Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Módulo V PDF
Módulo V PDF
Sección: 401
Titular:
Realizado por:
Jorge Ariel Vera Ramírez
04 de mayo de 2020
ÍNDICE
Introducción ........................................................................................................................................ 2
Carta X-R.............................................................................................................................................. 3
Pasos................................................................................................................................................ 4
Tablas de constantes ................................................................................................................... 7
Interpretación de las cartas de control. .......................................................................................... 8
Gráficas de minitab. ...................................................................................................................... 13
Interpretación. .............................................................................................................................. 14
Conclusión. .................................................................................................................................... 14
Interpretación. .............................................................................................................................. 15
Conclusión. .................................................................................................................................... 15
cálculos ...................................................................................................................................... 16
Pruebas con datos similares de la tabla de chocolates del libro ...................................................... 19
Interpretación. .............................................................................................................................. 20
Conclusión: .................................................................................................................................... 20
Interpretación. .............................................................................................................................. 21
Conclusión. .................................................................................................................................... 21
Muestreo por atributos: simple, doble y múltiple ............................................................................ 21
Ventajas Y Desventajas Del Muestreo De Aceptación .................................................................. 23
Curvas Características de Operación................................................................................................. 24
Ejemplo de Curva Característica de Operación ............................................................................. 24
Tabla de Valores de β para distintos valores de n ........................................................................ 28
Curva característica de operación ................................................................................................. 29
Conclusión. .................................................................................................................................... 29
Conclusión. ........................................................................................................................................ 29
Referencias ................................................................................................................................ 30
Evidencias: ......................................................................................................................................... 31
1
Introducción
Por el contrario, cuando un gráfico muestra que un proceso está "en control
estadístico", el proceso está en un estado de estabilidad y la variación se debe a
un conjunto de causas comunes inherentes al proceso. El control estadístico
significa estabilidad, pero la estabilidad no siempre significa satisfacción del cliente
con el resultado.
2
Carta X-R
3
Pasos
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 … + 𝑥𝑛
𝑥̅ =
𝑛
𝑅 = 𝑥𝑚á𝑥𝑖𝑚𝑎 − 𝑥𝑚í𝑛𝑖𝑚𝑎
6. De ahí se calcula la 𝑥̅ total de todas las medias; dividiendo esto por “k”.
7. Pasando a obtener la 𝑅̅ total de todos los rangos; dividiendo esto por “k”.
𝑅1 + 𝑅2 + 𝑅3 + 𝑅4 + 𝑅5 … + 𝑅𝑛
𝑅̅ =
𝑘
4
8. Las gráficas de control para medir la variabilidad de un proceso de producción
los rangos11 de cada una de las muestras. En estas gráficas la línea central
está ubicada en el valor promedio de los rangos (𝑅̅ ); y los límites de control se
𝜎𝑅 = 𝐷3 𝜎
Donde:
• 𝝈 = Desviación estándar.
𝑅̅
𝐷2
También los valores de D2 se obtienen de la tabla (Factores críticos de las
rangos es:
𝐷3 𝑅
𝜎𝑅 =
𝐷2
5
Por lo que los límites de control para la variación de los procesos se pueden establecer
como:
Donde:
manera:
𝐿𝐶𝑆𝑋 = 𝑥̅̅ + 𝐴2 𝑅̅
manera:
𝐿𝐶𝐼𝑋 = 𝑥̅̅ − 𝐴2 𝑅̅
𝐿𝐶𝑆𝑅 = 𝐷4 𝑅̅
6
12. Se calcula el límite inferior del rango:
𝐿𝐶𝐼𝑅 = 𝐷3 𝑅̅
13. Se gráfica los datos para poder observar los patrones y sacar conclusiones
de este.
Tablas de constantes
7
Interpretación de las cartas de control.
A continuación, cuando presentemos cada uno de los patrones que hacen que un
proceso opere con causas especiales de variación, se especificarán las razones
comunes por las que pueden ocurrir dichos comportamientos. Además, se dan
algunas pruebas estadísticas para confirmar la existencia del patrón bajo discusión.
Estas pruebas se han derivado del supuesto de normalidad e independencia entre
y dentro de subgrupos, 3 por lo que de no cumplirse, las pruebas deben verse con
reservas. Si dos muestras consecutivas de una carta no son independientes,
8
entonces una alternativa para lograr la independencia es espaciar aún más la
frecuencia de muestreo, por ejemplo, si se hace cada 20 minutos, es preciso
ampliarlo a cada 40 o más minutos, otra alternativa es utilizar una carta de control
para datos auto-correlacionados (véase Montgomery, 1991).
Cuando este patrón ocurre en las cartas X – , p, np, u o c, se dice que hubo un
cambio en el nivel promedio del proceso; por ejemplo, en las cartas de atributos eso
significa que el nivel promedio de disconformidades se incrementó o disminuyó;
mientras que en la carta X – implica un cambio en la media del proceso.
Los criterios más usuales para ver si este patrón se ha presentado son:
• Hay una tendencia clara y larga a que los puntos consecutivos caigan de un sólo
lado de la línea central. Tres pruebas concretas para este patrón son:
9
Patrón 2. Tendencias en el nivel del proceso.
• Calentamiento de máquinas.
10
y esto se repite en ciclos. Cuando un comportamiento cíclico se presenta en la carta
X – , entonces las posibles causas son:
11
condiciones graficados en la misma carta. Los criterios para detectar una alta
proporción de puntos cerca o fuera de los límites son los siguientes:
Algunas de las causas que pueden afectar a todas las cartas de control de esta
manera son:
12
causas para conocer mejor el proceso (saber qué lo afecta) y tomar las medidas
correctivas y preventivas apropiadas.
Frases como las siguientes: “El proceso dio un brinco tal día, pero ya regresó a su
nivel normal”, “de tal a tal día hubo una tendencia, pero las cosas regresaron a la
normalidad”, “el proceso tiene un comportamiento cíclico, pero se está cumpliendo
con especificaciones”; implican que las cartas de control se usan como bitácora. Sin
embargo, una carta de control “no es una bitácora del proceso”. En todos los casos
anteriores se desperdició una oportunidad (una señal estadística) para conocer y
mejorar el proceso.
Gráficas de minitab.
13
PRUEBA 6. 4 de 5 puntos más de 1 desviación estándar a partir de la línea central (en un mismo lado de
la LC).
La prueba falló en los puntos: 14
Resultados de la prueba de la gráfica R de CHISPAS DE CHOCOLATE
PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea central.
La prueba falló en los puntos: 4, 29
Interpretación.
En las gráficas anteriores, podemos apreciar que ocurre un desplazamiento o
cambio en el nivel de proceso, ya que uno o más puntos salen de los límites de
control. Estos cambios pudieron deberse a:
Conclusión.
El proceso no se encuentra bajo control estadístico ya que existe un cambio en la
media del proceso.
14
Gráfica de caja de No. de chispitas
Interpretación.
Conclusión.
15
cálculos
Galletas
Paquetes 1 2 3 4 5 6 Rango Promedio
1 20 16 27 18 20 19 11 20
2 21 22 28 25 23 27 7 24.3333333
3 20 24 21 20 16 22 8 20.5
4 17 27 14 22 24 40 26 24
5 12 28 21 18 19 17 16 19.1666667
6 21 23 22 23 27 25 6 23.5
7 18 19 20 14 16 19 6 17.6666667
8 21 24 23 21 20 20 4 21.5
9 26 33 27 28 17 23 16 25.6666667
10 19 22 20 27 22 23 8 22.1666667
11 22 15 12 19 17 24 12 18.1666667
12 20 21 12 13 17 18 9 16.8333333
13 20 15 20 14 18 14 6 16.8333333
14 19 14 20 24 16 21 10 19
15 17 18 24 19 25 18 8 20.1666667
16 17 22 21 15 26 21 11 20.3333333
17 19 16 18 18 15 17 4 17.1666667
18 29 27 29 27 26 24 5 27
19 20 22 18 26 17 18 9 20.1666667
20 25 21 23 23 24 27 6 23.8333333
21 23 21 20 22 21 22 3 21.5
22 23 26 21 22 20 21 6 22.1666667
23 18 15 24 18 19 22 9 19.3333333
24 17 15 20 22 21 18 7 18.8333333
25 24 22 18 24 26 29 11 23.8333333
26 21 23 21 25 25 19 6 22.3333333
27 19 28 23 23 25 28 9 24.3333333
28 13 14 19 23 25 32 19 21
29 13 16 16 20 39 17 26 20.1666667
30 20 19 27 18 20 20 9 20.6666667
Rango general:
∑30
𝑖=1 𝑅𝑖
𝑅̅ = = 9.766666667
30
16
Promedio general:
∑30
𝑖=1 𝑥𝑖
𝑥̅̅ = = 21.07222222
30
̅"
"LCSR =D4 R
𝐿𝐶𝑆𝑅 = (2.004)(9.66666667) = 19.5724
"𝐿𝐶𝐼𝑅 = 𝐷3 𝑅̅ "
𝐿𝐶𝐼𝑅 = (0)(9.66666667) = 0
De ahí, se obtienen los valores del promedio para obtener su gráfica. Se obtiene el
valor de A2 de las tablas de constates que es: 0.483.
Con ello, se sacan los siguientes datos:
̅”
“LCSX =x̅+A2 R
"𝐿𝐶𝐼𝑋 = 𝑥̅̅ − 𝐴2 𝑅̅ ”
𝐿𝐶𝐼𝑋 = (21.072222)−(0.483)(9.66666667) = 16.3549
17
Con estos datos se hacen las cartas de control del promedio y del rango para poder
interpretar los datos y poder tener una visión más amplia de como la muestra está
bajo control o no:
30
25
20
15
10
0
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 31
GRÁFICA "X"
30
25
20
15
10
0
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
GRÁFICA "R"
18
Pruebas con datos similares de la tabla de chocolates del libro
19
Resultados de la prueba de la gráfica R de Chispas chocolate
PRUEBA 1. Un punto fuera más allá de 3.00 desviaciones estándar de la línea
central.
La prueba falló en los puntos: 28, 29
Interpretación.
En este caso, también ocurre un desplazamiento o cambio en el nivel de proceso,
ya que llegan a sobresalir hasta 3 puntos (grafica x). Estos cambios pudieron
deberse a:
Conclusión:
Este proceso no se encuentra bajo control estadístico ya que se pueden observar
que un punto o más salen de la línea LCS por lo que hubo en cambio en la media
del proceso
20
Gráfica de caja de No. de chispitas
Interpretación.
En la presente gráfica se puede observar una mejor distribución, sin embargo,
podemos notar que hay valores atípicos en el subgrupo 15,24 y 30.
Conclusión.
Por su parte, la idea del plan de muestreo doble es tomar una primera muestra de
tamaño más pequeño que el plan simple para detectar los lotes muy buenos o los
muy malos, y si en la primera muestra no se puede decidir si aceptar o rechazar
21
porque la cantidad de unidades defectuosas ni es muy pequeña ni muy grande,
entonces se toma una segunda muestra para decidir si aceptar o rechazar tomando
en cuenta las unidades defectuosas encontradas en las dos muestras. De esta
manera, un plan de muestreo doble está definido por
N = tamaño de lote
Por ejemplo, con el plan N = 3000, n1 = 80, c1 = 1, n2 = 80, c2 = 4; del lote de 3000
piezas se toma una muestra inicial de 80 y con base a la información aportada por
esta primera muestra se toma una de las tres decisiones siguientes:
El plan de muestreo múltiple es una extensión del concepto del muestreo doble,
aquí se toma una muestra inicial aún más pequeña que el plan simple, y si ya se
tiene evidencia de muy buena o muy mala calidad se toma la decisión en
consecuencia, si no, se toma una segunda muestra y se trata de decidir; si todavía
no es posible se continúa con el proceso hasta tomar la decisión de aceptar o
rechazar.
22
Con los planes de muestreo doble y múltiple por lo general se requieren menos
inspección que con el simple, pero tienen mayor dificultad para administrarlos. En
cuanto a seguridad pueden ser diseñados de forma que produzcan resultados
equivalentes.
Esto es, los procedimientos pueden ser diseñados de manera que un lote con cierta
calidad específica tenga exactamente la misma probabilidad de aceptación bajo los
tres tipos de planes de muestreo. Por consiguiente, para la selección de un tipo de
muestreo, se pueden considerar factores como la eficacia de la administración, el
tipo de información obtenida por el plan, la cantidad promedio de información y el
impacto que un plan de muestreo dado pueda tener sobre el flujo del proceso.
1. Hay cierto riesgo de aceptar lotes malos y rechazar buenos, aunque en un plan
de muestreo de aceptación están previstos y cuantificados estos riesgos.
2. Proporciona menos información acerca del nivel de calidad del producto o de
su proceso de fabricación. Aunque bien utilizada, la información obtenida
puede ser suficiente.
23
3. Se requiere más tiempo y conocimiento para planificar y documentar el
muestreo, mientras la inspección al 100% no. Esto tal vez no sea una
desventaja, ya que la planificación genera otros efectos positivos, como
mayor conciencia de los niveles de calidad exigidos por el cliente.
24
3. Notar que en nuestro ejemplo se cumplen las condiciones para utilizar la
Distribución de Poisson. Si tomamos un porcentaje de defectuosos a la entrada de
un 5% (p=5%) se puede adicionalmente hacer uso de las tablas de probabilidades
para estimar la probabilidad de aceptación. El parámetro de entrada para esta
distribución es n*p=80*0,05=4. Luego buscamos en la tabla el cruce de dicho valor
para c=4. Se concluye que la probabilidad de aceptación del lote es de un 62,9%.
25
calidad", este valor representa el "riesgo del consumidor". En forma similar si el
porcentaje de artículos defectuosos a la entrada es un 2%, la probabilidad de
aceptación del lote es de un 97,6%. Si esto se considera "buena calidad" el
diferencial de un 2,4% (100% - 97,6%) representa la probabilidad de rechazar este
lote de "buena calidad". Esto es el "riesgo del productor".
Riesgos α y β
El muestreo por aceptación se caracteriza por el hecho de que siempre existe la
posibilidad de aceptar lotes de mala calidad (que se quieren rechazar) y rechazar
lotes de buena calidad que se quisieran aceptar)
Estas curvas se trazan variando los cambios que pueden ocurrir vs la probabilidad
de que los puntos de la muestra caigan dentro de los límites de control.
26
Suponiendo que en una carta de control para 𝑥̅ la desviación estándar, 𝜎, es
conocida y constante y que la media del proceso cuando se encuentra bajo control
es 𝜇0, la probabilidad de que la media de la muestra se encuentre dentro los límites
de control, se representa por 𝑃(𝐿𝐼𝐶 < 𝑥̅ < 𝐿𝑆𝐶). Esta probabilidad será igual a 0.9973,
si la media del proceso es realmente 𝜇0, y será la probabilidad (𝛽) de cometer el
error tipo II, cuando la media es diferente a 𝜇0.
Además, dado que sabemos que la distribución subyacente es normal, 𝑥̅ se
distribuye normalmente con media 𝜇0 y desviación estándar 𝜎/√𝑛 .
Finalmente
𝛽=𝑃(𝐿𝐼𝐶<𝑥̅<𝐿𝑆𝐶)=Φ(3−𝑘√𝑛)−Φ(−3−𝑘√𝑛) (2.19)
En donde Φ la función de distribución acumulativa normal estándar.
En la tabla 2.4 se dan valores de 𝑘 y los valores de 𝛽 correspondiente para valores
de 𝑛 de 1, 2, 3, 4, 5, 10 y 15. La figura 2.14 muestra las curvas características de
operación.
27
Tabla de Valores de β para distintos valores de n
28
Curva característica de operación
Conclusión.
En esta gráfica podríamos decir que en cuanto más productos tengan defectos,
menor será la aceptación por el cliente, por lo cual, no será un producto rentable
Conclusión.
Frente a la evidencia recaudada, sabemos que en la actualidad es fundamental
cumplir con los estándares de calidad; de esa forma nuestro producto o servicio
puede ser una competencia fuerte en el mercado, el cual es cada vez más exigente.
Por lo tanto, se debe buscar constantemente la mejora continua, la satisfacción de
los clientes, la estandarización y el control de procesos, el último es abordado en
este trabajo y en el cual nos encargamos de describir, ya que nos parece un rubro
riguroso que no debe dejarse en el olvido. De forma que, nuestro producto, en este
caso, las galletas Chokis, obtienen un monitoreo de excelencia; donde nos podemos
informar si nuestros estándares de calidad están intactos o debe haber algún
correctivo.
29
Dentro del análisis expuesto, nos encontramos con diversas y repetidas dificultades;
nuestra falta de experiencia en la utilización de las mencionadas gráficas nos hizo
retroceder en varias ocasiones. Finalmente, los datos proporcionados por nosotros
son probablemente incorrectos, ya a que dieron unos resultados fuera de los
parámetros, cosa que no es posible porque la empresa no podría tener esos errores
debido a que sería un alto desperdició de dinero por galleta.
Referencias
• Díaz Ramos, C. Dr. (s.f.). Control estadístico de calidad (Ed. rev.). Recuperado
defile:///C:/Users/Corvu/Dropbox/Ing_Biotecnologia_2020/CONTROL%20EST
ADISTICO%20DE%20CALIDAD.pdf
• Triola, M. (2004). Estadística (Novena edición ed.). Recuperado de
https://books.google.com.mx/books?id=Lj5VlatlLhsC&pg=PA497&lpg=PA497&dq=Diagrama
+de+dispersion&source=bl&ots=cOoLyOW07K&sig=ACfU3U3nzSf_BFbvR3NkyH7pp8QNrJxd
Lw&hl=es-
419&sa=X&ved=2ahUKEwjpyPzKwYLpAhUJXK0KHc_pDfI4bhDoATACegQICRAB#v=onepage&
q=Diagrama%20de%20dispersion&f=false
• Manene, L. (28 de Julio de 2011). LOS DIAGRAMAS DE FLUJO: SU DEFINICIÓN, OBJETIVO.
Obtenido de
https://moodle2.unid.edu.mx/dts_cursos_mdl/lic/AE/EA/AM/07/Los_diagramas_de_flujo
_su_definicion_objetivo_ventajas_elaboracion_fase.pdf
• Galgano, A. (1992). Los siete instrumentos de la calidad total (Revisado ed.). Recuperado de
https://books.google.com.mx/books?id=PwF4AQ2F4mgC&pg=PA171&lpg=PA171&dq=Carta
+X-R&source=bl&ots=wOLDwfWOm3&sig=ACfU3U1lIGTJwa2gls4FjpZvoa8u6_UIpg&hl=es-
419&sa=X&ved=2ahUKEwi1kaSPk5vpAhVMMawKHW9pAv84FBDoATAIegQIChAB#v=onepag
e&q=Carta%20X-R&f=false
• Ruiz-Falcó Rojas , A. (2006, marzo 1). CONTROL ESTADÍSTICO DE PROCESOS . Recuperado 6
de mayo de 2020, de https://web.cortland.edu/matresearch/ControlProcesos.pdf
• Pierdant Rodríguez, A. I., Scielo, & Rodríguez Franco, J. (s. f.). Control estadístico de la calidad
de un servicio mediante Gráficas X y R. Recuperado 6 de mayo de 2020, de
http://www.scielo.org.mx/pdf/polcul/n32/n32a9.pdf
30
• Research Optimus. (s. f.). Difference Between X-Bar and R-Chart and How They Are Used.
Recuperado 6 de mayo de 2020, de https://www.researchoptimus.com/article/x-bar-and-r-
chart-difference.php
• Juran. (2019, enero 18). Statistical Process Control and Quality Improvement. Recuperado 6
de mayo de 2020, de https://www.juran.com/blog/statistical-process-control-and-quality-
improvement/
• Cómo construir una Curva Característica de Operación (CO) con Excel. (2015, enero 1).
Recuperado 7 de mayo de 2020, de https://www.gestiondeoperaciones.net/gestion-de-
calidad/como-construir-una-curva-caracteristica-de-operacion-co-con-excel/
• Lagunes, G. (2012, septiembre 2). Caracteristicas de las curvas de operación / Estadistica II.
Recuperado 7 de mayo de 2020, de https://es.slideshare.net/gonzalagunes/caracteristicas-
de-las-curvas-de-operacin
• Suárez, X. M. A. P. (s. f.). Muestreo de aceptación - Monografias.com. Recuperado 7 de mayo
de 2020, de https://www.monografias.com/trabajos46/muestreo-de-aceptacion/muestreo-
de-aceptacion.shtml
Evidencias:
31
32
33
34