Está en la página 1de 277

Prof.

Luis Nava Puente 2012-2013

Introduccin
El Control de calidad ha pasado histricamente por tres etapas distintas:
1. nfasis: La inspeccin y en el establecimiento de

tolerancias para los productos. Desde los aos 30 y hasta comienzos de los 60. El control de recepcin para materiales y el control de auditora del producto final

Profesor Luis Nava Puente

Control Estadstico de la Calidad

Introduccin

calidad durante la fabricacin (limitante presentada por la etapa anterior). Sus principales ventajas radican en su capacidad para mejorar procesos y prevenir la aparicin de problemas

2. Se plantea evitar las causas de los problemas de

Profesor Luis Nava Puente

Control Estadstico de la Calidad

Introduccin

El control ms importante es el control de calidad en curso de fabricacin. En esta etapa las tolerancias comienzan a contemplarse como estndares a superar y no como objetivos a conseguir.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

Introduccin

3. La intensa competencia internacional da origen a la

tercera etapa, desarrollada bsicamente en Japn. Evitar los problemas antes de que se manifiesten, haciendo nfasis en el diseo de productos para que satisfagan altos niveles de calidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

Conceptos Bsicos
Calidad.
1. 2.

3.

Juran y Gryna (1977). Totalidad de caractersticas de un producto o servicio que conducen con su aptitud a satisfacer una necesidad bsica. Montgomery (2004). Afirma que para la mayora de las personas est relacionado con las caractersticas (una o ms) deseables que debera poseer un producto o servicio. Gutirrez y De La Vara (2004). Juicio que el cliente tiene sobre un producto o servicio, resultando del grado con el cual un conjunto de caractersticas inherentes al producto, cumplen con los requisitos.
Control Estadstico de la Calidad 6

Profesor Luis Nava Puente

Conceptos Bsicos

Control de Calidad Segn las normas industriales japonesas es un sistema de mtodos de produccin que econmicamente genera bienes o servicios de calidad, acordes con los requisitos de los consumidores. Si este sistema usa mtodos estadsticos se denomina control estadstico de calidad

Profesor Luis Nava Puente

Control Estadstico de la Calidad

Conceptos Bsicos

Caractersticas de calidad Desempeo. Cumple el producto con determinadas funciones? Cmo las cumple? 2. Confiabilidad. Frecuencia con la que falla el producto. Si falla poco, es un producto confiable. La confiabilidad es inversamente proporcional a la frecuencia de falla. 3. Durabilidad. Se refiere al ciclo de vida til del producto. Se desea que el producto tenga un prolongado ciclo de vida til. 4. Facilidad de servicio. El acceso al mantenimiento o reparacin debe ser directo, rpido y econmico.
1.
Profesor Luis Nava Puente Control Estadstico de la Calidad 8

Conceptos Bsicos

Caractersticas de calidad Esttica. Se refiere al atractivo del producto. Su presentacin; color, forma, estilo, caractersticas tctiles y sensoriales, entre otras. 6. Otras caractersticas o funciones. Se refiere a la incorporacin de caractersticas o funciones que superan el desempeo de la competencia. 7. Calidad percibida. Reputacin alcanzada respecto a la calidad del producto. Conocimiento basado en el desempeo de sus funciones. 8. Conformidad con los estndares. Cumplimiento de los requerimientos establecidos para su fabricacin.
5.
Profesor Luis Nava Puente Control Estadstico de la Calidad 9

Conceptos Bsicos

Ejemplo. Una mquina que produce piezas de PVC. Posibles caractersticas de calidad: 1. Peso. 2. Textura. 3. Color. 4. Grosor. 5. Durabilidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

10

Conceptos Bsicos

Estas caractersticas de calidad pueden clasificarse en varios tipos:


1. Fsicas. Longitud, peso, viscosidad. 2. Sensoriales. Sabor, color, apariencia. 3. Orientadas al tiempo. Confiabilidad, durabilidad,

facilidad de servicio.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

11

Conceptos Bsicos

La calidad de un producto puede definirse como la satisfaccin de requisitos para su uso o, como una funcin inversamente proporcional a la variabilidad negativa, indeseable o perjudicial.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

12

Conceptos Bsicos

Adecuacin para su uso: Calidad de diseo. Se refiere al grado o nivel de calidad. 2. Calidad de conformidad. Medida en que el producto cumple con las especificaciones requeridas por el diseo.
1.

Como una funcin inversa de la variabilidad negativa, el objetivo a alcanzar es el de reducir dicha variabilidad. El proceso que permite tal reduccin es denominado mejoramiento de calidad.
Profesor Luis Nava Puente Control Estadstico de la Calidad 13

Conceptos Bsicos

Ingeniera de calidad. Conjunto de actividades operativas, administrativas y de ingeniera que se ejecutan con el fin de garantizar productos con algunos niveles nominales o requeridos en sus caractersticas de calidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

14

Conceptos Bsicos

Atributos Caractersticas Variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

15

Conceptos Bsicos

Especificaciones. Mediciones deseadas o establecidas para las caractersticas de calidad a observar. Limite Superior Especificaciones Limite Inferior

Profesor Luis Nava Puente

Control Estadstico de la Calidad

16

Conceptos Bsicos

Lograr una produccin dentro de las especificaciones, es decir, dentro de lo establecido en las normas tcnicas, es el objetivo principal del control estadstico de la calidad, es decir, evitar la produccin de artculos y servicios disconformes.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

17

Conceptos Bsicos

Dentro de la produccin de bienes, el control estadstico de la calidad se centra fundamentalmente en el control de: Recepcin de materia prima 2. Fabricacin 3. Productos terminados y semiterminados 4. Servicio
1.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

18

Conceptos Bsicos

La materia prima usada para obtener productos terminados o semiterminados, debe ser sometida a mecanismos de control que permitan garantizar materia prima que cumpla con los requerimientos exigidos. Estos mecanismos o mtodos de control se denominan mtodos de muestreo de aceptacin o rechazo.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

19

Conceptos Bsicos

Durante el proceso de fabricacin se deben aplicar mecanismos que permitan detectar en un tiempo relativamente corto, causas que puedan incidir en la fabricacin de artculos defectuosos o no conformes. Los mtodos ms usados son los grficos de control.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

20

Conceptos Bsicos

Existen diversas tcnicas estadsticas tiles en el anlisis y estudio de calidad as como en la mejora de los procesos de produccin.. Estas tcnicas o mtodos se pueden clasificar en dos grupos: 1. En lnea 2. Fuera de lnea

Profesor Luis Nava Puente

Control Estadstico de la Calidad

21

Conceptos Bsicos

En Lnea. Tcnicas que se aplican directamente sobre la lnea de produccin. Grficos de Control 2. Muestreo para Aceptacin o Rechazo
1.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

22

Conceptos Bsicos

Fuera de Lnea.
1. 2. 3. 4. 5.

Diseo de Experimentos Anlisis de Regresin Anlisis de Series de Tiempo Simulacin Metodologa de Taguchi

Profesor Luis Nava Puente

Control Estadstico de la Calidad

23

Conceptos Bsicos

Causas de la variacin de la calidad. La calidad de un producto inevitablemente sufre variaciones. Las causas de estas variaciones se pueden clasificar en: Causas fortuitas o debidas al azar 2. Causas asignables
1.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

24

Conceptos Bsicos

Siempre se tendr cierta variabilidad natural e inevitable en la calidad del producto. Esta variabilidad se dice se debe a causas fortuitas. Existen situaciones en las que est presente variabilidad debido a causas que no forman parte del patrn de causas fortuitas, que pueden ser investigadas y por ende, controladas. A estas causas de variabilidad se les denomina causas asignables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

25

Conceptos Bsicos

En todo proceso participa un gran conjunto de variables. Controlables Variables No controlables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

26

Conceptos Bsicos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

27

Conceptos Bsicos

El control, investigacin y correccin de las causas asignables, es uno de los principales objetivos del control estadstico de procesos.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

28

Conceptos Bsicos

Si un proceso opera nicamente con causas fortuitas, se dice que el mismo est bajo control. Si dicho proceso opera con causas asignables, se dice que est fuera de control.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

29

Grficos de Control
Los grficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

30

Grficos de Control

Constituyen una tcnica de monitoreo de procesos en lnea. Se pueden usar para estimar los parmetros de un proceso de produccin (media, varianza, fraccin disconforme, etctera) y as, determinar la capacidad del mismo para producir productos aceptables.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

31

Grficos de Control

Representa una tcnica probada para mejorar la productividad reduciendo los desechos y el reprocesamiento. 2. Son efectivos para prevenir defectos manteniendo el proceso bajo control. 3. Previenen el ajuste innecesario del proceso distinguiendo el ruido de fondo de la variacin anormal. 4. Proporciona informacin de diagnstico permitiendo as, realizar los cambios necesarios para mejorar 5. Proporcionan informacin sobre la capacidad del proceso y as, poder estimarla.
1.
Profesor Luis Nava Puente Control Estadstico de la Calidad 32

Grficos de Control

Bsicamente, un Grfico de Control es un grfico en el cual se representan los valores de algn tipo de medicin realizada durante el funcionamiento de un proceso continuo, y que sirve para controlar dicho proceso.
Proceso

Grfico

Mediciones

Profesor Luis Nava Puente

Control Estadstico de la Calidad

33

Valores observados

Grficos de Control

Limite Superior de Control Caracterstica de calidad

Lnea Central

Limite Inferior de Control

Tiempo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

34

Grficos de Control

La lnea central representa el nivel esperado de la caracterstica de calidad del producto.

Limite Superior de Control

Lnea Central

Limite Inferior de Control

Profesor Luis Nava Puente

Control Estadstico de la Calidad

35

Grficos de Control

Definen que tanto puede variar la caracterstica de calidad del producto mantenindose an un nivel de calidad aceptable.

Limite Superior de Control Lnea Central Limite Inferior de Control

Profesor Luis Nava Puente

Control Estadstico de la Calidad

36

Grficos de Control

Fortuitas

Caracterstica de calidad

Atribuibles

Tiempo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

37

Grficos de Control

Caracterstica de calidad

Fortuitas

Tiempo

Bajo Control

Profesor Luis Nava Puente

Control Estadstico de la Calidad

38

Grficos de Control

Factores que no se toman en cuenta

Fortuitas

No controlables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

39

Grficos de Control

Atribuibles
Caracterstica de calidad

Fuera de Control
Tiempo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

40

Grficos de Control

Equipos o maquinarias

Mantenimiento

Herramientas

Atribuibles

Operadores

Materia Prima

Profesor Luis Nava Puente

Control Estadstico de la Calidad

41

Grficos de Control
Caracterstica de calidad Caracterstica de calidad
Tiempo Tiempo

Caracterstica de calidad

Caracterstica de calidad

Profesor Luis Nava Puente

Tiempo

Tiempo

Control Estadstico de la Calidad

42

Grficos de Control

Principios Tericos de los Grficos de Control: Estn fundamentados en el conocimiento del comportamiento de las variaciones provenientes de las causas fortuitas Conocimiento del modelo que siguen estas variaciones

Predecir comportamiento
Profesor Luis Nava Puente Control Estadstico de la Calidad 43

Grficos de Control

Ejemplo: X=Caracterstica de calidad~( = ; = , ) Si el proceso est bajo control, se espera que de cada 10000 muestras que se tomen aleatoriamente, aproximadamente 2 contengan 4 o ms artculos defectuosos. Si al tomar la muestra se observan 4 o ms artculos defectuosos 1. Casualidad 2. El valor de P es otro y no el fijado. = = ,

Profesor Luis Nava Puente

Control Estadstico de la Calidad

44

Grficos de Control

Los grficos de control pueden verse como una prueba de la hiptesis H0: el proceso est bajo control contra H1: el proceso est fuera de control. Por ejemplo, si el valor medio de la caracterstica se encuentra entre los lmites de control, no se rechaza H0. En caso contrario, se rechaza

Profesor Luis Nava Puente

Control Estadstico de la Calidad

45

Grficos de Control

Si se concluye que el proceso est fuera de control cuando realmente est bajo control, se est cometiendo un error de tipo I. S se concluye que el proceso est bajo control cuando realmente no lo est, se incurre en un error tipo II.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

46

Grficos de Control

El grfico de control solo detectara las causas asignables, no corregir. Por lo tanto es necesario para esto, implementar un plan de accin, denominado plan de accin para condiciones fuera de control.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

47

Grficos de Control

Un aspecto de vital importancia en el uso de los grficos de control es su diseo. Seleccin de: 1. los lmites de control, 2. el tamao muestral y 3. la frecuencia de muestreo.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

48

Grficos de Control

Si los limites de control se seleccionan alejados de la lnea central, la probabilidad de considerar un proceso fuera de control sin estar presente alguna causa fuera de control reduce pero, la probabilidad de cometer error tipo II se incrementa. Caso contrario ocurre si los lmites de control se seleccionan cercanos de la lnea central.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

49

Grficos de Control

El tamao muestral es una funcin del tamao del cambio que se desea detectar. Si el cambio a detectar es pequeo, es necesario una muestra grande. Muestras pequeas se requieren si el cambio a detectar es grande

Profesor Luis Nava Puente

Control Estadstico de la Calidad

50

Grficos de Control

La frecuencia de muestreo, en la prctica por lo general se tiende a tomar muestras pequeas en intervalos cortos. Tambin puede tomarse muestras grandes en intervalos grandes.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

51

Grficos de Control

Patrones Un punto se encuentra fuera de los limites 3. 2. Dos de tres puntos consecutivos se localizan fuera de los limites 2 (limites de advertencia). 3. Cuatro de cinco puntos consecutivos se localizan a una distancia de un o ms de la lnea central. 4. Ocho puntos consecutivos se localizan en el mismo lado de la lnea central.
1.
Profesor Luis Nava Puente Control Estadstico de la Calidad 52

Grficos de Control

Criterios para la especificacin de los Lmites de Control: 1. Criterios tcnicos. Error tipo I y error tipo II. Debe evaluarse en cada situacin que tipo de error es ms grave (Considerar el aspecto econmico). 2. Criterios econmicos. Costo de muestreo por unidad, costo de cometer error tipo II, tasa de produccin, confiabilidad de los equipos.
TAMAO DE LA MUESTRA Y FREC. DE MUESTREO
Profesor Luis Nava Puente Control Estadstico de la Calidad 53

Grficos de Control

Probabilidad de cometer error tipo I y II.

Profesor Luis Nava Puente

Probabilidad de indicar un proceso bajo control errneamente 1 = + =


Control Estadstico de la Calidad

Probabilidad de indicar un proceso fuera de control errneamente . = + 1 =

54

Grficos de Control

Sensibilizar el Grfico de Control: Se debe tomar en cuenta ms de un criterio. Por ejemplo, un criterio principal y los patrones no aleatorios.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

55

Grficos de Control

Indicadores para evaluar un Grfico de Control:


1.

2.

Longitud Media de Corrida para un proceso fuera de control (LMCF). Nmero promedio de muestras que deben tomarse para detectar una condicin fuera de control (debe ser pequeo). Longitud Media de Corrida para un proceso bajo control (LMCC). Nmero promedio de muestras que se tomaran hasta obtener una falsa alarma (debe ser grande).
UN BUEN GRFICO DE CONTROL ES AQUEL QUE DETECTA RPIDAMENTE UNA CONDICIN FUERA DE CONTROL Y UNA FALSA ALARMA TARDAMENTE

Profesor Luis Nava Puente

Control Estadstico de la Calidad

56

Grficos de Control

= =

= =1

= 1; = ;

1 = 0 1 = 1 1

Profesor Luis Nava Puente

Control Estadstico de la Calidad

57

Grficos de Control

1.

Proceso bajo control

2. Fuera de control

1 =

1 = 1

Profesor Luis Nava Puente

Control Estadstico de la Calidad

58

Grficos de Control

Grficos de Control de atributos. Es ideal cuando la caracterstica de la calidad se refiere a al presencia o no de ciertos atributos. Tambin cuando la caracterstica representa el nmero de defectos por unidad de producto. Esto es, si la caracterstica de la calidad se mide en una escala de medida cualitativa.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

59

Grficos de Control

Grficos de Control de variables. Si la caracterstica de calidad puede medirse como un nmero en una escala de medida continua, entonces pueden disearse grficos para controlar la tendencia central o la variabilidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

60

Introduccin
No siempre se puede medir las caractersticas de

calidad en una escala continua o numrica.

Se verifica entonces el cumplimiento o no de ciertos

criterios o especificaciones establecidas en el diseo. Se verifica la presencia o no de ciertos atributos.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

62

Introduccin

Proporcin de unidades defectuosas. Nmero de unidades defectuosas. Nmero de defectos en la unidad de inspeccin. Nmero promedio de defectos por unidad de

inspeccin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

63

Grficos de Control para atributos


Grficos de atributos ms conocidos: Grfico de control para la fraccin disconforme (P). Grfico de control para el nmero de artculos defectuosos (nP). Grfico de control de nmero de disconformidades por unidad de inspeccin (C). Grfico de control de nmero de disconformidades para tamaos de muestras distintos a una unidad de inspeccin (U). Grfico de demritos (D).
Profesor Luis Nava Puente Control Estadstico de la Calidad 64

Grficos de Control para atributos

Los grficos para atributos no son tan eficientes en cuanto a la informacin que ofrecen como los grficos para variables. Utilidad: Industrias de servicio y en todos aquellos procesos en los que se tiene un gran nmero de caractersticas de calidad de tipo numrico.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

65

Grficos de Control para atributos

Grfico de control P La fraccin disconforme es el cociente entre nmero de artculos disconformes y el nmero total de artculos. Se relaciona con el no cumplimiento de una o varias caractersticas de calidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

66

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

67

Grficos de Control para atributos

El grfico P muestra las variaciones en la proyeccin de unidades disconformes de una produccin. Supuesto: independencia Distribucin binomial. Aplicable a procesos que no tengan porcentajes de defectuosos superiores al 10%.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

68

Grficos de Control para atributos

Bajo independencia, la clasificacin de cada uno de los artculos representa un ensayo Bernoulli con parmetro p. Variable aleatoria (D): Nmero de unidades disconformes, sigue una distribucin binomial de parmetros n y P.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

69

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

70

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

71

Grficos de Control para atributos

Un grfico de control 3-sigmas para P, suponiendo que se conoce P.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

72

Grficos de Control para atributos

Un grfico de control 3-sigmas para P, suponiendo que se desconoce P.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

73

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

74

Grficos de Control para atributos

Lmites probabilsticos. Fijar o 1 y 2 , y calcular los valores de LSC y LIC que satisfacen

Profesor Luis Nava Puente

Control Estadstico de la Calidad

75

Grficos de Control para atributos

Si los valores de la fraccin disconforme se encuentra entre los lmites o, si no hay patrones no aleatorios en la distribucin de los puntos, se dice que el proceso esta bajo control

Profesor Luis Nava Puente

Control Estadstico de la Calidad

76

Grficos de Control para atributos

Ejemplos. 15 muestras de tamao 200


Proportion Nonconforming

Control Chart: DISCONF


,10

,08

,06

,04

DISCONF UCL = ,0816

,02 Center = ,0400 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 LCL = ,0000

Sigma level: 3

Profesor Luis Nava Puente

Control Estadstico de la Calidad

77

Grficos de Control para atributos

Control Chart: DISCONF


,10

,08

Proportion Nonconforming

,06

,04

DISCONF UCL = ,0850

,02 Center = ,0423 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 LCL = ,0000

Sigma level: 3

Profesor Luis Nava Puente

Control Estadstico de la Calidad

78

Grficos de Control para atributos

En el primer caso el proceso no esta bajo control. En el segundo caso el proceso esta bajo control. Los

lmites pueden ser usados para controlar el proceso

Profesor Luis Nava Puente

Control Estadstico de la Calidad

79

Grficos de Control para atributos

Los siguientes resultados corresponden a la inspeccin del motor de un secador elctrico de pelo en muestras de tamao 300 . La lnea central es

Profesor Luis Nava Puente

Control Estadstico de la Calidad

80

Grficos de Control para atributos

p (1 p ) 0.018 (1 0.018 ) LIC = p 3 0.018 3 = = 0.005 n 300


p (1 p ) 0.018 (1 0.018 ) LSC = p+3 = 0.018 + 3 = 0.041 n 300

Profesor Luis Nava Puente

Control Estadstico de la Calidad

81

Grficos de Control para atributos

Control Chart: nodis


0,06 nodis UCL = ,04 0,05 Center = ,02 LCL = ,00

Proportion Nonconforming

0,04

0,03

0,02

0,01

0,00 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

Sigma level:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

82

Grficos de Control para atributos

p (1 p ) 0.017 (1 0.017 ) LIC = p 3 = 0.017 3 = 0.005 300 n

0.017 (1 0.017 ) p (1 p ) 0.017 + 3 0.039 LSC = p+3 = = n 300

Profesor Luis Nava Puente

Control Estadstico de la Calidad

83

Grficos de Control para atributos

Control Chart: nodis


0,04 nodis UCL = ,04 Center = ,02 LCL = ,00

Proportion Nonconforming

0,03

0,02

0,01

0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Sigma level:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

84

Grficos de Control para atributos

Tamaos de muestra variable No siempre es posible o, no conviene contar con muestras del mismo tamao (los procesos no necesariamente producen la misma cantidad de artculos en un determinado intervalo de tiempo). Tres procedimientos permiten tratar esta situacin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

85

Grficos de Control para atributos

Determinar los lmites de control para cada muestra

en particular

p (1 p ) p 3 ni

p (1 p ) p+3 ni

Profesor Luis Nava Puente

Control Estadstico de la Calidad

86

EJEMPLO 1
n 120 90 110 110 80 120 140 90 100 120 105 130 115 90 125
Profesor Luis Nava Puente Control Estadstico de la Calidad

d 10 9 10 10 6 10 10 6 10 6 6 14 11 7 12
87

EJEMPLO 1

Profesor Luis Nava Puente

Control Estadstico de la Calidad

88

Grficos de Control para atributos

Calcular los lmites de control en base a un tamao

de muestra promedio (Lmites aproximados)

n = ni k
Profesor Luis Nava Puente Control Estadstico de la Calidad 89

EJEMPLO 2
En el ejemplo 1:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

90

EJEMPLO 2

Profesor Luis Nava Puente

Control Estadstico de la Calidad

91

Grficos de Control para atributos

Lmites de control estandarizado. Permite obtener un grfico con lmites fijos sin los problemas presentes en la solucin 2 (tamao de muestra promedio)

Grfico de control con valores estandarizados. lmites -+3 y lnea central 0


Profesor Luis Nava Puente Control Estadstico de la Calidad 92

Grficos de Control para atributos

zi =

p (1 p ) ni
93

pi p

Profesor Luis Nava Puente

Control Estadstico de la Calidad

Grficos de Control para atributos

Grfico de control nP
Permite

controlar defectuosos.

el

nmero

de

artculos

Es equivalente al grfico n.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

94

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

95

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

96

EJEMPLO 3
n 150 150 150 150 150 150 150 150 150 150 150 150 150 150 150
Profesor Luis Nava Puente Control Estadstico de la Calidad

d 8 6 8 3 3 9 11 5 8 6 3 14 11 7 6
97

EJEMPLO 3

Profesor Luis Nava Puente

Control Estadstico de la Calidad

98

EJEMPLO 4
En un proceso de produccin se determin que el mismo produca un 10% de artculos defectuosos en promedio. Si se tomaron 30 muestras de tamao 150 cada una:
Obtener el grfico de control nP. Hallar el valor de la curva caracterstica de operacin

en el punto P=0,2.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

99

EJEMPLO 4

= + , = , = , = , =

Profesor Luis Nava Puente

Control Estadstico de la Calidad

100

EJEMPLO 4

= < | = , | = , = < | = , | = , = , , = ,

Profesor Luis Nava Puente

Control Estadstico de la Calidad

101

Grficos de Control para atributos

Grfico de control C En muchas ocasiones es conveniente trabajar con el nmero de disconform idades por unidad de inspeccin , en lugar de clasificar artculos como defectuosos o no defectuosos. Un televisor Un vehculo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

102

Grficos de Control para atributos

Considrese una unidad de inspeccin como aquella entidad para la cual se desea llevar registros. Esto es, una unidad de inspeccin es una unidad de producto, un grupo de unidades de productos, etctera.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

103

Grficos de Control para atributos

El grfico C es apropiado para controlar la variable nmero de disconformidades por unidad de inspeccin. Suponiendo que la ocurrencia de defectos en una unidad de inspeccin de producto, sigue una distribucin Poisson, en muestras de tamao una unidad de inspeccin se tiene que

Profesor Luis Nava Puente

Control Estadstico de la Calidad

104

Grficos de Control para atributos

Si contamos el nm ero de disconform idades por unidad de inspeccin , y podemos suponer que esta variable sigue una distribucin Poisson, los lmites estn dados por

Profesor Luis Nava Puente

Control Estadstico de la Calidad

105

Grficos de Control para atributos

c=
Profesor Luis Nava Puente

c i
i =1

k
106

Control Estadstico de la Calidad

EJEMPLO 5
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Profesor Luis Nava Puente Control Estadstico de la Calidad

Defectos 4 3 5 1 2 2 2 6 5 2 3 1 2 4 3
107

EJEMPLO 5

Profesor Luis Nava Puente

Control Estadstico de la Calidad

108

EJEMPLO 6

Profesor Luis Nava Puente

Control Estadstico de la Calidad

109

EJEMPLO 6

C Chart for Cantdisc


20 1

Sample Count

1 UCL=12,76

10 C=5,64

0 0 5 10 15 20 25

LCL=0

Sample Number

Profesor Luis Nava Puente

Control Estadstico de la Calidad

110

Grficos de Control para atributos

Grfico de control U El grfico C se usa cuando el tamao del subgrupo es igual al de la unidad de inspeccin. Esto no represente alguna restriccin. Una unidad de inspeccin puede tener una o ms unidades de produccin (h).

Profesor Luis Nava Puente

Control Estadstico de la Calidad

111

Grficos de Control para atributos

Lo comn es usar varias unidades de inspeccin por muestra. El grfico apropiado en esta situacin es el grfico U, grfico para el nmero promedio de no conformidades (disconformidades) por unidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

112

Grficos de Control para atributos

Tamao de muestra fijo: 1. Igual a la unidad de inspeccin. Grfico C 2. Igual a k unidades de inspeccin. Grfico C-Grfico U. Tamao de muestra variable:

Grfico U
Profesor Luis Nava Puente Control Estadstico de la Calidad 113

Grficos de Control para atributos

Tamao de muestra fijo. Caso 2: Opcin 1. Redefinir la unidad de inspeccin.

Luego

Profesor Luis Nava Puente

Control Estadstico de la Calidad

114

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

115

Grficos de Control para atributos

Opcin 2. Graficar el nmero promedio de defectos por unidad de inspeccin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

116

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

117

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

118

EJEMPLO 7
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Profesor Luis Nava Puente

n 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Defectos 4 3 5 1 2 2 2 6 5 2 3 1 2 4 3
119

Control Estadstico de la Calidad

EJEMPLO 7

Profesor Luis Nava Puente

Control Estadstico de la Calidad

120

EJEMPLO 7

Profesor Luis Nava Puente

Control Estadstico de la Calidad

121

Grficos de Control para atributos

Tamao de muestra variable.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

122

EJEMPLO 8
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Profesor Luis Nava Puente

n 4 3 2,5 4 5 2 1 3 2 2,5 1,5 1 4 5 2

Defectos 7 4 3 6 8 2 2 5 4 6 3 1 3 9 5
123

Control Estadstico de la Calidad

EJEMPLO 8

Profesor Luis Nava Puente

Control Estadstico de la Calidad

124

EJEMPLO 8

Profesor Luis Nava Puente

Control Estadstico de la Calidad

125

Grficos de Control para atributos

Grfico D Grfico que se usa cuando se consideran varios tipos de defectos, cada uno con importancia o gravedad diferente.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

126

Grficos de Control para atributos

Casos:
1. m muestras de tamao n (n consta de una sola

unidad de inspeccin).

2. m muestras de tamao n (n contiene ms de una

unidad de inspeccin).

Profesor Luis Nava Puente

Control Estadstico de la Calidad

127

Grficos de Control para atributos

Caso 1.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

128

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

129

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

130

Grficos de Control para atributos

Caso 2.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

131

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

132

Grficos de Control para atributos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

133

EJEMPLO 9
Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 d1 2 3 5 1 3 2 2 3 2 1 1 2 0 1 3 2 4 6 4 1 48 d2 3 2 1 2 3 4 2 2 3 0 2 4 3 2 3 4 5 2 1 3 51 d3
5 4 2 4 2 3 1 0 2 3 3 4 1 0 2 1 3 3 2 1

D
26 28 35 16 29 27 19 24 23 9 15 28 10 12 29 25 42 45 29 16

U
13 14 17,5 8 14,5 13,5 9,5 12 11,5 4,5 7,5 14 5 6 14,5 12,5 21 22,5 14,5 8

46

Profesor Luis Nava Puente

Control Estadstico de la Calidad

134

EJEMPLO 9

Cada muestra contiene dos unidades de inspeccin y cada unidad de inspeccin contiene 2 unidades de produccin. Los pesos para cada defectos es 6, 3 y 1 para los defectos 1, 2 y 3, respectivamente.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

135

EJEMPLO 9

Profesor Luis Nava Puente

Control Estadstico de la Calidad

136

Grficos de Control para variables


En muchas ocasiones la caracterstica utilizada para medir calidad viene expresada por mediciones numricas (peso, tamao, etctera). Estas caractersticas reciben el nombre de variables.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

138

Grficos de Control para variables

Si usamos una variable como caracterstica de la calidad, es prctica comn monitorear tanto su valor medio como su variabilidad. Grfico de control para el valor medio Grfico de control para la desviacin estndar o el rango.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

139

Grficos de Control para variables

Un grfico de control para la media, registra la variacin experimentada por el valor medio de las muestras.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

140

Grficos de Control para variables

0 1
Profesor Luis Nava Puente Control Estadstico de la Calidad 141

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

142

Grficos de Control para variables

Si X1, X2, ..., Xn son n mediciones de una determinada caracterstica de calidad. La media muestral est dada por :

Profesor Luis Nava Puente

Control Estadstico de la Calidad

143

Grficos de Control para variables

Si los parmetros son conocidos, entonces los lmites probabilsticos son: LSC LIC

Profesor Luis Nava Puente

Control Estadstico de la Calidad

144

Grficos de Control para variables

Limites 3-sigma:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

145

Grficos de Control para variables

Los parmetros son por lo general desconocidos No se desea valores estndar o valores objetivos

Estimar mediante muestras preliminares Se dispone de m muestras, cada una de ellas de tamao n (tpicamente pequeo 4 5). n resulta de la construccin de subgrupos racionales

Profesor Luis Nava Puente

Control Estadstico de la Calidad

146

Grficos de Control para variables

Los subgrupos racionales son agrupacin de mediciones de acuerdo a algn criterio y a los costos asociados con el muestreo y la inspeccin. Los subgrupos se construyen agrupando las mediciones de forma tal que haya una mxima variabilidad entre subgrupos y la mnima variabilidad dentro de cada subgrupo.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

147

Grficos de Control para variables

Si se calcula la media para cada muestra o subgrupo, el mejor estimador de la media del proceso est dado por:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

148

Grficos de Control para variables

Para construir los lmites de control, necesitamos un estimador de la desviacin tpica s. Podemos estimar s a partir de: los rangos o de las desviaciones tpicas de las m muestras.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

149

Grficos de Control para variables

Si X1, X2,..., Xn, son mediciones de una muestra de tamao n, el rango de la muestra es R =Xmximo - Xmnimo Si la muestra procede de una distribucin normal, la variable aleatoria

sigue una distribucin conocida distribucin del rango relativo.


Profesor Luis Nava Puente Control Estadstico de la Calidad

denominada

150

Grficos de Control para variables

Los parmetros de esta distribucin son funcin del tamao de muestra, n, y estn dados por:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

151

Grficos de Control para variables

Un estimador de E(R), la media de R, est dado por el rango promedio

Profesor Luis Nava Puente

Control Estadstico de la Calidad

152

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

153

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

154

Grficos de Control para variables

La estimacin de la desviacin estndar se hace con el rango para tamaos muestrales pequeos. A medida que el tamao muestral aumenta, esta estimacin ve disminuida su eficiencia relativa respecto a la obtenida a travs de las varianzas muestrales.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

155

Grficos de Control para variables

Dado que el rango muestral est relacionado con la desviacin tpica del proceso, la variabilidad del proceso puede controlarse usando el rango, R. Media de R Varianza de R

Profesor Luis Nava Puente

Control Estadstico de la Calidad

156

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

157

Grficos de Control para variables

Cuando no se conoce el valor de la desviacin estndar y no se desea usar valores objetivos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

158

Grficos de Control para variables

Lmites probabilsticos para R:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

159

Grficos de Control para variables

Ejemplo.
HORA SUBGRUPO x1 x2 x3 x4 xi 8:30 a.m. 1 55 52 51 53 52.8 9:30 a.m. 2 51 52 57 50 52.5 10:30 a.m. 3 48 49 50 49 49 11:30 a.m. 4 45 43 45 43 44 2 12:30 a.m. 5 53 50 48 50 50.2 5

4 7 2 R Tabla 1. Datos correspondientes a la dureza de un metal

Profesor Luis Nava Puente

Control Estadstico de la Calidad

160

Grficos de Control para variables

Control Chart: VALOR


55,9

52,8

49,7 VALOR 46,6 UCL = 52,6144 Average = 49,7000 43,5 1,00 2,00 3,00 4,00 5,00 LCL = 46,7856

Mean

Sigma level: 3

Profesor Luis Nava Puente

Control Estadstico de la Calidad

161

Grficos de Control para variables

Control Chart: VALOR


10

VALOR UCL = 9,1282

Range

Average = 4,0000 0 1,00 2,00 3,00 4,00 5,00 LCL = ,0000

Sigma level: 3

Profesor Luis Nava Puente

Control Estadstico de la Calidad

162

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

163

Grficos de Control para variables

Para tamaos de muestra mayores a diez, o casos en que el tamao muestral es variable, se recomienda usar los grficos de control para la media y para la desviacin estndar

Profesor Luis Nava Puente

Control Estadstico de la Calidad

164

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

165

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

166

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

167

Grficos de Control para variables

Profesor Luis Nava Puente

Control Estadstico de la Calidad

168

Grficos de Control para variables

Para ; ;

Para ; ;

Profesor Luis Nava Puente

Control Estadstico de la Calidad

169

Grficos de Control para variables

Puntos a considerar :
Tamao de la muestra y 2. Frecuencia del muestreo
1.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

170

Grficos de Control para variables

La capacidad del grfico de control para detectar cierto tipo de cambios en el proceso depende del tamao muestral. Si deseamos detectar cambios pequeos se deben utilizar muestras grandes. Si deseamos detectar cambios grandes es mejor utilizar muestras pequeas.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

171

Grficos de Control para variables

Los primeros lmites de control calculados suelen considerarse como lmites de prueba. A continuacin, las medias y los rangos son representados en los grficos y se investigan aquellos puntos situados fuera de control. Si se descubren causas asignables, los puntos se descartan y se calculan nuevos lmites de prueba hasta que todos los puntos se siten bajo control. la muestra inicial no debe reducirse por debajo de aproximadamente 20 muestras.
Profesor Luis Nava Puente Control Estadstico de la Calidad 172

Criterios para la especificacin de los lmites de control


Criterios tcnicos.
1. Error tipo I y error tipo II. Estos valores influyen en

la amplitud de los limites del grfico. pequea Limites alejados de la lnea central Limites alejados de la lnea central grande

Profesor Luis Nava Puente

Control Estadstico de la Calidad

173

Criterios para la especificacin de los lmites de control

2. Tamao de la muestra. La amplitud de los lmites

son funcin de n. A mayor valor de n menor ser la amplitud de los lmites.

3. Frecuencia de muestreo. Ms frecuente ms rpida

la deteccin de una condicin fuera de control.

MUESTRAS GRANDES CON POCA FRECUENCIA

Profesor Luis Nava Puente

Control Estadstico de la Calidad

174

Criterios para la especificacin de los lmites de control

Criterios econmicos
1. Costo del muestreo por unidad. 2. Costo por cometer error tipo II. 3. Tasa de produccin. 4. Confiabilidad de los equipos.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

175

Subagrupamiento o grupos racionales


Se deben crear subgrupos o grupos racionales tan homogneos como sea posible. De esta forma las causas atribuibles aparecen como diferencias entre grupos. Produccin en diferentes turnos Produccin usando diferentes mquinas.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

176

Cambio del tamao de la Muestra


Hasta ahora se ha considerado el caso de tamao de muestra constante, n.
1. Tamao de muestra variable. Nmero diferente de observaciones en cada muestra. 2. Cambio en el tamao de muestra. Necesidad de hacer cambios permanentes o semipermanentes en el tamao de la muestra.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

177

Cambio del tamao de la Muestra

En el caso 1, los grficos para la media y el rango no se usan En el caso 2, es fcil calcular los nuevos lmites de control usando los anteriores sin tomar muestras adicionales utilizando el nuevo tamao muestral.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

178

Cambio del tamao de la Muestra

Para ; ;

Para ; ;

Profesor Luis Nava Puente

Control Estadstico de la Calidad

179

Cambio del tamao de la Muestra

prom. para tamao de muestra anterior. R = Rango prom. para tamao de muestra nuevo. n = Tamao de muestra anterior. n = Tamao de muestra nuevo. d = Factor d para el tamao de muestra anterior. d = Factor d para el tamao de muestra nuevo.
1

R0 = Rango

20

21

Profesor Luis Nava Puente

Control Estadstico de la Calidad

180

Cambio del tamao de la Muestra

Profesor Luis Nava Puente

Control Estadstico de la Calidad

181

Cambio del tamao de la Muestra

d 21 LSC = D4 * R0 d 20

d 21 LC = R = R0 1 d 20

d 21 LIC = m x 0, D3 R0 d 20

Profesor Luis Nava Puente

Control Estadstico de la Calidad

182

Patrones
En un grfico de control pueden detectarse patrones

como: Cclicos. Periodicidad en la presentacin de puntos de altos y bajos. Mezcla. Pocos puntos cerca de la lnea control y el resto prximos a los lmites de control. Cambios en el nivel del proceso. Cambio repentino del nivel del grfico. Tendencias. Cambio ascendente o descendente permanente del nivel del grfico. Estratificacin. Tendencia de los puntos a agruparse artificialmente alrededor de la lnea central. Errores.
Control Estadstico de la Calidad 183

Profesor Luis Nava Puente

Observaciones individuales
Hay situaciones en las que los datos asociados con un proceso no se pueden agrupar de forma natural, en subgrupos de tamao mayor a 1. 1. Tasa de produccin lenta 2. Procesos donde las diferencias slo son atribuibles a error de medicin u observacin. 3. Forma de medicin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

184

Observaciones individuales

RM= x x i i i 1
RM R=
Profesor Luis Nava Puente Control Estadstico de la Calidad

( k 1)
185

Observaciones individuales

3R LSC= x + d2

3R LIC= x d2
Profesor Luis Nava Puente Control Estadstico de la Calidad

186

Observaciones individuales

LSC = D4 R LCI = D3 R
Profesor Luis Nava Puente Control Estadstico de la Calidad 187

Observaciones individuales

Las constantes D1 , D2 , D4 , d2 y d3 se leen en la tabla anexa para n=2.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

188

Un ejemplo
16,11 16,08 16,12 16,10 16,09 16,11 16,12 16,09 16,12 16,10 16,09 16,07 16,13 16,12 16,10 16,08 16,13 16,15 16,12 16,10 16,08 16,07 16,11 16,13 16,10

Profesor Luis Nava Puente

Control Estadstico de la Calidad

189

Un ejemplo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

190

Un ejemplo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

191

Conceptos bsicos
En Control Estadstico de la Calidad el primer paso para aplicar una tcnica estadstica es definir la caracterstica de calidad que se va a medir en el producto fabricado, en un servicio prestado, etc.

Caracterstica

Variable aleatoria

El valor que se obtendra en la siguiente medicin no puede predecirse por clculo.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

193

Conceptos bsicos

El conjunto de todos los resultados de mediciones que

pueden obtenerse es nuestra poblacin. Cualquier subconjunto de mediciones extrado de dicha poblacin constituye una muestra.

La poblacin de resultados es el conjunto de datos que

se obtuvieron hasta ese momento ms aquellos que se obtendran si el proceso continuara funcionando siempre bajo las mismas condiciones.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

194

Conceptos bsicos

Especificaciones. Patrn de comparacin cuyo objetivo

es servir como referencia para calificar un producto como conforme o disconforme, de acuerdo a las especificaciones dadas. Cuando se disea el prod. Limites de especificacin Administracin-Cliente Variacin Tolerable del Proceso. Al realizar una sucesin de mediciones de la caracterstica de calidad, se encuentra que los valores fluctan alrededor de un valor central (valor objetivo).
Profesor Luis Nava Puente Control Estadstico de la Calidad 195

Conceptos bsicos

Los lmites de especificacin constituyen un requisito a cumplir por el producto y no deben confundirse con los Lmites de Control ni con los Lmites de Tolerancia Natural del proceso.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

196

Conceptos bsicos

Variacin natural del proceso. Inherente al mismo y no puede eliminarse, slo puede reducirse realizando modificaciones a dicho proceso trabajar con otro proceso.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

197

Conceptos bsicos

La variacin natural de un proceso puede medirse mediante su desviacin estndar. Lmites de Tolerancia Natural

Profesor Luis Nava Puente

Control Estadstico de la Calidad

198

Conceptos bsicos

Variabilidad momentnea. A corto plazo, representada por la desviacin estndar cuando es calculada a partir de la variabilidad dentro de cada muestra.

Variabilidad en el tiempo. Representada por la desviacin estndar cuando es calculada a partir de la variabilidad tanto dentro como entre muestras.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

199

Capacidad de un Proceso
Casi siempre los problemas de control de calidad pueden resolverse si alguna de las siguientes condiciones se alcanza: 1. Las caractersticas de calidad estn dentro de los lmites de especificacin o tolerancia. 2. La variabilidad de la caracterstica de calidad es minimizada. 3. La media de cada caracterstica de calidad es aproximada tanto como sea posible al valor objetivo de la misma.
Profesor Luis Nava Puente Control Estadstico de la Calidad 200

Capacidad de un Proceso

La Capacidad de un proceso es la aptitud para generar un producto que cumpla con determinadas especificaciones. El anlisis de la capacidad de un proceso relaciona la media y la varianza de la distribucin de la caracterstica de calidad con los lmites de especificacin o de tolerancia y genera medidas numricas del grado en el cual las condiciones mencionadas se cumplen

Profesor Luis Nava Puente

Control Estadstico de la Calidad

201

Capacidad de un Proceso

Enfoques:
1. Distribucin

de la caracterstica de calidad. Proporcin de artculos producidos fuera de los lmites de especificacin. 2. Indicadores de Capacidad

Profesor Luis Nava Puente

Control Estadstico de la Calidad

202

Capacidad de un Proceso

Capacidad de un P roceso usando la proporcin de artculos producidos fuera de los lm ites de especificacin
Conocer distribucin de la caracterstica Por lo general se deben estimar los parmetros de

dicha distribucin Grficos de control Histograma o distribucin de frecuencias Diagrama de probabilidades


Control Estadstico de la Calidad

Profesor Luis Nava Puente

203

Capacidad de un Proceso

Profesor Luis Nava Puente

Control Estadstico de la Calidad

204

Capacidad de un Proceso

Ejemplo 1: especificacin

Sea un proceso con lmites de y

Este valor indica que el proceso estara produciendo un 16% de artculos fuera de especificaciones Pobre capacidad
Profesor Luis Nava Puente Control Estadstico de la Calidad 205

Capacidad de un Proceso

Ejemplo 2: En el ejemplo 1 el proceso no esta centrado, est funcionando con una media distinta al valor objetivo. Si el proceso se ajusta y trabaja con una media igual a 22, la proporcin de artculos fuera de especificaciones sera:

Profesor Luis Nava Puente

Control Estadstico de la Calidad

206

Capacidad de un Proceso

Ejemplo 3: Si en el ejemplo 2

, entonces

Este es un proceso con una mejora considerable en su capacidad.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

207

Capacidad de un Proceso

Capacidad de un Proceso usando indicadores

Indicadores
Variables Atributos

Variables
Cp Cpk Cpm Pp Ppk K

Atributos
ppm DPU DPO

Profesor Luis Nava Puente

Control Estadstico de la Calidad

208

Capacidad de un Proceso

Indicador Cp.
LSE LIE LSE LIE Variacin tolerable CP = = = 6 LSTN LITN Variacin natural

LSE LIE CP = 6
Mientras mayor sea Cp mayor ser la capacidad del proceso. Se producen menos artculos fuera de especificaciones.
Profesor Luis Nava Puente Control Estadstico de la Calidad 209

Capacidad de un Proceso

Para el caso normal =1 <1 >1 =0,27% >0,27% <0,27%

Cp

Para el caso no normal, buscar los percentiles 99,865 y 0,135 de la distribucin correspondiente.
Profesor Luis Nava Puente Control Estadstico de la Calidad 210

Capacidad de un Proceso

Indicadores Cp unilaterales. Situaciones donde mientras ms grande mejor o, mientras ms pequeo menor
C PS = LSE 3 = LSE C PS 3 LIE = C PI 3

C PI =

LIE 3

Profesor Luis Nava Puente

Control Estadstico de la Calidad

211

Capacidad de un Proceso

Para tener una idea de la cantidad de artculos fuera de especificaciones, que un determinado proceso con un CP=k, se espera que este produciendo, es til convertir el valor de k en una proporcin esperada de artculos fuera de especificaciones.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

212

Capacidad de un Proceso

Para el caso bilateral, un proceso bajo control con una media centrada entre los lmites de especificacin y que la caracterstica se distribuye normal.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

213

Capacidad de un Proceso

Para el caso unilateral.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

214

Capacidad de un Proceso
Valor del indicador CP 2 1.33 CP < 2 1 CP < 1.33 0.67 CP < 1 CP 0.67 Clasificacin de la capacidad Excelente Muy buena Buena Mala Muy mala

Profesor Luis Nava Puente

Control Estadstico de la Calidad

215

Capacidad de un Proceso

Ejemplo 4: Para un proceso con especificaciones dadas por , estudiar la capacidad del proceso usando CP, si

Profesor Luis Nava Puente

Control Estadstico de la Calidad

216

Capacidad de un Proceso

Ejemplo 5: En el ejemplo 4, estudiar la capacidad del proceso usando CP, si

Profesor Luis Nava Puente

Control Estadstico de la Calidad

217

Capacidad de un Proceso

Ejemplo 6: La rugosidad de la superficie del suelo de un componente no puede exceder de 0,02 unidades. Una muestra aleatoria de los elementos de suelo tomados por una mquina de pulido dio las siguientes estimaciones: Media=0,01 Desviacin estndar=0,003

Profesor Luis Nava Puente

Control Estadstico de la Calidad

218

Capacidad de un Proceso

En general, se exige un CP mayor a 1,30. Este coeficiente tiene el inconveniente de que para

poder aplicarlo el centro de gravedad del rango de especificaciones debe coincidir con la tendencia central de las mediciones del proceso. Alternativa: El ndice CPk

Profesor Luis Nava Puente

Control Estadstico de la Calidad

219

Capacidad de un Proceso

Si X ~ N ,

( n 1)S 2 ) ~ 2
2

n 1

2 ( n 1)S 2 2 n 1, / 2 < P < n 1,1 / 2 = 1 2

2 2 2 2 2 P < S < n 1,1 / 2 = 1 n 1 n 1, / 2 n 1

2 n21,1 / 2 n 1, / 2 P <S< = 1 n 1 n 1

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

220

Capacidad de un Proceso

n21,1 / 2 n21, / 2 = 1 < CP S < CP P CP n 1 n 1


LSE LIE C P 6 = LSE LIE = C = P S 6S S
2 2 n 1 , / 2 n 1,1 / 2 < CP < C P C P P n 1 n 1

C P P S

n21, / 2 C < CP < P S n 1

n21,1 / 2 n 1

= 1

= 1

2 2 1 , / 2 n n 1,1 / 2 C ;C P P n 1 n 1


221

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

Capacidad de un Proceso

Ejemplo 7: La especificacin del peso de una pieza en un proceso de inyeccin de plstico, es de 60+-1 gramo. Para hacer una primera valoracin de la capacidad del proceso, se obtiene una muestra aleatoria de tamao 40, obtenindose una media de 59.88 y una desviacin estndar de 0.25.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

222

Capacidad de un Proceso

= LSE LIE = 61 59 = 1.33 C P 6S 6(0.25)


2 2 n 1, / 2 = 39 , 0.025 = 23.6543 2 2 n 1, / 2 = 39 , 0.975 = 58.1201

2 2 1 , / 2 n n 1,1 / 2 C ;C P P n 1 n 1

23.6543 58.1201 1.33 ; 1 . 33 39 39

(1.03;1.63)

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

223

Capacidad de un Proceso

Se selecciona una muestra de tamao n, a partir de este se calcula el valor estimado de CP, si dicho valor es mayor que un valor crtico C se recha la hiptesis nula. Para calcular n, se fijan 4 valores, , , un valor de CP(alto) y un valor de CP(bajo), que representan las capacidades para las cuales estamos dispuestos a aceptar y rechazar respectivamente con probabilidad igual a 1- . Luego se hace uso de la siguiente tabla (Montgomery), para calcular el valor de n y C.
Douglas Rivas Profesor Luis Nava Puente
Control Estadstico de la Calidad 224

Capacidad de un Proceso Tamao de muestra n


10 20 30 40 50 60 70 80 90 100

= = 0.10
C P (alto) = k1 C P (bajo) C = k2 C P (bajo)

= = 0.05
C P (alto) = k1 C P (bajo) C = k2 C P (bajo)

1.88 1.53 1.41 1.34 1.30 1.27 1.25 1.23 1.21 1.20

1.27 1.20 1.16 1.14 1.13 1.11 1.10 1.10 1.10 1.09

2.26 1.73 1.55 1.46 1.40 1.36 1.33 1.30 1.28 1.26

1.37 1.26 1.21 1.18 1.16 1.15 1.14 1.13 1.12 1.11

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

225

Ejemplo 8: Una empresa est interesada en aceptar materia prima slo de aquellos proveedores que demuestren regularmente, que su proceso esta operando con un capacidad cuyo indicador CP sea mayor a 1,30. Para lograr esto, se proponen las siguientes hiptesis:

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

226

Capacidad de un Proceso

El gerente de produccin se planteo que si el proceso est operando con un CP 1.30, le gustara rechazarlo con una probabilidad de 0.90, mientras que si lo est haciendo con un indicador un CP > 1.60 le gustara aceptarlo con una probabilidad de 0.90.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

227

Capacidad de un Proceso

Capacidad real y capacidad potencial : El clculo del CP se ha hecho suponiendo que el proceso est operando con la media centrada en el intervalo de especificaciones. Aqu el CP representa la capacidad real del proceso. En caso contrario, representa la capacidad potencial. Este indicador no toma en cuenta la posicin de la media respecto a las especificaciones
Profesor Luis Nava Puente Control Estadstico de la Calidad 228

Capacidad de un Proceso

LIE

=10 LSE
Proceso A CP = 1.2 318 ppm

70 LITN

=100

130 LSTN

=10

Proceso B CP = 1.2 >500000

64 Douglas Rivas Profesor Luis Nava Puente

106 LITN

136

166 LSTN
229

Control Estadstico de la Calidad

Capacidad de un Proceso

Indicador Cpk. Toma en cuenta como est operando la media del proceso con respecto a las especificaciones.

C Pk

LSE LIE , = min (C PS , C PI ) = min 3 3

= min C ,C C Pk PS PI
Profesor Luis Nava Puente Control Estadstico de la Calidad

)
230

LIE

=10 LSE

70 LITN

=100

130 LSTN

=10

106 LITN

=10

166 LSTN

64 80 Douglas Rivas LITN Profesor Luis Nava Puente

=110

136 140

Control Estadstico de la Calidad

LSTN

231

LIE

=10 LSE

64

70 LITN

=100

130 136 LSTN

C Pk

136 100 100 64 = min (1.2,1.2 ) = 1.2 = min (C PS , C PI ) = min , 3(10) 3(10)

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

232

LIE

=10

=10 LSE

64

106 LITN

136

166 LSTN

C Pk

136 136 136 64 = min (C PS , C PI ) = min 3(10) , 3(10) = min (0,2.4 ) = 0


Control Estadstico de la Calidad 233

Douglas Rivas Profesor Luis Nava Puente

C Pk

136 110 110 64 = min (C PS , C PI ) = min 3(10) , 3(10) = min (0.87,1.53) = 0.87

=10 LIE LSE

64 80 Douglas Rivas LITN Profesor Luis Nava Puente

=110

136 140

Control Estadstico de la Calidad

LSTN

234

LIE

=10 LSE

Proceso A CP = 1.2 CPk = 1.2 318 ppm

70 LITN

=100

130 LSTN

=10

Proceso B CP = 1.2 CPk = 0 500000 ppm

106 LITN

=10

166 LSTN Proceso C CP = 1.2 CPk = 0.87 4500 ppm

64 80 Douglas Rivas LITN Profesor Luis Nava Puente

=110

136 140

Control Estadstico de la Calidad

LSTN

235

Capacidad de un Proceso

Z C Pk

2 C 1 Pk + 2(n 1) 9n

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

236

Capacidad de un Proceso

Indicador Cpm. Indicador que ofrece informacin de la ubicacin de la media, dentro del intervalo de especificaciones. Su principal problema es que no puede ser usado para estimar la proporcin de defectuosos

Profesor Luis Nava Puente

Control Estadstico de la Calidad

237

LIE

=10

LSE

100

= 5

70 Douglas Rivas Profesor Luis Nava Puente


Control Estadstico de la Calidad

115

130
238

LIE

=10

LSE

Proceso A

70

100

130

CP =

LSE LIE 130 70 = =1 6 6(10)

130 100 100 70 C Pk = min (C PS , C PI ) = min 3(10) , 3(10) = min (1,1) = 1


C Pk = C P
Douglas Rivas Profesor Luis Nava Puente
El proceso est centrado

Control Estadstico de la Calidad

239

CP =

LSE LIE 130 70 = =2 6 6(5)

130 115 115 70 C Pk = min (C PS , C PI ) = min 3(5) , 3(5) = min (1,3) = 1


C Pk < C P
El proceso no est centrado

= 5 LIE

LSE

70 Douglas Rivas Profesor Luis Nava Puente


Control Estadstico de la Calidad

115

130
240

C Pm =

LSE LIE 6

= E (X T )
2

2 = 2 + ( T )

T=

1 (LSE LIE ) 2

C Pm =

LSE LIE 6 2 + ( T )
2

C Pm =

CP T 1+
2

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

241

Capacidad de un Proceso

Ejemplo 8: Supngase que una caracterstica de calidad tiene especificaciones 20+-6. Las estimaciones de la media y la desviacin estndar son 22 y 1,9427, respectivamente. Estudiar la capacidad del proceso.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

242

Capacidad de un Proceso

La desigualdad se cumple para valores de la media pertenecientes aproximadamente a los 2 cuartos adyacentes al centro de las especificaciones

Profesor Luis Nava Puente

Control Estadstico de la Calidad

243

C P

C Pk

S
= R d2 = S C4

X ij X = ij nm 1

P P

P Pk

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

244

El proceso esta bajo control La caracterstica se distribuye normal

X ij X = ij nm 1

= =

R d2 S C4

C Pk
El proceso esta fuera control

C P

P P

P Pk

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

245

Capacidad de un Proceso

Indicador K. Constituye un indicador de la localizacin de a media del proceso respecto a la mitad del intervalo de las especificaciones. Viene expresado en porcentajes.

K=

T
1 (LSE LIE ) 2

100

Douglas Rivas Profesor Luis Nava Puente

Control Estadstico de la Calidad

246

Proceso A

LIE

=10 LSE

K=

T
1 (LSE LIE ) 2

100 =

100 100 100 = 0% 1 (136 64) 2

70 LITN

=100

130 LSTN

Proceso B

=10

K=

136 100 100 = 100% 1 (136 64) 2

106 LITN

=10

166 LSTN Proceso C


K= 110 100 100 = 27.78% 1 (136 64) 2

64 80 Douglas Rivas LITN Profesor Luis Nava Puente

=110

136 140

Control Estadstico de la Calidad

LSTN

247

Capacidad de un Proceso

Indicadores para atributos


Partes por milln (ppm)
Se usa cuando se esta calificando el producto como disconforme o no disconforme

ppm = P *1000000

Defectos por unidad (DPU)


Cuando la caracterstica de calidad representa el nmero de disconformidades

DPU =
Douglas Rivas Profesor Luis Nava Puente

d U

d : Es el nmero de disconformidades U : Nmero de artculos


248

Control Estadstico de la Calidad

Capacidad de un Proceso

Defectos por Oportunidad (DPO)


Cuando la caracterstica de calidad representa el nmero de disconformidades

DPU =

DPU O

O : es el nmero de oportunidades de defectos por unidad

Ejemplo
Se han seleccionado doscientos celulares en los cuales hay cien defectos, suponiendo que los celulares slo tenan 50 oportunidades de defectos, entonces

DPO =

DPU 0.5 = = 0.01 O 50

Si se supone que los celulares tenan 200 oportunidades de defectos, entonces

DPO =
Douglas Rivas Profesor Luis Nava Puente

DPU 0.5 = = 0.0025 O 200


249

Control Estadstico de la Calidad

MUESTREO PARA ACEPTACIN


Cuando hablamos de control estadstico de procesos, nos referimos a control de fabricacin y control de aceptacin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

251

MUESTREO PARA ACEPTACIN

Grficos de control

Control de fabricacin Control

Muestreo para aceptacin de aceptacin o recepcin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

252

MUESTREO PARA ACEPTACIN

El muestreo para aceptacin se lleva a cabo en situaciones donde existe una relacin entre consumidor y productor. Tiene como propsito la aceptacin o no de un lote, garantizando el cumplimiento de los requerimientos de calidad acordados.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

253

MUESTREO PARA ACEPTACIN

El procedimiento de control de calidad actual consiste en aplicar inicialmente mtodos de muestreo para aceptacin y luego, implementar el control estadstico de procesos evitando as, el desperdicio.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

254

MUESTREO PARA ACEPTACIN

El muestreo para aceptacin no es un mecanismo de control de calidad. Solo acepta o rechaza lotes. Proceso de auditoria el cual permite garantizar que el resultado de un determinado proceso cumpla con los requerimientos establecidos.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

255

MUESTREO PARA ACEPTACIN


Utilizacin del Muestreo para Aceptacin. Vas para juzgar un lote:

Sin inspeccin. Inspeccin 100%. Muestreo

Profesor Luis Nava Puente

Control Estadstico de la Calidad

256

MUESTREO PARA ACEPTACIN


Algunas situaciones de uso:

La inspeccin implica destruccin. Alto costo de inspeccin No se dispone de una inspeccin automatizada Mucho tiempo.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

257

MUESTREO PARA ACEPTACIN


Ventajas del Muestreo para Aceptacin.
Menos costo Reduccin de daos por menor manejo de productos Ideal en pruebas destructivas Reduccin en los errores de inspeccin

Profesor Luis Nava Puente

Control Estadstico de la Calidad

258

MUESTREO PARA ACEPTACIN


Desventajas del Muestreo para Aceptacin. Riesgo de rechazar lotes conformes y aceptar lotes no conformes Necesidad de planificacin y documentacin Se genera menos informacin sobre el producto

Profesor Luis Nava Puente

Control Estadstico de la Calidad

259

MUESTREO PARA ACEPTACIN


Tipos de planes de Muestreo. Tipo de caracterstica de calidad a medir: Planes de muestreo para atributos y Planes muestreo para variables. Nmero de fases: Muestreos simples Muestreos dobles Muestreos mltiples y Muestreos secuenciales.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

260

MUESTREO PARA ACEPTACIN


Un plan de muestreo simple es un procedimiento en el que se toma una muestra de tamao n y el lote se acepta o rechaza en funcin de los resultados obtenidos de la inspeccin de dicha muestra.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

261

MUESTREO PARA ACEPTACIN


Un plan de muestreo doble es aquel en el cual: Se selecciona una muestra inicial y se toma una decisin basada en la informacin de esta muestra: (1) aceptar el lote, (2) rechazar el lote, o (3) tomar una segunda muestra. Con la primera muestra se acepta el lote si la calidad es muy buena y se rechaza si es muy mala. En caso contrario, se toma una segunda muestra.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

262

MUESTREO PARA ACEPTACIN


Un plan de muestreo mltiple es una generalizacin del muestreo doble y se da cuando se requiere del uso de ms de dos muestras para tomar una decisin respecto al destino del lote.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

263

MUESTREO PARA ACEPTACIN


Un plan de muestreo secuencial es una extensin del muestreo mltiple en el que se seleccionan artculos uno por uno y segn el resultado de la inspeccin de cada unidad se toma la decisin de aceptar el lote, rechazar el lote, o seleccionar otro artculo.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

264

MUESTREO PARA ACEPTACIN


Efectividad del plan de muestreo Esta relacionada con la forma en que este conformado el lote.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

265

MUESTREO PARA ACEPTACIN


Aspectos a considerar en la conformacin de los lotes para inspeccin:

Los lotes deben ser homogneos Son preferibles los lotes grandes a los pequeos Los lotes deben ajustarse a los sistemas de manejo de materiales que se utilizan en las instalaciones del proveedor y el consumidor.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

266

MUESTREO PARA ACEPTACIN


La seleccin de las unidades que conformaran la muestra debe hacerse bajo un esquema de muestreo probabilstico. El uso del muestreo aleatorio garantizar la representatividad y la base estadstica del muestreo para aceptacin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

267

MUESTREO PARA ACEPTACIN


Plan, Esquema Aceptacin. y Sistema de Muestreo para

Plan de muestreo para aceptacin. Planteamiento del tamao de la muestra que debe usarse y de los criterios de aceptacin asociados para juzgar los lotes. Esquema de muestreo. Conjunto de procedimientos que consisten en planes de muestro para aceptacin en los que se relacionan el tamao del lote, el tamao de la muestra y los criterios de aceptacin junto con la cantidad de inspeccin 100% y muestral. Sistema de muestreo. Coleccin unificada de uno o ms esquemas de muestreo para aceptacin.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

268

MUESTREO PARA ACEPTACIN


La metodologa de muestreo debe contener y definir claramente los sistemas esquemas y planes de muestreo con sus procedimientos asociados.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

269

MUESTREO PARA ACEPTACIN


Planes de Muestreo simples para atributos. Un plan de muestreo simple para atributos esta definido por el tamao de la muestra, n, y por el nmero de aceptacin, c (nmero mximo de defectuosos a aceptar). Decisin?
Profesor Luis Nava Puente Control Estadstico de la Calidad 270

MUESTREO PARA ACEPTACIN


Curva Caracterstica de Operacin Representa un mecanismo importante en la evaluacin del desempeo de un plan de muestreo para aceptacin simple. Se grafica la probabilidad de aceptar el lote contra la fraccin muestral defectuosa. Representa el poder discriminatorio del plan de muestreo. Muestra la probabilidad de que un lote con cierta fraccin de defectuosos sea aceptado o rechazado.
Profesor Luis Nava Puente Control Estadstico de la Calidad 271

MUESTREO PARA ACEPTACIN


Tipos de Curvas OC.
Curva OC tipo B. Dist. Binomial Curva OC tipo A. Dist. Hipergeomtrica

Profesor Luis Nava Puente

Control Estadstico de la Calidad

272

MUESTREO PARA ACEPTACIN


Si N es grande (infinito), podemos usar la distribucin

binomial Si N es finito, podemos usar la distribucin hipergeomtrica

Profesor Luis Nava Puente

Control Estadstico de la Calidad

273

MUESTREO PARA ACEPTACIN


Puntos especficos en la curva OC Por lo general hay inters en ciertos punto de la curva OC. Nivel de calidad del lote o proceso que produce una alta probabilidad de aceptacin Nivel de calidad del lote o proceso que produce una baja probabilidad de aceptacin
Profesor Luis Nava Puente Control Estadstico de la Calidad 274

MUESTREO PARA ACEPTACIN


Nivel de Calidad Aceptable (NCA). Peor nivel de calidad del proceso del proveedor, que el consumidor considerara aceptable como una media del proceso. Nivel de Calidad Rechazable (NCR). Peor nivel de calidad que el consumidor est dispuesto a aceptar en un lote individual.

Profesor Luis Nava Puente

Control Estadstico de la Calidad

275

MUESTREO PARA ACEPTACIN


Diseo de un plan de muestreo simple para una curva OC.
Exigir que la curva OC pase por dos puntos dados La distribucin ideal es la binomial (curva OC tipo B)

Profesor Luis Nava Puente

Control Estadstico de la Calidad

276

MUESTREO PARA ACEPTACIN


n d nd c p1 (1 p1 ) = 1 d d =0 n d nd c p2 (1 p2 ) = d d =0
Control Estadstico de la Calidad

Profesor Luis Nava Puente

277