Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONTROL DE CALIDAD
Y PROCESO EN
POSCOSECHA
I. OBJETIVO
1.
GRAFICAS DE CONTROL
).
R
d2
LC X
LCS X 3
R
d2
Donde:
LCI: Lmite de control inferior.
LCS: Lmite de control superior.
k: Es el factor de cobertura al 99.7% de confianza (aproximadamente 3)
R
X R
X
Una grfica
, grafica la media del proceso (grfica
) y el rango del proceso
(grfica R) a lo largo del tiempo para datos variables en subgrupos.
X R
Puede utilizar la grfica
cuando el tamao del subgrupo menor a 8 (n <
10). n= nmero de muestras de cada subgrupo
Puede utilizar la grfica de
(n>10).
X S
a) Grfico de control
X R
LCS R R
LCI R D3 R
Donde D4, D3, A2 son constantes que varan segn el tamao de muestra. A continuacin,
se presentan los valores de dichas constantes para tamaos de muestra de 2 a 10.
b) Cartas de control
xS
Esta es tambin una grfica de control por variables, que utiliza a la media de la muestra
x para controlar a la media del proceso, pero en lugar del rango de la muestra R, utiliza
la desviacin estndar muestral S, para controlar la desviacin estndar del proceso.
Se recomienda su uso cuando el tamao de los subgrupos n es mayor que 10 (n > 10).
i 1
m 1
x
Donde xi es cada elemento de la muestra, es la media aritmtica de cada muestra, m
son los elementos que conforman una muestra.
Desviacin estndar promedio
n
S
i 1
Si
n
LCS B4 S
LC S
LCS B3 S
Para x
LCS x A3 S
LC x
LCS x A3 S
S
Donde LCS, LC, LCI son los Lmites Superior, Central e Inferior respectivamente, es
la desviacin estndar promedio obtenida y B3, B4 son constantes que se obtienen de
acuerdo al nmero de elementos que contienen las muestras que se estn analizando.
Al igual que la anterior, estas dos grficas como casi todas las de Swehart suponen que
las muestras han sido tomadas como subgrupos racionales, y en ellas los lmites de
control son obtenidos con el criterio tres sigmas bajo el supuesto de normalidad.
II.5
Las ideas sobre las que se fundamenta el Control Estadstico de Procesos se pueden
extender al control de caractersticas de calidad de tipo atributo o discreto. Como se
recordar, las primeras se rigen por la distribucin binomial y las segundas por la de
Poisson.
Estas se emplean para demostrar el comportamiento bsico de la variacin de los
Atributos en muestras tomadas de un proceso que tiene un nivel estable del porcentaje
de ciertas caractersticas (Harrison, 2005). Aqu se contemplan grficas de tipo p, np, c,
u las cuales se utilizan para analizar defectos en la produccin.
II.5.1 Grficos de control basados en la distribucin binomial
a) Grficos de control p: Grafico por atributos (Defectuosos)
Un grfico P es un grfico de control del porcentaje o fraccin de unidades defectuosas
(cociente entre el nmero de artculos defectuosos en una poblacin y el nmero total de
artculos de dicha poblacin). Los principios estadsticos que sirven de base al diagrama
de control P se basan en la distribucin Binomial: supngase que el proceso de
produccin funciona de manera estable, de tal forma que la probabilidad de que
cualquier artculo no est conforme con las especificaciones es p, y que los artculos
producidos sucesivamente son independientes; entonces, si seleccionamos k muestras
aleatorias de n artculos del producto cada una, y representando por Xi al nmero de
artculos defectuosos en la muestra i- sima, tendremos que Xi B(n,p).
Este tipo de grficas, muestran la fraccin de artculos defectuosos o que no cumplen
con las especificaciones y para realizar un estudio de un proceso se debe primero
determinar (Douglas, 2001):
1. La proporcin de defectuosas por cada una de las muestras y as obtener la media
aritmtica de la proporcin de los defectuosos de todas las muestras, de acuerdo a la
ecuacin.
k
p
i 1
pi
ni
LCS p 3
p 1 p
n
LC p
LCI p 3
p 1 p
n
p
Donde LCS, LC, LCI son los Lmites Superior, Central e Inferior respectivamente, es
la media aritmtica obtenida y n representa el tamao de lote o tamao de la muestra.
Considerando esto, y de acuerdo con la distribucin binomial, si se toman varias
muestras (n) (aproximadamente 20 cada de tamaos variables).
b) Grficos de control np
El diagrama np est basado en el nmero de unidades defectuosas. Este tipo de grficos
permite tanto analizar el nmero de artculos defectuosos como la posible existencia de
causas especiales en el proceso productivo. Los principios estadsticos que sirven de
base al diagrama de control np se basan en la distribucin Binomial. Sirve para
controlar el nmero de unidades defectuosas en la muestra.
Estas grficas muestran los artculos defectuosos o que no cumplen con las
especificaciones en una muestra y para realizar el estudio de un proceso se debe
primero:
1. La proporcin de defectuosas por cada una de las muestras y as obtener la media
aritmtica de la proporcin de los defectuosos de todas las muestras, de acuerdo a la
ecuacin.
k
p
i 1
pi
ni
LCS n p 3 n p1 p
LC n p
LCI n p 3 n p1 p
Donde
es la fraccin defectuosa media. Dado que lo normal es que
sea un valor
muy bajo, los tamaos de muestra requeridos son muy altos. Por esta razn se aplican
frecuentemente al anlisis de datos de inspecciones 100%. Si el valor calculado para el
LCI, se toma 0.
Aplicable solamente si todas las muestras son del mismo tamao n.
El grfico estudia el nmero de artculos disconformes. Se construye a partir del
grfico 100p, sin ms que multiplicar por n, los lmites de control obtenidos
II.5.2 Grficos de control basados en la distribucin de Poisson
a) Grfico de control C
Los grficos C se utilizan para controlar el nmero de defectos en una muestra del
producto o unidad de inspeccin. Entonces, para controlar este proceso, un inspector se
coloca al final de la lnea de produccin y cada hora retira una unidad de inspeccin (En
este caso una botella), verifica y anota el nmero total de defectos.
El procedimiento Grfico C crea un grfico de control para los datos, que describe el
nmero de no conformidades registradas como el resultado de inspeccionar m muestras.
Las muestras podran representar un grupo de n artculos, un periodo fijo de tiempo, un
nmero especificado de metros cuadrados de tela, o alguna otra unidad muestral de
tamao fijo. A diferencia de los datos graficados usando un grfico p o grafico np, la
inspeccin de un artculo dentro de la muestra no da lugar simplemente a un grado
aceptable o inaceptable. En lugar de esto da una cuenta del nmero total de los defectos
o de los problemas observados con ese artculo. El grafico puede ser construido en
modo Estudio Inicial (Fase 1), donde los datos actuales determinan los lmites de
control, o en modo Control de un Estndar (Fase 2), donde los limites vienen de algn
estndar conocido o de datos a priori.
Este tipo de Cartas de Control se usa cuando cada unidad de control analizada presenta
ms de un defecto del o los tipos controlados. Dado que el Tamao de la Muestra sea
constante a lo largo del control o no lo sea, consideraremos dos tipos de grficos: El
primero, para tamao de muestra normal es el grafico del nmero de defectos por
Muestra "C"; El segundo es el Grafico del nmero de defectos por unidad "U", que se
emplea con muestras de tamao variable.
Este resultado se anota en un grfico hora por hora y se denomina grfico C. De acuerdo
a la Distribucin de Poisson, si denominamos C al parmetro de la funcin de
distribucin, el promedio de la poblacin es C y la varianza tambin es C. Para construir
los grficos de control C, en una primera etapa se toman N unidades de inspeccin (ms
de 25 30) a intervalos regulares. Se cuenta en cada unidad de inspeccin el Nmero de
Defectos y se registra.
Es una grfica por atributos utilizada para controlar el nmero C de defectos presentes
en una unidad de muestreo. Supone que la distribucin de C es una Poisson, y
mediante la aplicacin del criterio tres sigmas, los lmites de control para C son:
LCS c 3 c
LC c
LCI c 3 c
Muchas de las opciones para el grafico C son las mismas que las del grafico P. Este
documento destaca las diferencias entre los 2 grficos. Para informacin sobre opciones
tales como pruebas de corridas y curvas ARL, consulta la documentacin Grfico P.
b) Grfico de control U
Sirve para controlar el nmero de medio de defectos en una muestra de tamao n (por
ej. nmero de unidades inspeccionadas, longitud o superficie de producto, etc.).
Es una grfica por atributos, conocida tambin bajo el nombre de Grfica de defectos
por unidad. Se utiliza como alternativa del grfico C cuando la unidad de muestreo
est formada por n unidades de produccin, y se define u=c/n. Los lmites de control
para U resultan.
LCS u 3
u
n
LC u
LCI u 3
u
n
II.6
En estos casos se puede optar por alguna o algunas de las siguientes opciones:
1. Utilizar grficos de control ms sensibles (es decir que detecten antes si el
proceso se sale de control), como son el CUSUM o el EWMA.
2. Referir las medidas de las piezas a desviaciones del valor nominal de modo
que resulten comparables las desviaciones producidas en piezas distintas
fabricadas por la misma mquina. De este modo se puede utilizar el mismo
grfico de control para piezas distintas de la misma familia. Esta opcin es
recomendable siempre que se registren las circunstancias en las que se tomaron
cada uno de los datos (de modo que no se violen los conceptos de Grupos
Homogneos Racionales) y que se puedan estratificar cuando se considere
necesario realizar un estudio sobre la posible contribucin de cada uno de los
grupos a la variabilidad.
3. Empleo de Grfico Z-MR. Este grfico estima por separado la media de cada
tipo de pieza y se representan las desviaciones con respecto a esa media. Para
estimar la variabilidad existen cuatro alternativas:
3.1 Considerar que la desviacin tpica es la misma para todas las familias de
piezas. Se calcula la S pooled de todas ellas.
3.2 La varianza es proporcional a la media. En este caso debe realizarse una
transformacin logartmica de los datos para corregir esta
heterocedasticidad. Una vez realizada la transformacin, es anlogo al caso
anterior.
3.3 Las piezas del mismo tipo tienen la misma variabilidad. Se calcula la S
pooled para cada tipo de pieza.
3.4 Cada fabricacin tiene una variabilidad distinta. Se estima S para cada
fabricacin.
4. Estudiar la relacin que existe los parmetros del proceso en lugar de a las
caractersticas de calidad resultantes de las piezas fabricadas. Aplicar el grfico
de control a estos parmetros que son comunes a la fabricacin de toda la familia
de piezas. Esto requiere un conocimiento emprico de las relaciones existentes
entre los valores de los parmetros del proceso y los valores esperados en las
caractersticas de calidad de las piezas producidas. Para alcanzar este
conocimiento son muy tiles las tcnicas estadsticas avanzadas (Diseo de
Experimentos, etc.).
a) Grfico CUSUM
Supongamos que x es una caracterstica de calidad que si el proceso est bajo control
verifica que:
E x
Var ( x ) 2
xi N( 0 , 2 )
contruimos
E1 x1 0
E 2 x1 0 x 2 0 C1 x 2 0
...
E i x1 0 x 2 0 ... xi 0
E i C i 1 xi 0
E x k
Si el proceso se desajusta, Ci evoluciona de forma aleatoria alrededor de una pendiente
El grfico CUSUM tiene la ventaja de ser ms sensible a las variaciones en la media del
proceso. Para que se pueda aplicar se requiere que la desviacin tpica del proceso sea
muy estable y se disponga de una buena estimacin de ella.
Si 0 es el valor medio supuesto al proceso, el grfico CUSUM se basa en computar las
desviaciones entre las media muestral y 0 acumuladas por las muestras extradas:
El grfico CUSUM tiene la ventaja de ser ms sensible a las variaciones en la media del
proceso. Para que se pueda aplicar se requiere que la desviacin tpica del proceso sea
muy estable y se disponga de una buena estimacin de ella.
Una grfica CUSUM es una grfica de control de tiempo ponderado que muestra las
sumas acumuladas (CUSUMs) de las desviaciones de cada valor de la muestra con
respecto al valor objetivo. Debido a que es acumulada, an la menor desviacin en la
media del proceso conducir a valores de desviacin acumulados en constante aumento
o disminucin. Por lo tanto, esta grfica resulta especialmente til para detectar cambios
lentos con respecto al valor objetivo debido a desgaste de la mquina, problemas de
calibracin, etc. El desarrollo de una tendencia ascendente o descendente indica que la
media del proceso ha cambiado y usted debera buscar causas especiales.
Los puntos de la grfica se pueden basar en observaciones individuales o de subgrupos.
Cuando los datos estn en subgrupos, se calcula la media de todas las observaciones en
cada subgrupo. Los estadsticos CUSUM se calculan, entonces, a partir de estas medias.
Cuando tenga observaciones individuales, las estadsticas CUSUM se calculan a partir
de observaciones individuales. Minitab genera dos tipos de grficas CUSUM:
Grfica CUSUM unilateral: Minitab crea una grfica CUSUM superior y una inferior.
La grfica CUSUM de arriba detecta cambios rpidos ascendentes en el nivel del
proceso y la grfica CUSUM de abajo detecta cambios rpidos descendentes. La grfica
CUSUM unilateral utiliza lmites de control (LCS y LCI) para determinar si ha ocurrido
una situacin fuera de control.
Grfico CUSUM bilateral: La grfica CUSUM bilateral utiliza una plantilla V, en
lugar de lmites de control, para determinar cuando ocurre una situacin fuera de
control. La plantilla V estandariza las desviaciones con respecto al valor objetivo, y crea
una grfica de las desviaciones respecto de este valor.
b) Grficos EWMA
Los grficos EWMA o de medias mviles ponderadas exponencialmente
(ExponentiallyWeightedMoving-verage) se realizan usualmente sobre observaciones
individuales. En este grfico tambin se acumula en cada periodo los valores de
observaciones pasadas.
y i xi 1 y i 1
yi 1 xi 1 xi 1 1 xi 2 1 xi 3 1 xi 4 ...
0
Si
yi 1 xi 1 xi 1 1 xi 2 1 xi 3 1 xi 4 ...
0
0,9
0,09
Conclusin: si
Ejemplo:
0,009
0,0009
0,00009
0,1
yi 1 xi 1 xi 1 1 xi 2 1 xi 3 1 xi 4 ...
0
0,1
Conclusin: si
0,09
0,081
0,079
0,0656
1 1
2
2i
LC 0
1 1
LCI 0 3
2
2i
que la desviacin tpica del proceso sea muy estable. Su aplicacin consta de los
siguientes pasos:
1) De manera habitual se extraen k muestras y se calculan sus medias. , , , , 1 2 3 k x
x x Lx
2) Se estima la media y desviacin tpica del proceso a partir de los datos anteriores.
Una grfica de control EWMA es una grfica de control de tiempo ponderado que
grafica los promedios mviles con ponderacin exponencial. Las grficas EWMA son
especialmente adecuadas para monitorear procesos que presentan una media que cambia
gradualmente a lo largo del tiempo, o para detectar pequeos cambios rpidos en un
proceso.
c) Grficos de medias mviles
Sean las observaciones xi, i=1, 2, n. En el grfico de medias mviles se estudia la
evolucin del estadstico:
yi
xi xi 1 ... xi m 1
m
LC 0
LCS 0 3
CAPACIDAD DE PROCESO
Dentro del control estadstico existen una infinidad de parmetros que ayudan a
controlar los procesos, solo por mencionar algunos se tienen Cp, Cpk , porcentaje de
defectuosos, nmero de sigmas estndar para que los Lmites Naturales coincidan con
los Lmites de Especificaciones y la cantidad de sigmas que el proceso est separando
del proceso de la media nominal, los cuales indican la situacin actual del proceso
hablando de manera estadstica. Para entender mejor cada concepto se desarrollar un
anlisis de sus ecuaciones.
Capacidad del Proceso = 6
Es esencial resaltar que la variabilidad natural del proceso, 6, es intrnseca a l e
independiente de las tolerancias que se asignen. Por lo tanto, si 6 es menor que el
intervalo de las tolerancias a cumplir, necesariamente algunos productos fabricados
estarn fuera de tolerancia y sern no conformes. Si no se tiene en cuenta este hecho y
se pretende corregir a base de reajustar el proceso, es decir modificar el centrado, lo
nico que se consigue es aumentar la variabilidad del mismo.
LSE R R LIE
,
3
3
III.
MATERIALES Y MTODOS
3.1
Material
Frutas, hortalizas, tallos, etc. de una cantidad
3.2
Materiales de vidrio
-
3.3
Cuchillo
Bureta de 25 mL
Pipeta de 1, 5, 10 mL
Matraz de 150 Ml
Vasos de 250Ml
Probeta de 100, 500 Ml
Fiola de 100 mL
Reactivos
3.4
Equipo
-
3.5
Termmetro
Refractmetro
Procedimiento de Anlisis de la fruta u hortaliza
Con ayuda de una exprimidora extraer el jugo en cada grupo de naranjas y medir
su volumen en una probeta.
3.5.4
Paso 1: Colectar los datos Caso de Naranjas de jugo que ingresa a la planta de
produccin de Jugos concentrados)
Del total de la poblacin de naranjas que ingresan a la planta de proceso, se
realiza el muestreo de las naranjas de tamao de muestra segn la Norma de
muestreo, de ello se determinaran diferentes grupos de tamao homogneo, en
cada grupo se determinar la variable de inters a evaluar, en nuestro caso de
inters a evaluar es Concentracin de solidos totales como azcar (Brix), acidez,
y volumen del jugo de cada grupo homogneo. Y esos valores sern plasmados en
las siguientes tablas 1, 2 y 3 respectivamente.
2
3
4
XyR
X 1 X 2 .... X N
n
R X mayor X menor
R1 R2 ......RK
K
X 1 X 2 ....... X K
K
X 1 , X 2....
son
LCS R R
LCI R D3 R
Donde D4, D3, A2 son constantes que varan segn el tamao de muestra. A continuacin,
se presentan los valores de dichas constantes para tamaos de muestra de 2 a 10.
Paso 5: Trace la grfica de control
Dibuje las lneas de promedios y lmites de control en las grficas. Los lmites de
Control se dibujan con una lnea discontinua y los promedios con una lnea continua
para ambas grficas.
Marcar los puntos en ambas grficas y unirlos para visualizar de mejor manera el
comportamiento del proceso.
Paso 7: Anlisis de algunos resultados
IV.
RESULTADOS Y DISCUSIONES
BIBLIOGRAFA
Hart M., Ph.D. & Hart R., Ph.D. Introduction to STATISTICAL PROCESS CONTROL
TECHNIQUES. Static Software, Inc., 1128 NE 2nd St, Ste 108, Corvallis, Oregon
97330. pp.14. (2007).
Harrison M. Wadsworth, JR. Kenneth S. Stephens, A. Blanton Godfrey. Metodos de
control de calidad. CECSA. ISBN 970-24-0648-X.Georgia Institute of
Technology, Souther Polytechnic State University, North Carolina State
University. Pp. 6. (2005)
Institute of Technology, Souther Polytechnic State University, North Carolina State
University. Pp. 6. (2005)
Rodrguez P., Alberto I., Rodrguez J. Control estadstico de la calidad de un servicio
mediante Grficas y R. Redalyc. Poltica y Cultura.Universidad Autnoma
Metropolitana Xochimilco Mxico. ISSN (Versin impresa): 0188-7742. pp.
151-169.(2009)
System Reliability Center 201 Mill Street Rome, NY 13440-6916. Copyright Alion
Science and Technology. All rights reserved.( 2004)
Umut K. Application of statistical process control to software development processes
via control charts. A thesis submitted to the graduate school of informatics. The
middle east technical university.( May 2003)