Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2018
IX
II
Contenido
• Introducción
• Herramientas estadísticas de calidad II:
- Histograma de frecuencias.
- Diagrama de dispersión o de Scatter.
- Cartas de control de procesos.
- Diagramas de flujo de procesos.
Objetivos
s _
xi
p X
264
➢N° total muestra (n): 100 empresas mineras
➢Rango (R): Mayor Valor – Menor Valor : 346 – 176 = 170
➢ Rango ajustado: R’ = 1,05*170 = 178,5
➢Precisar el número de intervalos = K, utilizar la siguiente
fórmula o pauta : k = 1 + 3,3 LOG (100) = 7,6 8
POLÍGONO DE FRECUENCIAS
20
15
Frecuencia
10
0
180 210 240 270 300 330
N° de accidentes
MINITAB: Estadística > Estadística básica > Prueba de Normalidad. Variable C1 Seleccionar
Prueba de Ryan Joiner OK
Es Normal porque el
Valor P > 0,05.
PRUEBA DE NORMALIDAD
Normal
99.9
Media 264.2
Desv .Est. 31.99
99
N 100
RJ 0.991
95 Valor P >0.100
90
80
Porcentaje
70
60
50
40
30
20
10
5
0.1
150 200 250 300 350
N° de accidentes
MINITAB: Gráfica > Gráfica de Probabilidad > Variable de gráficas: N° de
accidentes. Distribución: Normal OK.
70
60
50
40
30
20
10
5
0.1
150 200 250 300 350 400
N° de accidentes
MINITAB: Estadística > Herramientas de calidad > Análisis de Capacidad > Normal. Columna
individual N° de accidentes Tamaño de subgrupo 1 LEI 150 LES 300. Estimar R-barra OK
LEI LES
Procesar datos Dentro de
LEI 150 General
O bjetiv o *
C apacidad (dentro) del potencial Cp =
(LSE − LIE ) = (300-150)/(6*31,99)= 0,80
LES 300
Media de la muestra 264.19 Cp 0.80 6S
Número de muestra 100 C PL 1.23
Desv .Est. (Dentro) 31.0642 C PU 0.38
menor Z I , Z S 1,12
Desv .Est. (General) 31.9907 C pk 0.38 C pk = = = 0,38
C apacidad general 3 3
Pp 0.78
PPL 1.19 Donde: Zi = (300 – 264,2)/31,99 = 1,12
PPU 0.37
Ppk 0.37
C pm * Y: Zs = (150 – 264,2)/31,99 = -
3,57
300
E specificaciones
_ LE I 150
270 _
X=264.19 LE S 300
240
LCI=221.59
1 3 5 7 9 11 13 15 17 19 150 180 210 240 270 300 330
LCS=156.2
_
80 R=73.9
0 LCI=0
1 3 5 7 9 11 13 15 17 19 200 300 400
Cp 0.79 Pp 0.78
Cpk 0.38 General Ppk 0.37
240
PPM 129846.18 Cpm *
PPM 131666.58
160 Especificaciones
www.jdsasesoria.tk
5
www.tecnicap.net
10
Muestra
15 20
Ejemplo 1: Diagrama de Scatter de salario de empleado
SOLUCIÓN CON EXCEL Y MINITAB:
a) Diagrama de dispersión: Se observa una linealidad en los datos con alta pendiente y (+).
EJEMPLO 1: MEDICIÓN DEL ÍNDICE DE DESEMPEÑO
X: Indice de evaluación del trabajo.
Y: Salario del empleado (miles de US $/año)
X Y
9 36
7 25
8 33
4 15
7 28
5 19
5 20
6 22
n= 8 empleados
X= 1 a 10
b) Ecuación de estimación:
Y = a + b*X
Donde: a = -2.1132
b = 4.2138
Y = -2.1132 + 4.2138 X
c) Error estándar:
e= 1.3286
d) Gráfica de la Línea de regresión:
Diagrama de regresión lineal
35
30
25
Y
e) Y = ? Para X = 2, 3 y 10. 20
Y= 6.31 miles de US $
15
Y= 10.53 miles de US $
Y= 40.03 miles de US $ 4 5 6 7 8 9
X
f) Coeficiente de correlación:
g) Coeficiente de determinación
r2 = 0.9709
Ejemplo 2: Diagrama de Scatter de Eficiencia de máquinas
EJEMPLO 2: EFICIENCIA DE MÁQUINAS Y VIDA ÚTIL
X: Vida útil de las máquinas (años)
Y: Eficiencia (%) SOLUCIÓN CON EXCEL Y
X Y MINITAB:
2 90
a) Diagrama de dispersión: Se observa linealidad con alta pendiente (-)
4 65
11 25
9 40
4 80
6 60
7 35
8 50
n= 8 máquinas
b) Línea de regresión:
Y = a + b*X
Donde: a = 100.6364
b = -7.0606
Y = 100.6364 + -7.0606 X
c) Error estándar:
e= 8.5369
Diagrama de regresión lineal
d) Gráfica de la línea de regresión:
90
80
70
60
Y
50
40
e) Y = ? Para X = 10 años 30
20
Y= 30.03 %
2 3 4 5 6 7 8 9 10 11
X
f) Coeficiente de correlación:
g) Coeficiente de determinación
r2 = 0.87584
GRÁFICAS DE CONTROL
UCL=77.20 80
UCL=77.27
75
Sample Mean
Sample Mean
X =70.98
70
X =70.91
LCL=64.70
70
60
65 LCL=64.62
50
0 5 10 15 20 25
0 5 10 15 20 25
Sample Number
Sample Number
Causas Especiales
Son pocas y de aparición irregular, pero con grandes efectos. Son eliminables.
Diremos que un proceso está en estado de control cuando no le afecta
ninguna causa asignable. Los Diagramas de Control sirven para
determinar si el proceso está controlado o no lo está.
El fundamento teórico de una gráfica de control se basa en la
construcción, a partir de los valores de la esperanza o media
poblacional y la desviación típica muestral del modelo teórico de
distribución que sigue la característica de calidad considerada, de un
intervalo de control (generalmente [ - 3 , + 3 ]).
Dentro de este intervalo están casi todos los valores muestrales del
proceso, si éste se encuentra bajo control. Las muestras se obtienen a
intervalos regulares de tiempo.
Un punto que cae fuera de los límites de control, indicaría que el
proceso está fuera de control.
El control de calidad se realiza observando en cada elemento:
Las cartas o gráficos de control sirven para monitorear el proceso, prevenir defectivos y
facilitar la mejora. Hay dos tipos de cartas de control: Por atributos (juzga productos como
buenos o malos) y por variables (variables como, temperaturas).
Cartas de control
12.5 Límite
Superior de
11.5 Control
10.5
9.5 Línea
Central
8.5
Límite
Inferior de
7.5
Control
0 10 20 30
Carta de control
“Escuche la Voz del Proceso” Región de control,
M captura la variación
E
natural del proceso
D
I original
D LSC
A
S
C
A LIC
L Tendencia del proceso
I
D El proceso ha cambiado
A
Causa Especial
identificada
D
TIEMPO
EJEMPLOS
Ejemplo 1: Se cuenta con dureza de 100 múltiples de
admisión mostrada en la tabla.
La especificación es de 1 a 3 Rockwell.
Muestra Dureza
Nº 1 2 3 4 5
1 1.855 1.162 1.606 2.010 1.929
2 2.020 1.473 1.502 2.471 1.518
3 2.378 1.525 1.743 2.193 1.492
4 1.644 1.870 1.703 1.745 1.640
5 2.189 2.281 1.854 1.945 1.801
6 1.828 1.793 1.943 1.894 1.971
7 2.614 1.976 1.649 1.827 2.179
8 2.298 2.533 2.681 1.548 2.233
9 1.917 2.280 1.817 2.333 1.773
10 1.823 2.060 2.290 1.471 1.364
11 2.431 1.267 1.737 2.011 2.061
12 1.756 1.611 1.570 1.563 1.420
13 2.047 1.931 2.805 1.926 1.988
14 1.756 1.895 1.723 1.901 1.873
15 1.677 1.888 1.751 1.763 1.821
16 2.351 1.790 2.416 2.305 1.985
17 1.930 2.133 1.976 2.133 2.107
18 1.833 1.575 2.039 1.492 1.838
19 1.941 1.788 2.077 1.607 1.376
20 1.883 2.220 1.581 2.290 1.105
Se tienen datos continuos leídos en 1 subgrupo, entonces se
trata de una Gráfica de Valores Individuales y Rangos móviles
(I & MR). El MINITAB reporta:
2.5
2.0 _
RC
X=1.896
1.5
1.0 LC L=0.937
1 10 20 30 40 50 60 70 80 90 100
Muestra
LIC 0,937Rc
Los límites de control inferior, 1 Media 1,896Rc
1.2 UC L=1.178
promedio y superior son: LSC 2,855Rc
El MINITAB reporta la distribución siguiente:
1. Stat > Control Charts > Variable charts for Subgroups > Xbar-R
2. Seleccionar Observations for a subgroup are in one row of columns
3. Seleccionar columnas de variables W1 – W5
4. Seleccionar X-Bar Options y en Estimate Rbar. OK.
Se observa una Distribución Normal. Como la capacidad Cpk >> 1, entonces el proceso es
capaz y está bajo control. La VoP se aproxima a la VoC, por lo se nota una curva esbelta.
Ejemplo 3: Construir e interpretar una gráfica para
información sobre lavatorios defectuosos mostrados en la
siguiente tabla.
Fecha Unidades Unidades defectuosas Fracción defectuosa (p)
producidas (n) (Xd)
Hay 3 causas
especiales: El
proceso no es
estable. Es anormal¡
LIC 0,024
Los límites de control inferior, Media 0,106
promedio y superior son: LSC 0,187
Stat > Quality Tools > Capability Analysis > Normal.
Sub group size: 5 Subgroups across rows of: C4
Lower spec: 0.024 Upper spec: 0.187 Ok.
Se ve que los datos tienen Distribución Binomial. Como la capacidad Cpk < 1,
entonces el proceso no es capaz ( la VoP no se ajusta a la VoC), ni está bajo
control.
Ejemplo 4: Construir una gráfica C para el número de No
Conformidades observados en 26 unidades de inspección
sucesivas de 100 muestras de circuitos impresos.
21 19
24 10
16 17
12 13
15 22
5 18
28 39
20 30
31 24
25 16
20 19
24 17
16 15
Se tienen datos discretos leídos con defectos (ocurrencia o
falla individual) y n = constante, entonces se trata de una
Gráfica C.
Aplicando las relaciones:
LSC = C + { 3*C1/2}
X(media) = C = ∑ Ci / n
LIC = C - { 3*C1/2}
Entonces:
Se tiene n= 26
C = X(media) = 516 / 26 = 19,85
LSC = 33,22
LIC = 6,48
Stat > Control Charts > Attribute chart > C
Seleccionar Variables: N° No conformidades Subgroup size 100
C-Chart Options 19.85 OK.
Hay 2 causas
C Chart of C1 especiales: El
40 1 proceso no es
estable¡
UCL=33.22
30
Sample Count
_
20 C=19.85
10
LCL=6.48
1
0
1 4 7 10 13 16 19 22 25
Sample
Los datos de frecuencia tienen Distribución Binomial. Como la capacidad Cpk <
1, entonces el proceso no es capaz ni está bajo control.
Ejemplo 5: Suponer que en una fábrica que produce
botellas de polietileno el tamaño de muestra no hubiera
sido una botella sino un grupo de éstas.
No. de botellas (n) No. de defectos
2 3
3 2
8 4
6 0
4 1
6 2
9 1
5 5
4 6
3 1
8 2
9 0
4 1
6 5
3 2
7 5
9 4
8 3
5 6
6 2
Se tienen datos discretos leídos con defectos (ocurrencia o
falla individual) y n = variable, entonces se trata de una
Gráfica U.
Aplicando las relaciones y la Regla de 25%:
LSC = U + { 3* [U/n]1/2}
X(media) = U = ∑ Ci / ∑ ni
LIC = U - { 3* [U/n]1/2}
Entonces:
Se tiene n= ∑ni / 25 = 115 / 25 = 4,6
75% n = 3,5 y 125% n = 6 → 3,5 <= n <= 6
U = X(media) = 0,478
LSC = 1,446
LIC = -0,489
Tabulando en el cuadro anterior se tienen los resultados
de los límites y la media:
Total 115 55
El Excel reporta la gráfica de control siguiente:
Número de defectos
Hay 2 causas
especiales: El
proceso no es
estable¡
2 3 8 6 4 6 9 5 4 3 8 9 4 6 3 7 9 8 5 6
2.000
1.500
1.000
0.500
0.000
-0.500
-1.000