CONTROL ESTADISTICO DE CALIDAD

INTRODUCCIN
Tiene sus comienzos en la dcada de 1920 y su objetivo es la reduccin sistemtica de la variabilidad y el aislamiento asociado de las fuentes de dificultades durante la produccin. [1] histricamente ha pasado por tres etapas distintas la primera se centraba en la elaboracin de inspeccin y el establecimiento de tolerancia para productos, y se basa en el control tpico de recepcin para materiales y el control de auditoria del producto final. [2] La segunda etapa su objetivo es evitar las causas de los problemas de calidad durante la fabricacin a finales de los aos 50 y las ventajas radican en la capacidad para mejorar procesos y prevenir la aparicin de problemas. En la tercera etapa se desarrolla principalmente en Japn con la intensa competencia internacional y pone el nfasis en el diseo de productos para que cumplan altas condiciones de calidad.

GRAFICOS DE CONTROL
Los grficos de control sirven para representar una caracterstica de calidad T medida o calculada a partir de muestras del producto que son tomadas a lo largo de un espacio de tiempo. Consta de una lnea central (que suele ponerse en torno a la media muestral ) y dos lmites de control que se basan en conceptos y resultados estadsticos En funcin del Teorema Central del Lmite, para un tamao muestral n grande, la distribucin de las medias mustrales ser /n Se calcula que para tener una probabilidad del 99,7%, la media poblacional debe estar en el intervalo 3/n

Una grfica de control sirve para detectar el estado no aleatorio o fuera de control de un proceso aqu un ejemplo de la forma que opta una grfica de control en la figura 1. Donde x es el tiempo y las caractersticas.

Fig. 1-Ejemplo grafica de control

La lnea central representa el valor promedio de la caracterstica cuando el proceso est controlado, los es indican por ejemplo promedios mustrales de tal caracterstica respecto al tiempo, si el proceso est controlado, la forma general de estos puntos con respecto al tiempo determina si el proceso est controlado. Cuando un punto cae fuera de los lmites de control seria que ese proceso est fuera de control y se busca la causa.

Lmites de control Los lmites de control son utilizados para saber si un proceso es o no estable Los LC se encuentran en:

Tipos: Grfico de control por variable: Se utiliza cuando la caracterstica de la calidad que se quiere controlar es variable y por tanto se expresa de forma cualitativa Grfico de control por atributo: Se utiliza cuando la caracterstica de la calidad que se quiere controlar es un atributo y por tanto se expresa de forma cualitativa

Grafica barra para variables

Un grfico X-barra contiene las medias mustrales de la caracterstica que se pretende estudiar, por lo que mediante l se podr detectar posibles variaciones en el valor medio de dicha caracterstica durante el proceso (desviaciones con respecto al objetivo). Sea X la caracterstica de calidad que se va a medir, donde X = N ( ); se tomaran K muestras, cada una de ellas de tamao n. Se denotaran por X 1, X2,Xn a las n observaciones que forman la muestra i-sima, donde i=1,2,, K. Para construir un grafico :

Por el teorema de Distribucin Muestra, se sabe que:

Por el teorema Central del lmite, ---------- Segn el modelo de Shewart se sabe que: (

La lnea central, por lo general refleja el valor ideal de un parmetro importante. Los lmites de control se establecen a partir del conocimiento de las propiedades de muestreo del estadstico, que estima el parmetro en cuestin. En el caso de la grfica X-barra, el teorema de limite central brinda una buena aproximacin de la probabilidad de determinar en falso que el proceso est en fuera de control; un valor que cae fuera de estos lmites se considera evidencia de que la media cambio y por ello el proceso quizs este fuera de control Una parte de la informacin muestral de estas k muestras toman la forma donde la variable aleatoria es el promedio de los valores en la i-sima muestra. Ciertamente, el promedio global es la variable aleatoria.

Este es el estimador adecuado de la media del proceso, por lo tanto es la lnea central en la grfica de control . Cuando se pretender realizar un estudio de control de calidad es conveniente estimar a partir de la informacin relacionada con los rangos en las muestras, en vez de las desviaciones estndar de las muestras. Para la i-sima muestra se define:

Aqu son respectivamente, la observacin ms grande y la ms pequea en la muestra. La estimacin apropiada de es una funcin del rango promedio

Una estimacin de , digamos , se obtiene mediante:

Donde es una constante que depende del tamao de la muestra. Algunos valores de se muestran en la siguiente tabla:

La existencia del teorema del lmite central es til a este respecto. Bajo la suposicin de normalidad, se usa una variable aleatoria que se denomina rango relativo, dada por:

El valor esperado de W se denomina anterior:

, por lo tanto al tomar el valor esperado de W

Se sabe bien que el metodo de rango produce un estimador eficiente de en muestras pequeas , esto hace que el estimador sea muy usado en aplicaciones de control de calidad , debido a que los tamaos muestrales en los subgrupos en su mayoria son pequeos ; el uso del metodo del rango para la estimacion de tiene como resultado graficas de control con los siguientes parametros: Al definir la cantidad

Se tiene que:

Eleccin del tamao de la muestra en el caso de la grafica La eleccin del tamao muestral requiere equilibrar los recursos disponibles; se deben tomar en cuenta muchos factores en la eleccin de un tamao muestral, en la ilustracin y el anlisis se enfatiza el uso de n=4, 5 o 6; estos valores se consideran pequeos para problemas generales en inferencia estadstica, pero mustrales apropiados para el control de calidad, estos debido a que el control de calidad es un proceso continuo y los resultados producidos por una muestra estarn seguidos de muchos ms. As el tamao muestral efectivo de todo el esfuerzo de control de calidad es muchas veces mayor que el que se utiliza en un subgrupo, se considera ms efectivo muestrear con frecuencia con un tamao muestral pequeo. El valor promedio o esperado del nmero de muestras que se requieren para la deteccin es: El rango es eficiente como estimador para , pero esta eficiencia disminuye de acuerdo al tamao de la muestra, para n tan grande como 10, se debe utilizar la distancia familiar

es un estimador insesgado para pero que S no es insesgado para .S para sesgos en aplicaciones de la grfica de control, se sabe que:

En caso de que las Xi sean independientes y estn distribuidas de forma normal con media y varianza : Donde La varianza del estimador S es: ( )

Si se grafica el estadstico S, los parmetros evidentes de la grfica de control son

Los lmites de control se definen de manera ms breve mediante el uso de constantes como: De esta manera se obtiene:

Estos lmites sirven como base para el desarrollo de parmetros de control de calidad, en la que se desconoce Para el caso donde se conoce los lmites de control superior e inferior son estimadores insesgados de los lmites de control adecuados. Como: ( ) El estadstico S es una lnea central apropiada y las cantidades son:

Estos son los lmites de control 3 interior y superior apropiados, en consecuencia, la lnea central y los lmites para la grfica S de variabilidad son:

Grafica R para control de variacin:

Permite estudiar cmo varan los rangos de los valores mustrales estudiados. Se utiliza cuando el tamao de las muestras es inferior a 10.
La variabilidad de un proceso se puede controlar usando graficas del rango muestral, una grfica de los rangos mustrales respecto al tiempo se denomina grafica R ac los lmites de control

dependen de una estimacin de la desviacin estndar de la variable aleatoria R, la cantidad estima a partir de los datos y se basa en la distribucin del rango relativo.

se

La desviacin estndar de W es una funcin conocida del tamao muestral y, por lo general se denota como . Las cantidades que definen la grfica R son: UCL= lnea central = LCL=

Donde las constantes D (dependiendo solo en n) son =1+3 3

Ejemplo: Una fbrica elabora planchas de madera para tapas de mesas, las cuales deben cumplir ciertas especificaciones de tamao. Para garantizar que se cumplan estos estndares de calidad, se recolecta K= 24 muestras (subgrupos) de tamao n = 6, y mide su largo. Los resultados aparecen en la siguiente tabla:

1. Calculando el rango promedio se obtiene:

2. Se calcula el lmite superior de control para el rango, con lectura en la tabla para n=6 se obtiene Se obtiene:

3. Se calcula el lmite inferior de control para el rango, con lectura en la tabla para n=6 se obtiene Se obtiene:

4. Elaborando la grfica R en Graph se obtiene:

En donde observando la grfica se concluye que la misma est bajo control, ya que no existen variaciones de causa asignable, es decir, no existe ningn punto que se salga de los lmites de control. 5. Calculando se obtiene:

6. Con lectura en la tabla para n=6 se obtiene Calculando el lmite superior se obtiene:

7. Calculando el lmite inferior se obtiene:

8. Elaborando la grafica se obtiene:

Observando la grfica se concluye que la misma est fuera de control, ya que, la muestra 23 representa una variacin de causa asignable, es decir, la muestra 23 se sale del lmite superior de control.

APLICACIONES
se puede observar el enorme potencial que posee la utilizacin del Control Estadstico de la calidad como instrumento y herramienta destinada a un mejor control en la evolucin de la empresa, una forma ms eficaz de tomar decisiones en cuanto a ajustes, un mtodo muy eficiente de fijar metas y un excepcional medio de verificar el comportamiento del sistema.

BIBLIOGRAFIA

http://www.uoc.edu/in3/e-math/docs/SPC_3.pdf 2. http://www.uclm.es/profesorado/dverastegui/DOCUMENTOS/calidad.pdf http://alarcos.inf-cr.uclm.es/doc/Calidad/webPRCSI/Recursos/Pr4/Sesi%C3%B3n4.pdf ALFARO NAVARRO, J.L. (2002) "Mtodos multivariantes en control estadstico de la calidad", Documentos de Trabajo. Facultad de Ciencias Econmicas y Empresariales de Albacete. Universidad de Castilla La Mancha. APARISI F.; Charles W. Champ (2004) "Double Sampling Hotellings T2 Charts", XXVIII Congreso Nacional de Estadstica e Investigacin Operativa, Cdiz. BANKS, J. (1998) Control de calidad. Mxico: Ed. Limusa.