Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudiar para El Parcial PDF
Estudiar para El Parcial PDF
Unidad IV
permiten
determinar
cundo
deben
emprenderse
acciones
proceso que ha sido afectado por una causa especial. Nos dicen
para
ajustar
un
proceso trabaje por s mismo, y no malinterpretar las variaciones debidas a causas comunes.
Las
causas
especiales
se
deben
contrarrestar
con
acciones
correctivas.
Las
causas
comunes son el centro de atencin de las actividades permanentes para mejorar el proceso.
Las variaciones del proceso se pueden rastrear por dos tipos de cusas
1)
2)
Si
Unidad IV
todos los puntos de la grafica se encuentran entre los dos limites de control se
considera que el proceso esta controlado. Una seal fuera de control aparece cuando un
punto trazado cae fuera de los lmites, lo cual se atribuye a
Calcular
los
lmites
de
control
proporcionar
instrucciones
especficas
sobre
la
interpretacin de los resultados y las acciones que debe tomar cada persona en produccin.
Valores observados
de X
Lnea central
Ejemplodegrficadecontrolgeneralizadaparapromedios
Unidad IV
Unidad IV
atributos.
El trmino atributos se utiliza en literatura sobre control de calidad para describir dos
situaciones:
1. Cada pieza producida es defectuosa o no defectuosa (cumple las especificaciones o no).
2. Una sola pieza puede tener uno o mas defectos y el numero de estos es determinado.
1.
2.
p.
Grafica
ejemplo
pasa
no
Se
especificaciones
pasa,
cumple
puede
con
rastrear
la
las
especificaciones
produccin
de
no
unidades
cumple
con
defectuosas
en
las
la
muestra de observacin.
C.-
Grafica
la probabilidad de que
cualquier
pieza sea
Unidad IV
numero de defectuosas y
np
y V(X)
n(1-p)
10 y
10,
control son
_________
p - 3
LCL =
_________
p (1-p)
UCL =p + 3 _p (1-p)_
nn
p ,p ,p
3,
de
pi
i=1____
k
La estimacin se utiliza en lugar de
La grafica
y limites de control
_________
LCL =
p (1n
- 3 _
_________
UCL =
p (1-
+ 3 _
)_
Ejemplo:
Se selecciona una muestra de 100 tazas de una figura especial de loza, durante cada
uno de 25 das sucesivos, y cada una se examina para ver si tiene defectos. Los nmeros
resultantes de tazas no aceptables y sus correspondientes proporciones muestrales son los
siguientes:
Unidad IV
da ( )
XI
p^I
0,07
0,04
0,03
0,06
0,04
0,09
0,06
0,07
0,05
10
0,03
11
0,07
12
0,08
13
0,04
14
0,06
15
0,02
16
0,09
17
0,07
18
0,06
19
0,07
20
11
0,11
21
0,06
22
0,07
23
0,04
24
0,08
25
0,06
Supngase que el proceso estuvo en control durante este periodo, establezca lmites de
__________________
__________________
UCL = 0.0608 + 3 (0.0608) (0.9392)/100 = 0.0608 + 0.0717 = 0.1325
Por lo tanto el LCL se iguala a 0. la grafica de control muestra que todos los puntos estn
dentro de los limites de control. Esto es congruente con la suposicin de un proceso en
control.
Unidad IV
p^i
0,1325
0,1125
0,0925
0,0725
0,0525
0,0325
0,0125
-0,0075
10
15
20
25
30
Graficap
de
Poisson.
Si
es
una
variable
aleatoria
de
Poisson con
parmetro
entonces
__
E(Y) =
Y =
Del mismo modo Y tiene aproximadamente una distribucin normal cuando es grande
(10
ser
suficiente
para
la
mayora
de
los
casos).
Si
Y1,
Y2,
Yn
son
variables
n.
__
UCL = + 3
Con xi igual al numero total de defectos en la i-esima unidad (i= 1, 2, 3, ), se trazan puntos
con alturas x1, x2, x3, en la grafica.
Unidad IV
Por lo general, el valor de debe estimarse de los datos. Como E(Xi) = , es natural utilizar la
estimacin = ^x testada (con base en x1, x2, xk).
La grafica c para el numero de defectos en una unidad tiene su lnea central a una altura
___
LCL =
UCL =
+ 3
___
Ejemplo.
Una empresa fabrica paneles metlicos, a veces aparecen fallas en el acabado de estos
paneles, por lo cual la compaa desea establecer una grafica de control para encontrar el
nmero de fallas. Los nmeros de fallas de cada uno de 24 paneles a los que se les hizo el
muestreo a intervalos regulares de tiempo son los siguientes:
7
10 9
13 9
Con xi = 2.35 y = ^
12 13 6
21 10 6
13 7
3
12 7
11 8
10
11 14 10
= 235/24 = 9.79
El
punto correspondiente al
decimoquinto panel
investigacin se encontr que la pasta empleada en ese panel tenia una viscosidad baja, al
eliminar esta observacin del conjunto de datos resulta
limites de control
__________
LCL = 9.30 3 9.30 = 0.15
___________
UCL = 9.30 + 3 9.30 = 18.45
Unidad IV
25
20
15
10
0
0
10
15
Graficac
20
25
30
Unidad IV
4.3 GRFICAS X y R
El control del promedio del proceso, o nivel de calidad medio, suele hacerse con la grfica de
control para medias, o grfica
de
Toma de muestras
Peridicamente se toma una pequea muestra (por ejemplo, de cinco unidades) del proceso,
y se calcular el promedio (X) y el rango (R) de cada una. Debe recolectarse un total de al
menos 50 medias individuales (esto es, diez muestras de cinco cada una) antes de calcular
los lmites de control. stos se establecen a +3o para los promedios y rangos muestrales.
Los valores de X y R se grafican por separado contra sus lmites a +3o.
Por ejemplo:
Se ha obtenido una grfica del contenido de plomo en partes por billn de 5 muestras de
agua registradas diariamente por un periodo de 5 das, que se muestra a continuacin:
Muestras de agua
Da
13
15
15
10
13
14
10
11
12
13
11
14
14
13
12
15
16
12
10
13
17
18
13
Unidad IV
19
20
10
10
12
21
10
12
22
10
23
24
25
10
26
27
13
28
16
11
29
30
10
13
Estos datos servirn para el desarrollo de las grficas X y R. stos debern ser introducidos
en una hoja de Excel como se muestra en el cuadro.
Aplicando
este
conocimiento a
nuestro
Muestras de agua
Da
Ri
13
11
15
15
15
12
10
10
M= 4
y m=2: entonces
4 2 = 2
En el ejemplo se tiene que n = 30 porque cada uno de los 30 das se hizo 1 muestra; la suma
de los rangos deber dividirse, entonces, entre 30. Esto puede calcularse con la funcin de
Excel PROMEDIO seleccionando la columna de datos correspondiente a Ri. Se recomienda
crear un apartado en el diseo de la hoja de Excel que se est utilizando donde se guarden
estos valores, ya que se necesitarn para clculos posteriores.
Unidad IV
Muestras de agua
Da
Ri
13
11
15
15
15
12
Central
10
10
central
13
14
14
10
11
12
13
11
14
11
14
13
12
15
16
12
10
13
17
18
13
12
19
20
10
10
12
12
21
10
12
22
10
10
23
24
25
10
26
27
13
11
28
16
11
16
29
30
10
13
13
la
de
Grfica
nuestras
R,
es
la
lnea
observaciones
individuales.
al
listado
de valores
importantes.
Como ya se ha explicado, los lmites superior e inferior nos ayudan a deducir si nuestro
grfico se encuentra dentro o fuera de control. Por esto es necesario ubicar su lugar en el
histograma ( que se har posteriormente) con ayuda de las siguientes frmulas abreviadas:
D R
D R
Unidad IV
Nmero de
Factor para la
observaciones en
una muestra
estimacin de R:
A2
D3
D4
d2=R/s
1.880
3.268
1.128
1.023
2.574
1.693
0.729
2.282
2.059
0.577
2.114
2.326
0.483
2.004
2.534
0.419
0.076
1.924
2.704
0.373
0.136
1.864
2.847
0.337
0.184
1.816
2.97
10
0.308
0.223
1.777
3.078
11
0.285
0.256
1.744
3.173
12
0.266
0.284
1.717
3.258
13
0.249
0.308
1.692
3.336
14
0.235
0.329
1.671
3.407
15
0.223
0.348
1.652
3.472
D R
D R
* Estos valores se usarn en la elaboracin del grfico. Agregue una columna del mismo
nmero de filas de muestras (en este caso, 30) por cada valor obtenido, es decir, 1 columna
de 30 filas con el valor 19.38 (en cada una de las filas) y otra columna de 30 filas con el valor
0. Esto es para crear una lnea indicativa de los lmites en la creacin del grfico. Si lo desea,
haga lo mismo con el valor del lmite central de R.
Crear el Grfico R
pasos:
1)
2)
D clic en la pestaa Serie y elimine todas las grficas hechas por Excel, si las hay,
dando clic en Quitar.
3)
D clic en Agregar
4)
Como Rtulos de los ejes de categoras (X), d clic en el icono y proponga los
valores de los das del 1 al 30. D ENTER. stos son los valores x.
5)
Como Valores proponga todos los valores de Ri de la tabla y d ENTER. stos son
los valores y.
6)
Para los lmites d clic en Agregar, d los mismos valores de X pero como Y proponga
a los valores obtenidos como Lmite Superior, en este caso, la columna con el valor
19.38.
Unidad IV
7)
8)
9)
Grfico R
25
20
15
10
5
0
0
10
15
20
25
30
En base a la primera tabla de datos, se realizar ahora un grfico X, que es muy parecida a
la anterior; la diferencia radica en que en lugar de tomar R como valores de Y, se toma el
valor del promedio de X.
En la tabla de datos se agrega una columna y se realiza el clculo de los promedios, que es
Muestras de agua
Da
Xi
13
7.2
= (13+8+2+5+8)/5 = 7.2
15
6.2
= (0+6+1+9+15)/5 = 6.2
3.4
= (4+2+4+3+4)/5
15
6.8
= (3+15+8+3+5)/5 = 6.8
10
4.8
= (5+10+5+4+0)/5 = 4.8
13
8.2
= (9+5+13+7+7)/5 = 8.2
3.4
Unidad IV
con la frmula de
Muestras de agua
Da
Xi
13
7.2
15
6.2
3.4
El valor de
15
6.8
10
4.8
13
8.2
valores importantes.
3.6
14
4.4
10
3.8
11
5.6
12
3.6
13
11
14
8.2
14
13
12
8.4
15
2.8
16
12
10
13
9.2
17
6.8
18
13
4.8
19
4.2
20
10
10
12
7.8
21
10
12
7.4
22
10
4.4
23
4.2
24
3.6
25
10
4.8
26
2.8
27
13
5.6
28
16
11
7.2
29
6.2
30
10
13
7.8
Adase
este
valor
al
listado
de
Unidad IV
X + A R
X - A R
X + A R
X - A R
* De la forma anterior, estos valores se usarn en la elaboracin del grfico. Agregue una
columna del mismo nmero de filas de muestras (en este caso, 30) por cada valor obtenido,
es decir, 1 columna de 30 filas con el valor 10.88(en cada una de las filas) y otra columna de
30 filas con el valor 0.30. Esto es para crear una lnea indicativa de los lmites en la creacin
del grfico. Si lo desea, haga lo mismo con el valor del lmite central de X.
Crear el grfico X
Unidad IV
Grfico X
12
10
8
6
4
2
0
0
10
15
20
25
30
Se colocan las grficas para X y R una encima de la otra de manera que el promedio y el
rango para cualquier subgrupo se encuentren en la misma lnea vertical. Observe si alguna
de ellas o ambas indican una falta de control para ese subgrupo.
Las X fuera de los lmites de control son sea de un cambio general que afecta a todas las
piezas posteriores al primer subgrupo fuera de los lmites. El registro que se guarda durante
la recoleccin de datos, la operacin del proceso y la experiencia del trabajador deben
estudiarse para descubrir la variable que pudo haber causado que saliera de los lmites de
control. Las causas comunes son un cambio en el material, el personal, la preparacin de la
mquina, el desgaste de las herramientas, la temperatura o la vibracin.
Las R fuera de los lmites de control indican que la uniformidad de proceso ha cambiado. Las
causas comunes son un cambio en el personal, un aumento en la variabilidad del material o
desgaste excesivo en la maquinaria del proceso.
Una sola R fuera de control puede ser causada por un cambio en el proceso ocurrido
mientras se tomaba la muestra del subgrupo.
Se buscan patrones poco usuales o no aleatorios. Nelson (1984, 1985) proporciona ocho
pruebas para detectar esos patrones en las graficas de control usando lmites de control a
3 :
Prueba 1. Un punto fuera de la zona A.
Prueba 2. Nueve puntos seguidos en la zona C.
Prueba 3. Seis puntos seguidos con aumento o disminucin estables.
Prueba 4.Catorce puntos seguidos alternando arriba y abajo.
Prueba 5. Dos de cada tres puntos seguidos en la zona A o ms all.
Prueba 6. Cuatro de cada cinco puntos seguidos en la zona B o ms all.
Prueba 7. Quince puntos seguidos en la zona C (arriba y debajo de la recta central).
Prueba 8. Ocho puntos seguidos a ambos lados de la recta central.
Unidad IV
previas a la
ciclo
manufacturas, para
cuantificar la
variabilidad del
proceso, para analizar esta variabilidad respecto de los requerimientos o especificaciones del
producto y para ayudar al personal de desarrollo y manufactura a eliminar o reducir en gran
medida esta variabilidad. A esta actividad general se le llama anlisis de capacidad del
proceso.
2.
El anlisis de capacidad del proceso se define como el estudio de ingeniera para estimar la
capacidad del
condicin
de
proceso.
una
La estimacin
distribucin
de
de
la
capacidad
probabilidad
que
del
tenga
una
forma,
centro
en la
(media)
proceso puede expresarse como un porcentaje fuera de las especificaciones. Sin embargo,
las especificaciones son necesarias para realizar el anlisis de capacidad del proceso.
El
anlisis
de
capacidad
del
proceso
es
una
parte
vital
de
un
programa
integral
de
mejoramiento de calidad. Entre los usos principales de los datos de un anlisis de capacidad
del proceso se encuentran los siguientes:
1.
proporcionar
informacin
importante
para
establecer
lmites
de
especificacin realistas.
2.
Seleccionar, entre procesos que compiten, el proceso ms adecuado para que las
tolerancias se cumplan.
3.
Planear
la
interrelacin
entre
procesos
secuenciales.
La
cuantificacin
de
las
capacidades respectivas del proceso con frecuencia seala el camino para encontrar
una solucin.
4.
5.
Asignar mquinas a los tipos de trabajos para los cuales son ms adecuadas.
6.
Probar las teoras de las causas de defectos durante los programas de mejoramiento
de calidad.
7.
Servir como base para la especificacin de los requerimientos de calidad para las
mquinas compradas.
Por tanto, el anlisis de capacidad de proceso es una tcnica que tiene aplicacin en muchos
segmentos del ciclo del producto, incluyendo el diseo de producto y procesos, la fuente de
proveedores, la planeacin de la produccin o la manufactura, y la propia manufactura.
Unidad IV
Si
el
proceso est
centrado
en
la
especificacin
nominal
sigue
una
distribucin
de
de la especificacin
nominal. Slo el 0.27% de la salida del proceso quedar fuera de los lmites de tolerancia
natural. Es necesario recordar dos puntos:
1.
El valor 0.27% fuera de las tolerancias naturales suena pequeo, pero corresponde a
2700 partes de milln disconformes.
2.
Una
razn
importante
para
cuantificar
la
capacidad
del
proceso
es
poder
calcular
la
capacidad del proceso de mantener las tolerancias del producto. Para procesos que se
encuentran un estado de control estadstico, una comparacin de la variacin entre 6 y los
lmites de tolerancia permite un clculo rpido de porcentaje de unidades defectuosas,
mediante la teora estadstica.
Quienes planean intentan seleccionar procesos que tengan 6 de la habilidad del proceso
dentro de la amplitud de tolerancia. Una medida de esta relacin es la tasa de capacidad:
Cp = Tasa de capacidad =
LES - LEI
6s
Un proceso que cumple bien con los lmites de especificacin (rango de especificacin =
+3 ) tiene un Cp de 1.0. Lo crtico de muchas aplicaciones y la realidad de que el promedio
del proceso no permanecer en el punto medio del rango de especificacin sugiere que Cp
debe ser al menos 1.33.
Unidad IV
ICP
Decisin
1.33<ICP<2.22
capacidad de diseo.
1<ICP<1.33
0.67<ICP<1
ICP<0.67
inicial.
La capacidad del proceso, segn se mide con Cp, se refiere a la variacin en un proceso
alrededor del valor promedio.
potencial,
igual al punto medio de los lmites de especificacin y que el proceso est operando bajo
control estadstico; como con frecuencia el promedio no se encuentra en el punto medio, es
til tener un ndice de habilidad que refleje ambas variaciones y la localizacin del promedio
del proceso. Tal ndice es Cpk.
El ndice Cpk refleja la proximidad de la media actual del proceso al lmite de especificacin
superior (LES) o bien, al lmite de especificacin inferior (LEI). Cpk se estima mediante:
C pk
X - LEI LES - X
= min
,
3s
3s
Si el promedio actual es igual al punto medio del rango de especificacin, entonces Cpk = Cp.
Entre ms alto sea el valor de Cpk, ms baja ser la cantidad de producto que est fuera de
los lmites de especificacin.
1.
puede
hacer
un
proceso
bajo
ciertas
condiciones,
es
decir,
la
variabilidad
en
2.
Unidad IV
Un artculo disconforme es una unidad del producto que no satisface una o ms de las
especificaciones para ese producto. Cada punto especfico en el que no se satisface una
especificacin resulta en un defecto o disconformidad. Sin embargo dependiendo de su
naturaleza y gravedad, es muy posible que una unidad contenga varias disconformidades y
no
se
clasifique
como
disconforme.
Hay
muchas
situaciones
prcticas
en
las
que
es
primera
(la
p)
grfica
se
refiere
la
fraccin
defectiva
por
no
cumplir
con
las
especificaciones.
np
Grficos
Fundamentos tericos
BASADOS: en el nmero de elementos en una muestra o subgrupo que son juzgados como
disconformes en base a una definicin operacional.
p, conforme al tamao de la
n, as que son
muestra,
np.
llamados grficos
np
Unidad IV
* Lnea central =
_________
* UCL =
___________
- - 3
np
* LCL =
np- (1 p-)
np.
np
Creando un grfico
2)
3)
4)
Una manufacturera de esponjas de gasa toma una muestra de 600 esponjas diariamente, las
inspecciona y registra el nmero de esponjas defectuosas. En total hay 9 muestras de
esponjas, representados en la siguiente tabla:
Da
Proporcin
Elementos
disconformes
disconforme
-
p = (x/n)
21
600
0.035
=21/600
22
600
0.037
=22/600
20
600
0.036
=20/600
21
600
0.035
23
600
0.038
39
600
0.065
18
600
0.030
24
600
0.040
20
600
0.033
.
.
.
.
y as
sucesivamente.
Unidad IV
A continuacin, se sustituyen los valores en las frmulas para calcular los valores de los
lmites. As, se tiene que
-
p =
208
p = 0.0385
Lnea central =
UCL =
___________
LCL =
pasos del subtema 4.3 GRFICAS X Y R, en la seccin Crear el grfico R. Los pasos son
bsicamente los mismos, slo basta sustituir el valor de los elementos disconformes en lugar
de los valores de R como eje x, y los valores de los lmites nuevos.
La grfica resultante es
40
30
20
10
0
1
Nmero muestral
Unidad IV
Grficos p
Fundamentos tericos
p, son:
Descubrir los puntos bajos fuera de control que indiquen normas menos estrictas para
inspeccin o causas errticas de mejoramiento de calidad
Las frmulas que nos permiten encontrar los valores de los lmites cuando el tamao de la
muestra es igual son:
_________
p - 3
*LCL =
_________
p (1-p)
*UCL =p + 3 _p (1-p)_
nn
_________
*Sp
p (1-p)
n
p.
Creando un grfico
En base al ejemplo anterior de las muestras de gasas, se crear un nuevo grfico siguiendo
p.
Para este tipo de grfico de disconformidad, la diferencia radica que en lugar de tomar el
nmero de elementos disconformes como Y, se utiliza la proporcin disconforme de la tabla
en cada observacin.
Los lmites se obtienen con las frmulas correspondientes, obteniendo
LCL = -0.015
UCL = 0.062
Sp = 0.0078
Unidad IV
0.08
nicroporP
0.06
0.04
0.02
0
1
Muestras
Hay algunos casos en los que el tamao de las muestras es distinto cada vez. En esos casos
se utiliza la frmula de
Unidad IV
`XyR
obtenerse utilizando los factores y frmulas. En donde los datos utilizados para estimar
Grficos R O Grficos
sean comparables en sus medias. Si se analizan muestras que tienen contenido qumico
algo
diferente,
los
promedios
de
los
subgrupos
no
son comparables.
Sin
embargo,
la
grfico de
s proporciona una base para juzgar si esta dispersin parece estar influida por
`X
Grficos
Algunas veces sucede que se dispone de datos sobre medias y desviaciones estndar de
alguna variable medida, procedentes de diferentes fuentes. Puede ser conveniente aplicar
una prueba de homogeneidad a estas cifras para ver si hay una clara evidencia
de que las_
conjuntos
deaccin
probabilidad
precaucin
0.002en
3.09-sigma.
Los
lmites
internos
se
lmites de
recomienda
0.05 en 1.96-sigma
Problemas Que Acarrea Una Mala Interpretacin De La Relacin Entre Los Lmites Del
Grfico De Control Y Los Lmites De La Especificacin
Siempre que se introduce un grfico de control de
aparece
una
fuente
de
confusin.
Cuando
las
`X
en operaciones de produccin,
especificaciones
se
aplican
valores
individuales, los lmites de la especificacin tienden a confundirse con los lmites del grfico
de control. Esta confusin existe en muchas mentes del personal de taller, inspectores, e
incluso ingenieros directores, lo cual conduce a una diversidad de problemas.
suma de
Unidad IV
totales, los valores que aparecen en el grfico no son comparables con los lmites de
especificacin; de ah que, en este punto, la probabilidad de confusin queda muy reducida.
Este tipo de grfico no es si no un grfico
`X
`X
X, puede hacerse
errneas
individuales. En estos
consiste
en
no
representar
las
medias,
sino
las
mediciones
Este tipo_ de grfico puede ser mejor que nada, pero es mucho menos satisfactorio que
un grfico
de
es inferior a
grfico
los
grficos de
control
convencionales porque
no
ofrecen
una
panormica clara de los cambios que tienen lugar en el proceso, ni siquiera una prueba
rpida de la existencia de causas atribuibles de variacin.
Combinacin Del
La conveniencia de este
Grficos
De
Control
De
Medianas
Entre
Subgrupos,
Empleando
Medianas
De
Datos
rpidamente sin
tener
que
efectuar
Unidad IV
Aqu
los
grficos
de
control
son
simplemente
una
prueba
de
homogeneidad.
Esta
produccin.
que ya se tienen
disponibles y que no se obtuvieron teniendo en mente el grfico de control, siempre que haya
alguna base racional para establecer los subgrupos. Aqu los grficos de control tambin son
una prueba general de homogeneidad.
siguen
una
`X
cuando todas
distribucin
normal,
puede
encontrarse
el
mltiplo
de
`X
`X,
sigma,
lnea
son
equidistantes
distribuciones de R y de
de
la
del
grfico.
Por
el
contrario,
como
las
disponer de factores independientes para los lmites de control superior e interior, para que
las probabilidades de las desviaciones extremas sean iguales.
`X,
R y
vista.
Uno de ellos, es que la fijacin de los lmites debe basarse en el valor numrico de una
probabilidad,
que
debera
ser
aquella
que,
sin
que
se
produzca
ningn
cambio
en
la
Unidad IV
poblacin, un punto cayera dentro de los lmites de control. Los partidarios de esta teora,
normalmente han adoptado como
3.09s
`X,
0.998.
conocer
importante es que exista u criterio definido para el establecimiento de los lmites y que dicho
criterio constituya una gua adecuada para las acciones que debern basarse en los grficos
de control.
s
Aunque en los grficos
`X
es que, para los tamaos de subgrupo usuales de 5 elementos o menos, el lmite inferior 3sigma en estos grficos es cero. Por lo contrario para un tamao de subgrupo de tres o
mayor, le corresponder un lmite de control inferior mayor que cero.
Unidad IV
procesos. El efecto nivelador de la media mvil con frecuencia tiene un efecto sobre las cifras
que es similar al efecto que sobre el producto tendra una mezcla que se llevara a cabo en el
resto del proceso de produccin.
y agregar grficos
`X
`X
en lugar de
`X
mvil como medida de la dispersin del proceso. El A.S.T.M. Manual on Quality Control of
Materials
VI.
Grfico
Grfico
`X
Estndar Constante
en
el
valor
medio
de
cierta
dimensin
del
producto
fabricado
puede
ser
`X
s,
estimada a partir de R, se determinan de las mediciones mismas. Una vez que se conocen,
es posible determinar el ajuste inicial y la longitud de la corrida que juntas darn el periodo
mximo entre los ajustes de maquinaria consistentes con las tolerancias especificadas.
Unidad IV
Para mantener el mismo nivel de sensibilidad con respecto a los cambios que tienen lugar
en el proceso, el grfico de control de la fabricacin rechazada necesita un tamao de
muestra sustancialmente mayor que el grfico
`X.
Si el grfico
ha de ser un instrumento
Segundo, cuanto mayor sea el tamao de la muestra, tanto ms probable es que, durante
la extraccin de la misma, se produzca un cambio. El resultado sera una mayor probabilidad
de que los cambios que tuvieran lugar entre la toma de dos muestras no se detectaran.
En casos en que sea necesario hacer uso de la inspeccin por atributos, e interese
detectar pequeos cambios en el proceso, las circunstancias pueden requerir el empleo de
np
o un grfico con
utilizarse
calidad
de
manera
provechosa
es
crear
un
nivel
de
mal
falso,
pueden
mediante
la
las especificaciones. Esto es, puede establecerse una definicin especialmente severa de un
defectuoso, que solo se emplee para efectos de control de proceso a travs del grfico de
control. De esta forma, un tamao de muestra pequeo no es obstculo para el uso de un
grfico de control basado en una inspeccin por atributos.
`X
`X
y los
prcticamente
todo el producto
valores extremos
de
`X
es conocida
`X 3s,
y constante, y que
es fcil calcular los
los lmite de la especificacin. Los lmites de rechazo para los valore medios son unos lmites
del grfico de control que resultaran apropiados si
`X
`X,
de rechazo. En este caso, los lmites de rechazo reciben el nombre de lmites de control
modificados. Su principal aplicacin es en el control de dimensiones. La puesta en prctica
de estos lmites solo resulta interesante cuando el campo de variacin del proceso (estimado
muchas veces en 6
especificacin (S-I).
S = Lmite superior de la especificacin
I = Lmite inferior de la especificacin
Unidad IV
n>1,
tamaa
xj
y que
j-sima
es el promedio de la
muestra. Entonces, si
es el objetivo
para la media del proceso, la grfica de control de suma acumulada se construye graficando
la cantidad:
i
Ci
= (x j - 0 )
j=1
Contra
la
i.
muestra
Ci
se
le
llama
la
suma
acumulada
i-sima
hasta
la
muestra,
incluyndola.
, la suma
acumulada definida en la ecuacin anterior es una fluctuacin aleatoria con media cero. Sin
>
, por ejemplo,
Ci.
Ci.
<
Por lo tanto, si se
desarrolla una tendencia en los puntos graficados, sea ascendente o descendente, sta
deber considerarse como evidencia de que la media del proceso se ha corrido y deber
realizarse la bsqueda de alguna causa.
La grfica CUSUM no es una grfica de control, ya que carece de los lmites de control
estadstico. Hay dos formas de representar CUSUMS, La CUSUM tabular (o algortmica) y en
la forma mscara V de la CUSUM.
administrativo
`X
normales. Debido a
de artculos con
defecto.
La
grfica
de
acumuladas
suma
acumulada
de las desviaciones
abarca
todos
los
datos
anteriores,
al
graficar
sumas
decir:
St =
(`x - `x
Donde
`x
`x
St
la suma acumulada cuando se efecta la i-sima observacin. Ntese que cuando n=1 ,
`x
Unidad IV
un eje central
y lmites horizontales de
`X
Si no hay
de la mascarilla.
puntos anteriores fuera de los lmites de control, se supone que el proceso est
bajo control. Si, por ejemplo, hay un desplazamiento en el promedio del proceso
valor de referencia, cada nuevo valor que se aade a la suma acumulada
aumente y ocasionar
sobre el
har que St
Unidad IV
Numero
Promedio
del
subgrupo
1
Recorrido
(X - X )
0
199.2
11
-1.3
-1.3
198
14
-2.5
-3.8
198.6
10
-1.9
-5.7
201
18
0.5
-5.2
197.6
11
-2.9
-8.1
198.8
-1.7
-9.8
196.6
-3.9
-13.7
201.6
10
1.1
-12.6
199.8
12
-0.7
-13.3
10
200.6
17
0.1
-13.2
11
198.8
-1.7
-14.9
12
198.4
10
-2.1
-17
13
202.6
2.1
-14.9
14
200.2
-0.3
-15.2
15
197.8
16
-2.7
-17.9
16
199
-1.5
-19.4
17
202.4
1.9
-17.5
18
198.8
16
-1.7
-19.2
19
197.8
-2.7
-21.9
20
198.8
-1.7
-23.6
21
199.2
14
-1.3
-24.9
22
204.2
3.7
-21.2
23
200.2
20
-0.3
-21.5
24
199.6
13
-0.9
-22.4
25
201.2
13
0.7
-21.7
277
Suponga que las especificaciones para este articulo son 190.5 y 210.5 utilice el valor nominal
de 200.5 como
normal y un grado de riesgo de 0.027 correspondiente a limites 3- Sigmas
0
en una grafica de control de Shewhart. La magnitud del desplazamiento, D, que se debera
Unidad IV
RESPUESTAS
Formulas
s
d = E(a)
D
tan
Datos
a =0.0027
E (a ) = 13.215
X = 200.5
0
D = 7.8
y = 5
d = 2.326( porquen = 5)
2
n= 5
Procedimiento
R =
277
= 11.08
25
s
n
R
d n
11.08
)(
2.326
)=
2.13
2.13
d = 13.215
= 0.985unidades
7.8
tan
q=
7.8
( )( )
2
7.8
10
= tan -
)=
0.78
37 57
'
q=
D
2 y
Unidad IV
E(a) = factor que es funcin de la probabilidad aceptable de error Tipo I para los
diversos valores de a que se dan a continuacin. E(0.0027) corresponde a la probabilidad del
error Tipo I (a) relacionada con los lmites 3-sigmas normales de Shewhart.
En donde
1/2
(prueba
0.00135
0.005
0.01
0.025
0.05
0.0027
0.01
0.02
0.05
0.1
13.215
10.597
9.21
7.378
5.991
unilateral)
a (prueba
bilateral)
E(a)
d =
2
R
s
d =
3
sR
s
c =
2
sR
sRMS
s
a partir de
c =
4
R, s s RMS
a partir de
Nmero de
observaciones
en subgrupo
Factor
Factor
Factor
Factor
c
4
n
2
1.128
0.8525
0.5642
0.7979
1.693
0.8884
0.7236
0.8862
2.059
0.8798
0.7979
0.9213
2.326
0.8641
0.8407
0.94
2.534
0.848
0.8686
0.9515
2.704
0.8332
0.8882
0.9594
2.847
0.8198
0.9027
0.965
2.97
0.8078
0.9139
0.9693
10
3.078
0.7971
0.9227
0.9727
11
3.173
0.7873
0.93
0.9754
12
3.258
0.7785
0.9359
0.9776
13
3.336
0.7704
0.941
0.9794
14
3.407
0.763
0.9453
0.981
15
3.472
0.7562
0.949
0.9823
16
3.532
0.7499
0.9523
0.9835
17
3.588
0.7441
0.9551
0.9845
18
3.64
0.7386
0.9576
0.9854
19
3.689
0.7335
0.9599
0.9862
20
3.735
0.7287
0.9619
0.9869
21
3.778
0.7242
0.9638
0.9876
22
3.819
0.7199
0.9655
0.9882
s
s
Unidad IV
23
3.858
0.7159
0.967
0.9887
24
3.895
0.7121
0.9684
0.9892
25
3.931
0.7084
0.9696
0.9896
30
4.086
0.6926
0.9748
0.9914
35
4.213
0.6799
0.9784
0.9927
40
4.322
0.6692
0.9811
0.9936
45
4.415
0.6601
0.9832
0.9943
50
4.498
0.6521
0.9849
0.9949
55
4.572
0.6452
0.9863
0.9954
60
4.639
0.6389
0.9874
0.9958
65
4.699
0.6337
0.9884
0.9961
70
4.755
0.6283
0.9892
0.9964
75
4.806
0.6236
0.99
0.9966
80
4.854
0.6194
0.9906
0.9968
85
4.898
0.6154
0.9912
0.997
90
4.939
0.6118
0.9916
0.9972
95
4.978
0.6084
0.9921
0.9973
100
5.015
0.6052
0.9925
0.9975