Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ASIGNATURA:
INGENIERIA DE LA CALIDAD
TEMA 3:
INTEGRANTES:
CARRERA:
INGENIERIA INDUSTRIAL
GRADO Y GRUPO:
7 “C”
DOCENTE:
FECHA DE ENTREGA:
1
INDICE
INTRODUCCION…………………………………………………………………………4
GRAFICOS “X”……………………………………………………………………………5
GRAFICOS “X-R”………………………………………………………………………….9
TERMINOLOGÍA………………………………………………………….……………..14
EJERCICIO……………….………………………………………………………………21
GRÁFICOS U…………………………………………………………….………………26
EJEMPLO…………………………………………………………………………………27
2
CAPACIDAD DE PROCESOS (CP)…………………………………………..….……34
CONCLUSION…………………………………………………………………………...49
3
INTRODUCCION.
4
GRAFICOS “X”
DESCRIPCION
En esta carta de promedios que se aplica a procesos que producen una buena
cantidad de productos o partes y en los que la característica de calidad de interés
es de tipo continuo. Por lo general, mediante una carta de control X se controla la
tendencia central de este tipo de característica de calidad.
5
Grafica para Línea central Limite control Limite control superior
inferior
Promedios ̅ ̅ ̅ ̅ ̿ ̅
6
Primer paso. Consiste en la obtención del gran promedio que determina la línea
central de la gráfica de control y se obtiene como el promedio de los promedios
muéstrales.
Para ello dado que cada muestra es de un tamaño n=4, el valor de la constante A2
asociada es 0,729.
Cuarto paso. Graficar los promedios muéstrales en una gráfica que contenga los
límites de control y el gran promedio como se muestra a continuación:
7
Ultimo paso. Se concluye el proceso y se describe la gráfica.
Se concluye que el proceso se encuentra bajo control estadístico debido a que los
valores de las muestras se encuentran dentro de los límites de control.
Adicionalmente las muestras se distribuyen aproximadamente a ambos lados de la
línea central (LC), no identificándose una tendencia en los valores muéstrales. Es
importante notar que aun cuando los valores de las muestran estén dentro de los
límites de control, en caso de existir una tendencia, ésta puede advertir la
existencia de una causa asignable que explique la variación y por tanto pronto el
proceso podría salir de Control Estadístico.
8
GRAFICOS “X-R”
Los gráficos de media vs. Rango, también llamados gráficos XR, son gráficos
realizados para el seguimiento estadístico del control de calidad de piezas en
múltiples sectores, incluyendo el de la automoción. Permiten detectar la
variabilidad, consistencia, control y mejora de un proceso productivo. En el caso
de nuestro sector, se compone de los elementos siguientes:
Variables de medición, que suelen ser puntos de medición por reloj comparador, o
puntos de medición por máquina tridimensional.
Los datos son el resultado de la medición de las características del producto, los
cuales deben de ser registrados y agrupados de la siguiente manera:
9
Paso 2: Calcular el promedio X y R para cada subgrupo
X 1 X 2 .... X N
X
N
R X mayor X menor
R1 R2 ...... RK
R
K
X 1 X 2 ....... X K
X
K
LSCR D4 R LSC X X A2 R
LIC R D3 R LIC X X A2 R
Donde D4, D3, A2 son constantes que varían según el tamaño de muestra. A
continuación, se presentan los valores de dichas constantes para tamaños de
muestra de 2 a 10.
n 2 3 4 5 6 7 8 9 10
10
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
Para la gráfica R la amplitud debe extenderse desde un valor cero hasta un valor
superior equivalente a 1½ - 2 veces el rango.
Los límites de Control se dibujan con una línea discontinua y los promedios con
una línea continua para ambas gráficas.
Marcar los puntos en ambas gráficas y unirlos para visualizar de mejor manera el
comportamiento del proceso.
Ejemplo
muestra subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2 0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3 0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4 0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5 0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70
muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
11
Calculando el rango y el promedio para cada subgrupo obtenemos:
muestra subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13
1 0.65 0.75 0.75 0.60 0.70 0.60 0.15 0.60 0.65 0.60 0.80 0.85 0.70
2 0.70 0.85 0.80 0.70 0.75 0.75 0.80 0.70 0.80 0.70 0.75 0.75 0.70
3 0.65 0.75 0.80 0.70 0.65 0.75 0.65 0.80 0.85 0.60 0.90 0.85 0.75
4 0.65 0.85 0.70 0.75 0.85 0.85 0.75 0.75 0.85 0.80 0.50 0.65 0.75
5 0.85 0.65 0.75 0.65 0.80 0.70 0.70 0.75 0.75 0.65 0.80 0.70 0.70
Promedio 0.70 0.77 0.76 0.68 0.75 0.73 0.61 0.72 0.78 0.67 0.75 0.76 0.72
Rango 0.20 0.20 0.10 0.15 0.20 0.25 0.65 0.20 0.20 0.20 0.40 0.20 0.05
muestra subgrupo 14 15 16 17 18 19 20 21 22 23 24 25
1 0.65 0.90 0.75 0.75 0.75 0.65 0.60 0.50 0.60 0.80 0.65 0.65
2 0.70 0.80 0.80 0.70 0.70 0.65 0.60 0.55 0.80 0.65 0.60 0.70
3 0.85 0.80 0.75 0.85 0.60 0.85 0.65 0.65 0.65 0.75 0.65 0.70
4 0.75 0.75 0.80 0.70 0.70 0.65 0.60 0.80 0.65 0.65 0.60 0.60
5 0.60 0.85 0.65 0.80 0.60 0.70 0.65 0.80 0.75 0.65 0.70 0.65
Promedio 0.71 0.82 0.75 0.76 0.67 0.70 0.62 0.66 0.69 0.70 0.64 0.66
Rango 0.25 0.15 0.15 0.15 0.15 0.20 0.05 0.30 0.20 0.15 0.10 0.10
R .198
X = .71
LIC R D3 R
=0
LSC X X A2 R
= .71+ (.58) (.198) = .82
LIC X X A2 R
= .71-(.58) (.198) = .59
12
Xbar/R Chart for C1
UCL=0.8254
0.8
Sample Mean
0.7 Mean=0.7112
0.6 LCL=0.5970
Subgroup 0 5 10 15 20 25
0.7 1
0.6
Sample Range
0.5
0.4 UCL=0.4187
0.3
0.2 R=0.198
0.1
0.0 LCL=0
13
Gráficas de control X S (variables)
Terminología
k = número de subgrupos
S = Desviación estándar promedio de todos los subgrupos
X 1 X 2 .... X N
X
N
X 1 X 2 ....... X K
X
K
LSC X X A3 S
LIC X X A3 S
LSC S B4 S
LIC S B3 S
14
Ahora veremos un ejemplo de una combinación de estos gráficos de control
XBarra-S.
Figura 1
15
Mientras que las fórmulas para el gráfico de control de desviación estándar vienen
dadas por:
Ahora bien, según la tabla de constantes que usted puede encontrar aquí los
valores de las contantes A3, B3 y B4, para tamaños de subgrupos de 5, resultan
ser: A3 = 1.427, B3 = 0 y B4 = 2.089
Los valores para el cálculo del gráfico de control de medias (XBarra) nos
quedarían entonces:
16
Los valores para el cálculo del gráfico de control de desviaciones estándar, nos
quedaría:
17
Ya con estos rangos de datos podemos construir los gráficos de control, como se
comentó anteriormente, hay un video que nos muestra cómo hacer esto, se
encuentra aquí
Una vez hechos los gráficos de control, estos nos quedan así:
18
19
GRAFICA DE CONTROL C.
PROCEDEMIENTO DE LA GRAFICA C.
1.- Se toman N unidades de inspección (más de 25 o 30) a intervalos regulares.
2.- se calcula C como promedio del número de defectos en la muestra.
4.- con esto se puede calcular los límites de control para el grafico C.
5.- En caso de que el límite inferior de control resulte ser negativo, se le asigna
valor cero. Se construye la gráfica C de prueba y se representa el número
defectuoso en la muestra.
20
EJERCICIO. Se han observado los defectos de 50 muestras sucesivas de 40
tarjetas electrónicas de circuito impreso.
Paso 1. Se copiarán los datos del problema para poder analizarlo en el software
minitab.
21
Pasó 2. Después de ser introducidos procedemos a realizar las siguientes
instrucciones nos vamos a la parte de estadística, seguidamente seleccionamos
grafica de control, luego seleccionamos grafico de atributos y finalmente
seleccionamos c.
22
Paso 3. En la pestaña desplegada cuándo se da aceptar, seleccionamos lo que
son número de defectos.
Paso 4. Después iremos a seleccionar lo que es escala y daremos clip donde dice
23
línea de cuadricula y seleccionamos las 3 opciones que nos dan y daremos clip en
aceptar.
Pasó 5. Después nos vamos a la parte de etiquetas en esta parte se colocarán los
datos necesarios que serán mostrados en el grafico como que tipo de proceso es,
fecha de elaboración, nombre del elaborador, la empresa y el área de la empresa
24
Paso 6. Después de rellenar en el paso anterior nos vamos a opciones de grafica
C, luego seleccionamos pruebas en esta se despliegan las pruebas a las cuales
puedes someter a este proceso.
25
almacenar y seleccionamos la media y damos clip en aceptar y posteriormente
aceptar de nuevo.
GRÁFICOS U
26
media de la distribución del número medio de defectos se estimará con:
Entonces
Ejemplo
Superficie 50 50 34 38 54 22 22 25 50 34 34 38
cm2
Nº de 4 3 4 4 4 3 5 3 4 2 2 4
defectos
28
Paso 3: Al hacer el paso anterior nos aparecerá una tabla con la siguiente leyenda
y seleccionamos “numero de defectos “tamaño de los subgrupos seleccionamos
“superficie” y damos en la opción aceptar.
Paso 5: Al dar clip en aceptar se nos generara una gráfica como se muestra en la
imagen y procedemos a interpretarla según el problema planteado.
29
Gráfica de control P
30
Ejemplo de gráfica de control P
Una empresa inspecciona un artículo eléctrico tomando muestras de 100 unidades
cada vez. Si bien se verifican 5 características relevantes de la calidad, finalmente
cada artículo se clasifica como aceptable o defectuoso. Las últimas 25 muestras
aplicadas muestran los siguientes resultados:
31
Es importante destacar que según nuestro cálculo LCI=-1,99%, sin embargo,
como nos estamos refiriendo a proporciones de defectuosos dicho valor (negativo)
no tiene sentido y por tanto se considera finalmente LCI=0%.
32
GRÁFICA DE CONTROL NP
Ejemplo de gráfica NP
33
Dónde encontrar esta gráfica de control
Para crear una gráfica NP, elija Estadísticas > Gráficas de control > Gráficas de
atributos > NP.
EJEMPLO:
El ingeniero de calidad quiere determinar si el diseño de un cable que la compañía
fabrica cumple con las especificaciones de ingeniería cada hora el miembro de
equipo toma un subgrupo de 5 cables consecutivos de la línea de producción y
34
mide los diámetros un cable debe tener un diámetro de .55 +- .05 cm para cumplir
con las especificaciones de ingeniería.
Paso 1
35
Paso 2
36
Paso 3
37
Control de proceso estadístico
EJEMPLO EN AUTOMOCIÓN
Ejemplo:
Una línea de producción de coches tiene pernos críticos, apriete con herramientas
eléctricas (herramientas eléctricas, herramientas neumáticas, llaves). Un proceso
de apriete apropiado es vital para asegurar la calidad de los coches.
Con miles de tornillos a apretar cada día, ¿cómo se puede asegurar la calidad?
38
In case of an
error, how can we know what happened in the cars already produced?
Cm y Cp
El índice Cm es la capacidad de máquina; es el número de veces que la
dispersión de la máquina encaja dentro de la anchura de tolerancia. Cuanto mayor
es el valor de Cm, mejor es la máquina.
39
Cm y Cp describen la repetibilidad de una máquina o proceso para la clase de
tolerancia dada, independientemente del hecho de que estén centrados en el valor
objetivo.
40
Cmk y Cpk
Para estudiar la posición de la capacidad de máquina o proceso en relación al
valor objetivo, se utiliza el índice Cmk o Cpk, que evalúan la capacidad corregida
para la posición.
Un índice Cmk alto significa que la máquina o proceso tienen pequeña dispersión
en relación a la anchura de tolerancia, y están bien centrados dentro de esa
anchura.
41
Un buen Cm o Cp. es fundamental para la máquina o proceso. Si Cm o Cp tienen
un valor bajo, la única manera de aceptarlos sin reparar la máquina o proceso es
hacer más ancho el intervalo de tolerancia:
42
Ejemplo de medición de Cm, Cmk y Cp, Cpk
El fabricante de coches decide monitorizar los índices Cm, Cmk y Cp, Cpk en sus
líneas de producción.
Medir Cm, Cmk significa probar el parámetro de apriete (par y ángulo) de todas las
herramientas de ensamblaje:
Medir Cp, Cpk significa probar el resultado del proceso, en este caso el par
residual en la junta apretada por la herramienta de ensamblaje:
43
Medir Cm/Cmk y Cp./Cpk requiere a veces demasiado tiempo para ser ejecutado
diariamente en una línea de producción.
44
¡Error! Nombre de archivo no especificado.
45
Donde D2 es un coeficiente que depende del número de muestras para cada
conjunto de pruebas
46
Cada día, la herramienta se retira unos segundos de la línea, y se verifica
mediante prueba de control estadístico, para construir gráficos X, R:
47
Todos los resultados de Cm-Cmk, Cp-Cpk, gráficos X, R se almacenan en
una base de datos para análisis, trazabilidad y realización de informes:
48
CONCLUSION.
49