8 90.1 91.8 88.4 92.6 93.7 96.5 84.3 93.2 88.6 88.7 92.7 89.3 91.0 87.5 87.8 88.3 89.2 92.3 88.9 89.8 92.7 93.3 86.7 91.0 90.9 89.9 91.8 89.7 92.2

Con esta informacin construir un histograma, el diagrama de tallo y hoja, y el grfico de caja. Existen datos atpicos? 5: La fuerza de la tensin de la adhesin del mortero de una marca de cemento es una caracterstica importante. Un ingeniero est interesado en comparar la fuerza de una formulacin modificada en la que se han agregado emulsiones de ltex de polmeros durante el mezclado, con la fuerza del mortero sin modificar. Los datos se muestran en la siguiente tabla: Mortero modificado 16.85 16.40 17.21 16.35 16.52 17.04 16.96 17.15 16.59 16.57 Mortero sin Modificar 17.50 17.63 18.25 18.00 17.86 17.75 18.22 17.90 17.96 18.15

Observacin 1 2 3 4 5 6 7 8 9 10

Construir el diagrama de caja y bigotes para tener una impresin grfica de cul mortero proporciona una mayor fuerza de la resistencia de la adhesin. Si a mayor resistencia
M.C. JORGE LIMON ROMERO 40

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

mejor el mortero, Qu mortero le recomendara utilizar usted al ingeniero?, Existe evidencia de datos atpicos en alguno de los morteros? 6: En una compaa se efecta un proceso de retrabajo para retirar un recubrimiento previamente colocado de xido de zinc de placas metlicas, el cual consiste en sumergir estas piezas en un recipiente con cido. Se realiza un estudio para ver si el tiempo que una placa dura sumergida en este recipiente tiene que ver con el recubrimiento de xido de Zinc resultante medido en milsimas de pulgada. Se considera de un inicio que todas las placas tienen el mismo grosor en el recubrimiento. Los datos obtenidos se muestran en la siguiente tabla: No. de horas Recubrimiento 2 1.8 4 1.5 6 1.4 8 1.1 10 1.1 12 0.9

a. Construya el diagrama de dispersin Qu tipo de correlacin existe entre las variables? b. Ajustar un modelo de regresin lineal para estas dos variables y calcule el coeficiente de determinacin. Interprete. c. Si se desea un recubrimiento final de 1.0 milsimas de pulgada Cunto tiempo se debern sumergir las placas? 7: Despus de detectar un incremento en el nmero de piezas rechazadas en el departamento de pintura horneada, se decidi analizar la situacin. Se realizaron varias auditoras de piezas rechazadas en dicho departamento, durante un periodo de tres semanas. La informacin se muestra en la siguiente tabla. Realizar un diagrama de Pareto e interpretarlo. Defecto Ralladura Golpes Poca adherencia Exceso Falta de pintura Frecuencia 12 3 25 1 7

8: Se piensa que la concentracin del ingrediente activo de un detergente lquido para lavar ropa es afectada por el tipo de catalizador que se utiliza en el proceso. Se hacen 10 observaciones de la concentracin con cada catalizador y los datos se presentan a continuacin: Catalizador 1 57.9 66.2 65.4 65.4 65.2 62.6 67.6 63.7 67.2 71.0 66.4 71.7 70.3 69.3 64.8 Catalizador 2 69.6 68.6 69.4 65.3 68.8

M.C. JORGE LIMON ROMERO

41

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Construir el diagrama de caja y bigotes para tener una impresin grfica de cul catalizador proporciona una mayor concentracin del ingrediente activo. Si a mayor concentracin del ingrediente activo, mejor el catalizador, Qu catalizador recomendara usted que se utilizara?, Existe evidencia de datos atpicos en alguno de los catalizadores? 9: Un comerciante al menudeo lleva a cabo un estudio para determinar la relacin entre los gastos semanales de publicidad y las ventas. Se registran los siguientes datos: Gastos Ventas 40 385 20 400 25 395 20 365 30 475 50 440 40 490 20 420 50 560 40 525 25 480 50 510

a) Construya un diagrama de dispersin, Segn la grfica existe evidencia de una relacin lineal entre estas dos variables?, Explique por qu, Cul sera la variable dependiente y cul la independiente? b) Calcule los coeficientes de correlacin y determinacin. Interprete. c) Cunto esperara vender en una semana si realiza un gasto en publicidad de 35? 10: Se tiene la siguiente informacin sobre la dureza de ejes en funcin de la temperatura de templado
Temp. (X) Dureza (Y) 101 49 115 44 115 46 140 38 123 43 107 47 135 41 135 38 105 47 110 45 110 43 135 37 125 44 132 40 130 39

a) Construya el diagrama de dispersin para estos datos, Existe evidencia de alguna relacin entre las variables?, De qu tipo? b) Calcule los coeficientes de correlacin y determinacin. Interprete. c) Qu dureza se esperara en los ejes si se utiliza en su proceso de elaboracin una temperatura de templado de 120oC?

M.C. JORGE LIMON ROMERO

42

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICAS 5 y 6: Grfico de control X-R, X-S y de Mediciones individuales (4 HORAS) NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS GRFICO DE CONTROL X-R, X-S Y DE MEDICIONES INDIVIDUALES INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 5y6

2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD, ECXEL)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

43

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir un histograma o el diagrama de Tallo y hoja. 3.- TEORA: GRFICOS DE CONTROL POR VARIABLES De acuerdo con las dos clases de datos de que se dispone en la industria, existen dos modelos fundamentales para las grficas de control: los grficos de control para variables y los grficos de control para atributos. Grficos de control para mediciones o para variables: estos se emplean en el caso en que se efecten mediciones, siendo estos los siguientes: Grfico X , R Grfico X , S Grfico para mediciones individuales

Grficos de control para atributos: los datos utilizados por este grfico se generan por calibradores pasa-no pasa o por conteos, entre estos grficos se encuentran: El grfico p El grfico np El grfico C El grfico U

Aunque hay un importante lugar en las aplicaciones de control de calidad para las grficas basadas sobre cada uno de estos tipos de datos, el mayor poder de control de las grficas de variables hace a este tipo de grfica la alternativa preferida de control donde sea prctica y econmica.

4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: 4 horas/dos sesiones El Grfico de Control X , R : Ejemplo 1: Los anillos para pistones de un motor de automvil se producen mediante un proceso de fundicin. Quiere establecerse el control estadstico del dimetro interior de los anillos fabricados con este proceso utilizando cartas X y R. Se
M.C. JORGE LIMON ROMERO 44

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

toman 25 muestras, cada una de tamao 5, cuando se considera que el proceso est bajo control con intervalos de una hora entre cada muestra. Construya el grfico de control antes mencionado para este caso. Mediciones del dimetro interior (mm) de anillos fundidos para pistones. Muestra Observaciones R X 1 74.030 74.002 74.019 73.992 74.008 74.010 0.038 2 73.995 73.992 74.001 74.011 74.004 74.001 0.019 3 73.998 74.024 74.021 74.005 74.002 74.010 0.026 4 74.002 73.996 73.993 74.015 74.009 74.003 0.022 5 73.992 74.007 74.015 73.989 74.014 74.003 0.026 6 74.009 73.994 73.997 73.985 73.993 73.996 0.024 7 73.995 74.006 73.994 74.000 74.005 74.000 0.012 8 73.985 74.003 73.993 74.015 73.988 73.997 0.030 9 74.008 73.995 74.009 74.005 74.004 74.004 0.014 10 73.998 74.000 73.990 74.007 73.995 73.998 0.017 11 73.994 73.998 73.994 73.995 73.990 73.994 0.008 12 74.004 74.000 74.007 74.000 73.996 74.001 0.011 13 73.983 74.002 73.998 73.997 74.012 73.998 0.029 14 74.006 73.967 73.994 74.000 73.984 73.990 0.039 15 74.012 74.014 73.998 73.999 74.007 74.006 0.016 16 74.000 73.984 74.005 73.998 73.996 73.997 0.021 17 73.994 74.012 73.986 74.005 74.007 74.001 0.026 18 74.006 74.010 74.018 74.003 74.000 74.007 0.018 19 73.984 74.002 74.003 74.005 73.997 73.998 0.021 20 74.000 74.010 74.013 74.020 74.003 74.009 0.020 21 73.982 74.001 74.015 74.005 73.996 74.000 0.033 22 74.004 73.999 73.990 74.006 74.009 74.002 0.019 23 74.010 73.989 73.990 74.009 74.014 74.002 0.025 24 74.015 74.008 73.993 74.000 74.010 74.005 0.022 25 73.982 73.984 73.995 74.017 74.013 73.998 0.035 Promedios 74.001 0.02284 Para construir los grficos de control utilizando minitab, existen diferentes formas de hacerlo, obteniendo informacin adicional en algunos casos como los ndices de capacidad del proceso, los PPMs, el nivel de calidad en sigmas del proceso (SQL). En este caso primeramente se ilustrar como construir nicamente los grficos de control, que nos ayudarn a saber si el proceso estuvo dentro de control a la hora de recolectar los datos. A continuacin se ilustra la secuencia a seguir en el minitab 15. 1: Primero capturar o pegar los datos en una hoja de trabajo del minitab. Es importante mencionar que solamente se deben capturar los datos originales, sin los promedios y los rangos que se muestran en la tabla anterior, ya que si minitab requiere de esos clculos minitab los realizar. Entonces solo se deben
M.C. JORGE LIMON ROMERO 45

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

pegar las 25 muestras de tamao 5 cada una (125 datos en total), quedando los 5 datos para cada muestra en la misma fila, como se muestra en la siguiente figura.

2: Seguir la secuencia Estadisticas>> Grficas de control>> Grficas de variables para subgrupos>> Xbarra-R.

M.C. JORGE LIMON ROMERO

46

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Al seguir la secuencia anterior se muestra la siguiente ventana en la que se debe seleccionar las observaciones para un subgrupo estn en una fila de columnas por la forma en que se capturaron los datos (cada subgrupo o muestra en una fila) como se muestra enseguida. Despus se deben de pasar al recuadro en blanco las columnas en las que estn los datos a graficar, en este caso de C1 a C5.

4: Una vez que se ha realizado el paso anterior dar click en la opcin Opciones de Xbarra-R con lo que se desplegara la siguiente ventana:

5: En esta ventana entrar a la opcin Estimar, en la que se escoge el mtodo para calcular la desviacin estndar, que en este caso es Rbarra y adems aparece la opcin Omitir los siguientes subgrupos cuando se estimen parmetros, la cual se utilizar cuando una vez que se haya realizado el grfico se detecten puntos que indiquen una situacin fuera de control, es decir, se vuelve a iniciar el proceso antes mencionado para construir el grfico y en esta opcin de la ventana Estimar se deben capturar los nmeros de las muestras que mostraron situaciones fuera de control, dando un espacio entre cada uno de
M.C. JORGE LIMON ROMERO 47

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

ellos con la barra espaciadora, con lo cual minitab no las considera a la hora de estimar los limites de control y los parmetros del proceso (media y desviacin estndar). Es importante mencionar que los puntos de estas muestras seguirn apareciendo en el grfico, pero los valores de los lmites sern diferentes. La ventana de estimar es la siguiente:

6: Una vez que se le de click en Aceptar. Minitab se regresar a la ventana del paso 4 en la que ahora se escoger la pestaa Pruebas, con lo que aparece la siguiente ventana:

Es aqu en donde se deben seleccionar las pruebas que se quiere que haga el software sobre el grfico. Recordar que la primera es la ms importante un punto ms all de 3 desviaciones estndar con respecto a la lnea central.
M.C. JORGE LIMON ROMERO 48

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

De estas pruebas se pueden seleccionar solo las que se requieran con un click en el recuadro en blanco a la izquierda de cada prueba. En este caso seleccionar todas, escogiendo la opcin Realizar todas las pruebas para causas especiales. Dejar los valores de k que aparecen en automtico. Dar click en Aceptar. 7: Despus del paso anterior el software mostrar la ventana del paso 3. De nuevo hacer click en Aceptar y a continuacin se muestra el grfico X-R resultante, en el cual se puede apreciar que no hay causas asignables reflejadas en puntos que rebasen los limites de control, por lo que se puede concluir que el proceso est bajo control estadstico y por lo tanto que se puede pasar a la fase II de los grficos de control la cual consiste en el monitoreo del proceso en tiempo real.

Ejemplo 2: Grfico X-R El siguiente ejemplo es un caso en el que el grfico resultante muestra indicios de situaciones fuera de control (causas asignables), por lo que es necesario, hacer una segunda iteracin para construir de nuevo el grfico usando Omitir los siguientes subgrupos cuando se estimen parmetros en la pestaa Estimar, para recalcular limites omitiendo los puntos ms all de los limites 3 sigma.
M.C. JORGE LIMON ROMERO 49

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

La siguiente informacin muestra los datos correspondientes al dimetro externo de la barra 6H-621-BP35 que se ensambla en un elevador. Las muestras se tomaron de 5 en 5 cada hora. Con esta informacin construir un grfico de control X y R. Qu puede concluirse acerca del proceso, del que se tomaron las piezas de este estudio? Tabla de datos: Dimetro externo para pieza de elevador

Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

33 33 35 30 33 38 30 29 28 38 28 31 27 33 35 33 35 32 25 35

Observaciones en la muestra 29 31 32 31 35 37 37 33 34 31 33 34 34 35 33 37 39 40 31 32 34 39 38 39 33 35 36 33 32 35 30 28 32 35 35 35 32 34 35 33 35 37 37 32 35 33 27 31 34 34 30 33 30 30 27 34 27 35 36 33 Promedios:

X
33 31 36 33 34 38 31 39 43 32 31 34 37 36 39 30 32 33 28 30 31.60 33.40 35.00 32.20 33.80 38.40 31.60 36.80 35.00 34.00 29.80 34.00 33.00 34.80 35.60 30.80 33.00 31.60 28.20 33.80 33.32

R 4 6 4 4 2 3 4 10 15 6 4 4 10 4 7 6 5 3 9 6 5.80

Despus de pegar los datos en la hoja de trabajo como se indica abajo y de seguir la secuencia ilustrada en el ejemplo 1 el resultado es el siguiente.

M.C. JORGE LIMON ROMERO

50

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Como puede observarse en este grfico el proceso se encuentra fuera de control ya que los puntos 6,8, 9, 11 y 19 violan la regla de un punto fuera de los lmites de control 3 , por lo que se procede a investigar sus causas asignables y de detectarse estos puntos debern ser eliminados de los clculos de los lmites, los cuales debern recalcularse considerando solo la informacin restante, para
M.C. JORGE LIMON ROMERO 51

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

este ejemplo especfico quedaran 15 puntos para utilizarse. Entonces en este paso se ilustrar la ventana en la que se indica que se omitan las muestras antes mencionadas y el grfico resultante, todos los otros pasos son iguales.

Despus de omitir las muestras que violan la regla uno tanto en el grfico X como en el grfico R resulta el siguiente grfico en el que se puede ver que siguen apareciendo los puntos que se pretendi eliminar, de hecho si se eliminaron pero solo de los clculos, ya que como puede verse los valores de los lmites son diferentes. Y como con estos nuevos lmites ningn otro punto viol alguna regla, se dice que el proceso est bajo control estadstico con estos nuevos valores para los lmites, por lo que pueden utilizarse para monitorear la produccin futura de esta pieza.

M.C. JORGE LIMON ROMERO

52

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

El Grfico de Control X , S Se ilustrar la construccin de estos grficos utilizando los mismos datos de los grficos X , R . 1: despus de pegar los datos como se indic en el caso anterior seguir la secuencia: Estadsticas>> Grficos de control>> Grficas de variables para subgrupos>> Xbarra-S.

2: Se muestra la ventana Grfica Xbarra-S en donde se deber escoger la opcin Las observaciones para un subgrupo estn en una fila de columnas y pasar al recuadro en blanco las columnas en las que se encuentran los datos, en este caso de C1 a C5. Luego dar click en Opciones de Xbarra-S.

M.C. JORGE LIMON ROMERO

53

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Se muestra la ventana Grfica Xbarra-S Opciones, en la cual mediante la eleccin de las pestaas adecuadas se definir el mtodo para calcular la desviacin estndar y las reglas para detectar causas asignables

3: Entrar a la pestaa Estimar y escoger Sbarra como el mtodo para estimar la desviacin estndar.

M.C. JORGE LIMON ROMERO

54

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4: Entrar a la pestaa Pruebas y escoger Realizar todas las pruebas para causas especiales

5: Dar click en Aceptar en la ventana del paso anterior y luego Aceptar de nuevo en la ventana Grfica Xbarra-S (paso 2). El grfico de control X-S resultante es el siguiente en el que se puede ver el mismo comportamiento que el caso X-R para el mismo grupo de datos, es decir, el proceso tambin muestra control estadstico.

M.C. JORGE LIMON ROMERO

55

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

En el caso en el que se muestren puntos que indiquen la posibilidad de una causa asignable el procedimiento es el mismo que se sigui en el ejemplo 2 del grfico X-R, tambin utilizando la pestaa Estimar y despus Omitir los siguientes subgrupos cuando se estimen parmetros, que se encuentra dentro de la secuencia Estadisticas>> Grficos de control>> Grficas de variables para subgrupos>> Xbarra-S. GRFICO DE CONTROL PARA MEDICIONES INDIVIDUALES La viscosidad de una pintura tapaporo para aviones es una caracterstica de calidad importante. El producto se elabora por lotes y debido a que la produccin de cada lote se lleva varias horas, la velocidad de produccin es demasiado lenta para permitir tamaos de la muestra mayores que uno. Establecer una carta de control para mediciones individuales para este caso.

Nmero de Viscocidad Rango muestra X Mvil 1 33.75 2 33.05 0.70 3 34.00 0.95 4 33.81 0.19 5 33.46 0.35 6 34.02 0.56 7 33.68 0.34 8 33.27 0.41 9 33.49 0.22 10 33.20 0.29 11 33.62 0.42 12 33.00 0.62 13 33.54 0.54 14 33.12 0.42 15 33.84 0.72 Promedios: 33.52 0.48

M.C. JORGE LIMON ROMERO

56

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1: Pegar los datos en una sola columna

2: Seguir la secuencia Estadisticas>> Grficas de control>> Grficas de variables para individuos>> I-MR

M.C. JORGE LIMON ROMERO

57

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Pasar la columna en la que se encuentran los datos al recuadro blanco de Variables:

4: Entrar a la pestaa Opciones de I-MR con lo que aparece la siguiente ventana, en la cual se debe asegurar que en la pestaa Estimar aparezca Rango mvil promedio como el mtodo para estimar la desviacin estndar. Aceptar.

5: Entrar en la pestaa Pruebas y escoger Realizar todas las pruebas para causas especiales. Aceptar.

M.C. JORGE LIMON ROMERO

58

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

6: Despus de hacer click en Aceptar en la ventana anterior dar Aceptar en todas las ventanas que aparezcan. El resultado es el siguiente grfico, en el que se puede ver que no existen causas asignables, es decir, el proceso se encuentra bajo control estadstico, por lo que se puede pasar a la fase II de los grficos de control.

B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin. Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin. Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa. Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega.
M.C. JORGE LIMON ROMERO 59

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14.

6.- ANEXOS:

M.C. JORGE LIMON ROMERO

60

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 7: Fase II de los grficos de control: Monitoreo del proceso en tiempo real (2 HORAS). NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS FASE II DE LOS GRFICOS DE CONTROL INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 7 2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD, ECXEL)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

61

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software Excel tanto para la alimentacin adecuada de los datos, as como comprender a que se refiere la fase II de los grficos de control. 3.- TEORA: Una vez que se calculan lmites de control y se determina que el proceso se encuentra estable se puede proceder a la fase II de los grficos de control, la cual consiste en el monitoreo en lnea de la produccin en tiempo real utilizando estos valores. Cuando se ha pasado a la fase II y se ha determinado que el proceso est estable ste se puede caracterizar, es decir, calcular los parmetros del proceso como la media y la desviacin estndar, los cuales se requieren para estimar el PPM, el Yiel y el nivel de sigmas del proceso. 4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: (Una sesin de dos horas) B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin. Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin. Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa. Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega. Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14. 6.- ANEXOS:

M.C. JORGE LIMON ROMERO

62

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 8: Estudios de capacidad de proceso mediante Capability Sixpack y Estudio de capacidad Normal (2 HORAS). NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS GRFICO DE CONTROL X-R, X-S Y DE MEDICIONES INDIVIDUALES INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 8

2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

MATERIAL-REACTIVO REQUERIDO

CANTIDAD

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD, ECXEL)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

63

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir un histograma o el diagrama de Tallo y hoja. 3.- TEORA: Una forma alternativa de hacer un grfico de control mediante minitab es utilizando la secuencia Estadsticas >> Herramientas de calidad >> Capability Six Pack >> Normal, la cual adems del grfico reporta los ndices de capacidad de proceso Cp, Cpk y Cpm, este ltimo siempre y cuando se tenga un valor objetivo (Target o Valor Nominal). Este procedimiento se ilustrar utilizando los datos del dimetro interno de anillos para pistones. 4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: Duracin: Dos sesiones de dos horas 1: Seguir la secuencia Estadsticas >> Herramientas de calidad >> Capability Six Pack >> Normal

M.C. JORGE LIMON ROMERO

64

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: En la ventana Capability Sixpack (distribucin normal), dentro de Los datos estn organizados como capturar en el recuadro en blanco mas pequeo las columnas en las que se encuentran los elementos de cada una de las muestras (de C1-C5 como se ha venido haciendo) despus de dar click en el circulo de Subgrupos en filas de o seleccionar Columna individual, si es que de esta manera se captur la informacin en la hoja de trabajo de minitab. Despues Capturar las especificaciones inferior y superior en los espacios correspondientes, para este caso suponer una especificacin de 740.02.

3: En la ventana Capability Sixpack (distribucin normal), hacer click en la pestaa Pruebas con lo que se muestra la siguiente ventana, en la que se deber escoger Realizar las ocho pruebas

M.C. JORGE LIMON ROMERO

65

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4: En la ventana Capability Sixpack (distribucin normal), hacer click en la pestaa Estimar con lo que se muestra la siguiente ventana para escoger el mtodo para calcular la desviacin estndar (lo ms comn es escoger Rbarra o Sbarra)

4: En la ventana Capability Sixpack (distribucin normal), hacer click en la pestaa Opciones con lo que se muestra la siguiente ventana en la que se debe capturar el valor objetivo si existe en Objetivo (agrega Cpm a la tabla), en este caso debido a la especificacin el valor objetivo es de 72.5 y adems posee un campo adicional para agregarle un titulo al grfico resultante. Los otros valores se dejan como aparecen. Aceptar.

4: En la ventana Capability Sixpack (distribucin normal), hacer click en Aceptar. El grfico resultante es el que se muestra abajo, en el que se puede apreciar que los ndices de capacidad son muy bajos, ni siquiera son iguales a 1, por lo que se podra concluir que aunque el proceso se encuestre controlado no es capaz de elaborar esta pieza de acuerdo a las especificaciones determinadas por el cliente.
M.C. JORGE LIMON ROMERO 66

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Una forma alternativa de visualizar los ndices de capacidad del proceso as como sus PPMs es mediante la secuencia Estadsticas >> Herramientas de calidad >> Anlisis de capacidad >> Normal, la cual se muestra a continuacin:

M.C. JORGE LIMON ROMERO

67

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: Despus de seguir esta secuencia se muestra la ventana Anlisis de capacidad (distribucin normal), en la cual de la misma manera primeramente se debe de capturar la columna o columnas en las que se encuentran los datos, como anteriormente se explic y adems se deben capturar los limites de especificacin en los campos respectivos como se indica en la figura.

3: En la ventana de Estimar escoger como se quiere que se calcule la desviacin estndar (lo ms comn es Rbar o Sbar). Aceptar.

4: En la ventana de Opciones capturar el valor objetivo (74 en este ejemplo), adems de pedir que nos muestre las partes por milln (PPMs) y las Estadsticas de capacidad (Cp, Pp) incluyendo Intervalos de confianza bilaterales del 95%. Adems aqu se puede poner Ttulo al grfico en el campo correspondiente y estimar el Valor Z de referencia que es el nivel de sigma del proceso (solo sumarle 1.5 al valor ZBench que muestre el grfico). Aceptar.
M.C. JORGE LIMON ROMERO 68

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: Aceptar en la ventana Anlisis de capacidad (distribucin normal), y el resultado es el siguiente grfico en el que se puede ver que los valores de los ndices de capacidad son los mismos a los que se llego con la secuencia anterior. La informacin adicional que muestra este grfico son los PPMs en los tres recuadros de la parte inferior de la figura, en donde los del recuadro dos son los que coincidirn (mas o menos por la cuestin de la precisin del software) con los resultados que se obtengan en el aula, porque usa el mismo mtodo para calcular la desviacin estndar (Xbar o Sbar). Tambien por estos valores delos PPMs tan elevados se refuerza la conclusin de que el proceso no es capaz de elaborar la pieza segn las especificaciones, por lo que se tendran que verificar si las especificaciones tan estrictas son necesarias y de no serlo pues modificarlas abriendo el margen de tolerancia, pero por otra parte si es que si se requieren habr que abrir un proyecto de mejora para aumentar la capacidad del proceso.

M.C. JORGE LIMON ROMERO

69

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

PRACTICA 9: Grficos P y nP con tamaos de muestra constantes y variables (2 HORAS).

NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO

CONTROL ESTADISTICO DE PROCESOS GRFICOS P Y NP CON TAMAOS DE MUESTRA CONSTANTES Y VARIABLES INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 9

2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD, ECXEL) OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

70

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir grficos de control por atributos P y nP con tamanos de muestra constantes y variables. 3.- TEORA: Muchas caractersticas de calidad no pueden representarse convenientemente con valores numricos. En tales casos, cada artculo inspeccionado por lo general se clasifica como conforme o disconforme respecto de las especificaciones para esas caractersticas de calidad. Es comn usar la terminologa defectuoso o no defectuoso para identificar estas dos clasificaciones del producto. En fechas ms recientes se ha popularizado la terminologa conforme y disconforme. A las caractersticas de calidad de este tipo se les llama atributos. Algunos ejemplos de las caractersticas de calidad que son atributos son la ocurrencia de bielas torcidas para motores de automvil en la produccin de un da y la proporcin de chips de semiconductores no funcionales en una corrida de produccin. En esta unidad se presentan tres cartas de control para atributos de uso generalizado. La primera de ellas se relaciona con la fraccin disconforme o de productos defectuosos producida en un proceso de manufactura y se le llama la carta de control para la fraccin disconforme o carta p. En algunas situaciones es ms conveniente trabajar con el nmero de defectos o disconformidades observadas que usar la fraccin disconforme. El segundo tipo de carta de control que se estudia llamada la carta de control de disconformidades, o carta c, est diseada para tratar este caso. Por ltimo se presenta la carta de control para disconformidades por unidad, o carta u, que es til en situaciones en las que el nmero promedio de disconformidades por unidad es una base ms conveniente para controlar el proceso. En general las cartas de control por atributos no son tan informativas como las cartas por variables, ya que de manera tpica una medicin numrica contiene ms informacin que la mera clasificacin de una medida como conforme o disconforme. Sin embargo las cartas de atributos tienen aplicaciones importantes. Son particularmente tiles en las industrias de servicios y en los esfuerzos de mejoramiento de la calidad fuera de la manufactura, debido a que no es sencillo medir en una escala numrica un gran nmero de las caractersticas de la calidad que se encuentran en estos escenarios. La carta de control para la fraccin disconforme La fraccin disconforme se define como el cociente del nmero de artculos disconformes de la poblacin y el nmero de artculos que componen la poblacin. Los artculos pueden tener varias caractersticas de calidad que son
M.C. JORGE LIMON ROMERO 71

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

examinadas al mismo tiempo por un inspector. Si el artculo no se ajusta al estndar en una o ms de estas caractersticas, se clasifica como disconforme. La fraccin disconforme se expresa generalmente con un decimal, an cuando en ocasiones se usa el por ciento disconforme. Cuando se hace la presentacin de la carta de control al personal de produccin o se hace un informe de los resultados a la administracin, con frecuencia se usa el porcentaje disconforme, por ser un recurso ms intuitivo. An cuando se acostumbra trabajar con la fraccin disconforme, con la misma facilidad podra analizarse la fraccin conforme, de donde resultara una carta de control del rendimiento del proceso. Por ejemplo en muchas organizaciones manufactureras se opera un sistema de administracin del rendimiento en cada etapa del proceso de manufactura, haciendo el rastreo del rendimiento en el primer ciclo en una carta de control. Los principios estadsticos fundamentales de la carta de control para la fraccin disconforme tienen su base en la distribucin binomial. Suponer que el proceso de produccin est operando en una manera estable, de tal modo que la probabilidad de que cualquier unidad deje de cumplir con las especificaciones es p, y que las unidades sucesivas producidas son independientes. Entonces cada unidad producida es una realizacin de una variable aleatoria de Bernoulli con parmetro p. Si se selecciona una muestra aleatoria de n unidades del producto, y D es el nmero de unidades del producto que son disconformes, entonces D tiene una distribucin binomial con parmetros n y p; es decir,

n P {D = x } = p x

(1

)n x

x = 0 ,1 ,... n

Se sabe que la media y la varianza de la variable aleatoria D son np y np(1-p), respectivamente. La fraccin muestral disconforme se define como el cociente del nmero de unidades disconformes en la muestra D y el tamao de la muestra n; es decir,

= p

D n

son: Adems la media y la varianza de p

=p

2 p

p ( 1 p n

respectivamente.

M.C. JORGE LIMON ROMERO

72

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: Grfico P para muestra constante Un concentrado de jugo de naranja congelado se empaca en botes de cartn de 6 onzas. Estos botes se hacen en una mquina cortndolos de piezas de cartn y fijando un cuadro metlico en el fondo. Mediante la inspeccin de un bote, es posible determinar si cuando se llena podra haber una posible filtracin en las juntas laterales o alrededor de la junta del fondo. Un bote disconforme tiene un sellado incorrecto en las juntas laterales, o en el cuadro metlico del fondo. Quiere establecerse una carta de control para mejorar la fraccin de botes disconformes producidos por una mquina. Para establecer la carta de control, se seleccionaron 30 muestras de n=50 botes cada una en intervalos de media hora durante un periodo de tres turnos en los que la mquina estuvo en operacin continua. En la siguiente tabla se muestran los resultados obtenidos. Con esta informacin construir un grfico P, para el anlisis de este proceso. Tabla de datos:
Nmero de muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Nmero de botes disconformes, Di 12 15 8 10 4 7 16 9 14 10 5 6 17 12 22 Fraccin disconforme Pi 0.24 0.30 0.16 0.20 0.08 0.14 0.32 0.18 0.28 0.20 0.10 0.12 0.34 0.24 0.44 Nmero de muestra 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Nmero de botes disconformes, Di 8 10 5 13 11 20 18 24 15 9 12 7 13 9 6 347 Fraccin disconforme Pi 0.16 0.20 0.10 0.26 0.22 0.40 0.36 0.48 0.30 0.18 0.24 0.14 0.26 0.18 0.12 0.2313

1: Si el tamao de la muestra es constante, pegar los datos de la cantidad de artculos disconformes encontrados en cada muestra (Di) en una sola columna

M.C. JORGE LIMON ROMERO

73

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: Secuencia Estadsticas>> Grficas de control>> Grficas de atributos>> P

3: Despus de la secuencia anterior se muestra la ventana Grfica P, en la que se debe pasar la columna en la que se encuentra la cantidad de disconformes por muestra al recuadro blanco de Variables y en este problema debido a que se tomaron 30 muestras de tamao 50 cada una (es decir se analizaron 1500 artculos en total) capturar 50 en el espacio de Tamaos de los subgrupos.

4: Entrar en la pestaa Opciones de Grfica P dentro de la ventana Grfica P (anterior). Con lo anterior se muestra la siguiente ventana, en la cual dentro de la
M.C. JORGE LIMON ROMERO 74

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

pestaa Pruebas escoger Realizar todas las pruebas para causas especiales. Aceptar.

El grfico resultante es el que se muestra abajo, en el que se puede ver que posiblemente existan causas asignables en las muestras 15 y 23, es decir, el proceso con el que se elaboran los botes no est bajo control estadstico. Por lo que puede ser necesario construir un nuevo grfico omitiendo estas muestras en los clculos de los nuevos lmites.
G r f i c a P d e B o te s d i s c o n f o r m e s
0 .5
1 1

0 .4

U C L= 0 .4 1 0 2

Proporcin

0 .3 _ P = 0 .2 3 1 3 0 .2

0 .1 LC L= 0 .0 5 2 4 0 .0 1 4 7 10 13 16 Mue stra 19 22 25 28

En este grfico tambin dentro de la ventana anterior se puede entrar a la pestaa Estimado con la cual se pueden calcular los limites de control sin considerar las muestras que mostraron alguna posible causa asignable utilizando la opcin Omitir los siguientes subgrupos cuando se estimen parmetros como se hizo en los grficos de control para variables. Hacer este ejercicio eliminando las muestras 15 y 23. Grfico p con tamao de muestra variable
M.C. JORGE LIMON ROMERO 75

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Un concentrado de jugo de naranja congelado se empaca en botes de cartn de 6 onzas. Estos botes se hacen en una maquina cortndolos de piezas de cartn y fijando un cuadro metlico en el fondo. Mediante la inspeccin de un bote, es posible determinar si cuando se llena podra haber una posible filtracin en las juntas laterales o alrededor de la junta del fondo. Un bote disconforme tiene un sellado incorrecto en las juntas laterales, o en el cuadro metlico del fondo. Quiere establecerse una carta de control para mejorar la fraccin de botes disconformes producidos por una maquina. Para establecer la carta de control, se seleccionaron 25 muestras de la produccin obtenida durante intervalos de una hora durante un periodo de tres turnos en los que la maquina estuvo en operacin continua. En la siguiente tabla se muestran los resultados obtenidos. Con esta informacin construir un grfico P, para el anlisis de este proceso. Tabla de datos:
Numero de la muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Tamao de la muestra 100 80 80 100 110 110 100 100 90 90 110 120 120 120 110 80 80 80 90 100 100 100 100 90 90 2450 Numero de unidades disconformes 12 8 6 9 10 12 11 16 10 6 20 15 9 8 6 8 10 7 5 8 5 8 10 6 9 234 Fraccion disconforme muestral 0.120 0.100 0.075 0.090 0.091 0.109 0.110 0.160 0.111 0.067 0.182 0.125 0.075 0.067 0.055 0.100 0.125 0.088 0.056 0.080 0.050 0.080 0.100 0.067 0.100 0.095 Desviacion estandar 0.029 0.033 0.033 0.029 0.028 0.028 0.029 0.029 0.031 0.031 0.028 0.027 0.027 0.027 0.028 0.033 0.033 0.033 0.031 0.029 0.029 0.029 0.029 0.031 0.031 Limites de control LIC LSC 0.007 0.183 0.000 0.194 0.000 0.194 0.007 0.183 0.011 0.179 0.011 0.179 0.007 0.183 0.007 0.183 0.002 0.188 0.002 0.188 0.011 0.179 0.015 0.176 0.015 0.176 0.015 0.176 0.011 0.179 0.000 0.194 0.000 0.194 0.000 0.194 0.002 0.188 0.007 0.183 0.007 0.183 0.007 0.183 0.007 0.183 0.002 0.188 0.002 0.188

1: Como el tamao de la muestra es variable para este ejemplo, es necesario indicarle a minitab cul es el tamao de muestra para cada uno de los 25
M.C. JORGE LIMON ROMERO 76

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

subgrupos, es por esto que se deben utilizar dos columnas, una para los tamaos de muestra y la otra para la cantidad de productos disconformes en cada una de ellas. Cuando el tamao de muestra es constante tambin se pueden utilizar 2 columnas para capturar los datos, solo que en todas las filas de la primera se escribira el mismo valor, para el ejemplo visto en el caso de tamao de la muestra constante se escribira 50 en todas las filas. Los datos para este caso de tamao de muestra variable se deben capturar de la siguiente forma:

2: Secuencia Estadsticas>> Grficas de control>> Grficas de atributos>> P


M.C. JORGE LIMON ROMERO 77

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Despus de la secuencia anterior se muestra la ventana Grfica P, en la que se debe pasar la columna en la que se encuentra la cantidad de disconformes por muestra al recuadro blanco de Variables y para este problema debido a que los tamaos de muestras son variables capturar la columna en la que se encuentran en el espacio de Tamaos de los subgrupos como se indica abajo:

M.C. JORGE LIMON ROMERO

78

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

4: Entrar en la pestaa Opciones de Grfica P dentro de la ventana Grfica P (anterior). Con lo anterior se muestra la siguiente ventana, en la cual dentro de la pestaa Pruebas escoger Realizar todas las pruebas para causas especiales. Aceptar.

El grfico resultante es el que se muestra abajo, en el que se puede ver que existe una posible causas asignable en la muestra 11, es decir, el proceso con el que se elaboran los botes no est bajo control estadstico.

Grfica P de Cantidad de disconformes


0.20
1

UCL=0.1885

0.15 Proporcin

0.10

_ P=0.0955

0.05

0.00 1 3 5 7 9 11 13 15 Muestra 17 19 21 23 25

LCL=0.0026

Las pruebas se realizaron con tamaos de la muestra desiguales

Como ya se dijo en este grfico tambin dentro de la ventana anterior se puede entrar a la pestaa Estimado con la cual se pueden calcular los limites de control sin considerar las muestras que mostraron alguna posible causa
M.C. JORGE LIMON ROMERO 79

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

asignable utilizando la opcin Omitir los siguientes subgrupos cuando se estimen parmetros como se hizo en los grficos de control para variables. Verificarlo eliminando de los clculos el punto 11. GRFICO DE CONTROL nP Un concentrado de jugo de naranja congelado se empaca en botes de cartn de 6 onzas. Estos botes se hacen en una mquina cortndolos de piezas de cartn y fijando un cuadro metlico en el fondo. Mediante la inspeccin de un bote, es posible determinar si cuando se llena podra haber una posible filtracin en las juntas laterales o alrededor de la junta del fondo. Un bote disconforme tiene un sellado incorrecto en las juntas laterales, o en el cuadro metlico del fondo. Quiere establecerse una carta de control para controlar la cantidad de botes disconformes producidos por una mquina. Para establecer la carta de control, se seleccionaron 30 muestras de n=50 botes cada una en intervalos de media hora durante un periodo de tres turnos en los que la mquina estuvo en operacin continua. En la siguiente tabla se muestran los resultados obtenidos. Con esta informacin construir un grfico np, para el anlisis de este proceso. Tabla de datos:
Nmero de muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Nmero de botes disconformes, Di 12 15 8 10 4 7 16 9 14 10 5 6 17 12 22 Fraccin disconforme Pi 0.24 0.30 0.16 0.20 0.08 0.14 0.32 0.18 0.28 0.20 0.10 0.12 0.34 0.24 0.44 Nmero de muestra 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Nmero de botes disconformes, Di 8 10 5 13 11 20 18 24 15 9 12 7 13 9 6 347 Fraccin disconforme Pi 0.16 0.20 0.10 0.26 0.22 0.40 0.36 0.48 0.30 0.18 0.24 0.14 0.26 0.18 0.12 0.2313

1: Pegar o capturar los datos. Debido a que este grfico se usa cuando el tamao de muestra es constante, esto se hace utilizando una sola columna para la cantidad de defectuosos en la muestra, como se ilustra a continuacin:

M.C. JORGE LIMON ROMERO

80

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

2: Secuencia Estadsticas>> Grficas de control>> Grficas de atributos>> NP.

M.C. JORGE LIMON ROMERO

81

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Despus de la secuencia anterior se muestra la ventana Grfica NP, en la que se debe pasar la columna en la que se encuentra la cantidad de disconformes por muestra al recuadro blanco de Variables y en este grfico debido a que el tamao de muestra debe ser constante capturar este valor en el espacio de Tamaos de los subgrupos. Para este caso es 50.

4: Entrar en la pestaa Opciones de Grfica NP dentro de la ventana Grfica NP (anterior). Con lo anterior se muestra la siguiente ventana, en la cual dentro de la pestaa Pruebas escoger Realizar todas las pruebas para causas especiales. Aceptar.

El grfico resultante es el que se muestra abajo, en el que se puede ver que posiblemente existan causas asignables en las muestras 15 y 23, es decir, el proceso con el que se elaboran los botes no est bajo control estadstico. Por lo que puede ser necesario construir un nuevo grfico omitiendo estas muestras en los clculos de los nuevos lmites.

M.C. JORGE LIMON ROMERO

82

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Grfica NP de Numero de disconformidades


25
1 1

20 Conteo de muestras

UCL=20.51

15 __ NP=11.57 10

5 LCL=2.62 0 1 4 7 10 13 16 Muestra 19 22 25 28

En los valores de estos lmites se puede ver que son iguales a los que resultaron en el grfico P solo que multiplicados por 50 que es el tamao de cada muestra (verificarlo) debido a que los datos de este ejercicio son los mismos. En este grfico tambin dentro de la ventana anterior se puede entrar a la pestaa Estimado con la cual se pueden calcular los limites de control sin considerar las muestras que mostraron alguna posible causa asignable utilizando la opcin Omitir los siguientes subgrupos cuando se estimen parmetros como se hizo en los grficos de control para variables. Hacer este ejercicio eliminando las muestras 15 y 23.

B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin.

M.C. JORGE LIMON ROMERO

83

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin. Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa. Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega. Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14.

6.- ANEXOS:

M.C. JORGE LIMON ROMERO

84

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

CARTAS DE CONTROL PARA DISCONFORMIDADES PRACTICA 10: Grfico de control para disconformidades C y U (2 HORAS). NOMBRE DE LA MATERIA NOMBRE DE LA PRCTICA PROGRAMA EDUCATIVO NOMBRE DEL PROFESOR/A LABORATORIO
CONTROL ESTADISTICO DE PROCESOS GRFICO DE CONTROL PARA DISCONFORMIDADES CYU INGENIERIA INDUSTRIAL M.C. JORGE LIMN ROMERO CONTROL ESTADISTICO DE PROCESOS L1 Y L2

CLAVE PRCTICA NMERO PLAN DE ESTUDIO NMERO DE EMPLEADO FECHA

9015 10

2007-1 21096

EQUIPO-HERRAMIENTA REQUERIDO Equipo de cmputo

CANTIDAD 1 por alumno

SOFTWARE REQUERIDO +MINITAB + OFFICE (WORD, ECXEL)

OBSERVACIONES-COMENTARIOS

NOMBRE Y FIRMA DEL PROFESOR

NOMBRE Y FIRMA DEL COORDINADOR DE PROGRAMA EDUCATIVO

M.C. JORGE LIMON ROMERO

85

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1.- INTRODUCCIN: 2.- OBJETIVO (COMPETENCIA): Desarrollar las habilidades para utilizar el software MINITAB tanto para la alimentacin adecuada de los datos, as como para la correcta interpretacin de los resultados obtenidos al construir grficos de control C y U. 3.- TEORA: Es frecuente que en los procesos industriales existan variables de atributos, para las que un producto pueda tener ms de un defecto o atributo no satisfecho y sin embargo no catalogar a tal producto como defectuoso. Por ejemplo un mueble puede tener algunos defectos en su acabado y an as se puede utilizar con relativa normalidad. Es decir son variables de atributo que al estar presentes en un artculo no necesariamente implica que no pase a la siguiente etapa del proceso, contrariamente a lo que ocurre en las cartas P y nP. Otro tipo de variable que tambin es posible evaluar son: nmero de errores por trabajador, errores de escritura por pgina en un peridico, etc Las variables de este tipo se pueden ver como el nmero de eventos que ocurren por unidad los cuales se comportan de acuerdo a la distribucin de Poisson. La carta de Control C (nmero de defectos) El objetivo de esta carta es analizar la variabilidad del nmero de defectos por subgrupo. En esta carta se grafica Ci que es igual al nmero de defectos o eventos en el i-simo subgrupo (muestra). Los lmites de control se obtienen suponiendo que el estadstico Ci sigue una distribucin de Poisson. Los parmetros de la carta de control C son los siguientes:

ci = C =
2 Ci =C

Totaldedefectos Totaldesubgrupos

LSC = C + 3 C

LSC = C
LIC = C 3 C

Grfico del nmero de no conformidades por unidad (Grfico U) La grfica C se usa en aquellos casos en donde el tamao del subgrupo es una unidad inspeccionada formada por un elemento, por ejemplo un aeroplano, 1000 pies cuadrados de tela, 500 formas de declaraciones de impuestos, etc. Una restriccin es que para el grfico C el tamao de la muestra deber ser siempre
M.C. JORGE LIMON ROMERO 86

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

constante. Cuando existe una situacin en que el tamao del subgrupo es variable, la grfica que hay que emplear es la grfica U, el cual puede emplearse tambin cuando el tamao de la muestra es constante. Las frmulas utilizadas para encontrar los parmetros de este grfico son:
x n Donde: X= Disconformidades totales en la muestra n= Tamao de la muestra U =

LSC = U + 3

U n

LC = U LSC = U 3 U n

4.- DESCRIPCIN A) PROCEDIMIENTO Y DURACION DE LA PRCTICA: La Carta de Control C (nmero de defectos) Ejemplo: En la siguiente tabla se presenta el nmero de disconformidades observadas en 26 muestras sucesivas de 100 tarjetas de circuitos impresos. Con esta informacin construir la carta de control para las disconformidades.
Nmero de muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 Nmero de disconformidades 21 24 16 12 15 5 28 20 31 25 20 24 16 Nmero de muestra 14 15 16 17 18 19 20 21 22 23 24 25 26 Nmero de disconformidades 19 10 17 13 22 18 39 30 24 16 19 17 15

M.C. JORGE LIMON ROMERO

87

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1: Pegar los datos en una sola columna. Para utilizar este grfico se requiere que el tamao de muestra sea constante.

2: Secuencia Estadsticas>> Grficas de control>> Grficas de atributos>> C.

M.C. JORGE LIMON ROMERO

88

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Despus de la secuencia anterior se muestra la ventana Grfica C, en la que se debe pasar la columna en la que se encuentra la cantidad de defectos por muestra al recuadro blanco de Variables.

4: Entrar en la pestaa Opciones de Grfica C dentro de la ventana Grfica C (anterior). Con lo anterior se muestra la siguiente ventana, en la cual dentro de la pestaa Pruebas escoger Realizar todas las pruebas para causas especiales. Aceptar.

Despus de dar aceptar en las siguientes ventanas, el grfico resultante es el siguiente, en el que se puede ver que las muestras 6 y 20 muestran una falta de control aparente, es decir, la posible presencia de causas asignables

M.C. JORGE LIMON ROMERO

89

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Grfica C de Numero de defectos


40
1

UCL=33.21 Conteo de muestras 30

20

_ C=19.85

10 LCL=6.48
1

0 1 4 7 10 13 16 Muestra 19 22 25

En este grfico tambin dentro de la ventana anterior se puede entrar a la pestaa Estimado con la cual se pueden calcular los limites de control sin considerar las muestras que mostraron alguna posible causa asignable utilizando la opcin Omitir los siguientes subgrupos cuando se estimen parmetros como se hizo en los grficos de control para variables. Hacer este ejercicio eliminando las muestras 6 y 20.

M.C. JORGE LIMON ROMERO

90

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Grfico del nmero de no conformidades por unidad (U) Ejemplo: Un fabricante de computadoras personales desea establecer una carta de control para las disconformidades por unidad en la lnea de ensamblaje final. El tamao de la muestra se selecciona de 5 computadoras. En la siguiente tabla se muestran los datos del nmero de disconformidades en 20 muestras de tamao 5 cada una. Realizar el grfico de control para disconformidades por unidad. Nmero promedio de disconformidades X Por unidad i = i n 2.0 2.4 1.6 2.8 2.0 3.2 2.2 1.4 2.0 3.0 1.8 1.0 1.4 2.2 2.4 1.2 1.6 2.0 1.4 1.0 38.6

Nmero de muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Tamao de la muestra 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 Totales:

Nmero de disconformidades (Xi) 10 12 8 14 10 16 11 7 10 15 9 5 7 11 12 6 8 10 7 5 193

M.C. JORGE LIMON ROMERO

91

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

1: Pegar los datos en el minitab utilizando 2 columnas, una para el tamao de la muestra y la otra para la cantidad de disconformidades. Este grfico se puede utilizar cuando el tamao de la muestra es constante o variable.

2: Secuencia Estadsticas>> Grficas de control>> Grficas de atributos>> U.

M.C. JORGE LIMON ROMERO

92

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

3: Despus de la secuencia anterior se muestra la ventana Grfica U, en la que se debe pasar la columna en la que se encuentra la cantidad de disconformidades por muestra al recuadro blanco de Variables y para este problema debido a que los tamaos de muestras pueden ser variables capturar la columna en la que se encuentran estas en el espacio de Tamaos de los subgrupos como se indica abajo:

4: Entrar en la pestaa Opciones de Grfica U dentro de la ventana Grfica U (anterior). Con lo anterior se muestra la siguiente ventana, en la cual dentro de la pestaa Pruebas escoger Realizar todas las pruebas para causas especiales. Aceptar.

M.C. JORGE LIMON ROMERO

93

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Despus de dar aceptar en las siguientes ventanas, el grfico resultante es el siguiente, en el que se puede ver que el proceso se encuentra bajo control estadstico.

Grfica U de Numero de disconformidades


4 UCL=3.794 Conteo de muestras por unidad

_ U=1.93

0 1 3 5 7 9 11 Muestra 13 15 17 19

LCL=0.066

En este grfico tambin dentro de la ventana anterior se puede entrar a la pestaa Estimado con la cual se pueden calcular los limites de control sin considerar las muestras que mostraron alguna posible causa asignable utilizando la opcin Omitir los siguientes subgrupos cuando se estimen parmetros como se hizo en los grficos de control para variables. B) CLCULOS Y REPORTE: Para la evaluacin de la unidad los alumnos debern entregar en equipos de tres, todas las prcticas realizadas en la unidad, incluyendo tanto la redaccin de cada problema, las grficas (si es que se requirieron) y la interpretacin de los resultados obtenidos. C) RESULTADOS: D) CONCLUSIONES: 5.- BIBLIOGRAFA: Montgomery, D. C., 2005. Control Estadstico de la Calidad. Editorial Limusa Wiley. Tercera Edicin. Montgomery, D. C. y Runger G. C., 2005. Probabilidad y Estadstica aplicadas a la Ingeniera. Editorial Limusa Wiley, segunda edicin.
M.C. JORGE LIMON ROMERO 94

MANUAL DE PRACTICAS: CONTROL ESTADISTICO DE PROCESOS (9015)

2011

Gutirrez, P. H., 2004. Control Estadstico de la Calidad y Seis Sigma. Editorial Mc Graw Hill. Escalante, V. E. J., 2003. Seis Sigma Metodologa y Tcnicas. Editorial Limusa. Carot A. V., 2001.Control Estadstico de la calidad. Editorial Alfaomega. Grant. L., 2002. Control Estadstico de Calidad. Editorial Continental. Ryan B., Joiner B. y Creer J. 2005. MINITAB Handbook Updated for Release 14.

6.- ANEXOS:

M.C. JORGE LIMON ROMERO

95