Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Control Estadistico 1 PDF
Control Estadistico 1 PDF
CONTROL ESTADISTICO
DEL PROCESO (SPC)
STATISTICAL PROCESS CONTROL
UNIDAD III
GRAFICAS DE CONTROL
M.C. ROLANDO DEL TORO WALS
GRAFICAS DE CONTROL
3.-GRAFICAS DE CONTROL
Dr. Walter Shewhart
Laboratorios Bell ~1920
Fu el primero en hacer la distincin entre variacin controlada y
no-controlada debida a causas comunes y especiales.
Desarroll las grficas de control para separar las dos causas.
Es la nica herramienta que distingue entre causas especiales y
causas comunes de la variacin.
Qu es una Grfica de
Control?
Es la representacin grfica de una caracterstica de un proceso.
Representa a un proceso mostrando si solo estn presentes causas
comunes de variacin.
Le dice si algo est cambiando en su proceso y en que momento
est sucediendo tal cambio.
No le dice que est causando el cambio y si este es bueno o
malo.
GRAFICAS DE CONTROL
Aplicaciones Bsicas de
las
Grficas de Control
Asisten al determinar si un proceso ha estado operando dentro
de control estadstico.
Separan las causas comunes de variacin de las causas
especiales de variacin.
Ayudan a lograr y mantener control estadstico.
Beneficios de los Sistemas de Grficas de
Control
GRAFICAS DE CONTROL
Salida
Proceso
Sistema de
Medicin
4. Verificar y
Observar
1. Detectar la
Causa Asignable
3. Implantar
Accin Correctiva
2. Identificar la
Causa Raz
HTAS. BASICAS
615
UCL=613.6
Sample Mean
Media
605
X =599.1
595
585
LCL=584.6
0
Lmite de Control
Inferior
10
20
Sample Number
GRAFICAS DE CONTROL
UCL
( + 3 Sigma)
Zone A
( + 2 Sigma)
Zone B
( + 1 Sigma)
Zone C
( -1 Sigma)
Zone C
( - 2 Sigma)
Zone B
( - 3 Sigma)
Zone A
LCL
0
10
20
HTAS. BASICAS
HTAS. BASICAS
HTAS. BASICAS
10
HTAS. BASICAS
11
HTAS. BASICAS
12
13
GRAFICAS DE CONTROL
14
Atributos
Defectos
rea de oportundad
constante de muestra a
muestra?
Grficar defectos
o defectivos?
Si
Defectivos
Variables
Individuales
Mediciones
individuales o
subgrupos?
Medicin a
Subgrupos
c,u
Datos normalmente
distribuidos?
No
Si
Si la media es grande, X y Rm
son efectivas tambin
No
Tamao del
subgrupo constante?
Si
p, np
Inters
principal en cambios
bruscos de la
media?
X, Rm
No
MA, EWMA,
o CUSUM
y Rm
Si
Xbarra-R
No
Si ni n ni p son pequeas;
X barra-R, y X-Rm son
efectivas tambin
GRAFICAS DE CONTROL
15
Muestreo
Tamao de la Muestra
Grfica de variables: 5 si es posible por cada muestra de 30 a 40
muestras
Grfica de atributos : 30 o ms dependiendo de los porcentajes
Frecuencia de la Muestra
No demasiadas (muy costoso)
No muy poquitas (la informacin no es confiable)
Como regla general: mientras ms seguido, es mejor
Los sistemas de medicin en-lnea ofrecen control del proceso en el
tiempo real
Subgrupos racionales
Trate de capturarlos cuando los factores clave de un proceso son
consistentes
Si se hace correctamente, un subgrupo racional para un proceso en
control reflejar unicamente variacin de causas comunes
GRAFICAS DE CONTROL
16
17
18
1
p
1
p
1
0.0027
= 370
GRAFICAS DE CONTROL
19
LCL
n=3
n = 10
n = 25
20
GRAFICAS DE CONTROL
21
X-barra
Mide el objetivo o el centro del proceso
Verifica el cambio en la Media de la variable a travs del tiempo
Individuales
Similar a la X-barra
Grafica puntos individuales en lugar de la Media
Mediana
Similar a la X-barra
Grafica todos los puntos en la muestra y el punto de enmedio se
encierra en un crculo
Rango
Se usa con la grfica X-barra
Verifica la variabilidad del proceso a travs del tiempo
Mide la ganancia o prdida de uniformidad
Sigma
Similar a la grfica de Rango
Usa la estimacion de Sigma de la muestra
Rango Mvil
Similar a la grfica de Rango
Se grafica un rango nuevo con cada punto consecutivo
Se usa con la grfica individual
GRAFICAS DE CONTROL
22
Sumario
Grficas de Control de Variables
Tipo de Grfica
Propsito
Aplicacin
Cuando se pueden muestrear ms
de 1 unidad cada vez
Rango (R)
Observar el promedio
de una caracterstica
a travs del tiempo
Observar la
variabilidad de una
caracterstica /tiempo
Desviacin
Estndar (S)
Observar la
Se usa con la grfica X cuando
variabilidad de una
la muestra es 9
caracterstica /tiempo
Promedio (X)
Individual y
Rango Movible
(I - MR)
Exponencialmente
Balanceada Prom.
Movible (EWMA)
Suma acumulativa
(CUSUM)
Observar la
variabilidad de una
caracterstica
individual a
travs del tiempo
Se usa en aplicaciones
especiales
Tamao del
Subgrupo
n 2
3n8
Comentarios
Insensible a los cambios menores que 2 Sigma
cuando: n = 4 a 6
Ninguno
n9
n=1
n>1
n>1
GRAFICAS DE CONTROL
23
GRAFICAS DE CONTROL
24
GRAFICAS DE CONTROL
25
10 10.5
Y = Peso (lbs)
9.5
10 10.5
Y = peso (lbs)
9.5
= Medida individual
= Promedio del subgrupo
GRAFICAS DE CONTROL
26
Grfica de Rango:
R=1.0
R=0.5
Rango (ancho)= R=1.5
Y = Peso (lbs)
Grfica de Rango
R=1.0
GRAFICAS DE CONTROL
27
Promedios:
Y = Peso (lbs)
Grfica X-barra
UCL
Linea Central
LCL
GRAFICAS DE CONTROL
28
2do. PASO:
CALCULAR PARA CADA SUBGRUPO
X y R
X = X i = X 1 + X 2 + ...........X
n
R = R
= R 1 +R
+ ..............R
29
LSC R = D4 R
LIC R = D3 R
X = X i = X1 + X 2 + .............X
K
K
4to. PASO
CALCULAR LOS LIMITES DE CONTROL PARA LA GRAFICA DE MEDIAS O
PROMEDIOS
LSC
=X+A
LIC
=XA
R
R
30
X &R
Especificacin:
1.42
1.92
LSC = X +( A 2 R ) =
1.797
LIC =XX- +(
( AA22R)
R =) =
1.654
X
L S E 1.96
1.92
1.88
1.84
L S C 1.80
1.76
1.72
1.68
L I C 1.64
1.60
1.56
1.52
1.48
1.44
L I E 1.40
1
10
R =Promedio de R= 0.105
11
12
13
14
LSCR = D4 R =
15
16
17
18
19
20
0.221
21
22
23
24
25
LICR = D3 R =
26
27
28
29
30
R
0.28
0.24
LSC
0.20
0.16
0.12
0.08
0.04
0.00
2
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
LECTURAS
1.82
1.74
1.68
1.75
1.74
1.74
1.78
1.70
1.70
1.72
1.76
1.75
1.75
1.77
1.69
1.72
1.75
1.74
1.75
1.73
1.69
1.71
1.77
1.74
1.76
1.75
1.73
1.75
1.73
1.78
1.79
1.66
1.66
1.69
1.75
1.76
1.78
1.68
1.68
1.65
1.76
1.74
1.69
1.70
1.71
1.68
1.68
1.74
1.82
1.59
1.72
1.67
1.74
1.75
1.76
1.61
1.69
1.71
1.69
1.75
1.67
1.76
1.72
1.64
1.78
1.73
1.68
1.78
1.75
1.65
1.74
1.77
1.66
1.75
1.74
1.62
1.78
1.73
1.71
1.75
1.74
1.63
1.75
1.71
1.65
1.72
1.76
1.65
1.73
1.74
1.78
1.65
1.79
1.78
1.77
1.73
1.79
1.63
1.74
1.72
1.67
1.77
1.71
1.64
1.74
1.77
1.78
1.74
1.72
1.69
1.71
1.73
1.73
1.72
1.76
1.66
1.71
1.76
1.72
1.77
1.69
1.80
1.72
1.75
1.65
1.76
1.76
1.75
1.73
1.75
1.77
1.77
1.71
1.77
1.70
1.76
1.64
1.76
1.72
1.76
1.69
1.75
1.65
1.80
1.71
1.78
1.72
1.74
1.63
1.78
X
R
1.75
1.72
1.71
1.72
1.74
1.74
1.76
1.71
1.72
1.70
1.74
1.76
GRAFICAS
DE CONTROL
1.70 1.73 1.72 1.71 1.73 1.74 1.74
1.70
1.71
1.70
1.73
1.74
1.73
1.70
1.72
1.72
31
1.70
1.76
0.15
0.15
0.13
0.14
0.13
0.03
0.11
0.15
0.07
0.10
0.10
0.03
0.17
0.05
0.12
0.12
0.09
0.11
0.17
0.07
0.11
0.10
0.04
0.09
0.13
0.05
0.15
0.14
0.03
0.11
GRAFICA DE CONTROL
PLANTA
DEPTO.
OPERACION
ESPECIFICACIONES DE ING.
PARTE No.
MAQ. No.
DIAS
CARACTERISTICAS
TAMAO DE MUESTRA/FREQUENCIA
NOMBRE DE PARTE
X- PROMEDIOS X-
UCL = X + A2R-
LCL = X - A2R-
ACCIONES
PROMEDIOS (X)
EN CASOS ESPECIALES
CUANDO CUALQUIER PUNTO ESTE FUERA DE
LIMITES
AL CORRER LOS 7 PUNTOS QUE ESTEN ENCIMA O
DEBAJO DE LA LINEA CENTRAL
AL CORRER LOS 7 PUNTOS ARRIBA O HACIA ABAJO
OBIAMENTE CUALQUIER OTRO FUERA DE PATRON
DEL MODELO
INSTRUCCIONES DE ACCION
1.
2.
3.
R- PROMEDIOS R-
UCL = D4R-
LCL = D3R-
DISTANCIAS (R)
4.
5.
SUBGRUPO
No.
A2
2
1.88
3
1.02
4
.73
5
.58
6
.48
7
.42
8
.37
9
.34
10
.31
DIA
TIEMPO
L
E
C
T
U
R
A
S
1
2
3
4
D3
*
*
*
*
*
.08
.14
.18
.22
D4
3.27
2.57
2.28
2.11
2.00
1.92
1.86
1.82
1.78
5
SUMA
X
R
GRAFICAS DE CONTROL
32
A2
A3
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1.880
1.023
0.729
0.577
0.483
0.419
0.373
0.337
0.308
0.285
0.266
0.249
0.235
0.223
0.212
0.203
0.194
0.187
0.180
0.173
0.167
0.162
0.157
0.153
2.659
1.954
1.628
1.427
1.287
1.182
1.099
1.032
0.975
0.927
0.886
0.850
0.817
0.789
0.763
0.739
0.718
0.698
0.680
0.663
0.647
0.633
0.619
0.606
Ms de 25
3
n
A6
1.187
0.691
0.509
0.412
0.350
1 -
B3
B4
c4
d2
d3
d4
D3
D4
D5
D6
E2
0.000
0.000
0.000
0.000
0.030
0.118
0.185
0.239
0.284
0.321
0.354
0.382
0.406
0.428
0.448
0.466
0.482
0.497
0.510
0.523
0.534
0.545
0.555
0.565
3.267
2.568
2.266
2.089
1.970
1.882
1.815
1.761
1.716
1.679
1.646
1.618
1.594
1.572
1.552
1.534
1.518
1.503
1.490
1.477
1.466
1.455
1.445
1.435
0.7979
0.8862
0.9213
0.9400
0.9515
0.9594
0.9650
0.9693
0.9727
0.9754
0.9776
0.9794
0.9810
0.9823
0.9835
0.9845
0.9854
0.9862
0.9869
0.9876
0.9882
0.9887
0.9892
0.9896
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
3.173
3.258
3.336
3.407
3.472
3.532
3.588
3.640
3.689
3.735
3.778
3.819
3.858
3.895
3.931
0.853
0.888
0.880
0.864
0.848
0.833
0.820
0.808
0.797
0.787
0.778
0.770
0.762
0.755
0.749
0.743
0.738
0.733
0.729
0.724
0.720
0.716
0.712
0.709
0.954
1.588
1.978
2.257
2.472
2.645
2.791
2.915
3.024
3.121
3.207
3.285
3.356
3.422
3.482
3.538
3.591
3.640
3.686
3.730
3.771
3.811
3.847
3.883
0.000
0.000
0.000
0.000
0.000
0.076
0.136
0.184
0.223
0.256
0.283
0.307
0.328
0.347
0.363
0.378
0.391
0.403
0.415
0.425
0.434
0.443
0.451
0.459
3.267
2.574
2.282
2.114
2.004
1.924
1.864
1.816
1.777
1.744
1.717
1.693
1.672
1.653
1.637
1.622
1.608
1.597
1.585
1.575
1.566
1.557
1.548
1.541
0.000
0.000
0.000
0.000
0.000
0.078
0.139
0.187
0.227
3.865
2.745
2.375
2.179
2.055
1.967
1.901
1.850
1.809
2.660
1.772
1.457
1.290
1.184
1.109
1.054
1.010
0.975
1 +
2n
3
2n
GRAFICAS DE CONTROL
33
Una persona de la empresa X quiere conocer el comportamiento de su proceso, en el cual se construye una barra esp
cliente es de 30 +/- 0.25, para lo cual determino obtener 25 subgrupos de tamao 5 de acuerdo con la siguiente tabla:
SUB.DATO 1
1 30.005
2 30.019
3 30.001
4 30.056
5 30.014
6 30.099
7 29.945
8 29.979
9 29.991
10 29.993
11 29.964
12 29.949
13 29.974
14 30.043
15 29.980
16 29.890
17 30.201
18 29.930
19 30.059
20 29.946
21 29.935
22 29.944
23 30.201
24 29.977
25 30.060
X
29.970
30.026
30.044
30.000
29.946
30.045
29.951
30.007
29.985
30.045
30.011
30.006
30.012
29.989
30.023
29.999
30.051
30.040
30.011
29.977
30.016
29.981
30.064
29.999
29.981
R
0.167
0.148
0.131
0.125
0.233
0.086
0.225
0.224
0.099
0.109
0.162
0.114
0.123
0.151
0.140
0.287
0.226
0.200
0.164
0.080
0.180
0.239
0.241
0.164
0.132
COLUMNAS MANEJO/RESULTADOS
(# Subgrupos). K = 25.0
(Tamao Subgrupo). n= 5.0
X s = 750.178
R s = 4.150
X = 30.007
R = 0.166
A2 = 0.580
D4 = 2.110
D3 = 0
d2 = 2.330
LSCx = 30.103
Lim. X LICx = 29.911
LCx = 30.007
LSCr = 0.350
Lim. R LICr = 0
LCr = 0.166
S* = 0.0712
Especificacin Cliente = 30 +/- 0.25
LSE = 30.250
LIE = 29.750
Cp = 1.17
Zlse = 3.41
Zlie = 3.61
Zmin = 3.41
Cpk = 1.14
Sn-1 = 0.0727
X n-1 = 30.002
PP = 1.15
Zlse = 3.4
Zlie = 3.5
Zmin = 3.4
PPk= 1.1
GRAFICAS DE CONTROL
34
Grfica X
30.3
FORMULAS:
Limites en X:
LSCx = X + (A 2 x R).
LICx = X - (A2 x R).
LCx = X
30.2
30.1
Limites en R:
LSCr = D4 x R
LICr = D3 x R
LCr = R
29.8
29.7
29.6
25
23
21
19
17
15
13
11
29.5
29.9
Cpk = Zmin / 3.
ZLSE = (LSE - X ) / S*
ZLIE = (X - LIE) / S*
X Promedio
30
S* = R/d2
Cp = (LSE - LIE) / (6 x S*)
Muestra
LSE
LSC
GRAFICAS DE CONTROL
LC
LIC
LIE
35
G rfica R
0.400
0.350
0.300
0.200
0.150
0.100
0.050
25
23
21
19
17
15
13
11
0.000
Ran go
0.250
M u e s tra
LSC
GRAFICAS DE CONTROL
LC
LIC
36
37
No
No
No
No necesitamos
lmites nuevos
Usted debera
buscar causas
asignables en lugar
de andarle
moviendo a los
lmites.
No
38
Prom
Disper Prom
Disper
Estable
?
S / No
39
Prom
Estable
?
S / No
SI
NO
NO
NO
NO
Disper Prom
SI
SI
Disper
SI
Grfica X
Grfica R
GRAFICAS DE CONTROL
40
Prom
Estable
?
S / No
Grfica X
Grfica R
SI
NO
NO
NO
NO
Disper Prom
SI
SI
Disper
SI
DENTRO
FUERA
FUERA
DENTRO
FUERA
FUERA
DENTRO
DENTRO
GRAFICAS DE CONTROL
41
Mito#3
los datos que estn en control en una grfica estarn normalmente distribuidos
Mito#4
Las grficas de control funcionan debido al Teorema del Lmite Central
Mito#5
Las tcnicas de Pre-Control son tan poderosas como una grfica de control
Mito#6
El SPC debera de usarse nicamente al llegar a la Fase IV: Control del Proceso.
GRAFICAS DE CONTROL
42
MITO:
El SPC debera de usarse
nicamente al llegar a la Fase IV:
Control del Proceso.
GRAFICAS DE CONTROL
43
GRAFICAS DE CONTROL
44
UCL
LCL
0
10
15
Obser vationNumber
Tendencia:
Movimiento continuo en una direccin. Las tendencias son ocasionadas
usualmente por el desgaste gradual de una herramienta o el deterioro de
algn otro componente crtico del proceso. Las tendencias pueden
resultar tambin por las influencias de la estacin del ao, tales como
temperatura.
GRAFICAS DE CONTROL
45
UCL
LCL
0
10
20
ObservationNumber
Mezcla:
Se observa que la mayora de los puntos tienden a caer muy cerca de
los lmites de control, y relativamente pocos cerca de la lnea central.
Una condicin de mezcla la generan dos o ms distribuciones que se
traslapan generando la salida del proceso. La severidad de este modelo
depende de qu tanto se traslapen las distribuciones. Algunas veces la
mezcla es el resultado de un sobre-control, donde los operadores
hacen demasiados ajustes al proceso muy frecuentemente respondiendo
a la variacin normal en lugar de reaccionar a las causas asignables
unicamente.
GRAFICAS DE CONTROL
46
LCL
0
10
20
ObservationNumber
Estratificacin:
Los puntos graficados tienen la tendencia a agruparse cerca de la lnea
central.
Una causa potencial de la estratificacin es el clculo incorrecto de los lmites
de control. Tambin puede ser que el proceso ha mejorado y su distribucin
ya es ms angosta. De cualquier forma, se deben recalcular los lmites de
control.
GRAFICAS DE CONTROL
47
LCL
0
10
20
ObservationNumber
48
UCL
LCL
0
10
20
Observation Number
Patrn Cclico:
Se observan ciclos repetidos en la grfica. Esta configuracin puede ser
el resultado de un cambio sistemtico como temperatura, fatiga del
operador, rotacin regular de operadores y/o mquinas, fluctuaciones
de voltaje o presin, etc...
GRAFICAS DE CONTROL
49
50
X=
s=
51
n=
n 1 + n 2 + n 3 + + nk
k
A1=
n
CINCO.- CALCULAR EL FACTOR B
2n
B4= 1 +
2n
GRAFICAS DE CONTROL
52
LSCX = X + A1S
LICX = X - A1S
NUEVE.- OBTENER LOS LIMITES DE CONTROL PARA S
LSCS = B4S
LICS = B3S
GRAFICAS DE CONTROL
53
1,
2,
3,
4,
5.
1,
2,
3,
4,
5,
6,
7.
1,
8,
2,
9.
3,
4,
5,
6,
7,
X= X1 + X2 + X3 + + Xn
n
GRAFICAS DE CONTROL
54
R = R1 + R
+R
n
++R
LSC m = X + A6 R
LIC m = X A6 R
CUATRO) CALCULAR EL LIMITE SUPERIOR E INFERIOR DE CONTROL PARA
RANGOS
LSC = D4 R
LIC = D3 R
GRAFICAS DE CONTROL
55
Rm= Xi
GRAFICAS DE CONTROL
Xi-1
56
de lecturas
movil
7.2
3.5
0.1
3.6
= R1 +R2 + . . . . . . Rk-1
K-1
4.-Calcular los limites de control para la grafica
m
LC= X
LSC=X + 2.66 Rm
LIC=X 2.66 Rm
57
Ejemplo
La pureza de un producto qumico se mide cada hora.
La tabla siguiente presenta las determinaciones de pureza
de las ultimas 14 horas
Obs.
1
2
3
4
5
6
7
Pureza
81
83
82
80
84
76
83
Obs.
8
9
10
11
12
13
14
Pureza
79
82
75
80
83
86
84
GRAFICAS DE CONTROL
58
Si =
J=1
el nmero de
(Xj - o ) Contra
Muestra i
GRAFICAS DE CONTROL
59
SUMCUM
Si es la suma acumulada hasta la i-sima muestra inclusive, combinando
la informacion de varias muestras.
Las graficas SUMCUM son particularmente eficaces con muestras
de tamao n=1. Esto hace que sea conveniente emplearla en industrias
quimicas y de procesos, donde es frecuente que los subgrupos
racionales sean de tamao uno, asi como en la fabricacion de partes
discretas con medicin automatica en cada una de ellas y en el control
en linea utilizando microcomputadoras, directamente en el centro de
Trabajo.
Si el proceso permanece bajo control en el valor deseado o, la suma
acumulada debe fluctuar alrededor de cero. Sin embargo si la media
se desplaza hacia arriba, aparecer entonces un corrimiento hacia
arriba o positivo. Si la media se desplaza hacia abajo el corrimiento
sera hacia abajo o negativo, por lo tanto si tenemos una tendencia
en los puntos deber considerarse como una evidencia de que la media
del proceso se ha desplazado, con lo que debe emprenderse la
busqueda de una cusa asignable o especial.
GRAFICAS DE CONTROL
60
Ejemplo:
Considere una muestra de 20 observaciones de concentracion
en la salida de un proceso quimico. Las observaciones se toman a
intervalos de una hora, si el valor deseado para la concentracin
Es o = 99
Si =
SO = 0
(X j 99)
J=1
i-1
= (X j 99) +
J=1
(X j 99)
= (X j 99) + Si-1
GRAFICAS DE CONTROL
61
Observacion i
Xi
X i 99
Si = (X i 99) +Si-1
102.0
3.0
3.0
94.8
-4.2
-1.2
98.3
-0.7
-1.9
98.4
-0.6
-2.5
102.0
3.0
0.5
98.5
-0.5
0.0
99
0.0
0.0
97.7
-1.3
-1.3
100.0
1.0
-0.3
10
98.1
-0.9
-1.2
11
101.3
2.3
1.1
12
98.7
-0.3
0.8
13
101.1
2.1
2.9
14
98.4
-0.6
2.3
15
97.0
-2.0
0.3
16
96.7
-2.3
-2.0
17
100.3
1.3
-0.7
18
101.4
2.4
1.7
19
97.2
-1.8
-0.1
20
101.0
2.0
1.9
62
GRAFICAS DE CONTROL
63
p
o
GRAFICAS DE CONTROL
64
GRAFICAS DE CONTROL
65
GRAFICAS DE CONTROL
66
67
68
Terminologa y Smbolos
n = tamao de la muestra
k = nmero de grupos de muestras
s = desviacin estndar (muestra y poblacin)
Grfica np
np = nmero promedio de defectivos
Grfica p
p = promedio de fraccin defectiva
P = promedio de porciento defectivo
Grfica c
c = nmero promedio de defectos
Grfica u
u = nmero promedio de defectos por unidad
n = tamao promedio de la muestra
GRAFICAS DE CONTROL
69
Sumario
Grficas de Control de Atributos
Tipo de
Grfica
Nmero de
Defectivos (np)
Propsito
Aplicacin
Observar el # de
defectivos en
un subgrupo
# Unidades
rechazadas
Fraccin
Defectiva (p)
Revisar la fraccin
de defectivos
en un subgrupo
Tamao del
Subgrupo
Comentarios
Nmero de
Defectos por
Subgrupo (c)
Verifica el # de
defectos en
un subgrupo.
# Promedio de
Defectos por
Unidad (u)
Observa el #
promedio de
defectos en
una unidad
GRAFICAS DE CONTROL
70
Distribucin Binomial
Se aplica cuando estamos evaluando
defectivos.
Las grficas p y np se basan en sta
distribucin.
Existe una medida de tendencia central
(promedio de fraccin defectiva = p, np) y una
medida de variabilidad (desviacin estndar).
Evala las partes y las separa en categoras
de aceptado/no aceptado con un proceso
estable y la fraccin defectiva conocida (p).
GRAFICAS DE CONTROL
71
72
p =
i=1
i=1
np
np =
np
i=1
n
CALCULAR LOS LIMITES
LSCnp = np + 3
np (1-p)
LICnp = np - 3
np (1-p)
GRAFICAS DE CONTROL
73
74
Sample Count
10
UCL=9.870
5
NP=4.040
LCL=0.000
0
10
15
20
25
Sample Number
GRAFICAS DE CONTROL
75
GRAFICA No.______________
GRAFICA DE ATRIBUTOS ( )
DEPARTAMENTO:________________
ATRIBUTO:______________________________
PRODUCTO: _____________________
____________________________
FECHA
GRAFICAS DE CONTROL
76
GRAFICAS DE CONTROL
77
78
P=
X
n
C) CALCULAR LA MEDIA DE P
P=
n =es el tamao de la
muestra que es variable
n1 P1 + n2 P2 + + nk Pk
n1 + n2 + + nk
n = n1+n2+..........nk
K
79
SI EL TAMAO DEL SUBGRUPO VARIA FUERA DE +/25% CON RESPECTO DEL TAMAO PROMEDIO,
ENTONCES PARA CADA SUBGRUPO SE DEBERA
CALCULAR LOS LIMITES DE CONTROL.
TENEMOS COMO LIMITES DE TAMAO DE MUESTRA
LS = n + 25%
LI = n - 25%
LSCp = P + 3
P (1-P)
n
LICp = P - 3
P (1-P)
GRAFICAS DE CONTROL
80
Tiempo
0.06
UCL=0.05616
Proportion
0.05
0.04
P =0.03240
0.03
0.02
0.01
LCL=0.008645
0.00
0
10
15
20
25
Sample Number
GRAFICAS DE CONTROL
81
GRAFICAS DE CONTROL
82
i=1
c=
LSCc = c + 3
n =Es el numero de
muestras inspeccionadas
c
GRAFICAS DE CONTROL
LICc = c - 3
c
83
EJEMPLO DE GRAFICO C
La siguiente tabla muestra el numero de defectos en una
muestra de 5 piezas de circuito impreso. Determinar los
limites de control para una grafica c
MUESTRA
NUM. DE
DEFECTOS
MUESTRA
NUM. DE
DEFECTOS
1
2
3
4
5
6
7
8
9
10
6
4
8
10
9
12
16
2
3
10
11
12
13
14
15
16
17
18
19
20
9
15
8
10
8
2
7
1
7
13
GRAFICAS DE CONTROL
84
85
C
U=
n
Si existen m muestras
preliminares y el numero
de defectos por unidad es
U1,U2..........Um
Podemos calcular
U
GRAFICAS DE CONTROL
86
U=
U1+U2+.........Um
m
LSC= U+3 / U
n
LIC= U-3
/ Un
LC= U
Donde n es el promedio de las muestras
GRAFICAS DE CONTROL
87
EJEMPLO DE GRAFICO U
Construir una grafica de control U para los datos de defectos
en las tarjetas de circuito impreso considerando que cada
muestra consta de 5 tarjetas de circuito los datos
respectivos se dan en la siguiente tabla
MUESTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
TAMAO DE LA
MUESTRA
NUMERO DE
DEFECTOS C
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
GRAFICAS DE CONTROL
6
4
8
10
9
12
16
2
3
10
9
15
8
10
8
88
3 Familias de grficas:
Muestra #1
Muestra #2
Muestra #3
Muestra #4
Rechazo
Rechazo
Aceptado
Rechazo
Grfica P
ATRIBUTOS
Hay burbujas?
(Aceptar/Rechazar)
Grfica C
Cantidad de
Burbujas
VARIABLES
Grfica X-Barra - R
Dimetro de
la burbuja
X1 = 12.2
X2 = 11.1
X3 = 13.3
X1 = 12.2
GRAFICAS DE CONTROL
X1
X2
X3
X4
=
=
=
=
89
12.2
11.1
13.3
13.3
Muestra#1
Muestra#2
Muestra#3
Muestra#4
Rechazo
Rechazo
Aceptado
Rechazo
3 Familias de datos
3 Familias de grficas
Grfica P
ATRIBUTOS
Hay burbujas?
(Aceptar/Rechazar)
Muestra #1
Muestra #2
Muestra #3
Muestra #4
Grfica C
Nmero de
burbujas
2
Muestra #1
VARIABLES
Muestra # 2
Muestra #3
Muestra #4
Grfica X-Barra -R
LCL
TIEMPO
X1 = 12.2
X2 = 11.1
X3 = 13.3
UCL
LCL
TIEMPO
GRAFICAS DE CONTROL
X1 = 12.2
Dimetro de
la burbuja
UCL
#de burbujas
%Rechazado
Dimetro de
la burbuja
X1
X2
X3
X4
=
=
=
=
12.2
11.1
13.3
13.3
UCL
LCL
TIEMPO
90
91
92
La Meta es ...
Datos variables
Datos de atributos
Objetivo
0% Rechazo
GRAFICAS DE CONTROL
93
GRAFICAS DE CONTROL
94
95
96