Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.-Manual Teorico-Practico de Control Estadistico de Procesos-Rev A PDF
1.-Manual Teorico-Practico de Control Estadistico de Procesos-Rev A PDF
PROLOGO
Este manual fue diseado en la Unidad Acadmica Reynosa Aztln
de la Universidad Autnoma de Tamaulipas con el propsito de
proveer a los alumnos de dicha institucin las bases del Control
Estadstico de Procesos que la industria demanda y as lograr
profesionistas competitivos en el entorno laboral.
INDICE
INTRODUCCION
INTRODUCCION
UNIDAD 1
Ejemplos:
Ejemplo:
QUE ES LA ESTADISTICA?
Ejemplos:
La Seleccin de los elementos que integren las muestras debe ser casual.
Es decir, no se podrn conocer de antemano los elementos. Tenemos
luego la segunda caracterstica que debe poseer toda muestra, la de ser
aleatoria.
Ejemplos:
DISTRIBUCION
Se denomina Variables.
Por medio de las capacidades del proceso nos permite tomar mejores
decisiones acerca de las tolerancias de ingeniera.
Medirla!!!
Interpretarla!!!
Las grficas de control son el medio por el cual los parmetros del
producto y proceso son registrados en el tiempo. Las grficas de
control incorporan lmites de control superiores e inferiores los cuales
reflejan los limites naturales de la variabilidad (aleatoria). Estos
lmites no deben de compararse con las especificaciones del cliente.
Las acciones que tomamos para atacar estas causas especiales son la
clave del uso exitoso del Control Estadstico de Proceso.
TIPOS DE VARIACION
Desventajas
CONCLUCION
Es preferible un sistema constante, ya que con pequeos ajustes, lo
voy a llevar ms rpido al nominal, para esto se atacan primero las
causas especiales y luego las comunes.
Las Grficas X-R son tiles para procesos dominados por maquinas.
2. Defina el proceso
o Evite problemas obvios que pueden o deben ser corregidos aun sin uso
de graficas de control
1. Recopilar informacin
a) Seleccione el tamao, frecuencia y nmero de subgrupos.
o Tamao de subgrupo
o Frecuencia del subgrupo
o Numero de subgrupos
c) Corridas
h) Corridas
Tendencias Estacionales:
Estas pueden ser causadas por cambios sistemticos como: temperatura, fatiga
del operador, variacin del voltaje o la presin, etc.
Mezclas
Un claro indicador es cuando la mayora de los puntos estn cerca de los lmites
de control, y casi ninguna cerca de la lnea central. Esto usualmente es debido a
Espacio en Blanco:
EJERCICIO #1
X1 69 66 68 68 66 65 67 66 67 66
X2 66 68 66 67 65 65 66 70 66 68
X3 66 66 65 66 68 67 67 69 68 66
X4 68 68 66 67 66 66 69 68 69 69
X5 71 69 70 66 70 68 68 70 67 66
Suma 340 337 335 334 335 331 337 343 337 335
X 68.0 67.4 67.0 66.8 67.0 66.2 67.4 68.6 67.4 67.0
Rango 5 3 5 2 5 3 3 4 3 3
68+67.4+67+66.8+67+66.2+67.4+68.6+67.4+67
X= = 67.28
10
5+3+5+2+5+3+3+4+3+3
R= = 3.64
10
MINITAB
Seleccione en el men:
Stat/Control Charts/Variables
Charts for Subgroups/Xbar-R
Xbar-R Chart of F
U C L=69.376
69
Sample M ean
68
_
_
X=67.28
67
66
LC L=65.184
65
1 2 3 4 5 6 7 8 9 10
Sample
8
U C L=7.683
6
Sample Range
4 _
R=3.634
0 LC L=0
1 2 3 4 5 6 7 8 9 10
Sample
EJERCICIO #2
Donde n=5
Desarrolle el clculo y grafique manualmente, posteriormente compruebe los resultados en Minitab.
P
R
O
M
E
D
I
O
S
R
A
N
G
O
S
Fecha
Subgrupo (k) 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 26 27 28 29 30
n1
n2
n3
n4
n5
Suma
X
Rango
EJERCICIO #3
EJERCICIO #4
14. Grafique
15. Conclusiones.
EJERCICIO #1
14.213
=0.948
15
152
=10.133 Redondea a 10
15
156.74
=10.499
15
MINITAB
Seleccione en el men:
Stat/Control Charts/Variables
Charts for Subgroups/Xbar-S
EJERCICIO #2
EJERCICIO #3
Los siguientes datos representan el valor del proceso que fabrica piezas de aluminio
que se utilizan posteriormente en la fabricacin de contrapeso en un modelo especial
de montacargas
# X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 39 32 38 35 31 21 34 38 29 27
2 26 29 31 25 34 22 31 31 33 32
3 29 32 21 28 33 23 30 34 39 32
4 29 29 39 31 31 24 28 27 25 32
5 28 29 33 34 25 34 35 23 28 24
6 28 35 28 38 33 40 31 36 29 35
7 21 30 22 33 26 37 27 38 38 31
8 29 31 32 29 38 33 37 39 27 34
9 27 37 26 26 35 31 25 34 32 29
10 29 31 26 37 32 33 38 36 38 28
11 28 31 35 31 28 32 34 26 31 29
12 31 25 24 32 29 33 35 28 24 27
13 28 37 29 33 28 38 38 31 39 29
14 37 32 31 38 30 31 29 30 33 28
15 25 31 24 31 22 33 36 41 39 36
16 28 31 37 31 32 32 27 29 33 36
17 38 39 40 40 29 38 37 34 39 41
18 35 33 34 41 31 36 29 37 33 33
19 31 31 35 31 39 38 33 36 41 40
20 31 27 38 38 31 34 35 23 28 24
EJERCICIO#1
MAQUINA n X S nX nS2
A 12 3.21 0.71 38.52 6.05
B 27 3.33 0.73 89.91 14.39
C 35 4.23 1.21 148.05 51.24
D 42 3.41 0.65 143.22 17.75
E 10 4.23 1.71 42.3 29.24
F 21 4.35 1.54 91.35 49.80
G 13 2.18 0.67 28.34 5.84
H 51 3.45 1.55 175.95 122.53
I 44 4.43 1.63 194.92 116.90
255 952.56 413.7374
[12 x 0.712]+ [27 x 0.732] + [35 x 1.212] + [42 x 0.652] + [10 x 1.712] + [21 x 1.542]
+ [13 x 0.672] + [51 x 1.552] + [44 x 1.632]
12+27+35+42+10+21+13+51+44
S= 1.27
255
n= 28.3
3 3
B4= 1 + = 1.40 B3= 1 - = 0.60
OTOO 2012
2 x Ing.
28.3Octavio Muoz Rodrguez 2 x 28.3
Pgina 67
MANUAL TEORICO-PRACTICO
CONTROL ESTADISTICO DE PROCESOS
[12 x 3.21]+ [27 x 3.33] + [35 x 4.23] + [42 x 3.41] + [10 x 4.23] +
[21 x 4.35] + [13 x 2.18] + [51 x 3.45] + [44 x 4.43]
12+27+35+42+10+21+13+51+44
X= 3.74
3
= 0.564
28.3
EJERCICIO #2
Calcule los lmites de control y grafique los resultados con sus respectivos
valores de medias y desviaciones estndar.
n X S nX nS2
54 2.2 0.3 118.8 4.86
57 2.3 1.2 131.1 82.08
42 2 0.5 84 10.50
30 1.9 0.4 57 4.80
31 3.5 0.5 108.5 7.75
40 2.7 0.7 108 19.60
42 3.8 1.2 159.6 60.48
45 2.7 1.3 121.5 76.05
50 3.1 1.5 155 112.50
54 2.1 1.8 113.4 174.96
52 2 1.7 104 150.28
50 1.7 1.8 85 162.00
39 1.5 1.6 58.5 99.84
40 1.2 1.2 48 57.60
43 1.8 1.2 77.4 61.92
45 1.6 1.4 72 88.20
51 0.2 4.3 10.2 942.99
50 1.2 2.2 60 242.00
50 2.3 3.2 115 512.00
47 3.2 3.5 150.4 575.75
48 2.1 3.1 100.8 461.28
45 4.2 2.4 189 259.20
39 2.3 2.1 89.7 171.99
51 4.2 2.4 214.2 293.76
50 1.5 2.2 75 242.00
EJERCICIO #3
2
Lab #pruebas media desv std. nX nS
1 4 18.075 5.681 72.3 129.095
2 28 14.568 2.444 407.904 167.2478
3 13 14.8 4.019 192.4 209.9807
4 22 14.427 4.175 317.394 383.4738
5 3 11.266 6.803 33.798 138.8424
6 23 11.91 4.43 273.93 451.3727
7 9 16.01 3.693 144.09 122.7442
Pasa- no pasa
Conforme No conforme
Aprobado- Rechazado
EJERCICIO #1
38
=0.076
500
0.076 [1-0.076]
=0.076
50
0.076 [1-0.076]
0.076+3 =0.187
50
0.076 [1-0.076]
0.076-3 =-0.035
50
MINITAB
Seleccione en el men:
Stat/Control Charts/Atributes
Charts/P
En el campo de Variables
Selecciones los defectos detectados.
P Chart of DEFECTOS
0.20
UCL=0.1884
0.15
Proportion
0.10
_
P=0.076
0.05
0.00 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample
EJERCICIO #2
GRAFICO
2. Calcular los lmites de control para cada uno de los grupos, basados en
cada valor de n.
EJERCICIO #1
El nmero de Fax enviados a clientes con fallas fue registrado en una hoja
de datos, la cual se reproduce a continuacin.
585
=29.25
20
99
=0.169
585
0.169 [1-0.169]
0.169+3 =0.377
29.25
0.169 [1-169]
0.169+3 =-0.039
29.25
0.4
UCL=0.3781
0.3
Proportion
0.2 _
P=0.1692
0.1
0.0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes
EJERCICIO#2
GRAFICOS np
EJERCICIO #1
LOTE n np
1 300 12
2 300 15
3 300 17
4 300 21
5 300 40
6 300 0
7 300 25
8 300 31
9 300 27
10 300 0
11 300 11
12 300 13
SUMATORIA 3600 212
1. Obtener la sumatoria de n y np
X n np
1 300 12
2 300 15
3 300 17
4 300 21
5 300 40
6 300 0
7 300 25
8 300 31
9 300 27
10 300 0
11 300 11
12 300 13
SUMATORIA 3600 212
OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 93
MANUAL TEORICO-PRACTICO
CONTROL ESTADISTICO DE PROCESOS
212
=17.67
12
212
=0.059
3600
4.- Los lmites superior e inferior de control toman los siguientes valores
EJERCICIO#2
LOTE np
1 4
2 2
3 6
4 2
5 6
6 3
7 0
8 1
9 7
10 3
11 2
12 1
13 2
14 2
15 4
SUMATORIA
Objetivos de la grafica c
Elaboracin de la grafica c
EJERCICIO #1
Folleto errores
1 8
2 5
3 8
4 11
5 7
6 6
7 7
8 12
9 9
10 6
11 4
12 2
13 5
14 9
15 10
16 4
17 3
18 8
19 6
20 7
137
137
=6.85
20
C Chart of errores
16
UCL=14.70
14
12
10
Sample Count
8 _
C=6.85
6
0 LCL=0
1 3 5 7 9 11 13 15 17 19
Sample
EJERCICIO #2
Lote c
1 17
2 16
3 16
4 17
5 17
6 18
7 24
8 19
9 19
10 18
11 14
12 15
13 15
14 16
15 20
16 16
17 14
18 16
19 15
20 19
EJERCICIO#3
De acuerdo a las inspecciones que se realizan en los rollos de tela para tapicera de interiores
de autobuses.
1 20
2 23
3 25
4 31
5 26
6 23
7 25
8 23
9 21
10 26
11 22
12 19
13 26
14 23
15 21
16 24
17 20
18 21
19 17
20 19
21 23
22 28
23 21
24 37
25 26
26 17
27 9
28 11
29 18
30 16
31 18
32 22
33 28
34 27
35 31
36 22
37 24
38 21
39 29
40 24
GRAFICOS U
Qu es la grafica u?
Elaboracin de la grafica u
EJERCICIO#1
Lote n c u Lote n c u
1 20 72 3.6 11 25 47 1.88
2 20 38 1.9 12 25 55 2.2
3 40 76 1.9 13 25 49 1.96
4 25 35 1.4 14 25 62 2.48
5 25 62 2.48 15 25 71 2.84
6 25 81 3.24 16 20 47 2.35
7 40 97 2.425 17 20 41 2.05
8 40 78 1.95 18 20 52 2.6
9 40 103 2.575 19 40 128 3.2
10 40 56 1.4 20 40 84 2.1
Total 580 1334
Lote n c u Lote n c u
1 20 72 3.6 11 25 47 1.88
2 20 38 1.9 12 25 55 2.2
3 40 76 1.9 13 25 49 1.96
4 25 35 1.4 14 25 62 2.48
5 25 62 2.48 15 25 71 2.84
6 25 81 3.24 16 20 47 2.35
7 40 97 2.425 17 20 41 2.05
8 40 78 1.95 18 20 52 2.6
9 40 103 2.575 19 40 128 3.2
10 40 56 1.4 20 40 84 2.1
Total 580 1334
PARA n=20
1334
=2.30
580
PARA n=40
EJERCICIO#2
n c
Manual No. De Hojas Errores u
1 150 8 0.053
2 150 7 0.047
3 175 4 0.023
4 186 6 0.032
5 195 6 0.031
6 184 5 0.027
7 179 1 0.006
8 180 4 0.022
9 176 5 0.028
10 160 8 0.050
suma 1735 54
Estas propiedades son tiles para entender las caractersticas del proceso
en cuestin de donde provienen.
La media, y
La desviacin estndar
Procesos de fabricacin
Anlisis:
USL LSL
Cp
6
USL X
CPU
3
X LSL
CPL
3
ZUSL USL X
LSL USL
Z LSL X LSL
Z m in
Cpk ZLSL ZUSL
3
EJERCICIO#1
Prom 21.35
desv std. 1.300
24 20
Cp = 0.51
6 *1.3
1.35 = 0.35
CpK
3 *1.3
EN MINITAB
Identifique la
columna de datos
LSL USL
P rocess D ata Within
LS L 20 Ov erall
Target *
USL 24 P otential (Within) C apability
S ample M ean 21.35 Cp 0.55
S ample N 100 C PL 0.37
C PU 0.72
S tD ev (Within) 1.22191
S tD ev (O v erall) 1.30305 C pk 0.37
C C pk 0.55
O v erall C apability
Pp 0.51
PPL 0.35
PPU 0.68
P pk 0.35
C pm *
19 20 21 22 23 24
O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L 120000.00 PPM < LS L 134616.18 P P M < LS L 150094.47
PPM > USL 0.00 PPM > USL 15051.05 PPM > USL 20991.67
P P M Total 120000.00 PPM Total 149667.23 P P M Total 171086.14
EJERCICIO#2
Utilice los datos del problema anterior con una especificacin de 22 onzas
con una tolerancia de +/-6. Y Calcule el Cp, CPU,CPL y CpK. Desarrolle los
clculos manuales y ejecute el ejercicio en MINITAB.
APENDICE #1
TABLAS DE CONSTANTES PARA GRAFICOS X-R Y X-S
APENDICE #2
OTOO 2012 Ing. Octavio Muoz Rodrguez Pgina 128
MANUAL TEORICO-PRACTICO
CONTROL ESTADISTICO DE PROCESOS
BIBLIOGRAFIA
MANUAL DE CONTROL ESTADISTICO DE CALIDAD: TEORIAS Y
APLICACIONES.
ESTADISTICA
Murray R. Spiegel
ITESM
E.L. Grant
R.S.Leavenworth