Control de Calidad PDF

Control Estadístico de Procesos
CURSO DE CONTROL DE CALIDAD
Roberto José Herrera Acosta
CONTROL DE LA CALIDAD
Universidad del Atlántico
Programa de Ingeniería industrial
Barranquilla
Roberto José Herrera Acosta () Control Estadístico de Procesos Agosto 23 de 2013 1 / 248
Contenido
1 Herramientas básicas para estudio y mejora de la Calidad
2 Uso de la distribuciones de probabilidad aplicadas en control
estadístico de procesos
Prueba de Normalidad Kolmorov Smirnov Lilliefors
3 Generalidades de las Cartas de Control
4 Cartas de control por variables
Cartas de control para R y X̄
Longitud de corridas
Cartas de control x̄ y S
Capacidad e Indice de Capacidad Univariado
5 Cartas de control por atributos
Cartas de control por fracción de no conforme p y de la cantidad
de no conformes np
Carta de control para el número de no conformidades c y el
número de no conformidades por unidad u
6 Cartas de control EWMA
7 Cartas de control CUSUM
8 Cartas de control Multivariado de Shewhart
Contenido
de no conformes np
Contenido
de no conformes np
Contenido
de no conformes np
Contenido
de no conformes np
Contenido
de no conformes np
Contenido
de no conformes np
Contenido
de no conformes np
Herramientas básicas para estudio y mejora de la Calidad
Sección 1 Herramientas básicas para estudio y mejora de

la Calidad
Diagrama de Pareto
Mejoramiento
También conocido como el análisis de PARETO. Su objetivo principal
es separar los problemas de calidad en: pocos defectos vitales que
generan el ochenta por ciento (80 %) de los problemas de calidad y los
muchos defectos triviales que causan el 20 % de la variabilidad.
Figura 1: Diagrama de Pareto
Diagrama de Pareto
Elaboración del diagrama de Pareto
Identificar el problema de calidad.
Estratificar los datos.
Metodología y tiempo de recolección de los datos.
Diseñe una tabla de registro de los tipos de defectos existente
(ítems) en el problema de calidad con sus respectivos totales, los
totales acumulados, la composición porcentual y el porcentaje
acumulado.
Organice estos datos de acuerdo a la cantidad.
Dibuje dos ejes verticales y un eje horizontal.
En el eje horizontal coloque tantos intervalos como ítems existan.
Construya para cada intervalo una barra y dibuje la curva
acumulada.
Diagrama de Pareto
acumulado.
acumulada.
Diagrama de Pareto
acumulado.
acumulada.
Diagrama de Pareto
acumulado.
acumulada.
Diagrama de Pareto
acumulado.
acumulada.
Diagrama de Pareto
acumulado.
acumulada.
Diagrama de Pareto
acumulado.
acumulada.
Diagrama de Pareto
Tipos de diagrama de Pareto

Calidad del proceso: defectos, reparaciones.
Costo: magnitud de la perdida.
Entrega: inventarios, demoras.
Seguridad: accidentes, interrupciones.
Diagrama de Pareto

Diagrama de Pareto

Diagrama de Pareto
Ejemplo diagrama de Pareto

En una empresa textil se desea analizar el número de defectos en los
tejidos que fabrica. En la tabla siguiente se muestran los factores que se
han identificado como causantes de los mismos así como el número de
defectos asociado a ellos:
Caracter. Defectos Frec. porcen. porcen. acum.

Algodon 171 171 49.71 49.71
Tul 105 276 30.52 80.23
Seda 13 289 3.78 83.43
Saten 11 300 3.20 87.21
Lino 9 309 2.62 89.83
Viscosa 9 318 2.62 89.83
Encaje 8 326 2.33 94.77
Tafetan 7 333 2.03 96.80
Raso 7 340 2.03 98.84
Lana 4 344 1.16 100.00
Total 344 100.00
Figura 2: Diagrama de Pareto
Agosto 23 de 2013 10 /
Roberto José Herrera Acosta () Control Estadístico de Procesos 248
Diagrama de Pareto
Ejercicio en clase
Construya un diagrama de Pareto que represente el reemplazo de piezas
de una estufa eléctrica. Los datos correspondientes a un periodo de seis
meses son los siguientes: puerta del horno 193; reloj 53; quemadores de
atrás 290; control de quemador 135; carretillas de cajonera 46; otros 84
y reguladores del horno 265.
Agosto 23 de 2013 11 /
Figura 3: Taller Uno

Agosto 23 de 2013 12 /
Diagrama de Causa y Efecto
Elaboración del diagrama de Causa y Efecto

También llamado diagrama de espina de pescado, consiste en
determinar todos los factores que influyen en el resultado de un
proceso.
Determine el problema de calidad
Encierre la característica de calidad en un cuadro y escríbalo al
lado derecho. prolongando una línea horizontal a la izquierda de
dicho cuadro.
Escriba las causas primarias y secundarias que afectan dicho
problema de calidad conectándolas en la línea horizontal.
Identifique en forma amplia las causas que generan este problema.
Agosto 23 de 2013 13 /

proceso.
dicho cuadro.
Agosto 23 de 2013 13 /

proceso.
dicho cuadro.
Agosto 23 de 2013 13 /
Figura 4: Diagrama de Causa y Efecto
Agosto 23 de 2013 14 /
Ejemplo
Proceso de ordenes de compra

En la empresa Monomeros Colombovenezolano se responsabilizó a un
equipo para mejorar el servicio de los retrasos en el proceso de órdenes
de compra. El grupo de calidad identificó las etapas más significativas
del proceso utilizando un diagrama de flujo y posteriormente se elaboro
un diagrama de causa y efecto para determinar las posibles causas del
retraso.
Agosto 23 de 2013 15 /
Figura 5: Diagrama de Causa y Efecto
Agosto 23 de 2013 16 /
Figura 6: Primer Taller
Agosto 23 de 2013 17 /
Uso de la distribuciones de probabilidad aplicadas en control estadístico de procesos
Sección 2 Uso de la distribuciones de probabilidad

aplicadas en control estadístico de procesos
Agosto 23 de 2013 18 /
Distribución de Probabilidad
Distribución discretas de probabilidad

Las distribuciones de probabilidad más aplicadas en el campo del
control estadístico tenemos: Distribuición Binomial y la Distribución
Poisson. En la siguiente tabla se muestra las características de cada uno
de estos modelos.
Agosto 23 de 2013 19 /
Nombre Modelo E(X) V (X) Aplicaciones
n! x
Binomial b(X, n, p) = (n−x)!x! p (1 − p)(n−x) np np(1 − p)1. Dos categorías. 2.Eventos indepen-
dientes 3. p constante
e−λ λx
Poisson p(X, λ) = x! λ λ 1. λ es el promedio del evento de
interes. 2. Eventos independientes.
1 (1−p)
Geométrica g(X, p) = p(1 − p)(x−1) p p2 1. x ensayos hasta obtener el exito 2.
Eventos independientes.
Agosto 23 de 2013 20 /
Distribución de probabilidad discreta
Distribución Binomial
Se selecciona 200 unidades de un proceso cuyo porcentaje de no
conformes es del p = 0,10. ¿Cuál es la probabilidad de que más de dos
de estas unidades sean no conformes?
Agosto 23 de 2013 21 /
Distribución Binomial
n = 200 p = 0,10PX = unidadesnoconf ormes
P (X > 2) = 1 − 20 (n−x)!x!
n!
px (1 − p)(n−x)
P (X > 2) = 1 − {P (X = 0) + P (X = 1) + P (X = 2)}
200! 200!
P (X > 2) = 1 − { (200−0)!0! 0,10 (1 − 0,1)(200−0) + (200−1)!1! 0,1(1 −
200!
0,1)(200−1) + 2
(200−2)!2! 0,1 (1 − 0,1)(200−2) }
Agosto 23 de 2013 22 /
Distribución Poisson
El promedio de personas que entran a un banco por minutos es de 3.5.
Si las llegadas a esta entidad sigue una distribución de Poisson, ¿Cuál
es la probabilidad de que en un minuto cualesquiera no se presenten
clientes? ¿En dos minutos consecutivos no se presenten clientes?
Agosto 23 de 2013 23 /
Distribución Poisson
λ = 3,5 X = nmerodepersonasqueentranalbanco
−3,5 0
P (X = 0) = e 0!3,5 = 0,030
−3,5 3,50 −3,5 3,50
P (X = 0)P (X = 0) = [ e 0! ][ e 0! ] = 0,009
Agosto 23 de 2013 24 /
Nombre Modelo E(X)V (X)Aplicaciones
1 x−µ 2
Normal N (x, µ, σ) = √ 1 e− 2 { σ } µ σ 2 Evalua medidas físicas
2Πσ
1 2
Normal Estándar N (z, 0, 1) = √1 e− 2 {Z} 0 1
2Π
Agosto 23 de 2013 25 /
Distribución de probabilidad continua

Distribución Normal
El diámetro de una pieza metálica en proceso metalmecánico sigue una
distribución normal con µ = 2,5 y desviación estándar σ = 0,8, las
especificaciones para este diámetro se encuentran definidas entre
2,2 ± 0,3. Determine la probababilidad de que el diametro de la pieza
metálica:
Se encuentre por encima de 2,7
Cumpla con las epecificaciones de diseño
Agosto 23 de 2013 26 /

La información suministrada son los siguientes parámetros µ = 2,5,
σ = 0,8.
P (X > 2,7) = 1 − P (X
6 2,7)
2,7−2,5
P (X > 2,7) = 1 − P Z 6 0,8 = 1 − P (Z 6 0,25) =
1 − 0,598 = 0,401
P (1,9
6X6 2,5)=
P X 6 2,5 − P X 6 1,9

= P Z 6 2,5−2,5
0,8 − P Z 6 1,9−2,5
0,8 =

P Z 6 0 − P Z 6 −0,75 = 0,500 − 0,226 = 0,274
Agosto 23 de 2013 27 /
Prueba de Normalidad
Definición
Es indispensable conocer que cuando se aplica una herramienta
estadística en donde se involucra variables continuas o cuantitativas es
fundamental determinar si la información obtenida en el proceso, tiene
un comportamiento mediante una distribución normal.
Agosto 23 de 2013 28 /
Prueba de Normalidad
Definición
Para ello la estadística posee algunas pruebas, entre ellas encontramos
la prueba de Ji-cuadrado , Kolmogorov-Smirnov Lilliefors, Shapiro y
Wilks o la prueba de Anderson Darling; pero una manera muy sencilla
de realizar la prueba de normalidad es construyendo un Histograma de
Frecuencia.
Figura 8: Distribución Normal mediante un histograma de frecuencia
Agosto 23 de 2013 29 /
Prueba de Kolmogorov Smirnov
Hipótesis
1. H0 =La información posee una distribución normal
2. H1 =La información no posee una distribución normal
3. α
4. Región de rechazo: Dn max = {Dn− , Dn+ } ≥ Dn,α
5. Calculos Dn− = |F rec.Empi−1 − F rec.T eor.| y
Dn+ = |F rec.Empi − F rec.T eor.|
donde Frec. Emp = ni y la Frec. Teórica = P (Z ≤ z)
6. Decisión
Agosto 23 de 2013 30 /
Orden valor Frec.Emp Fre.Teo Dn− Dn+ Dn max

1 485 0.111 0.080 0.080 0.030
2 489 0.222 0.161 0.050 0.060
3 490 0.333 0.187 0.034 0.145
4 495 0.444 0.353 0.020 0.090
5 499 0.555 0.509 0.065 0.045
6 500 0.666 0.554 0.0007 0.112
7 508 0.777 0.830 0.164 0.052 0.164
8 510 0.888 0.876 0.099 0.011
9 512 1.000 0.913 0.025 0.086
Agosto 23 de 2013 31 /
Prueba de Kolmogorov Smirnov Lilliefors
Calculo de las frecuencias teóricas

Se determinan los estadísticos de la muestra, basado en esta
información se estiman los parámetros µ = 498,66 y σ = 9,77.
P (X 6 485)
485−498,66
P (X 6 485) = P Z 6 9,77 = P (Z 6 −1,398) = 0,080
P (X 6 512)
512−498,66
P (X 6 512) = P Z 6 9,77 = P (Z 6 1,366) = 0,913
Agosto 23 de 2013 32 /
En la tabla de KSL se obtiene con n = 9 : D(0,05, 9) = 0,27 , por lo
que no se rechaza la hipótesis nula de que la muestra se distribuye
normalmente.
Agosto 23 de 2013 33 /
Figura 9: Taller tres

Agosto 23 de 2013 34 /
Figura 10: Tabla de Kolmogorov

Agosto 23 de 2013 35 /
Generalidades de las Cartas de Control
Sección 3 Generalidades de las Cartas de Control
Agosto 23 de 2013 36 /
¿Qué es una carta de control?
Definición
Es un diagrama en donde se realiza el seguimiento a través del tiempo a
una característica de calidad univariada o multivariada; con el objetivo
de detectar la existencia de comportamientos no aleatorios, sus causas y
posibles soluciones.
Agosto 23 de 2013 37 /
¿Qué es una carta de control?
Definición
Es una gráfica propuesta por el ing. W. A. Sewhart de los laboratorios
de la Bell Telephone en los años veinte. está constituida por una línea
central (determinada por una medida de localización o una medida de
variabilidad promedio) y una o más líneas a ciertas desviaciones de la
línea central, llamadas comúnmente limites de control; que representan
el estado de un proceso.
Agosto 23 de 2013 38 /
Tipos de variabilidad
Variabilidad
Este tipo de método estadístico permite diferenciar las diversas causas
de variabilidad en un proceso: las aleatorias o fortuitas (comunes) y las
asignables o especiales.
1. Variabilidad Aleatoria: Se deben a causas no asignables.
2. Variabilidad Asignable: Es causada por factores ajenos a las
condiciones naturales de un proceso.
Agosto 23 de 2013 39 /
Tipos de variación
Variabilidad
La variación ocurre en todos los procesos, ya sean fenómenos naturales
o invenciones humanas. Se dan dos clases de variación, la variación
aleatoria (que es natural en el proceso) y la no aleatoria o asignable
(resultado de una causa atribuible específica). La primera es predecible
(proceso bajo control), sin embargo la segunda causa que el proceso se
encuentre en estado fuera de control.
Agosto 23 de 2013 40 /
Tipos de variación
Variabilidad
Un gráfico de control muestra la variación total de un proceso (la
variabilidad aleatoria y no aleatoria) y se utiliza para monitorizar un
estadístico y mantenerlo en estabilidad estadística, es decir bajo control.
Agosto 23 de 2013 41 /
Interpretación
Carta de Control
Cómo interpretar las cartas de control: Inicialmente las cartas de
control permiten identificar variaciones no aleatorias. Una variación no
aleatoria se indica normalmente con un punto del gráfico que queda
fuera de los límites del control o posee un comportamiento no natural
dentro de estos límites de control.
Agosto 23 de 2013 42 /
Interpretación
Carta de Control
Los casos o situaciones que pueden indicar un estado no aleatorio o
fuera de control estando dentro de los límites de control establecidos
son: Cambios repentinos de la medida de localización, tendencias del
estadístico u oscilaciones alternadas muy amplias. Cuando se presenta
un hecho no aleatorio, fuera de control, los responsables del proceso
deben encontrar una causa atribuible, respondiendo a la pregunta ¿qué
ha cambiado en el proceso para producir este hecho?
Agosto 23 de 2013 43 /
Interpretación
Carta de Control
Cuando se presenta un hecho no aleatorio o asignable,es decir un estado
fuera de control, los responsables del proceso deben encontrar una
causa atribuible, realizando las correcciones pertinentes para que este
hecho no se replique.
Agosto 23 de 2013 44 /
Variaciones no aleatorias
Causas de la no aleatoriedad
Estas variabilidades generalmente son causadas por:
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Agosto 23 de 2013 45 /
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Agosto 23 de 2013 45 /
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Agosto 23 de 2013 45 /
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Agosto 23 de 2013 45 /
Maquinas
Materiales
Mano de obra
Método
Medio Ambiente
Metrología
Agosto 23 de 2013 45 /
Elementos de una carta de control
Elementos
Una carta de control consta de los siguientes elementos:
1. U CL : Limite Superior de Control
2. CL : Límite Central
3. LCL : Limite Inferior de Control
Los limites superior e inferior se encuentra a una distancia de 3σ que
representan como medida de probabilidad el 0,9973 0 99,73 % de que un
subgrupo se encuentre en control.
Agosto 23 de 2013 46 /
Elementos
La confiabilidad de los límites de control es medida de la siguiente
forma:
P (−3 6 Z 6 3) = P (Z 6 3)−P (Z 6 −3) = 0, 998650−0, 00134 = 0, 9973
Agosto 23 de 2013 47 /
Elementos
Un límite de control es un intervalo de confianza de la forma:
σ
CL = X̄ + L √
n
donde L = 3 garantiza una confiabilidad del 99,73 %
Agosto 23 de 2013 48 /
Característica de un subgrupo
Subgrupo
Un subgrupo lo forma una muestra racional de observaciones cuya
condición es que dentro del subgrupo se debe tener la menor
variabilidad y entre los subgrupos una mayor variación. Un proceso que
se encuentra en control es aquel que posea variabilidades aleatorias o
naturales.
Agosto 23 de 2013 49 /
Pasos para contruir una carta de control
FASE I Determinación de los parámetros del proceso

1. Escojer la característica de calidad del producto o servicio
2. Definir el subgrupo o tamaño de la muestra, de manera que el
estadístico calculado cumpla con la suposición de normalidad, algunos
autores recomiendan que al tomar 4 o mas observaciones por subgrupo
garantizan este supuesto (teorema del límite central)
3. Calcular los límites de ensayos o naturales evaluados con los datos e
información preliminar (mínimo 6 meses de toma de información) que
nos permite identificar los parametros del proceso µ y σ, como objetivo
final de esta fase.
Agosto 23 de 2013 50 /
FASE II control de procesos

1. Calcular los límites estándar del proceso basado en los parámetros de
la FASE I: Después de que se identifique los parámetros del proceso en
estado de estabilidad estadística, se realiza control tomando como
referente estos límites estandarizados, y se realiza control con la
información de la característica seleccionada posteriormente.
2. Los objetivos que se obtiene en estas FASES:
Mejoramiento continuo del proceso
Identificación de parámetros del proceso y ajuste posterior del
proceso
Capacidad del proceso para cumplir con las especificaciones de
diseño
Agosto 23 de 2013 51 /

proceso
diseño
Agosto 23 de 2013 51 /

proceso
diseño
Agosto 23 de 2013 51 /
Ejemplo
Generalidad de las cartas de control

A continuación se presenta la información del peso de un producto a
granel en trenes de empaque en la empresa ARGOS, para la cual utilizó
las carta de control X. Ahora desean monitorear la actividad respectiva
utilizando las carta de control de la media X.
Número del subgrupo x1 x2 x3
1 60 58 61
2 52 64 69
3 55 58 52
4 50 57 65
5 67 65 55
6 58 52 50
7 56 51 52
8 60 58 60
9 55 49 57
Agosto 23 de 2013 52 /
Carta de control
Generalidad de las cartas de control

En la carta de control se presenta el seguimiento a través del tiempo de
una medida de localización o una medida de variabilidad; ya sea en el
campo univariado como en el multivariado. Un proceso se considera
estadísticamente estable (bajo control), tanto en la medida de
localización como la de la variabilidad, cuando los puntos (subgrupos)
representados por algunos de los estadisticos se ubican entre los límites
de control o no se presente un comportamiento no aleatorio.
Agosto 23 de 2013 53 /
Figura 11: Comportamiento del estadístico en una carta de control
Agosto 23 de 2013 54 /
Cartas de control por variables
Sección 4 Cartas de control por variables
Agosto 23 de 2013 55 /
Cálculo del estadistico R

Montgomery(2001) muestra en las cartas R, el estadístico de control
como Pm
Ri
R̄ = i=1
m
donde m es el número de subgrupos que se toma en el proceso
seleccionado en la fase I.
Agosto 23 de 2013 56 /
Cálculo del estadistico X̄

El estadístico X̄, para la carta X̄
Pm
¯X = i=1 X̄i
m
seleccionado en la fase I.
Agosto 23 de 2013 57 /
Cartas de Control R
Montgomery(2001) muestra en las cartas R, el estadístico de control
como R. Los límites de control de la carta R están definidos por,
r
V R)
U CL = R̄ + 3bσR = R̄ + 3 R̄
E R)
r
V R
LCL = R̄ − 3b
σR = R̄ − 3 R̄
E R)
Agosto 23 de 2013 58 /
Cartas de Control R
Utilizando las contantes se tiene que los límites de control en la FASE I:
U CL = D4 R̄
CL = R̄
LCL = D3 R̄
Agosto 23 de 2013 59 /
Límites de control para X̄

Los límites de control en la FASE I están definida por las siguientes
ecuaciones:
r
V R
U CL = X̄ + 3b σX = X̄ + 3 R̄
E R/N (0, 1)
r
V R
LCL = X̄ − 3b
σX = X̄ − 3 R̄
E R/N (0, 1)
Agosto 23 de 2013 60 /

Utilizando los coeficientes para el calculo de los límites de control en la
FASE I se tiene:
U CL = X̄ + A2 R̄
CL = X̄
LCL = X̄ − A2 R̄
Agosto 23 de 2013 61 /
Figura 12: Coeficientes de las cartas de control
Agosto 23 de 2013 62 /
Ejemplo

Número del subgrupo x1 x2 x3 x R
1 60 52 55 55.66 8.0
2 50 67 58 58.33 17.0
3 56 60 55 57.00 5.0
4 58 64 58 60.00 6.0
5 57 65 52 58.00 13.0
6 51 58 49 52.66 9.0
7 61 69 52 60.66 17.0
8 65 55 50 56.66 15.0
9 52 60 57 56.33 8.0
Agosto 23 de 2013 63 /
Figura 13: Carta de control del rango
Agosto 23 de 2013 64 /
Figura 14: Carta de control del promedio
Agosto 23 de 2013 65 /
Recomendación
En el ejercicio anterior se obtuvo los límites de control inicial o
históricos, (se recomienda obtener la información durante los seis
primeros meses) para posteriormente identificar los límites naturales o
estándar del proceso, estos valores naturales se obtienen una vez
identificado los puntos por fuera de los límites de control o si existen
tendencias en el proceso.
Agosto 23 de 2013 66 /
Cálculo del estadistico R

P9
i=1 Ri 98
R̄ = = = 10,8889
9 9
Agosto 23 de 2013 67 /

Calculo de los límites de control para R
ecuaciones:
U CLR = (2, 575)10, 8889 = 28, 0307
CLR = 10, 8889
LCLR = (0, 0)10, 8889 = 0, 0
Agosto 23 de 2013 68 /

P9
X̄i 515,3337
X̄ = i=1 = = 57,2593
9 9
Agosto 23 de 2013 69 /
Cálculo de los límites historicos de control para X̄

ecuaciones:
U CL = 57, 2593 + 3(6, 4317) = 68, 3993
CL = 57, 2593
LCL = 57, 2593 − 3(6, 4317) = 46, 1192
Aplicando la formulación con la constante A2
U CL = 57, 2593 + 1,023(10,8889) = 68, 3993
LC = 57, 2593
LCL = 57, 2593 − 1,023(10,8889) = 46, 1192
Agosto 23 de 2013 70 /
Cálculo de los límites historicos de control para X̄
Agosto 23 de 2013 71 /
Cartas de Control R y X̄
Recalcular los límites de control para R y X̄

Por supuesto si la información histórica no presenta estas dos
condiciones de fuera de control los límites iniciales o históricos serán
considerados como limites naturales o estándar para el proceso. Cuando
se evalúa si un proceso se encuentra fuera de control la primera carta de
control que se debe analizar con mucho cuidado es la medida de
variabilidad en este caso la carta de control R, para observar si existe
homogeneidad en la información.
Agosto 23 de 2013 72 /

Porque si llega a suceder lo contrario (alta variabilidad en la
información) no se puede realizar un buen análisis en la carta de control
de la medida de localización, la carta X̄ , si no se estabiliza la
variabilidad en el proceso (observe que los límites de control de la carta
de la medida localización depende de la variabilidad en el proceso que
en el ejemplo lo representa el rango R o recorrido).
Agosto 23 de 2013 73 /

Cuando existen puntos fuera de control se debe recalcular la media y el
rango utilizando la siguiente fórmula:
Pm
X̄i − X̄d
X0 = i=1
m − md
Pm
R̄i − R̄d
R0 = i=1
m − md
seleccionado en la FASE I. Se determinan los límites de control
históricos basado en el rango y promedio recalalculado.
Agosto 23 de 2013 74 /
Parámetros del proceso

Los parámetros del proceso se estiman mediante las siguiente
formulaciones:
E(R̄)
σ=
d2
µ = E(X̄)
donde d2 es una constante que depende del tamaño del subgrupo.
Agosto 23 de 2013 75 /

En el ejemplo los parámetros son los siguientes:
E(R̄) 10, 88
σ= = = 6, 43171
d2 1, 693
µ = E(X̄) = 57, 2593

donde d2 = para un tamaño de subgrupo n = 3.
Agosto 23 de 2013 76 /
Límites estándar de las Cartas de Control R

La formulación para los límites de control en la FASE II.
U CL = (d2 + 3d3 )σ = D2 σ
LCL = (d2 − 3d3 )σ = D1 σ

Los valores D2 y D1 son constantes que dependen del tamaño de la
muestra n del subgrupo y σ = dR̄2 .
Agosto 23 de 2013 77 /

La formulación para los límites de control en la FASE II.
U CL = D2 σ
CL = R0
LCL = D1 σ
Los valores D2 y D1 son constantes que dependen del tamaño de la
muestra n del subgrupo y σ = dR̄2 .
Agosto 23 de 2013 78 /

Los límites estándar para el rango R son:
U CL = D2 σ = (4,358)(6,43) = 28,02
CL = R0 = 10,88
LCL = D1 σ = (0,0)(6,43) = 0,0
D2 = 4,0358 y D1 = 0,0
Agosto 23 de 2013 79 /
Límites de control estándar para X̄

La formulación para los límites de control en la FASE II:
U CL = µ + Aσ
CL = µ
LCL = µ − Aσ
Agosto 23 de 2013 80 /

U CL = 57,2593 + 1,732(6,431) = 68,39
Cl = 57,2593
LCL = 57,2593 − 1,732(6,431) = 46,12
Agosto 23 de 2013 81 /
Datos para control

Número del subgrupo x1 x2 x3 X̄ R
1 55 50 48 51.0 7.0
2 51 52 53 52.0 2.0
3 58 57 60 58.3 3.0
4 54 61 65 60.0 11.0
5 54 55 50 53.0 5.0
Agosto 23 de 2013 82 /
Cuando el proceso esta monitoreando en linea, es decir se encuentra en
la FASE II, el número de puntos graficados en la carta hasta que
aparezca una señal fuera de control se conoce como longitud de corridas
y se donata pro RL
Agosto 23 de 2013 83 /
Cuando el proceso esta monitoreando en linea, es decir se encuentra en
la FASE II, el número de puntos graficados en la carta hasta que
aparezca una señal fuera de control se conoce como longitud de corridas
y se donata por RL
Agosto 23 de 2013 84 /
1
RL =
p
donde p es la probabilidad de que un subgrupo este fuera de control, es
decir si p = 0, 0027 el número de corridas generada antes de que un
punto se encuentre fuera de control es de 370, 037
Agosto 23 de 2013 85 /
Cartas de Control S
Definición
La carta S, permite realizar el seguimiento a la desviación estandar del
proceso. Es una carta en donde el criterio de normalidad no se cumple.
Agosto 23 de 2013 86 /
Cartas de Control S
Límites de control naturales de la carta S

En la cartas S, se realiza el mismo procedimiento aplicado en la carta
R. Los límites de control para la FASE I en esta carta están dados por:
U CL = E(S) + 3σs
CL = S̄
LCL = E(S) + 3σs
Agosto 23 de 2013 87 /
Cartas de Control S
Límites de control naturales de la carta S

Los límites de control para S con las constantes en la FASE I están
dado por:
U CL = B4 S̄
CL = S̄
LCL = B3 S̄
Agosto 23 de 2013 88 /
Cartas de control para S y X̄

Los límites de control para el X̄ son:
3s̄
U CL = X̄ + √
C4 n
LC = X̄
3s̄
LCL = X̄ − √
C4 n
Agosto 23 de 2013 89 /

Utilizando los coeficientes para el cálculo de los límites de control en la
FASE I se tiene:
U CL = X̄ + A3 S̄
LC = X̄
LCL = X̄ − A3 S̄
Agosto 23 de 2013 90 /
Ejemplo

Número del subgrupo x1 x2 x3 x4 x S
1 51.10 60.70 46.43 64.59 55,7108 8,38867
2 47.83 47.43 66.93 63.57 56,4462 10,2688
3 60.48 56.41 52.18 68.60 59,4228 6,99779
4 53.64 62.79 58.75 54.30 57,3759 4,26716
5 57.79 60.89 57.67 56.83 58,3029 1,783
6 62.25 53.51 59.08 50.85 56,4277 5,18139
7 49.50 50.16 62.34 58.02 55,0094 6,23457
8 64.51 56.53 56.29 63.61 60,2416 4,43251
9 50.43 65.32 52.27 55.59 55,90 6,63299
10 60.72 50.42 56.86 68.34 59,0995 7,49286
Agosto 23 de 2013 91 /
Cálculo del estadistico S̄

P10
i=1 Si 61,67
S̄ = = = 6,167
10 10
Agosto 23 de 2013 92 /
Límites iniciales de las Cartas de Control S

Los límites estándar para el rango R son:
U CL = B4 S̄ = (2, 26)(6,167) = 13, 98
CL = S̄ = 6,167
LCL = B3 S̄ = (0,0)(6,167) = 0,0
B4 = 2,26 y B3 = 0,0
Agosto 23 de 2013 93 /

P9
i=1 X̄i 573,8
X̄ = = = 57,38
10 10
Agosto 23 de 2013 94 /

Utilizando los coeficientes para el calculo de los límites de control en la
FASE I se tiene:
U CL = 57,389 + 1,628(6,167) = 67,44
LC = 57,389
LCL = 57,389 − 1,628(6,167) = 47,35
Agosto 23 de 2013 95 /
Agosto 23 de 2013 96 /

Los parámetros del proceso se estiman mediante las siguiente
formulaciones:
E(S̄)
σ=
c4
µ = E(X̄)
donde c4 es una constante que depende del tamaño del subgrupo.
Agosto 23 de 2013 97 /

En el ejemplo los parámetros son los siguientes:
E(S̄) 6,167
σ= = = 6, 696
c4 0,921
µ = E(X̄) = 57,389
donde c4 = 0,921 para un tamaño de subgrupo n = 4.
Agosto 23 de 2013 98 /
Cartas de Control S
límites de control estándar

En la FASE II la formulación de en esta carta esta definida,
q q
U CL = c4 σ + 3σS = c4 σ + 3σ 1 − c24 = σ c4 + 1 − c24
CL = c4 σ
q q
LCL = c4 σ − 3σS = c4 σ − 3σ 1 − c4 = σ c4 − 1 − c24
2
Agosto 23 de 2013 99 /
Cartas de Control S

Induce a los siguientes límites de control en la FASE II.
U CL = B6 σ
CL = S0
LCL = B5 σ
Agosto 23 de 2013 100 /

Cartas de Control S

Determinación en el ejemplo de los límites de control.
U CL = 2,088(6,696) = 13,98
CL = 6,696
LCL = 0,00(6,696) = 0,00
Agosto 23 de 2013 101 /


U CL = µ + Aσ
CL = µ
LCL = µ − Aσ
Agosto 23 de 2013 102 /


Para el ejemplo los La formulación para los límites de control en la
FASE II:
U CL = 57,38 + 1,500(6,696) = 67,42
CL = 57,38
LCL = 57,38 − 1,500(6,696) = 47,33
Agosto 23 de 2013 103 /

Ejemplo

Número del subgrupo x1 x2 x3 x4 x S
1 53.10 62.50 56.33 64.59 59.13 5,334
2 57.83 57.73 65.13 62.77 60.865 3.6908
3 62.58 57.11 55.88 62.40 59,4925 3.498
4 51.54 63.59 52.45 52.50 55.02 5.7303
5 52.49 63.69 55.87 54.23 57.32 5.028
Agosto 23 de 2013 104 /

Estados fuera de control
Existen diversos comportamientos que nos indican un estado fuera de

control. Entre estos encontramos:
Agosto 23 de 2013 105 /

Mezcla
Es la sospecha de que en el proceso existen dos o mas poblaciones de un
mismo factor, cuyo comportamiento es totalmente diferente uno de
otro.
Materia prima.
Operario.
Equipo.
Agosto 23 de 2013 106 /

Mezcla
otro.
Materia prima.
Operario.
Equipo.
Agosto 23 de 2013 106 /

Mezcla
otro.
Materia prima.
Operario.
Equipo.
Agosto 23 de 2013 106 /

Tendencia
Es una secuencia continua en forma ascendente o descendente del
comportamiento de los subgrupos del proceso y es debido a:
Desajuste de equipo.
Desgaste de una pieza.
Descuido del operario.
Agosto 23 de 2013 107 /

Tendencia
Agosto 23 de 2013 107 /

Tendencia
Agosto 23 de 2013 107 /

Cambio de nivel
Cambio repentino de las condiciones del proceso.
Materia prima.
Operarios con diferentes procedimientos.
Ajuste en el centramiento.
Agosto 23 de 2013 108 /

Cambio de nivel
Materia prima.
Agosto 23 de 2013 108 /

Cambio de nivel
Materia prima.
Agosto 23 de 2013 108 /

Cambio de nivel
Materia prima.
Agosto 23 de 2013 108 /

Ciclo
Esto se debe a rotación de factores del proceso tales como:
Equipo.
Operario.
Materia prima.
Agosto 23 de 2013 109 /

Ciclo
Equipo.
Operario.
Materia prima.
Agosto 23 de 2013 109 /

Ciclo
Equipo.
Operario.
Materia prima.
Agosto 23 de 2013 109 /

Agosto 23 de 2013 110 /

Indice de capacidad univariado

Cuando un proceso cumple con las especificaciones establecidas en el
diseño, se dice que este es un proceso capaz.
Agosto 23 de 2013 111 /

Figura 16: Indice de Capacidad
Agosto 23 de 2013 112 /

Primera situación 6σ ≥ (les − lei)

La capacidad del proceso sea mayor que las especificaciones. Es la
situación más indeseable dentro de un proceso.Aunque el proceso se
encuentre dentro de control, este pueda que no cumpla con las
especificaciones exigidas por el cliente.En este caso el ingeniero de
control de calidad debe aumentar las especificaciones del producto,
siempre y cuando sea informado a los clientes de este cambio.
Agosto 23 de 2013 113 /

Primera situación 6σ ≥ (les − lei)

Otra posible solución sería desplazar el promedio del proceso ya sea de
izquierda o derecha, logrando producir todo el rechazo por defecto o
por exceso. Disminuyendo la variabilidad del proceso, de tal manera
que la distribución sea en forma de punta (esto significa que la mayor
parte de la información se encuentra en la parte central de los datos)
esto logra con cambios sustanciales en el proceso.
Agosto 23 de 2013 114 /

Segunda situación 6σ = (les − lei)

La capacidad del proceso es igual a las especificaciones: a pesar que en
esta situación el proceso esta cumpliendo con las especificaciones, es
indeseable tenerla porque en cualquier momento algunas informaciones
del proceso pueden no ajustarse a las especificaciones
Agosto 23 de 2013 115 /

Tercera situación 6σ ≤ (les − lei)

La capacidad del proceso es menor que las especificaciones: es el caso
ideal. Esto significa que la especificación al ser mayor que la capacidad
del proceso, este puede encontrarse fuera de control, pero no ocurre
producto de rechazo.La capacidad de un proceso debe ser menor que las
diferencias de las especificaciones para determinar que el proceso es
capaz.
Agosto 23 de 2013 116 /

Tercera situación 6σ ≤ (les − lei)

Para medir esta capacidad es utilizado el índice de capacidad definido
como:
les − lei
Cp =
6σ
donde les y lei son los límites de especificación superior en inferior.
Agosto 23 de 2013 117 /


Ejemplo
Un proceso cuya 30
P
i=1 S = 890 para 30 subgrupos de tamaño cuatro
posee de especificación les = 780 y lei = 620 y se encuentra bajo
control estadístico cuyo promedio es µ = 720. Determine el índice de
capacidad del proceso.
890
S0 = = 29,66
30
S0
σ= = 32,2
C4 )
Donde C4 = 0,9213
780 − 620
Cp = = 0,828
6(32,2)
Agosto 23 de 2013 118 /
Indice de capacidad promedio

Determina hacia donde se ubica el desplazamiento del proceso con
respecto a las especificaciones.
les − µ µ − lei
Cpk = min{Cpu = , Cpl = }
3σ 3σ
Agosto 23 de 2013 119 /


1. Cpk ≤ Cp
2. Cpk = 0 El promedio del proceso coincide con una de las
especificaciones.
3. Cpk ≤ 0 Casi todo el proceso esta desplazado por fuera de las
especificaciones.
Agosto 23 de 2013 120 /


En el ejemplo anterior se tiene que el indice de capacidad promedio esta
definido:
780 − 720 720 − 620
Cpk = min{Cpu = , Cpl = }
3(32, 2) 3(32, 2)
Cpk = min{Cpu = 0,62, Cpl = 1,035}
Agosto 23 de 2013 121 /

Capacidad e Indice de Capacidad Univariado con valor

objetivo o nominal T
Indice de capacidad
Con frecuencia se indican valores nominales u objetivos del proceso,
representado por T . En donde es modificada las formulaciones
utilizadas para medir el indice de capacidad tradicional, agrgando un
valor objetivo o nominal del proceso.
les − lei
Cpm = p
6 σ 2 + (µ − T )2
El indice de capacidad promedio es definido mediante,

les − µ µ − lei
Cpmk = min{Cpu = p , Cpl = p }
2
3 σ + (µ − T )2 3 σ + (µ − T )2
2
Agosto 23 de 2013 122 /

Indice de capacidad univariado no paramétrico
Propuesta de Chen y Pearn

Sea un conjunto de observaciones que representa la medida de una
característica de calidad de un proceso productivo se realiza una prueba
de normalidad y se encontró que las observaciones no poseen dicha
distribución. Se hace necesario aplicar un método no paramétrico.
les − lei
CN p =
F99,865 − F0,135
les − M M − lei
CN pk = min{ F99,865 −F0,135 , F99,865 −F0,135
}
2 2
Agosto 23 de 2013 123 /


99,865n + 0,135
R1 =
100
0,135n + 99,865
R2 =
100
n+1
R3 =
2
Agosto 23 de 2013 124 /


Sea un conjunto de observaciones que representa la medida de una
característica de calidad de un proceso productivo se realiza una prueba
de normalidad y se encontró que las observaciones no poseen dicha
distribución. Se hace necesario aplicar un método no paramétrico.
99,865n + 0,135
F99,865 = XR(1) + − R1 X(R1 +1) − X(R1 )
100
0,135n + 99,865
F0,135 = XR(2) + − R2 X(R2 +1) − X(R2 )
100
n + 1
M ediana = M = XR(3) + − R3 X(R3 +1) − X(R3 )
2
Agosto 23 de 2013 125 /


266,597 268,431
266,709 268,56
266,828 268,63
267,008 268,691
267,047 269,075
267,172 269,339
267,267 269,539
267,299 269,931
267,327 270,885
267,419 272,329
267,495 273,365
267,594 275,368
268,135 276,489
268,219 278,775
268,333 278,813
268,417 280,89
Agosto 23 de 2013 126 /


99,865(32) + 0,135
R1 = = 31, 889 ≈ 31
100
0,135(32) + 99,865
R2 = = 1, 04185 ≈ 1
100
32 + 1
R3 = = 16, 5 ≈ 16
2
Agosto 23 de 2013 127 /

99,865(32) + 0,135
F99,865 = XR(1) + − R1 X(R1 +1) − X(R1 )
100
= 278, 813 + 0, 889(280, 89 − 278, 813) = 282, 736
Agosto 23 de 2013 128 /

0,135(32) + 99,865
F0,135 = XR(2) + − R2 X(R2 +1) − X(R2 )
100
= 266, 597 + 0, 04185(266, 709 − 266, 597) = 266, 601
Agosto 23 de 2013 129 /

32 + 1
M ediana(M ) = XR(3) + − R3 X(R3 +1) − X(R3 )
2
= 268, 417 + 0, 5(268, 431 − 268, 417) = 268, 424
Agosto 23 de 2013 130 /

les − lei
CN p =
F99,865 − F0,135
280 − 250
= = 1, 8593
282, 736 − 266, 6016
Agosto 23 de 2013 131 /

les − M M − lei
CN pk = min{ F99,865 −F0,135 , F99,865 −F0,135
}
2 2
280 − 268, 424 268, 424 − 250
= min{ 282,736−266,6016 , 282,736−266,6016 }
2 2
= (3,718, 1,397) =
Agosto 23 de 2013 132 /

Cartas de control por atributos
Sección 5 Cartas de control por atributos
Agosto 23 de 2013 133 /


Cualquier característica de calidad que pueda ser clasificada en forma
de conteo: çumple o no cumple", "funciona o no funciona", "pasa o no
pasa", número de fallas, número de no conformidades etc., a los efectos
de control del proceso, será considerado como un atributo y para su
control se utilizará un Gráfico de Control por Atributos.
Agosto 23 de 2013 134 /


Los criterios de aceptación al utilizar cartas de control por atributos
deben estar claramente definidos y el procedimiento para decidir si esos
criterios se están alcanzando es producir resultados consistentes a
través del tiempo. Este procedimiento consiste en definir
operacionalmente lo que se desea medir.
Agosto 23 de 2013 135 /


Carta de control Descripción Campo de aplicación
p Proporciones de unidades no conformes Control de la fracción global de defectuosos de un proceso.
np Número o cantidad de no conformes Control del número de piezas defectuosas
c Número de no conformidades Control de número global de defectos por unidad
u Numero de no conformidades por unidad Control del promedio de defectos por unidad
Agosto 23 de 2013 136 /


Establezca la frecuencia con la cual los datos serán tomados (horaria,
diaria, semanal). Los intervalos cortos entre tomas de muestras
permitirán una rápida retroalimentación al proceso ante la presencia de
problemas. Los tamaños de muestra grandes permiten evaluaciones más
estables del desarrollo del proceso y son más sensibles a pequeños
cambios en el promedio del mismo
Agosto 23 de 2013 137 /

Cartas de control por fracción de no conforme p y de la cantidad de no conformes np
Cartas de control por fracción de no conforme

Un diagrama p muestra la variación existe en la fracción defectuosa en
un proceso, en donde se conoce como la fracción defectuosa, entonces ,
es la desviación de la fracción defectuosa.La gráfica p mide la fracción
defectuosa o sea las piezas defectuosas en el proceso. Se puede referir a
muestras de 75 piezas, tomada dos veces por día; 100 % de la
producción durante una hora, etc. Se basa en la evaluación de una
característica (¿se instalo la pieza requerida?) o de muchas
características (¿se encontró algo mal al verificar la instalación
eléctrica?). Es importante que cada componente o producto verificado
se registre como aceptable o defectuoso (aunque una pieza tenga varios
defectos específicos se registrará sólo una vez como defectuosa).
Agosto 23 de 2013 138 /


1. Trazamos un diagrama preliminar para determinar si el proceso se
encuentra en control, calculando inicialmente el promedio de defectuoso
durante el periodo en que se tomo la información histórica.
2. Para ello, tomamos el número total de partes defectuosas sobre el
número total de inspecciones realizadas.
3. Posteriormente calculamos la desviación estándar del proceso σ.
4. Determinamos los limites de control superior e inferior de control.
5. Se analizan si existen subgrupos fuera de control y se determina si
existen causas asignables o no.
6. Se analizan nuevamente los datos para obtener la base, en cuanto a
los límites de control, que se utilice para producciones futuras.
7. Estos nuevos puntos son p , con su respectiva desviación estándar.
Agosto 23 de 2013 139 /


El estadístico calculado es la fracción de unidades no conformes para
cada subgrupo es,
np
p=
n
la fracción promedio es, Pm
np
p̄ = Pi=1
m
i=1 n
Agosto 23 de 2013 140 /


En la FASE I la formulación de en esta carta esta definida,
r
p̄(1 − p̄)
U CL = p̄ + 3σp = p̄ + 3
n
CL = p̄
r
p̄(1 − p̄)
LCL = p̄ − 3σp = p̄ − 3
n
Agosto 23 de 2013 141 /

Ejemplo

Utilizando los datos siguientes, trácese un diagrama p para la
producción. Supóngase que las causas atribuibles han sido encontradas
en el caso de todos los puntos situados fuera de los límites del diagrama
de control. El tamaño de muestra utilizado es de 200 unidades por
subgrupo.
Agosto 23 de 2013 142 /


Día del mes Número de unidades no conformes np Fracción de no conformes p
1 6 0.03
2 6 0.03
3 6 0.03
4 5 0.025
5 0 0.00
6 0 0.00
7 6 0.03
8 14 0.07
9 4 0.02
10 0 0.00
11 1 0.005
12 8 0.04
13 2 0.01
14 4 0.02
15 7 0.035
Agosto 23 de 2013 143 /


El estadístico calculado es la fracción de unidades para el
primer,segundo y tercer subgrupo es,
6
p= = 0,03
200
la fracción promedio es,
69
p̄ = = 0,023
3000
Agosto 23 de 2013 144 /

Carta de control de fracción de no conforme
Límites históricos
Los límites históricos en el ejemplo son,
r
0,023(1 − 0,023)
U CL = 0,023 + 3 = 0,0547993
200
CL = 0,023
r
0,023(1 − 0,023)
LCL = 0,023 − 3 = 0,00
200
Agosto 23 de 2013 145 /

Figura 17: Cartas de control por fracción de no conformes
Agosto 23 de 2013 146 /

Recalcular los límites

Recalculamos el estadístico,
Pm
i=1 np − npd
p0 = P m
i=1 n − nd
69 − 14
p0 = = 0,0196
3000 − 200
Agosto 23 de 2013 147 /

Límites históricos recalculados
Límites recalculados
La formulación es de la siguiente forma,
r
p0 (1 − p0 )
U CL = p0 + 3σp = p0 + 3
n
CL = p0
r
p0 (1 − p0 )
LCL = p0 − 3σp = p0 − 3
n
Agosto 23 de 2013 148 /

Límites históricos recalculados
Límites recalculados
Los límites recalculados en el ejemplo son,
r
0,0196(1 − 0,0196)
U CL = 0,0196 + 3 = 0,0490
200
CL = 0,0196
r
0,0196(1 − 0,0196)
LCL = 0,0196 − 3 = 0,00
200
Agosto 23 de 2013 149 /

Figura 18: Cartas recalculada de control por fracción de no conformes
Agosto 23 de 2013 150 /

Parámetro de la carta de control p

El parámetro p se estima mediante:
E(p̄) = p
Agosto 23 de 2013 151 /

Parámetro de la carta de control p

En el ejemplo el parámetro p se estima mediante:
E(p̄) = p = 0,0196
Agosto 23 de 2013 152 /

Datos para control

1 1 0.005
2 3 0.015
3 1 0.005
4 4 0.02
5 0 0.00
6 4 0.02
7 15 0.075
el parámetro esta definido como,
p = 0,0196
Agosto 23 de 2013 153 /

Límites estándar de la carta de la fracción de no

conformes
Límites estándar
La formulación es de la siguiente forma,
r
p(1 − p)
U CL = p + 3σp = p + 3
n
CL = p
r
p(1 − p)
LCL = p − 3σp = p − 3
n
Agosto 23 de 2013 154 /

FASE II de Control
Límites estándar
Los límites estándar son los siguientes,
r
0,0196(1 − 0,0196)
U CL = 0,0196 + 3 = 0,049
200
CL = 0,0196
r
0,0196(1 − 0,0196)
LCL = 0,0196 − 3 = −0,0098 = 0,00
200
Agosto 23 de 2013 155 /

Figura 19: Cartas de control por fracción de no conformes
Agosto 23 de 2013 156 /

Cartas de control para la cantidad de no conforme np

El diagrama np muestra la variación existe en la cantidad de unidades
no conformes de un proceso, donde el parámetro p se conoce como la
fracción de no conformes. El tamaño del subgrupo n para esta carta de
control se debe ser constante.
Agosto 23 de 2013 157 /


El estadístico calculado es la fracción de unidades no conformes para
cada subgrupo es, Pm
np
¯ = i=1
np
m
la fracción promedio es, Pm
np
p̄ = Pi=1
m
i=1 n
Agosto 23 de 2013 158 /


En la FASE I la formulación de en esta carta esta definida,
p
U CL = np ¯ + 3σnp
¯ = np ¯ − p̄)
¯ + 3 np(1
CL = np
¯
p
¯ − 3σnp
LCL = np ¯ − 3 np(1
¯ = np ¯ − p̄)
Agosto 23 de 2013 159 /


Del ejemplo anterior se tiene lo siguiente:
1 6 0.03
2 6 0.03
3 6 0.03
4 5 0.025
5 0 0.00
6 0 0.00
7 6 0.03
8 14 0.07
9 4 0.02
10 0 0.00
11 1 0.005
12 8 0.04
13 2 0.01
14 4 0.02
15 7 0.035

69
p̄ = = 0,023 Agosto 23 de 2013 160 /
Roberto José Herrera Acosta () 3000 de Procesos
Control Estadístico 248

El estadístico calculado es la fracción de unidades para el
primer,segundo y tercer subgrupo es,
Pm
np 69
¯ = i=1
np = = 4,6
m 15
69
p̄ = = 0,023
3000
Agosto 23 de 2013 161 /

Límites históricos
Los límites estándar en el ejemplo son,
p
U CL = 4,6 + 3 4,6(1 − 0,023) = 10, 9599
CL = 4,6
p
LCL = 4,6 − 3 4,6(1 − 0,023) = −1,75 = 0,00
Agosto 23 de 2013 162 /

Figura 20: Cartas de control para la cantidad de no conforme np
Agosto 23 de 2013 163 /


Pm
np − npd
np¯ 0 = i=1
m − md
69 − 14
np
¯0 = = 3,92857
15 − 1
69 − 14
p0 = = 0,0196
3000 − 200
Agosto 23 de 2013 164 /

Límites estándar
La formulación para los límites recalculados es,
p
U CL = np0 + 3σnp = np0 + 3 np0 (1 − p0 )
CL = np0
p
LCL = np0 − 3σnp = np0 − 3 np0 (1 − p0 )
Agosto 23 de 2013 165 /


Los límites recalculados en el ejemplo son,
p
U CL = 3,92 + 3 3,92(1 − 0,0196) = 9,81607
CL = 3,92857
p
LCL = 3,92 − 3 3,92(1 − 0,0196) = −1,96 = 0,00
Agosto 23 de 2013 166 /

Figura 21: Recalculo de la Carta de control de la cantidad de no conformes
Agosto 23 de 2013 167 /

Parámetro de la carta de control np

El parámetro np se estima mediante:
E(np)
¯ = np
E(p0 ) = p
Agosto 23 de 2013 168 /

Parámetro de la carta de control np

En el ejemplo el parámetro np se estima mediante:
np = 3,92
p = 0,0196
Agosto 23 de 2013 169 /

FASE II de Control
Límites estándar
En la FASE II,FASE de control, la formulación es de la siguiente forma,
p
U CL = np + 3σnp = np + 3 np(1 − p)
CL = np
p
LCL = np − 3σnp = np − 3 np(1 − p)
Agosto 23 de 2013 170 /

Datos para control

Día del mes Número de unidades no conformes np
1 1
2 3
3 1
4 4
5 0
6 4
7 15
np = 3,92
p = 0,0196
Agosto 23 de 2013 171 /

FASE II de Control
Límites estándar de la carta np

Los límites estándar son,
p
U CL = 3,92 + 3 3,92(1 − 0,0196) = 9,80
CL = 3,92
p
LCL = 3,92 − 3 3,92(1 − 0,0196) = −1,96 = 0,00
Agosto 23 de 2013 172 /

Figura 22: Control cantidad de no conformes
Agosto 23 de 2013 173 /

Carta de control para el número de no conformidades c y el número de no conformidades
por unidad u
Carta de control para el número de no conformidades c

En algunos procesos interesa medir la cantidad de defectos que
presentan las unidades de producto que se están fabricando. Por
ejemplo, se fabrican teléfonos celulares y entonces se toma uno de ellos
y se cuenta el número total de fallas. Estos podrían ser:
Ralladuras en la superficie.
Rajaduras en el plástico.
Antena defectuosa.
Botón defectuoso.
Agosto 23 de 2013 174 /

por unidad u

Antena defectuosa.
Botón defectuoso.
Agosto 23 de 2013 174 /

por unidad u

Antena defectuosa.
Botón defectuoso.
Agosto 23 de 2013 174 /

por unidad u

Antena defectuosa.
Botón defectuoso.
Agosto 23 de 2013 174 /

por unidad u

Las no coformidades pueden ser de diferentes tipos y se cuenta el total
de todos estos defectos en la unidad inspeccionada. Obtenemos un
resultado que es el número de no coformidades por unidad de
inspección.
Agosto 23 de 2013 175 /

por unidad u

La carta de control para el número de piezas defectuosas esta basada en
la distribución de probabilidad de Poisson. Los objetivos de la gráfica c
son:
Reducir el costo relativo al proceso.
Informar a los supervisores de producción y a la administración
acerca del nivel de calidad.
Determinar que tipo de defectos no son permisibles en un producto
informar de la probabilidad de ocurrencia de los defectos en una
unidad.
Agosto 23 de 2013 176 /

por unidad u

son:
unidad.
Agosto 23 de 2013 176 /

por unidad u

son:
unidad.
Agosto 23 de 2013 176 /

por unidad u

La aplicación de la carta de control es útil para controlar el número de
defectos presentes en una unidad predeterminada. En este gráfico, el
tamaño de la muestra debe ser fijo.
Agosto 23 de 2013 177 /

por unidad u

El estadístico calculado del promedio de número de no conformidades
es, Pm
c
c̄ = i=1
m
Agosto 23 de 2013 178 /

por unidad u

El uso de la carta de control c es especialmente conveniente cuando no
existe una unidad natural de producto y se requiere controlar la
cantidad de defectos sobre una superficie o a lo largo de una longitud
constante. Si el número de defectos promedio es c̄ , entonces los límites
de control para esta carta son:
Agosto 23 de 2013 179 /

por unidad u
Límites de control históricos de la carta de control c

En la FASE I, la formulación es de la siguiente forma,
√
U CL = c̄ + 3σc = c̄ + 3 c̄
CL = c̄
√
LCL = c̄ − 3σc = c̄ − 3 c̄
Agosto 23 de 2013 180 /

por unidad u

Del ejemplo anterior se tiene lo siguiente:
Número del subgrupo Número de no conformidades c
1 77
2 64
3 75
4 93
5 45
6 61
7 49
8 65
9 45
10 77
11 59
12 54
13 41
14 87
15 40
16 22
17 92

Agosto 23 de 2013 181 /
1046
por unidad u
Límites de control históricos de la carta de control c

p
U CL = 61,5294 + 3 61,5294 = 85, 0616
CL = 61,5294
p
LCL = 61,5294 − 3 61,5294 = 37,9972
Agosto 23 de 2013 182 /

por unidad u
Figura 23: Carta del número de no conformidades
Agosto 23 de 2013 183 /

por unidad u

Pm
c − cd
c0 = i=1
m − md
Agosto 23 de 2013 184 /

por unidad u

Pm
1046 − (93 + 87 + 92)
c0 = i=1 = 55,29
17 − 3
Agosto 23 de 2013 185 /

por unidad u
Límites de control históricos recalculados de la carta de control c

Los calculos de los límites de control recalculados en el ejemplo se tiene:
p
U CL = 55,29 + 3 55,29 = 77,59
CL = 55,29
p
LCL = 55,29 − 3 55,29 = 32,98
Agosto 23 de 2013 186 /

por unidad u
Figura 24: Recalculo de la Carta de control del número de no conformidades
Agosto 23 de 2013 187 /

por unidad u
Parámetro de la carta de control c

El parámetro λ se estima mediante:
E(c0 ) = λ
Agosto 23 de 2013 188 /

por unidad u
Límites de control estándar de la carta de control c

En la FASE II, los límites de control son los siguientes,
√
U CL = λ + 3 λ
CL = λ
√
LCL = λ − 3 λ
Agosto 23 de 2013 189 /

por unidad u
Datos para control para la carta del número de no conformidades c

1 26
2 234
3 9
4 15
5 63
6 39
7 58
8 61
9 59
10 51
11 33
12 40
λ = 55,29
Agosto 23 de 2013 190 /

por unidad u
Cálculo del los límites de control estándar

p
U CL = 55,29 + 3 55,29 = 77,59
CL = 55,29
p
LCL = 55,29 − 3 55,29 = 32,98
Agosto 23 de 2013 191 /

por unidad u
Figura 25: Carta Control para el número de no conformidades
Agosto 23 de 2013 192 /

por unidad u
Indice de capacidad univariado para la proporción de no

conformes
Indice de capacidad de atributos

Para medir esta capacidad de proporciones se propone la siguiente
ecuación:
p − p̄
Cp =
0,027
donde p y p̄ son: el parámetro de proporción y la proporción promedio
de los nuevos datos.
Agosto 23 de 2013 193 /

por unidad u
Indice de capacidad univariado para el número de no

conformidades

Se propone la siguiente ecuación:
λ − c̄
Cp =
0,027
donde λ y c̄ son: el parámetro del promedio de no conformidad y no
conformidad promedio de los nuevos datos.
Agosto 23 de 2013 194 /

por unidad u
Figura 26: SEXTO TALLER
Agosto 23 de 2013 195 /

por unidad u
Límites de control históricos de la carta de control u

r
ū
U CL = ū + 3σu = ū + 3
n
CL = ū
r
ū
LCL = c̄ − 3σu = ū − 3
n
Agosto 23 de 2013 196 /

por unidad u

Carta de control para el número de no conformidades por unidad u
En una empresa textilera se toma la siguiente información del número
de no conformidades encontradas en muestras de telas
Número del subgrupo tamaño del subgrupo Número de no conformidades c
1 40 2
2 25 6
3 20 3
4 15 1
5 25 3
6 10 6
7 35 5
8 25 6
9 20 2
10 10 4
11 25 5
12 35 3
13 40 1
14 45 2
15 45 4
16 25 2
17 50 3
la fracción promedio es, Agosto 23 de 2013 197 /

por unidad u
Límites de control históricos de la carta de control u

r
0, 1183
U CL = 0, 1183 + 3 =
n
CL = 0, 1183
r
0, 1183
LCL = 0, 1183 − 3 =
n
Agosto 23 de 2013 198 /

por unidad u
Figura 27: Carta del número de no conformidades
Agosto 23 de 2013 199 /

por unidad u

Pm
c − cd
c0 = i=1
m − md
Agosto 23 de 2013 200 /

por unidad u

Pm
1046 − (93 + 87 + 92)
c0 = i=1 = 55,29
17 − 3
Agosto 23 de 2013 201 /

por unidad u
Límites de control históricos recalculados de la carta de control c

Los calculos de los límites de control recalculados en el ejemplo se tiene:
p
U CL = 55,29 + 3 55,29 = 77,59
CL = 55,29
p
LCL = 55,29 − 3 55,29 = 32,98
Agosto 23 de 2013 202 /

por unidad u
Figura 28: Recalculo de la Carta de control del número de no conformidades
Agosto 23 de 2013 203 /

por unidad u
Parámetro de la carta de control c

El parámetro λ se estima mediante:
E(c0 ) = λ
Agosto 23 de 2013 204 /

por unidad u
Límites de control estándar de la carta de control c

√
U CL = λ + 3 λ
CL = λ
√
LCL = λ − 3 λ
Agosto 23 de 2013 205 /

por unidad u
Datos para control para la carta del número de no conformidades c

1 26
2 234
3 9
4 15
5 63
6 39
7 58
8 61
9 59
10 51
11 33
12 40
λ = 55,29
Agosto 23 de 2013 206 /

por unidad u
Cálculo del los límites de control estándar

p
U CL = 55,29 + 3 55,29 = 77,59
CL = 55,29
p
LCL = 55,29 − 3 55,29 = 32,98
Agosto 23 de 2013 207 /

por unidad u
Figura 29: Carta Control para el número de no conformidades
Agosto 23 de 2013 208 /

por unidad u
Indice de capacidad univariado para la proporción de no

conformes

Para medir esta capacidad de proporciones se propone la siguiente
ecuación:
p − p̄
Cp =
0,027
donde p y p̄ son: el parámetro de proporción y la proporción promedio
de los nuevos datos.
Agosto 23 de 2013 209 /

por unidad u
Indice de capacidad univariado para el número de no

conformidades

Se propone la siguiente ecuación:
λ − c̄
Cp =
0,027
donde λ y c̄ son: el parámetro del promedio de no conformidad y no
conformidad promedio de los nuevos datos.
Agosto 23 de 2013 210 /

por unidad u
Figura 30: SEXTO TALLER
Agosto 23 de 2013 211 /

Cartas de control EWMA
Sección 6 Cartas de control EWMA
Agosto 23 de 2013 212 /

Cartas de control Ewma
Estadística de control Ewma

Roberts (1954) proponen obtener la estadística EWMA para
monitorear la medida de localización aplicando la variable T = X para
observaciones individuales y T = X̄ cuando seleccionan subgrupos. Por
lo que el estadístico EWMA es,
Agosto 23 de 2013 213 /

Estadístico Ewma
El estadístico de control para Ewma,
Ewma = (1 − λ)Ewmat−1 + λX
Agosto 23 de 2013 214 /

Límites de control de la carta Ewma

Los límites de control para la carta Ewma son los siguientes,
λ 1
2
U CL = E(X) + L σEwma
2−λ
CL = E(X)
λ 1
2
LCL = E(X) − L σEwma
2−λ
Agosto 23 de 2013 215 /


Como el objetivo generalmente es controlar los incrementos de la
medida de localización del proceso, se toma el límite superior,
λ 1
2
U CL = E(X̄) + L σEwma
2−λ
Donde los valores de K y λ están sujetos a las propiedades que se
desean del valor de ARL fijado, tanto para estados bajo control como
estados fuera de control.
Agosto 23 de 2013 216 /


De tal manera que es una constante positiva, que puede tomar por
ejemplo el valor de . Estos límites a pesar de que son fáciles de calcular,
son menos visibles a los cambios en las observaciones iniciales. Para
solucionar este inconveniente algunos autores como Montgomery (2001)
y Ryon (2000) sugieren los límites correctos,
Agosto 23 de 2013 217 /

Límites correctos de control en la carta Ewma

El esquema del estadístico de control Ewma tiene la forma,
λ{1 − (1 − λ)2k } 1
2
U CL = E(Tk ) + L σTk
2−λ
CL = E(Tk )
λ{1 − (1 − λ)2k } 1
2
LCL = E(Tk ) − L σTk
2−λ
Agosto 23 de 2013 218 /

Ejemplo
Tomar la siguiente información y aplicar la Carta de control Ewma con
el valor del coeficiente λ = 0,2 , donde la media µ = 147,0,082 y la
desviación estándar es de σ = 5,316.
Agosto 23 de 2013 219 /

Datos para observaciones individuales

Nitrógeno Ewma
146,116 146,889
148,443 147,200
141,500 146,060
152,383 147,324
143,040 146,468
149,958 147,166
145,151 146,763
147,225 146,855
144,366 146,357
152,640 147,614
x̄ = 14,7083
S = 0,37804
Agosto 23 de 2013 220 /


Los cálculos de los límites de control son los siguientes,
0,2 1
2
U CL = 147,082 + 3 5,316 = 149,459
2 − 0,2
CL = 147,082
0,2 1
2
LCL = 147,082 − 3 5,316 = 144,704
2 − 0,2
Agosto 23 de 2013 221 /

Estadísticos Ewma
El calculo de los estadísticos de control son los siguientes,
Ewma1 = (1 − 0,2)147,082 + 0,2146,116 = 146,889
Ewma2 = (1 − 0,2)146,889 + 0,2148,443 = 147,200

Ewma3 = (1 − 0,2)147,200 + 0,2141,500 = 146,060
Ewma4 = (1 − 0,2)146,060 + 0,2152,383 = 147,324
Ewma5 = (1 − 0,2)147,324 + 0,2143,040 = 146,468
Agosto 23 de 2013 222 /

Estadísticos Ewma
El calculo de los estadísticos de control son los siguientes,
Ewma6 = (1 − 0,2)146,468 + 0,2149,958 = 147,166
Ewma7 = (1 − 0,2)147,166 + 0,2145,151 = 146,763

Ewma8 = (1 − 0,2)146,763 + 0,2147,225 = 146,855
Ewma9 = (1 − 0,2)146,855 + 0,2144,366 = 146,357
Ewma1 0 = (1 − 0,2)146,357 + 0,2152,640 = 147,614
Agosto 23 de 2013 223 /

Figura 31: Carta de control Ewma
Agosto 23 de 2013 224 /

Cartas de control CUSUM
Sección 7 Cartas de control CUSUM
Agosto 23 de 2013 225 /

Cartas de control Cusum
Carta Cusum
Las carta de control Cusum, Acosta (1998), permiten monitorear la
media de un proceso bajo condiciones normales de diferentes maneras.
Por lo general se toma el procedimiento Cusum en donde el seguimiento
de la característica de calidad se realiza en forma bilateral, que consiste
en tomar valores de la media µ0 y la desviación estándar σ0 de un
proceso donde n es el tamaño de la muestra o subgrupo. Se tiene que
Zt = x̄−µ
σ0 donde x̄ representa la media estimada en el subgrupo. Los
n
estadísticos Cusum para t subgrupo es,
Agosto 23 de 2013 226 /

Cartas de control Cusum para la dispersión
Límites de control de para la carta Cusum

El esquema del estadístico de control Cusum tiene la forma,
Ct+ = max[0, T − k + Ct−1

+
]
Ct− = min[0, T + k + Ct−1

−
]
C0+ y C0− > 0, siendo T el estadístico establecido en la carta de
dispersión.
Agosto 23 de 2013 227 /

Cartas de control Cusum para el promedio
Límites de control de para el promedio en la carta Cusum

Ct+ = max[0, Zt − k + Ct−1

+
]
Ct− = min[0, Zt + k + Ct−1

−
]
el valor de k = 0,5. C0+ , C0− > 0, los valores C + son usados para
detectar incrementos en la media, mientras C − permite detectar
disminuciones.
Agosto 23 de 2013 228 /

Límites de control cusum para la desviación estándar S

El estadístico T , para el caso de la Cusum S según Acosta y Mejía es
Sn
σ0 y la estadística de la suma acumulada se define como,
h S i
Ct+ = max 0, +
− k + Ct−1 (1)
σ0
h S i
Ct− = min 0, −
+ k + Ct−1 (2)
σ0
1,064 σa
donde k = 2 (1 + σ0 ).
Agosto 23 de 2013 229 /

Límites de control cusum para el rango R

Rn
En el caso de la carta Cusum R es σ0 y la estadística de control de la
suma acumulada es,
h R i
Ct+ = max 0, +
− k + Ct−1 (3)
σ0
h R i
Ct− = min 0, −
+ k + Ct−1 (4)
σ0
2,326 σa
donde k = 2 (1 + σ0 ).
Agosto 23 de 2013 230 /

Cartas de control Cusum

Nitrógeno z s+ s−
146,116 -0.181 0 0
148,443 0.256 0 0
141,500 -1.050 0 -0.55
152,383 0.997 0.497 0
143,040 -0.760 0 0
149,958 0.541 0.041 0
145,151 -0.36 0 0
147,225 0.026 0 0
144,366 -0.510 0 -0.01
152,640 1.045 0.545 0
x̄ = 14,7083
S = 0,37804
Agosto 23 de 2013 231 /


C1+ = max[0, −0,181 − 0,5 + 0] = máx[0, −0,681] = 0
C1− = min[0, −0,181 + 0,5 + 0] = mı́n[0, 0,319] = 0

C2+ = max[0, 0,256 − 0,5 + 0] = máx[0, −0,244] = 0
C2− = min[0, 0,256 + 0,5 + 0] = mı́n[0, 0,319] = 0
Agosto 23 de 2013 232 /


C9+ = max[0, 1,045 − 0,5 + 0] = máx[0, 0,545] = 0,545
C9− = min[0, 1,045 + 0,5 + 0] = mı́n[0, 1,535] = 0

C1+ 0 = max[0, 0,026 − 0,5 + 0] = máx[0, −0,0474] = 0
C1− 0 = min[0, 0,026 + 0,5 + 0] = mı́n[0, 0,526] = 0
Agosto 23 de 2013 233 /

Figura 32: Carta de control Cusum
Agosto 23 de 2013 234 /

Figura 33: Taller
Agosto 23 de 2013 235 /

Cartas de control Multivariado de Shewhart
Sección 8 Cartas de control Multivariado de Shewhart
Agosto 23 de 2013 236 /

Introducción
Durante la Segunda Guerra Mundial la técnica estadística de CARTA
DE CONTROL univariadas fue la más utilizada a pesar de que los
procesos y productos que se analizaban poseían en su gran mayoría dos
o más características de calidad. Por lo que se hizo necesario aplicar
herramientas estadísticas multivariadas para su control.
Agosto 23 de 2013 237 /

Introducción
Sin embargo las técnicas multivariadas de control son técnicas muy
complejas de utilizar, por los conceptos matemáticos que se manejan.
Dificultad que se supero con el avance de los de los programas de
control estadístico, por lo que en estos momentos el interés de las
técnicas de control multivariado a crecido vertiginosamente.
Agosto 23 de 2013 238 /

Importancia
La técnica de la gráfica de control multivariado se elabora para
determinar especialmente cuatro importantes propiedades como son:
Determinar si el proceso se encentra o no en control.
Mantener constante el error tipo I o nivel de significancia α.
Con este tipo de herramienta se puede determinar el tipo de
relación existente entre las variables involucradas en le proceso.
Si el proceso esta "fuera de control"¿cuál es la variable que causo
dicho inconveniente?
Agosto 23 de 2013 239 /

Importancia
Agosto 23 de 2013 239 /

Importancia
Agosto 23 de 2013 239 /

Importancia
Agosto 23 de 2013 239 /

Importancia
Agosto 23 de 2013 239 /

Importancia
Se tomara como supuesto estadístico de que el proceso esta bajo control
y cada una de las variables se encuentran normalmente distribuidas y
en forma independiente, en donde el error tipo I o nivel de significancia
α , es el establecido en forma diferente al carta de control univariado.
Por ejemplo si se tomo el nivel de significancia de 0.05 para una gráfica
de control univariado, en el caso multivariado se establecería de la
siguiente manera: tomando como ejemplo dos variables
1 − 0,952 = 0,0975 = 0,1.Para la elaboración de las carta de control
multivariadas la técnica más aplicada es la propuesta por Hotelling
conocida como la . Esta es una generalización de la estadística T 2 de
Students y toma la forma de:
Agosto 23 de 2013 240 /

Estadístico de control
El esquema del estadístico de control es,
T 2 = (x̄j − M )T V −1 (x¯j − M )
Agosto 23 de 2013 241 /

Figura 34: Carta Multivariada
Agosto 23 de 2013 242 /

Donde xj es la columna de vectores que representan las variables y, v es
la matriz de covarianzas. La distribución T 2 fue propuesta por
Hotelling en 1931 y es una función del número de variables p , el
tamaño de los subgrupos n , M son los valores de las medias de
referencia para cada variable M = m1 , m2 , ...mp y la cantidad de
subgrupos g , usadas en la estimación de la covarianza.
Agosto 23 de 2013 243 /

La distribución está relacionada con la conocida distribución mediante
las siguientes formulaciones: Para tamaños de subgrupos
2 p(g + 1)(n + 1)
Tp,n,α = F
(gn − g − p + 1) α,(g,gp−g−p+1)
Cuando son observaciones individuales, es decir n = 1 las formulas

aplicadas son las siguientes:
2 gp
Tp,g,α = F
(g − p + 1) α,(p,g−p+1)
Propuesta por Edgar Jackson, 1985
Agosto 23 de 2013 244 /

formula aplicada por T.P. Ryan, 1988
2 p(g + 1)(g − 1)
Tp,g,α = Fα,(g,g−p)
g(g − p)
Agosto 23 de 2013 245 /

2
Lo cual implica que este valor Tp,g,α , se toma como el límite de control
superior para la media en la CARTA DE CONTROL de control
multivariado.
Agosto 23 de 2013 246 /

Ejemplo
Un ejemplo en donde se establece dos variables, en este caso un
fertilizante compuesto, y un tamaño de muestra n = 1 . Para ello se
utilizo la formula de T.P. Ryan para evaluar el limite superior de
control. A continuación presentamos la información obtenida de 10
subgrupos:
Agosto 23 de 2013 247 /

Cartas de control Multivariado

Nitrógeno Fósforo
14.6116 14.7818
14.8443 14.9808
14.1500 15.1454
15.2383 15.0983
14.3040 14.5420
14.9958 15.0166
14.5151 14.3225
14.7225 14.5275
14.4366 14.3992
15.2640 15.5858
Agosto 23 de 2013 248 /


Control de Calidad PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control de Calidad PDF

Cargado por

Copyright:

Formatos disponibles

Control Estadístico de Procesos

CURSO DE CONTROL DE CALIDAD

Roberto José Herrera Acosta

Sección 1 Herramientas básicas para estudio y mejora de

Figura 1: Diagrama de Pareto

Tipos de diagrama de Pareto

Tipos de diagrama de Pareto

Tipos de diagrama de Pareto

Ejemplo diagrama de Pareto

Caracter. Defectos Frec. porcen. porcen. acum.

Figura 2: Diagrama de Pareto

Figura 3: Taller Uno

Diagrama de Causa y Efecto

Elaboración del diagrama de Causa y Efecto

Diagrama de Causa y Efecto

Elaboración del diagrama de Causa y Efecto

Diagrama de Causa y Efecto

Elaboración del diagrama de Causa y Efecto

Figura 4: Diagrama de Causa y Efecto

Proceso de ordenes de compra

Figura 5: Diagrama de Causa y Efecto

Figura 6: Primer Taller

Sección 2 Uso de la distribuciones de probabilidad

Distribución discretas de probabilidad

Nombre Modelo E(X) V (X) Aplicaciones

Distribución de probabilidad discreta

Distribución de probabilidad discreta

Distribución de probabilidad discreta

Distribución de probabilidad discreta

Nombre Modelo E(X)V (X)Aplicaciones

Distribución de probabilidad continua

Distribución de probabilidad continua

Figura 8: Distribución Normal mediante un histograma de frecuencia

Prueba de Kolmogorov Smirnov

Orden valor Frec.Emp Fre.Teo Dn− Dn+ Dn max

Prueba de Kolmogorov Smirnov Lilliefors

Calculo de las frecuencias teóricas

Distribución de probabilidad continua

Figura 9: Taller tres

Figura 10: Tabla de Kolmogorov

Sección 3 Generalidades de las Cartas de Control

¿Qué es una carta de control?

¿Qué es una carta de control?

Elementos de una carta de control

Elementos de una carta de control

P (−3 6 Z 6 3) = P (Z 6 3)−P (Z 6 −3) = 0, 998650−0, 00134 = 0, 9973

Elementos de una carta de control

Pasos para contruir una carta de control

FASE I Determinación de los parámetros del proceso

Pasos para contruir una carta de control

FASE II control de procesos

Pasos para contruir una carta de control

FASE II control de procesos

Pasos para contruir una carta de control

FASE II control de procesos

Generalidad de las cartas de control

Generalidad de las cartas de control

Figura 11: Comportamiento del estadístico en una carta de control

Sección 4 Cartas de control por variables

Cartas de control para R y X̄

Cálculo del estadistico R

Cartas de control para R y X̄

Cálculo del estadistico X̄