Está en la página 1de 45

15/03/2015

CONTROL DE LA CALIDAD I

Docente: Ing. Carlos Oqueliz Martnez

15/03/2015
1
QUALITY.02.GC.var.84d.21.04.2015

COMPETENCIAS

Identifica la calidad como responsabilidad de las


empresas y como factor de competitividad en el
mercado.

Desarrolla y aplica el control estadstico del proceso y


determina su aptitud para generar productos que
cumplan las especificaciones de calidad.

Desarrolla y aplica planes de muestreo de aceptacin


para el control estadstico de calidad en lotes de
insumos y materiales, as como, de productos
terminados.

15/03/2015 2

1
15/03/2015

CONTROL ESTADISTICO DE
CALIDAD
Las tcnicas de control de calidad basadas en
la estadstica se clasifican en:
* CONTROL ESTADISTICO DEL PROCESO.
Tiene como propsito el control de calidad de
los productos en proceso.
* PLANES DE MUESTREO.
Se denomina tambin Muestreo de
Aceptacin y tiene como propsito el control de
calidad de productos terminados, materiales,
suministros, etc.

15/03/2015 3

CONTROL ESTADISTICO DEL


PROCESO (CEP/SPC)
Se puede realizar:
Sobre una caracterstica cuantitativa que se debe medir,
denominada variable, tal como longitud, resistencia,
concentracin, contenido de impurezas, etc.
Sobre una caracterstica cualitativa que se puede
contar, denominada atributo, tal como el control pasa
no pasa, piezas defectuosas, nmero de defectos por
unidad producida etc.

15/03/2015 4

2
15/03/2015

CONTROL ESTADISTICO DEL


PROCESO
Como elementos estadsticos requiere de la
media aritmtica, desviacin estndar, rango,
poblacin y muestra, distribuciones estadsticas,
etc.
Definicin: Es un procedimiento tcnico que
permite la comparacin del funcionamiento del
proceso con los lmites establecidos, con el
propsito de asegurar que se obtienen las
caractersticas del producto dentro de lo
especificado y lograr la reduccin del costo del
control.

15/03/2015 5

Aspectos operativos de la calidad

Calidad se entiende por satisfaccin o


superacin de las expectativas del cliente.
Se puede representar como:
Cumplimiento de las especificaciones
anunciadas del producto o servicio (duracin,
resistencia, consumo, tiempo de entrega, etc.).
Valor del producto o servicio entendido como el
valor y su propsito.
Servicio al cliente, antes y despus de la venta.

15/03/2015 6

3
15/03/2015

Mtodos para alcanzar calidad total

Funcin de Taguchi.
Creador de la ingeniera de calidad.
Anlisis de procesos y mtodos estadsticos
para mejorar la calidad y reducir los costos.
Establece que es determinante evaluar y
20
disminuir todas las formas de
variabilidad asociadas al 15

desempeo de un proceso. 10
Lmite Lmite
Entender la variabilidad y 5 Inferior Superior
disminuirla es fundamental
en calidad. 0 2 4 Valor 6 8 10
Objetivo
15/03/2015 7

Control estadstico de procesos

Tiene por objetivo identificar y eliminar las causas


de variabilidad.
Tipos de variabilidad:
Por causas comunes, se representa conforme a una
funcin de distribucin conocida (Ej. Distribucin
Normal)
Por causas asignables, cuando los parmetros de la
funcin de distribucin (ej. Media, varianza o
esperanza), cambian de manera incierta.
A mediano plazo el ingeniero debe centrarse en la
variabilidad por causas comunes, con soluciones
para disminuir la variabilidad y mejorar la precisin
del proceso.
15/03/2015 8

4
15/03/2015

Control estadstico de procesos

A corto plazo se debe:


Seleccionar un proceso y estimar la variabilidad
natural.
Decidir si aceptan la variabilidad del proceso
como natural, es decir debida a causas comunes.
Identificar la presencia de variabilidad debida a
causas especiales en el desempeo del proceso.
Aislar y eliminar cualquier variabilidad debida a
causas especiales o asignables.
Esto se logra mediante una banda de control,
estableciendo los lmites mnimos y mximos
para que un proceso est bajo control.
15/03/2015 9

Causas de variacin aleatorias y


asignables
Tiempo

t3

t2


t1

LIE LSE Caracterstica de calidad


10
del proceso

5
15/03/2015

La variabilidad del proceso

La variabilidad se refiere a la discrepancia entre el


desempeo actual (real) y el esperado (planificado).
Al definir clientes externos e internos, existen dos
tipos de variabilidades:
Variabilidades externas, relacionadas con la
percepcin de los clientes sobre un producto
determinado (ej. Nmero de quejas, ndice de
satisfaccin del cliente, etc).
Variabilidades internas, diferencias entre los
procesos y los productos para cada unidad o servicio
producido.

15/03/2015 11

Cmo registramos y analizamos la


variabilidad? (cont)

Histogramas
Ej 14% de los muebles pesan 41.5 kg, 11% pesan 42 kg.

14

12

10
Frecuencia (%)

0
36 37 38 39 40 41 42 43 44 45 46

Peso del mueble (kg)


15/03/2015 12

6
15/03/2015

Causas de la variabilidad en un proceso

Causas Comunes Causas Asignables


Suelen ser muchas y cada una Suelen ser pocas pero con
produce pequeas efectos importantes en la
variaciones. variabilidad.
Son parte permanente del Aparecen espordicamente.
proceso. Son relativamente fciles de
Son difciles de eliminar y eliminar.
forman parte del sistema. Por lo general su efecto est
Afectan a todo el conjunto de localizado en una(s)
mquinas y operarios. mquina(s) u operario(s).

15/03/2015 13

ELEMENTOS DEL CEP/SPC

Proceso: es la combinacin de materiales, mano de


obra, mtodos de trabajo, instalaciones y entorno que
forman parte de la elaboracin de un bien o servicio. Su
comportamiento es dinmico y se puede mejorar.
Definicin del proceso: consiste en establecer las
especificaciones del producto y los elementos que
intervienen (mano de obra, instalaciones, materiales,
mtodos, etc.)

15/03/2015 14

7
15/03/2015

ELEMENTOS DEL CEP/SPC

Condiciones del proceso: consiste en la


definicin de los parmetros del proceso que
deben ser ajustados para obtener la mxima
homogeneidad de salida, evitando toda
variacin innecesaria.
Informacin sobre el comportamiento del
proceso, permite estudiar las variaciones de los
parmetros ms significativos (dimensiones,
peso, presin, etc.) que definen el estado
operativo de los elementos del proceso.
15/03/2015 15

ELEMENTOS DEL CEP/SPC

Medidas preventivas: del anlisis e


interpretacin de la informacin anterior en
tiempo real puede surgir la necesidad de tomar
accin sobre el proceso para mejorarlo.
Medidas correctivas: se aplican a la
produccin en curso cuando el proceso no est
bajo control por influencia de alguna causa.

15/03/2015 16

8
15/03/2015

DINAMICA DEL PROCESO

En todo proceso de fabricacin se generan variaciones


en las caractersticas del producto.
Si al medir un nmero grande de piezas las variaciones
de la caracterstica en estudio se repiten y mantienen en
el tiempo, se considera que el proceso es estable.
En tal caso se asume que existe un modelo estadstico
de variacin debido a causas aleatorias o comunes
que resultan homogneas, predecibles y que son
intrnsecas al proceso.

15/03/2015 17

DINAMICA DEL PROCESO

Cuando adems de las variaciones por causas


comunes se presentan otras que alteran el
modelo estadstico de variacin, se dice que el
proceso est fuera de control o que es
inestable.
Tales causas que se denominan especiales o
asignables pueden ser: cambio de los
materiales, desajuste o desgaste de mquinas,
cambio de operarios, error humano, etc.

15/03/2015 18

9
15/03/2015

DINAMICA DEL PROCESO

Las causas comunes o no asignables, estn


presentes siempre y generan una variabilidad
homognea y continua.
Los defectos debidos a causas comunes
aparecen aleatoriamente y la aparicin de un
producto defectuoso no hace ms probable la
aparicin del siguiente.
Por el contrario, los productos defectuosos
debidos a causas asignables se siguen
generando hasta que se aplique la medida
correctiva.
15/03/2015 19

GRAFICAS DE CONTROL

Es una tcnica de control estadstico del


proceso que permite comparar en el tiempo su
funcionamiento con los lmites establecidos.
Permite detectar si existen causas especiales o
asignables de variacin que afectan al proceso,
analizar y decidir la accin correctiva.

15/03/2015 20

10
15/03/2015

Elementos y principios bsicos de


una Grfica de Control
Grfica de control
Caracterstica
de calidad LSC
Lmite Superior de Control

LC

Lnea Central

LIC
Lmite Inferior de Control
1 2 3 4 5 6 7 8
Nmero de subgrupo o
muestra
21

Grficas de control y pruebas de hiptesis


Suponga que en la grfica de control el eje vertical
x
representa el estadstico muestral
Si el valor de
x cae dentro de los lmites de control,
concluimos que la media del proceso est bajo
control.
0
Por otra parte, si excede cualquiera de los lmites
x
de control, concluimos que la media del proceso est
fuera de control. Grfica de control del dimetro interno de anillos para pistn
0 74.02

La prueba de hiptesis 74.015

74.01

quedara de la siguiente 74.005

manera:
x

74

H0 : 0 73.995

73.99

H1 : 0 73.985

73.98

Regin de rechazo 73.975

73.97

x LIC x LSC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrupo
22

11
15/03/2015

Error tipo I y error tipo II en una grfica


de control

Riesgo del proveedor



PError tipo I 2 2
PRechazar H 0 H 0 es verdadera
0

Riesgo del cliente
PError tipo II
PFallar al aceptar H 0 H0 es falsa

0
Potencia de la prueba

1 PAceptar H 0 H 0 es falsa

23

Modelo general para una grfica de


control
Sea w un estadstico muestral que mide cierta
caracterstica de calidad y sean w y w la media y la
desviacin estndar de w, respectivamente. Entonces, LC,
LSC y LIC son:

LSC = w + L w

LC = w

LIC = w - L w
24

12
15/03/2015

Aplicacin de las Grficas de Control

El uso ms importante es mejorar el


desempeo del proceso:

VARIABLE DE CALIDAD RESULTADO DE MEDICIN


Entrada Salida
Proceso

Sistema de medicin

Verificacin y Deteccin de
seguimiento causa asignable

Identificacin de
Implementacin de
la causa raz
accin correctiva
del problema
25

Grficos de control

3.5

LSC
3.3
Caracteristica de calidad

3.1

2.9

2.7

LIC

2.5

Tiempo
15/03/2015 26

13
15/03/2015

GRAFICAS DE CONTROL: Requisitos

Caractersticas de calidad: consiste en


identificar las variables o parmetros ms
representativas para su control.
Sistema de medicin: Consiste en definir el
mtodo de medicin, el lugar donde debe
medirse y la responsabilidad de la medicin.
Toma de datos: consiste en establecer la
cantidad, agrupacin y frecuencia de los datos
para su representacin grfica.

15/03/2015 27

CONTROL POR VARIABLES

Los Grficos de Control por Variables estn


diseadas para registrar caractersticas
mensurables.
Ventajas:
* Es ampliamente utilizado porque la mayora de
caractersticas de los procesos se pueden
medir.
*Proporcionan informacin estadstica ms
valiosa que la de los atributos, ocasionando
menor costo de inspeccin.

15/03/2015 28

14
15/03/2015

GRAFICAS DE CONTROL: Requisitos

Lmites de control: se determinan a partir de los datos


y reflejan la variacin que ser generada en el proceso
debido a la aparicin aleatoria de causas comunes.
Control del proceso: consiste en representar el grfico
los datos de las muestras de produccin siguientes a las
utilizadas en la determinacin de los lmites de control.
La existencia de puntos fuera de los lmites de control
indicar la probable presencia de causas especiales de
variacin.

15/03/2015 29

Tipos de Ejemplos de
Grfica de Control Caracterstica
Datos aplicaciones
a) X-R(Medias y La ms verstil y la ms utilizada de Control de
Rangos) mayor sensibilidad para identificar turbiedad, etc
causas del problema.

b) X- (Medias y Se usa cuando los grupos son Parmetros de


Desviacin) considerablemente grandes y de control tomados
diferentes fuentes, por lo que cada hora
Variables
requieren de pruebas de
o
homogeneidad.
Medibles
c) X-R(Medianas y Empleadas bajo control estable y ph y calidad
Rangos) donde no se requiere calcular la media. microbiolgicas

d) X-R(Lecturas Para pruebas costosas y/o destructivas Dosificacin y


Individuales) reactivos qumicos

a) p (fraccin Son poco sensibles a los cambios y no Control / Tiempo


defectiva) es posible determinar la tendencia
central
Atributos b) np(nmero de La ms verstil y ms utilizada con Procesos
o defectivos) muestras variables administrativos
Discretos
c) u Cantidad de defectos sobre muestras Controles del agua
variables o constantes. de mesa

d) c Defectos por unidad constante.

15/03/2015 30

15
15/03/2015

GRFICOS DE CONTROL (II)

Lmites de control:
Lmite inferior de control :
(Lower control limit LCL)
(LIC) = x 3

Lmite superior de control :


(Upper control limit - UCL):
(LSC) = x 3

15/03/2015 31

Control estadstico de procesos

Ejemplo: Peso de un mueble (: 42.2kg y : 2.08kg)


UCL = 41.2 + 3 * (2.08) = 47.44 kg
LCL = 41.2 3 * (2.08) = 34.96 kg

+ 3
Lmite Superior
de Control (UCL)

Media del
99.74%
proceso,

- 3
Lmite Inferior
de Control (LCL)
Tiempo
Seal de que puede haber
ocurrido una causa
15/03/2015 32 especial o asignable.

16
15/03/2015

Control de proceso por Variables


Funcin de densidad de la Distribucin Normal:

-3 -2 - + +2 +3
68.26%

95.44%

99.74%

Lmites de variacin natural: son aquellos que


agrupan el 99.74% de la produccin cuando el
proceso est bajo control, quedando slo un 0.26%
fuera de los lmites de control. 15/03/2015
33

http://www.ideamas.cl/cursoProb/javaEstat/quincunx/quincunx.1.html

15/03/2015 34

17
15/03/2015

Estadstica de las grficas de


control
Debido a que hay incertidumbre acerca del
valor de la variable para cualquier pieza,
representamos estos valores a travs de una
variable aleatoria X.
Supongamos que para un proceso bajo control,
X tiene una distribucin normal.

X N ,
n
CO4311- Estadstica para la Calidad
35

Estadstica de las grficas de


control


P 3 X X 3 X
P 3.00 Z 3.00 0.9974
X X
Z
X
Es muy probable que para un proceso
bajo control, la media muestral caer
dentro de 3 desviaciones estndar
X
n CO4311- Estadstica para la Calidad
36

18
15/03/2015

GRAFICAS DE CONTROL DE MEDIAS Y RANGOS:


construccin

Tamao de muestra: el tamao de la muestra


o subgrupo deber ser constante.
Generalmente se utiliza por subgrupo 4 5
unidades producidas consecutivamente en el
menor tiempo posible.
Frecuencia de muestreo: de 15 a 30 minutos
al inicio del estudio hasta pasar a una
frecuencia de una o dos horas cuando el
proceso est estabilizado.

15/03/2015 37

GRAFICAS DE CONTROL DE MEDIAS Y


RANGOS: construccin

Nmero de muestras: desde el punto de vista


estadstico 25 ms muestras o subgrupos que
dan un total de 100 ms unidades
inspeccionadas, son suficientes para tener
evidencia de la estabilidad del proceso y
obtener la tendencia central y la dispersin.
Registro de datos: se acostumbra a trazar el
grfico de medias en la parte superior y debajo
el grfico de rangos, quedando los datos en la
parte inferior.

15/03/2015 38

19
15/03/2015

GRAFICOS DE CONTROL DE VARIABLES.


Control de la Media: Grfico X

El control de variables, adems de permitir la


clasificacin de los artculos en conformes o
disconformes, mediante la cuantificacin de la
caracterstica de calidad valora el grado de
disconformidad con respecto a lo especificado.
Para el efecto se asume que la caracterstica de
calidad sigue una distribucin normal.

15/03/2015 39

GRAFICOS DE CONTROL DE VARIABLES.


Control de la Media: Grfico X
En el grfico de control de la media, el estadstico a representar es :
n
x xi / n
i 1
con n el tamao muestral, resultando w = x el estimador mximo verosimilitud de la
distribucin normal. Tenemos, por tanto, para los lmites de control, que :
X

donde :
3
A
n
Generalmente A no se calcula, sino que se toma su valor consultando en tablas, al igual
que todos los parmetros que aparecern ms adelante.

15/03/2015 40

20
15/03/2015

GRAFICOS DE CONTROL DE VARIABLES.


Control de la Media: Grfico X
Cuando se desconocen los parmetros del proceso,
entonces habr que tomar una serie de m muestras de
tamao n cada una, determinndose entonces el
estimador mximo verosmil de cmo la media de las
medias de cada muestra:

En cuanto al parmetro , existen dos mtodos para


estimarlo: con la desviacin tpica o con el recorrido
muestral.

15/03/2015 41

GRAFICOS DE CONTROL DE
VARIABLES. Control de la Media:
Grfico X

Donde A1 se consulta en tablas.

15/03/2015 42

21
15/03/2015

GRAFICOS DE CONTROL DE VARIABLES.


Control de la Media: Grfico X- R
Si, por el contrario, se realiza la estimacin mediante el recorrido,
tendremos:
1 m
R U in U i1
m i 1
donde Ui1 y Uin son el mnimo y el mximo de la muestra ordenada
correspondiente a cada muestra xi1, ,xin con i = 1, , m.

donde A2 se consulta en tablas.

15/03/2015 43

GRAFICOS DE CONTROL DE VARIABLES.


Control del Rango: Grfico R
Pretendemos controlar la variabilidad tomando w = R.
Los lmites de control resultante sern, entonces, los
siguientes:

si hubiera que estimar el parmetro , entonces los


lmites de control valdran:

cuyos coeficientes se consulta en tablas.

15/03/2015 44

22
15/03/2015

Grficos de medias y rangos (cont)

Ejemplo .- Se Muestra Observaciones en la muestra Media Rango


muestran datos 1
2
33.00 29.00 31.00 32.00 33.00
33.00 31.00 35.00 37.00 31.00
31.60
33.40
4.00
6.00
correspondientes a la 3
4
35.00 37.00 33.00 34.00 36.00
30.00 31.00 33.00 34.00 33.00
35.00
32.20
4.00
4.00
5 33.00 34.00 35.00 33.00 34.00 33.80 2.00
apertura del alabe 6 38.00 37.00 39.00 40.00 38.00 38.40 3.00
7 30.00 31.00 32.00 34.00 31.00 31.60 4.00
(en mm) para un 8 29.00 39.00 38.00 39.00 39.00 36.80 10.00
9 28.00 33.00 35.00 36.00 43.00 35.00 15.00
componente de la 10
11
38.00 33.00 32.00 35.00 32.00
28.00 30.00 28.00 32.00 31.00
34.00
29.80
6.00
4.00
turbina de un avin. 12
13
31.00 35.00 35.00 35.00 34.00
27.00 32.00 34.00 35.00 37.00
34.00
33.00
4.00
10.00
14 33.00 33.00 35.00 37.00 36.00 34.80 4.00
Se pueden ver los 15 35.00 37.00 32.00 35.00 39.00 35.60 7.00
16 33.00 33.00 27.00 31.00 30.00 30.80 6.00
clculos preliminares 17 35.00 34.00 34.00 30.00 32.00 33.00 5.00
18 32.00 33.00 30.00 30.00 33.00 31.60 3.00
en la misma tabla. 19
20
25.00 27.00 34.00 27.00 28.00
35.00 35.00 36.00 33.00 30.00
28.20
33.80
9.00
6.00
Promedios: 33.32 5.80

15/03/2015 45

Grficos de medias y rangos (cont)

Los lmites de control son, en este caso,


Para el grfico de medias:
LIC X A2 R 33,32 0,577 5,8 29,95
LSC X A2 R 33,32 0,577 5,8 36,65
LC 33,32
Para el grfico de rangos
LSC D4 R 2,115 5,8 12,27
LIC D3 R 0 5,8 0
LC 5,8
15/03/2015 46

23
15/03/2015

Grficos de medias y rangos (cont)

40
38
Apertura promedio del alabe LSC=36.67

36
34

LC=33.32
32
30

LIC=29.98
28

5 10 15 20

Muestra
15

LSC=12.27
Rango de apertura del alabe

10

LC=5.80
5
0

5 10 15 20
15/03/2015 47
Muestra

Grficos de medias y rangos (cont)

Las muestras 6, 8, 11 y 19 estn fuera de


control en grfico de medias y la 9 lo esta en el
grfico de rangos.
Cuando se estudian las causas asignables,
estas llevan a una herramienta defectuosa en el
rea de moldeo. Los lmites deben ser
recalculados excluyendo estas observaciones
atpicas, obtenindose as un nuevo grfico,
previa sustitucin de las muestras eliminadas.

15/03/2015 48

24
15/03/2015

GRFICOS DE CONTROL PARA


VARIABLES

Ejemplo: Las medias de muestras tomadas de un


proceso de fabricacin de barras de aluminio dan
una media de 2 cm. La distribucin del proceso es
aproximadamente normal y tiene una desviacin
tpica de 0.1 cm. Determinar los lmites de control
que incluirn el 99.74% de las medias de la muestra
si el proceso est generando salidas aleatorias para
los siguientes tamaos de muestra: n=16 y n=25.

15/03/2015 49

GRFICOS DE CONTROL PARA


VARIABLES

UCL x 3 x

LCL x 3 x

n=16
UCL = 2+3(0.1/16)=2.075
LCL = 2-3(0.1/ 16)=1.925
n=25
UCL = 2+3(0.1/ 25)=2.06
LCL = 2-3(0.1/ 25)=1.94
A medida que se incrementa el tamao de la
muestra los lmites se aproximan a la media del
proceso.
15/03/2015 50

25
15/03/2015

GRFICOS DE CONTROL PARA


VARIABLES

Ejemplo: 20 muestras de n=8 han sido tomadas


de un proceso de fresado. La media del rango
para las 20 muestras era 0.016 cm y la media de
las medias de las muestras 3 cm.
Determinar los lmites de control.

15/03/2015 51

SOLUCIN

x = 3 cm
R = 0.016 cm
n=8: A2 = 0,37
UCL = x+A2R= 3+(0.37*0.016)=3.006 cm
LCL = x-A2R = 3-(0.37*0.016)= 2.994 cm

15/03/2015 52

26
15/03/2015

GRFICOS DE CONTROL PARA


RANGO: Ejemplo
25 muestras de 10 observaciones han sido tomadas
de un proceso de fresado. La media de los rangos
es 0.01 cm. Determinar los lmites de control.

15/03/2015 53

SOLUCIN

R=0.01 cm
n=10 D4=1.78 D3=0.22
UCLR=1.78*0.01=0.0178
LCLR=0.22*0.01=0.0022
Si el rango de una muestra es 0.018 o ms, la
variacin del proceso ha incrementado; si es
inferior a 0.002 la variacin ha disminuido

15/03/2015 54

27
15/03/2015

Control de la Desviacin Estndar:


Grfico s
En este grfico se busca la desviacin tpica mediante el
control del estadstico representativo w = s. Se trata,
pues, del grfico s, cuyos lmites de control toman los
siguientes valores:

donde c2, B1 y B2 se consulta en tablas.

15/03/2015 55

Control de la Desviacin Estndar:


Grfico s
Si la varianza poblacional es desconocida, entonces se
estimar mediante la varianza muestral como :
s

c2
resultando ahora los lmites de control con los valores:

donde B3 y B4 se consultarn en tablas.

15/03/2015 56

28
15/03/2015

Construccin de grficos X s

Cuando no se conocen los valores de y los


mismos se calculan a partir de los datos para
obtener los lmites de control.
Para el grfico de medias:
LSC X A3 S LC X LIC X A3 S
Para el grfico de desviaciones estndar:

LSC B4 S LC S LIC B3 S
3 1 c4 1 c4
A3 B3 1 3 B4 1 3
c4 n c4 c4 57

Varianza

Frmula
n 2

2
X
i 1
i X
s
n

La varianza es un estimador sesgado de la varianza


poblacional; por ello se prefiere el uso de la cuasivarianza
que es igual que la varianza excepto en que se divide por n-1;
la cuasivarianza es un estimador insesgado de la varianza
poblacional:

n 2

Xi X
s 2 i 1
n 1

29
15/03/2015

CONSTANTES ESTADISTICAS

CO4311- Estadstica para la Calidad 59

CONSTANTES ESTADISTICAS

n 2 3 4 5 6 7 8 9 10
A2 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
A3 2.659 1.954 1.628 1.425 1.287 1.182 1.099 1.032 0.975
B3 - - - - 0.030 0.118 0.185 0.239 0.284
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
C2 0.5642 0.7236 0.7979 0.8407 0.8686 0.8882 0.9027 0.9139 0.9227
C4 0.7979 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727
d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
d3 0.89 0.8884 0.8798 0.8641 0.8480 0.8332 0.8198 0.8078 0.7971
D3 - - - - - 0.076 0.136 0.184 0.223
D4 3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
E2 2.660 1.772 1.457 1.290 1.284 1.109 1.054 1.010 0.975
K1 3.257 2.046 1.630 1.413 1.278 1.185 1.119 - -

15/03/2015 60

30
15/03/2015

CARTAS DE CONTROL DE VARIABLES CARTA


DE PROMEDIO Y RANGO
Toma de datos del dimetro de una pieza de una lnea de fabricacin (rosca):
N d e l su b g ru p o D a H o ra X1 X2 X3 X4 X R O bs ervac ion es
1 23 0 8:5 0 6 .35 6.40 6.3 2 6 .37 6.3 6 0 .08
2 23 1 1:3 0 6 .46 6.37 6.3 6 6 .41 6.4 0 0 .10
3 23 1 3:4 5 6 .34 6.40 6.3 4 6 .36 6.3 6 0 .06
4 23 1 5:4 5 6 .69 6.64 6.6 8 6 .59 6.6 5 0 .10 O pe rado r nu evo te m p oral
5 23 1 6:2 0 6 .38 6.34 6.4 4 6.4 6.3 9 0 .10
6 27 0 8:3 5 6 .42 6.41 6.4 3 6 .34 6.4 0 0 .09
7 27 0 9:0 0 6 .44 6.41 6.4 1 6 .46 6.4 3 0 .05
8 27 0 9:4 0 6 .33 6.41 6.3 8 6 .36 6.3 7 0 .08
9 27 1 3:3 0 6 .48 6.44 6.4 7 6 .45 6.4 6 0 .04
10 27 1 4:5 0 6 .47 6.43 6.3 6 6 .42 6.4 2 0 .11
11 28 0 8:3 0 6 .38 6.41 6.3 9 6 .38 6.3 9 0 .03
12 28 1 3:3 5 6 .37 6.37 6.4 1 6 .37 6.3 8 0 .04
13 28 1 4:2 5 6 .40 6.38 6.4 7 6 .35 6.4 0 0 .12
14 28 1 4:3 5 6 .38 6.39 6.4 5 6 .42 6.4 1 0 .07
15 28 1 5:5 5 6 .50 6.42 6.4 3 6 .45 6.4 5 0 .08
16 29 0 8:2 5 6 .33 6.35 6.2 9 6 .39 6.3 4 0 .10
17 29 0 9:2 5 6 .41 6.40 6.2 9 6 .34 6.3 6 0 .12
18 29 1 1:0 0 6 .38 6.44 6.2 8 6 .58 6.4 2 0 .30 L ne a ac eit e ave riad a
19 29 1 4:3 5 6 .35 6.41 6.3 7 6 .38 6.3 8 0 .06
20 29 1 5:1 5 6 .56 6.55 6.4 5 6 .48 6.5 1 0 .11 M aterial m alo
21 30 0 9:3 5 6 .38 6.40 6.4 5 6 .37 6.4 0 0 .08
22 30 1 0:2 0 6 .39 6.42 6.3 5 6 .40 6.3 9 0 .07
23 30 1 1:3 5 6 .42 6.39 6.3 9 6 .36 6.3 9 0 .06
24 30 1 4:0 0 6 .43 6.36 6.3 5 6 .38 6.3 8 0 .08
25 30 1 6:2 5 6 .39 6.38 6.4 3 6 .44 6.4 1 0 .06
S uma 16 0.2 5 2 .19

P a s o 1. C alc ular e l pro m e dio y el ran go p ara c ad a s ubg rup o

15/03/2015
X= (x 1+ x 2 + x 3 + x 4 )/n R = Xm x -Xm n. 61

CARTA DE RANGOS

0.35
0.30
0.30
0.25
Ra n g o s

0.20
0.1998
0.15
0.10
0.0876
0.05
0.00 0.0000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Subgrupos

Paso 2. Calcular el rango promedio.

R = 2.19/25 = 0.0876

Paso 3. Dibujar los rangos en la carta de control.

Paso 4. Calcular los lmites de control del rango.

LCSR = D4 * R = 2.28 * 0.0876 = 0.1998 mm n 2 3 4 5 6 7 8 9 10


LCIR = D3 * R = 0 * 0.0876 = 0 D4 3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78
D3 * * * * * 0.08 0.14 0.18 0.22
Constantes para el clculo de los Lmites de Control
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
15/03/2015
Paso 5. 62
Dibujar las lneas para los puntos de control de rangos.

31
15/03/2015

CARTA DE PROMEDIOS

6.70
6.65 6.65
6.60
6.55
6.51

Subgrupos
6.50 6.47
6.45
6.40 6.41
6.35 6.35
6.34
6.30
6.25
6.20
6.15
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Dime tros prome dio

Paso 6.Calcular el promedio de la media.


X = 160.25/25 = 6.41 mm.
Paso 7. Dibujar los promedios en la carta de control.
Paso 8. Calcular los lmites de control del promedio
LCSx = X+(A 2*R) = 6.41+(0.729*0.0876) = 6.477 mm.
LCIx = X-(A2*R) = 6.41-(0.729*0.0876) = 6.35 mm.
Paso 9. Dibujar las lneas para los puntos de control de promedios.

CARTA DE PROMEDIOS
n 2 3 4 5 6 7 8 9 10
Constantes para el clculo de D4 3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78
D3 * * * * * 0.08 0.14 0.18 0.22
los Lmites de control
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
15/03/2015 63

Patrones comnmente encontrados en


grficas de control

PATRN PROBABLE DESCRIPCIN CAUSAS

Variacin natural CAUSAS COMUNES (O NO


o aleatoria. ASIGNABLES).

FALTA DE CAUSAS ESPECIALES (O


ESTABILIDAD ASIGNABLES):
HERRAMIENTA, MATERIAL,
OPERARIO, SOBRECONTROL

TENDENCIA
ACUMULATIVA DESGASTE DE
HERRAMIENTAS

CCLICO DIFERENTES TURNOS,


FLUCTUACIONES DE
15/03/2015 64 VOLTAJE, EFECTOS
ESTACIONALES

32
15/03/2015

INTERPRETACIN DEL ESTADO DE


CONTROL DEL PROCESO

Un punto ms all de los lmites de control


en la Grfica X.
Uno ms puntos fuera de los lmites de control en la
Grfica X es la primera evidencia de la presencia de
causas asignables en ese punto.
El lmite control o el trazado del punto en la grfica
estn errados.
El proceso ha cambiado ya sea en ese punto en el
tiempo, debido a un incidente aislado o como parte de
una tendencia.
El sistema de medicin ha cambiado.
15/03/2015 65

INTERPRETACIN DEL ESTADO DE


CONTROL DEL PROCESO
Los puntos de la data son comparados con los lmites de
control para ver si existen puntos fuera de control y patrones o
tendencias inusuales.
Un punto sobre el lmite de control superior del rango es
seal de:
El lmite de control o el punto trazado ha sido mal calculado
o mal trazado.
Sistema de medicin cambiado.
La variabilidad pieza a pieza o la amplitud de la distribucin
ha cambiado ya sea en ese punto, en el tiempo o como parte de
una tendencia.
15/03/2015 66

33
15/03/2015

Un punto debajo del lmite de control inferior


de rango ( para muestras de tamao 7 o ms)
El lmite de control o el punto trazado estn
errados.
La amplitud de la distribucin ha disminuido (ha
mejorado).
El sistema de medicin ha cambiado.

15/03/2015 67

PRUEBAS DE
INESTABILIDAD

15/03/2015
REGLAS DE 68

PARADA

34
15/03/2015

Interpretacin de los grficos de


control

Necesitamos determinar si el proceso est bajo


control, lo cual se traduce en que los puntos
mostrados estn dentro de los lmites de control y
presenten un comportamiento aleatorio.
Para esto se utilizan una serie de reglas
empricas, cuya presentacin se facilita si el rea
dentro de los lmites de control se divide en
regiones iguales.

15/03/2015 69

Interpretacin de los grficos de


control (cont)
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Muestra

15/03/2015 70

35
15/03/2015

Interpretacin de los grficos de


control (cont)

A las reglas empricas que se utilizan para


determinar si un proceso est bajo control se
les suele denominar reglas de parada.
Corresponden a sucesos que tienen muy baja
probabilidad de ocurrir si el proceso est bajo
control.
Cada una de ellas provee informacin sobre el
tipo de causa asignable que puede estar
afectando al proceso.

15/03/2015 71

Reglas de parada

Un punto fuera de la zona A. Corresponde a


un cambio repentino en la media o la dispersin
del proceso.
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Muestra

15/03/2015 72

36
15/03/2015

Reglas de parada

Siete puntos en fila, todos crecientes o


decrecientes. Se presenta cuando hay
cambios paulatinos en la media, debido a
desgastes en herramientas o fatiga del
personal.
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Muestra

15/03/2015 73

Reglas de parada (cont)

Catorce puntos en fila alternando arriba y


abajo. Indica correlacin negativa entre los
datos (cuando hay excesos en una, a la
siguiente pieza es muy reducida y viceversa).
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25

Muestra

15/03/2015 74

37
15/03/2015

Reglas de parada (cont)

Quince puntos en fila en la zona C. El


proceso ha reducido su varianza (hay
sobreestabilidad en el sistema). Es importante
investigar la fuente de la mejora.
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Muestra

15/03/2015 75

Reglas de parada (cont)

Dos de tres puntos consecutivos en la zona


A o ms all. Indican un incremento en la
varianza del proceso.
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Muestra

15/03/2015 76

38
15/03/2015

Reglas de parada (cont)

Estructuras peridicas. Estas estn


asociadas normalmente con cambios de turnos,
operarios, das de la semana, etc.
10.5

Zona A
Caracterstica de Calidad

Zona B

Zona C
10.0

Zona C

Zona B
9.5

Zona A

5 10 15 20 25
Muestra

15/03/2015 77

Reglas de parada (cont)

Nunca trate de explicar la influencia de todos y


cada uno de los eventos que ocurren en la
planta a travs de grficos de control. El
procedimiento correcto es detectar ALARMAS y
luego usar los registros de eventos para
determinar si corresponden a causas
asignables o a causas comunes.

15/03/2015 78

39
15/03/2015

Interpretacin de los grficos de control


(cont)
El clculo del nivel de significancia para las
reglas de parada que se establezcan es
importante para un correcto anlisis. Un punto
que incumple una regla de parada es una
ALARMA pero no necesariamente significa que
nuestro proceso est fuera de control, ya que si
no podemos ligarlo a una causa asignable puede
tratarse del azar.

15/03/2015 79

Ejemplos adicionales

Ejemplo 3.- Dentro de


un proceso de moldeo de Da Defectos Da Defectos
1 9 16 9
PVC las piezas 2 16 17 5
elaboradas pueden 3
4
5
6
18
19
6
4
presentar o no defectos 5 7 20 11
6 9 21 3
superficiales. Cada da se 7 3 22 1
8 9 23 3
toman 100 piezas al azar 9 10 24 0
de la lnea de produccin 10 4 25 4
11 7 26 6
y se cuenta el nmero de 12 10 27 1
13 6 28 6
piezas defectuosas. 14 6 29 5
15 7 30 4

15/03/2015 80

40
15/03/2015

Ejemplos adicionales (cont)

Tambin se dispone de un registro de eventos en la


lnea, que puede resumirse como:

D a E v e n to
5 R e e m p la zo d e la m e zc la d o ra .
10 N u e v o e m p le a d o a s u m e la o p e ra ci n d e l
p ro ce s o .
18 S e co m e n z a u tiliz a r re s in a (m a te ria
p rim a ) d e o tro p ro v e e d o r.
22 S u s titu ci n d e l sis te m a d e e n fria m ie n to , lo
que p e rm iti un in c re m e n to en la
te m p e ra tu ra d e in y e cci n d e P V C .

15/03/2015 81

Ejemplos adicionales (cont)

El grfico p correspondiente a estos datos es el


siguiente:
0.20
Proporcion de piezas con defectos superficiales

0.15

LSC=0.1323
0.10

LC=0.0606
0.05

LIC=0.0000
0.0

0 5 10 15 20 25 30

Dia

15/03/2015 82

41
15/03/2015

Ejemplos adicionales (cont)

Si bien el punto 2 aparece fuera de los lmites,


no existe en el registro ningn evento que nos
haga creer que el proceso se encontraba fuera
de control.
Al llegar al punto 29 se presenta una racha de 9
puntos bajo la lnea central (lo cual tiene una
probabilidad de 0,00195 en un proceso bajo
control). Esto se puede relacionar con el cambio
en el sistema de enfriamiento (da 22). El 30 es
similar.

15/03/2015 83

Ejemplos adicionales (cont)

Nuestra conclusin es que la temperatura de


inyeccin influye sobre la frecuencia en que
aparecen defectos superficiales. El cambio del
sistema de enfriamiento permiti elevar la
temperatura, lo cual redujo el nmero de
defectos.

15/03/2015 84

42
15/03/2015

Control y mejora de procesos

Impacto del trabajo de un ingeniero en el


control y mejora de procesos.
Peso

Proceso fuera de control Proceso bajo de control Proceso mejorado


Lmite Superior
de Control (UCL)

Media del
proceso,

Lmite Inferior
de Control (LCL)

Tiempo
15/03/2015 85

Longitud de la corrida promedio (ARL)

Otra forma de enfrentar el problema de decidir sobre


el tamao de muestra (n) y la frecuencia (h) de
muestreo es mediante La Longitud de la Corrida
Promedio (ARL) (Average run length).
La ARL es el nmero promedio de puntos que deben
graficarse antes de que un punto indique una
condicin fuera de control.
LSC

LC

LIC

1 2 ... i i+1 ... ARL ...


86 ARL

43
15/03/2015

Longitud de la corrida promedio

Se designa p como la probabilidad de que cualquier


punto exceda los lmites de control.
La longitud de la corrida promedio cuando el proceso
est bajo control se llama ARL0 y se calcula
mediante: 1
ARL 0 P

Mientras ms grande sea ARL se tendrn menos falsas alarmas.
La longitud de la corrida promedio cuando el proceso
est fuera de control se llama ARL1 y se calcula
mediante: 1
ARL1 P
1
Mientras ms pequeo sea el ARL necesito menos muestras
para calcular .
87

Tiempo promedio entre seales

El Tiempo Promedio de Seal (ATS) es el tiempo que


debe transcurrir en promedio entre una seal de fuera
de control y otra. Si se toma una muestra cada h
unidades de tiempo, entonces el ATS se calcula
mediante:
ATS = ARL .h

88

44
15/03/2015

Efectos de los lmites de control


sobre y
a) si los lmites de control son ms anchos:
se reduce
se incrementa

b) si los lmites de control son ms angostos:


se incrementa
se reduce

c) si se toman muestras ms grandes:


se reduce
se reduce

CO4311- Estadstica para la Calidad


89

Implementacin del Control


Estadstico del Proceso
Elementos de un programa de CEP exitoso:
Liderazgo administrativo.
Un enfoque de equipo.
Educacin de los empleados a todos los niveles.
Enfasis en la mejora continua.
Un mecanismo para reconocer el xito y
comunicarlo a toda la organizacin.

90

45