Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Qcontrol PDF
Qcontrol PDF
Hay muchas situaciones en las interesa que una variable permanezca constate a lo largo del
tiempo. Sin embargo, todos los procesos presentan variacin, debida a pequeas diferencias en
las materias primas utilizadas, desajustes de las mquinas, comportamiento del operador, etc.
Por tanto, no podemos esperar que una variable permanezca exactamente constante con el paso
del tiempo, pero s que su modelo de variacin permanezca estable.
Todo proceso de funcionamiento regular tiene variabilidad debida a dos tipos de causas:
asignables y no asignables. Las causas no asignables estn presentes siempre, produciendo
una variabilidad homognea y estable que es predecible al ser constante. Las asignables slo
intervienen en determinados momentos, y producen entonces una variabilidad muy grande. Los
defectos debidos a causas no asignables aparecen aleatoriamente y la aparicin de un defecto
no hace ms probable la aparicin del siguiente. Por el contrario, los defectos debidos a causas
asignables se mantienen hasta que eliminemos la causa que los produce.
1
1. Grficos de Control X
Para estudiar la estabilidad del proceso, representamos las medias de las distintas muestras
que se han tomado a lo largo de las 20 horas. Como se ha mencionado anteriormente, el valor
esperado para la resistencia a la tensin de las piezas de plstico es de 275 N (blanco para la
media del proceso), as que dibujamos una lnea horizontal a dicha altura. Las medias de las
muestras 12 en adelante son consistentemente mayores que las medias de las primeras muestras,
lo que sugiere que la media del proceso va aumentando con el tiempo.
Pero quizs este cambio refleje la variacin natural en el proceso. Para averiguarlo, haremos
algunas consideraciones tericas.
La variable aleatoria en consideracin es:
2
sigue una distribucin aproximadamente Normal (Teorema Central del Lmite) con media =
43
275 y desviacin tpica X = = = 21.5
n 4
En general, la probabilidad de que la media muestral est en el intervalo ( 3X , + 3X )
es aproximadamente 0.997:
P ( 3X X + 3X ) = 0.997
de manera que si alguna de las medias muestrales (x) de tamao 4, no cae dentro del intervalo
(210.5, 339.5), es evidencia de que el proceso est fuera de control (la media ya no es 275).
Nota: El intervalo que determina si el proceso est o no bajo control da lugar a los
denominados lmites de control.
1. Se traza una lnea horizontal a la altura del blanco (valor que tendra la media del
proceso si estuviera bajo control)
2. Se trazan dos lneas horizontales a la altura de los lmites de control, que se calculan de
la siguiente forma:
Lmite Superior de Control = + 3X = + 3
n
Lmite Inferior de Control = 3X = 3
n
Para el ejemplo anterior, las lneas del grfico de control vienen dadas por:
43
Lmite Superior de Control = + 3 = 275 + 3 = 339. 5
n 4
Lnea Central = = 275
43
Lmite Inferior de Control = 3 = 275 3 = 210. 5
n 4
3
X Bar Chart for p1 p2 p3 p4
380
339.50
320
275.00
260
210.50
200
1 6 11 16 21
Case Number
sigma 43.000 E(R bar) 88.537 Exceptions: 14,16,18,19
Adems de la presencia de puntos ms all de los lmites de control existen otros indicativos
de estado fuera de control cuando los puntos exiben algn patrn no aleatorio de compor-
tamiento.
En ocasiones resulta til representar un par de lneas internas a las de control para utilizarlas
como lneas de alerta, se suelen situar a 2 desviaciones tpicas de la media, por lo que entre
ambas se encontrar aproximadamente el 95.44% de las observaciones. Estos lmites de alerta
se utilizan para comenzar a tomar medidas preventivas.
4
2. Grficas de Control p
Las grficas de control p se suelen utilizar para controlar la proporcin p de artculos que
no se ajustan a un conjunto de especificaciones. El procedimiento a seguir es totalmente anlogo
al de las grficas de control X, teniendo en cuenta que el estadstico
proporcin muestral
Pb =
X1 + ... + Xn q
puede aproximarse por una distribucin Normal = p, = p(1p) n
(para n
n
suficientemente grande).
Ejemplo: En una fbrica de rodamientos, se comprueba diariamente una muestra de 400
unidades, determinando si se trata de un artculo defectuoso o por el contrario verifica las
especificaciones requeridas. En la siguiente tabla aparecen las proporciones observadas de
artculos defectuosos durante 16 das.
Da no 1 2 3 4 5 6 7 8
pb 0.115 0.16 0.13 0.1225 0.1 0.1225 0.19 0.115
Da no 9 10 11 12 13 14 15 16
pb 0.1 0.16 0.1675 0.1225 0.1375 0.1975 0.1525 0.1675
Si los fabricantes consideran como proporcin estable de defectuosos p = 0.1, cmo podemos
utilizar estos datos para mantener el proceso bajo control?
Igual que hicimos en el caso anterior, trazamos una recta horizontal a la altura de nuestro
blanco p = 0.1 y calculamos los lmites de control:
s
p(1 p)
Lmite Superior de Control = p + 3Pb = p + 3
n
s
p(1 p)
Lmite Inferior de Control = p 3Pb = p 3
n
Despus representamos las proporciones observadas en cada uno de los 16 das. Cada vez
que estos puntos se salen del intervalo formado por los lmites de control, significa que el proceso
de fabricacin de placas base ha sufrido una perturbacin y ha cambiado su distribucin. Por
tanto, ese mismo da debemos ajustar la mquina.
1. Se traza una lnea horizontal a la altura del blanco (valor que tendra la proporcin del
proceso si estuviera bajo control)
2. Se trazan dos lneas horizontales a la altura de los lmites de control, que se calculan de
la siguiente forma:
s
p(1 p)
Lmite Superior de Control = p + 3Pb = p + 3
n
s
p(1 p)
Lmite Inferior de Control = p 3Pb = p 3
n
5
Para el ejemplo anterior, las lneas del grfico de control vienen dadas por:
q q
p(1p) 0.1(10.1)
Lmite Superior de Control = p + 3 n
= 0.1 + 3 400
= 0.145
P Chart of DEF
0.20
Fraction Nonconforming
0.15
0.1450
0.10 0.1000
0.0550
0.05
1 6 11 16
Case Number
Exceptions: 2,7,10,11,14,15,16