Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Graficos de Control 2
Graficos de Control 2
Subgrupo X1
1 18
2 19
3 18
4 19
5 20
6 17
7 18
8 20
9 18
10 20
11 19
12 18
13 18
14 17
15 18
16 19
17 20
18 21
19 20
20 19
Pruebas de Hipótesis
Gráfico X
H0: La media del peso es igual a 19,16 kg
H1: La media del peso es diferente a 19,16 kg
Límites de control
A2 0.577
LCS 21.0064
VM 19.16
LCI 17.3136
Gráfico X-bar para Col_1-Col_5
22
21 2
20
X-bar
1
19
18
1
17
0 4 8 12 16 20
Subgrupo
CURVA ARL
400
350
300
250
200
150
100
50
0
19.00 19.50 20.00 20.50 21.00 21.50 22.00 22.50 2
19.16 kg
1.3757523646 kg d2 2.326
Gráfico R
H0: La desviación estandar del peso es igual a 1,3757 kg
H1: La desviación estandar del peso es diferente a 1,3757
Límites de control
D4 2.114
kg D3 0
kg LCS 6.7648 kg
kg VM 3.2 kg
_5 Gráfico de R
LCI 0 kg
21,01
6
Rango
4
19,16
17,31
0
16 20 0 4
que en ninguno de los gráficos se pudo rechazar la hipótesis nula, se puede evidenciar que la variable de
control peso de la harina es estable (está bajo control estadístico)
ANÁLISIS: Los límites de tolerancia natural representan el comportamiento completo de la
variable estudiada, sirviendo de estimador para realizar inferencias de la población,
mientras que los limites de control solo muestran la variabilidad dentro de cada subgrupo.
21.076 kg
0.6152551615 kg
0.5450337956 *Suponiendo que x sigue una distribución normal
5E-10 *Cero
0.54503
1.835 *Aproximadamente dos subgrupos. Considerando que Y: es la cantidad de ensayos requeridos hasta encontrar
10 *Cada muestra incluye 5 bolsas de harina
4 *Se toma una muestra cada 2 hrs
fico detecte el tercer subgrupo con media corrida un 10% en el sexto subgrupo analizado?
p= 0,54503 y r=3.
CURVA OC
1.2
ARL
371.654779173
1
135.79065604
19.6259699131 0.8
7.9709425912
4.8725033592 0.6
1.8347486104
1.2677464737 0.4
1.0561467404
1.0076575163 0.2
1.0005974152
0
18.00 19.00 20.00 21.00 22.00 23.00 24.00
0.4
0.2
1.0000252883 0
18.00 19.00 20.00 21.00 22.00 23.00 24.00
400
200
100
0 21.50 22.00 22.50 23.00 23.50 24.00
0
17 18 19
enta en 5%, ¿cuál es la probabilidad de ser detectada por el gráfico de control?
Media de proceso
1.4445 kg * EL r sigue una distribución llamada Rango relativo: W=R/σ
0.005 W=LCS/σ 4.68301333
0E+00 W=LCI/σ 0
0.00500
del peso es igual a 1,3757 kg
del peso es diferente a 1,3757 kg
6,77
3,20
0,00
0 4 8 12 16 20
Subgrupo
0,8
Pr(aceptar)
0,6
0,4
0,2
4.00
0
Pr(a
0,4
0,2
4.00
0
Curva ARL para X-bar 15 17 19 21 23
Media de proceso
19 20 21
Media de proceso
ión de Pascal con r=1
GRAFICO X-S
Pruebas de Hipótesis
Gráfico X
H0: La media de la temperatura es igual a 24,418 ºC
H1: La media de la temperatura es diferente a 24,418 ºC
Límites de control
A3
LCS
VM
LCI
Gráfico X-bar para Col_1-Col_10
27
26 26,02
25
X-bar
24,42
24
23
22,82
22
0 4 8 12 16 20
Subgrupo
ANALISIS: El gráfico de medias muestra la estabilidad entre muestras, revelando en este caso un comportamient
entre cada una de las muestras. Aunque no existe ningún punto fuera de los limites de control, existen 8 puntos
debajo de la linea central. Por lo tanto, existe suficiente evidencia estadística para afirmar que la temperatura de
jugo es diferente a 24,418 ºC, con un nivel de confianza de 99.73%.
e control X-S
de Hipótesis
Gráfico S
edia de la temperatura es igual a 24,418 ºC H0: La desviación estandar
edia de la temperatura es diferente a 24,418 ºC H1: La desviación estandar
Límites de control
0.975 B4
26.0174820766 ºC B3
24.418 ºC LCS
22.8185179234 ºC VM
Gráfico S para Col_
para Col_1-Col_10 LCI
2,5
26,02
2
1,5
S
24,42
1
0,5
22,82
0
0 4 8
12 16 20 Subgrupo
grupo
ANALISIS: El gráfico S m
re muestras, revelando en este caso un comportamiento no aleatorio revelando en este caso u
n punto fuera de los limites de control, existen 8 puntos seguidos por ellas, sin existir ningún pun
videncia estadística para afirmar que la temperatura de las botellas de no existe suficiente eviden
C, con un nivel de confianza de 99.73%. estandar de la temperatur
un niv
Debido a que el gráfico X muestra un comportamiento no aleatorio entre las medias de los subgrupos del 1 al 8, entonces la variable
Temperatura no es estable (no está bajo control estadístico)
viación del proceso se incrementa en 8%, ¿cuál es la probabilidad de ser detectada por el gráfico de control?
eva desviación estandar del proceso (σ) 1.8215 ºC * La S sigue una distribución X^2
Probabilidad (X^2>21,4975) 0.010615631 X^2=(n-1)LCS^2/^2 21.4975
Probabilidad (X^2<0,58883) 6.127512E-05 X^2=(n-1)LCI^2/^2 0.58883
Potencia del gráfico S (1-β) 0.01068
L GONZALEZ
X6 X7 X8 X9 X10 Promedio S
23.5 23.4 25.6 23.4 25.6 23.97 1.45529684
26.3 25.6 24.5 21.5 21.5 23.79 1.6696307
25.6 21.5 26.8 23.4 23.4 24.19 1.62032233
27.8 23.4 22.9 25.2 22.5 24.32 1.92284511
22.3 22.5 21.6 26.7 26.5 24.35 2.14592637
24.4 21.5 22.3 25.4 23.4 24.08 2.31651079
23 23.4 24.4 23.6 21.5 23.73 1.27196261
24.5 25.2 23 24.5 23.4 24.39 1.09082028
26.7 26.7 26.5 26.3 25.2 25.89 0.69673843
25.9 25.4 23.7 24 26.7 25.45 1.82954153
26.3 23.6 25.4 25.2 25.4 24.79 1.36906294
27.8 25.6 22.1 23.6 23.6 24.17 1.9419635
25.6 27.8 25.4 24.5 23 24.74 1.99120287
23.4 26.5 26.3 23.4 25.6 24.63 1.48925783
25.3 23.4 25.3 22.1 24.1 23.42 1.25857062
26.3 25.6 26.5 23.5 23.2 24.41 1.47757309
25.8 21.5 22.9 23.4 21.3 24.02 1.81156777
24.1 23.4 21.6 25.8 22.5 24.31 1.96607336
22.5 22.1 22.3 26.7 26.4 24.84 1.8739145
23.6 23.5 24.4 26.9 24.5 24.87 1.61110728
Promedio 24.418 1.64049444
Límites de control
1.716
0.284
2.81509 ºC
1.64049 ºC
Gráfico S para Col_1-Col_10
0.4659 ºC
2,82
1,64
0,47
4 8 12 16 20
Subgrupo
entonces la variable
que Y: es la cantidad de ensayos requeridos hasta encontrar el primer subgrupo con una temperatura de 27,34816 ºC. Donde Y sigue una
ºC. Donde Y sigue una distribución de Pascal con r=1
GRAFICO p
Producto Artículo X
Variable de control Piezas disconformes
Cantidad de Subgrupos 24
Tamaño del subgrupo (n) variable entre 180 y 200
Lote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Promedio
a) Gráfico de control p
Se construirá el gráfico p midiendo la fracción de productos defectuosos en el lote de
Pruebas de Hipótesis
Gráfico p
H0: La fracción de articulos defectuosos en los lotes es de 0,1173
H1: La fracción de articulos defectuosos en los lotes es diferente de 0,1173
Límites de control
n promedio 200.0
LCS 0.18554886
VM 0.1173
LCI 0.04903447
b) Producción defectuosa
Nueva p
np
Probabilidad (np>37)
Probabilidad (np<10)
Potencia del gráfico (1-β)
Subgrupos requeridos para detectar cambio (AR
d) Gráfico p con límites variables
Lote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Gráfico p para Col_1
0,2
0,19
0,16
0,12 0,12
p
0,08
0,05
0,04
0
0 4 8 12 16 20 24
0,08
0,05
0,04
0
0 4 8 12 16 20 24
Muestra
p 0.1173
p+15% 0.1349
δ 0.0176
Potencia del gráfico (1-β) 0.5
z 0
n 3010
n=(p(1-p)(3-z)^2)/δ^2
0.1173
ráfico de control p
a fracción de productos defectuosos en el lote de producción porque el tamaño del lote es variable.
0,16
0,12
p
0,08
0,04
0
0 4 8 12 16 20 24
Muestra
roducción defectuosa
días/mes
uni/mes *Debido a que la p no es estable a través del tiempo, esta estimación carece de validez estadística
Piezas
Tamaño del lote p LCS LCI
disconformes
200 21 0.1050 0.1855 0.0490
200 20 0.1000 0.1855 0.0490
200 27 0.1350 0.1855 0.0490
200 33 0.1650 0.1855 0.0490
200 22 0.1100 0.1855 0.0490
200 40 0.2000 0.1855 0.0490
180 27 0.1500 0.1892 0.0453
180 23 0.1278 0.1892 0.0453
180 20 0.1111 0.1892 0.0453
200 26 0.1300 0.1855 0.0490
200 28 0.1400 0.1855 0.0490
200 21 0.1050 0.1855 0.0490
200 23 0.1150 0.1855 0.0490
200 21 0.1050 0.1855 0.0490
200 25 0.1250 0.1855 0.0490
200 29 0.1450 0.1855 0.0490
200 20 0.1000 0.1855 0.0490
220 28 0.1273 0.1824 0.0522
220 18 0.0818 0.1824 0.0522
220 24 0.1091 0.1824 0.0522
200 13 0.0650 0.1855 0.0490
200 23 0.1150 0.1855 0.0490
200 12 0.0600 0.1855 0.0490
200 19 0.0950 0.1855 0.0490
co p para Col_1
0,19
0,05
12 16 20 24
0,05
12 16 20 24
Muestra
*Se deben tomar subgrupos con 3010 piezas. El valor es tan grande porque el
movimiento en el parametro p es muy pequeño y el gráfico requiere una cantidad
muy grande de unidades para detectarlo.
ara Col_1
0,19
0,12
0,05
16 20 24
tra
ndo que Y: es la cantidad de ensayos requeridos hasta encontrar el primer lote con una proporción defectuosa de 0,12902. Donde Y sigue u
más precisión que el anterior, por lo
la misma falta de estabilidad en el
arámetro p.
uosa de 0,12902. Donde Y sigue una distribución de Pascal con r=1
GRAFICO c y GRAFICO u
Producto Autos
Variable de control Fallas durante garantia
Cantidad de Subgrupos 20
Tamaño del subgrupo (n) 150
Muestra Número
de fallas
1 4
2 3
3 4
4 5
5 6
6 4
7 3
8 2
9 5
10 3
11 5
12 6
13 4
14 2
15 5
16 8
17 5
18 3
19 2
20 5
a) Gráfico de control c
El gráfico c analiza la ocurrencia de las fallas en cada lote de carros analizados
Prueba de Hipótesis
Gráfico c
H0: La cantidad de fallas por muestra es 4,2
H1: La cantidad de fallas por muestra es diferente a 4,2
Límites de control
LCS 10.34817046
VM 4.2000
LCI -1.94817046 *Se aproxima a 0
ANALISIS: El gráfico c muestra la estabilidad en los defectos por lote de autos, revelando en este caso un
comportamiento aleatorio, con todos los puntos de control dentro de los límites. Por lo tanto, no existe suficiente
evidencia estadística para afirmar que la cantidad de defectos por lote sea diferente a 4,2 con un nivel de confianza
de 99.73%.
b) Gráfico de control u
El gráfico u analiza la ocurrencia de las fallas en cada auto analizado
Estimador λ 0.028
fallas/auto
Prueba de Hipótesis
Gráfico u
H0: La cantidad de fallas por autos es 0,028
H1: La cantidad de fallas por auto es diferente a 0,028
Límites de control
LCS 0.068987803
VM 0.0280
Gráfico
LCI
u para Col_4
-0.012987803 *Se aproxima a 0
0,08
0,07
Gráfico u para Col_4
0,08
0,07
0,06
0,04
u
0,03
0,02
0 0,00
0 4 8 12 16 20
Muestra
ANALISIS: El gráfico u muestra la estabilidad en los defectos por auto, revelando en este caso un comportamient
aleatorio, con todos los puntos de control dentro de los límites. Por lo tanto, no existe suficiente evidencia
estadística para afirmar que la cantidad de defectos por auto sea diferente a 0,028 con un nivel de confianza de
99.73%.
λ cambiado 4.2000
Probabilidad (c>10) 0.00407
Probabilidad (c<0) 0E+00
Error α 0.00407
allas/muestra
Gráfico c para Col_3
Se aproxima a 0
12
10,35
10
do en este caso un 6
c
0 0,00
0 4 8 12 16 20
Muestra
a auto analizado
0,07
13 4 0.027
14 2 0.013
15 5 0.033
0,07 16 8 0.053
17 5 0.033
18 3 0.020
19 2 0.013
20 5 0.033
0,03
0,00
16 20
OJO: Note como en este ejemplo la forma de los gráficos c-u coinciden y llegan a
la misma conclusión. Eso se debe a que el tamaño del lote es constante (150). El
gráfico u suele emplearse principalmente cuando el tamaño del lote es variable o
do en este caso un comportamiento cuando la variable de calidad lo necesite.
to, no existe suficiente evidencia
0,028 con un nivel de confianza de
0 fallas en 1000 autos, ¿cuál es la probabilidad de que el gráfico detecte ese cambio? ¿Cuántas lotes serán requeridos?
*Aproximadamente 8 lotes. Considerando que Y: es la cantidad de ensayos requeridos hasta encontrar el primer lote con una c
fallas/auto
fallas/muestra
4,20
0,00
20
c-u coinciden y llegan a
te es constante (150). El
año del lote es variable o
site.
requeridos?
ontrar el primer lote con una cantidad de defectos por auto de 0,05. Donde Y sigue una distribución de Pascal con r=1