Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FABIO
DESARROLLO EMPRESARIAL EDUARDO DAZA
CONTROL DE CALIDAD VALERO
OBJETIVOS:
Familiarizase con la utilidad del gráfico u
Construir un gráfico u,
Analizar los resultados del gráfico
TIEMPO ESTIMADO: 100 minutos
INSTRUCCIONES:
Lea con atención el marco teórico, las aplicaciones y el empleo de la gráfica u. Posteriormente
desarrolle el ejercicio propuesto.
MARCO TEORICO1
En muchos casos el tamaño del subgrupo no es constante o la naturaleza del proceso de
producción no da como resultado unidades discretas que se puedan medir. Por ejemplo; en una
planta de ensamble automotriz donde se producen varios modelos y estos tiene diferente superficie
total.
Esto implica que si el tamaño del subgrupo varía, también lo harán los límites de control (como en
el gráfico p, para muestras variables)
Un distribuidor de catálogos envía una variedad de pedidos todos los días. Las etiquetas ene.
Empaque a menudo tienen errores, como números equivocados de órdenes de compra,
cantidades erróneas o tamaños incorrectos. Realice el gráfico u para la siguiente serie de datos,
que ilustran los errores durante el mes de abril.
1
Administración y control de calidad. James Evans. 7ª Edición. Editorial CENGAGE Learning. 2008. pp
753-755.
Abril de 2011
ESCUELA COLOMBIANA DE CARRERAS INDUSTRIALES
ESCUELA TECNOLOGICA Página 2 de 6
FABIO
DESARROLLO EMPRESARIAL EDUARDO DAZA
CONTROL DE CALIDAD VALERO
FABIO
DESARROLLO EMPRESARIAL EDUARDO DAZA
CONTROL DE CALIDAD VALERO
OBJETIVOS:
Familiarizase con la utilidad del gráfico np
Construir un gráfico np, dadas las fracciones de no conformidades
Analizar los resultados del gráfico
TIEMPO ESTIMADO: 100 minutos
INSTRUCCIONES:
Lea con atención el marco teórico, las aplicaciones y el empleo de la gráfica np. Posteriormente
desarrolle el ejercicio propuesto.
MARCO TEORICO2
Recuerde que en la gráfica p, la fracción de no conformidades de la i-ésima muestra se da
mediante
Para usar la gráfica np. El tamaño de cada muestra debe ser constante.
Este gráfico, es más fácil de entender para el personal de producción (el número de artículos no
conformes es más significativo que una fracción). Asimismo solo requiere de un conteo, facilitando
los cálculos.
2
Administración y control de calidad. James Evans. 7ª Edición. Editorial CENGAGE Learning. 2008. pp
751-753.
Abril de 2011
ESCUELA COLOMBIANA DE CARRERAS INDUSTRIALES
ESCUELA TECNOLOGICA Página 4 de 6
FABIO
DESARROLLO EMPRESARIAL EDUARDO DAZA
CONTROL DE CALIDAD VALERO
INSTRUCCIONES:
Lea con atención el marco teórico, las aplicaciones y el empleo de la gráfica c. Posteriormente
desarrolle el ejercicio propuesto.
MARCO TEORICO3
Definiciones:
DEFECTO: una sola característica de no conformidad en un artículo.
DEFECTUOSO: un artículo que tiene uno a más defectos.
Esta gráfica se basa en una distribución de Poisson. Para su elaboración, primero se debe estimar
el número promedio de defectos por unidad, c , tomando por lo menos 25 muestras del mismo
tamaño, contar el número de defectos por muestra y encontrar el promedio.
Realice el gráfico c para la siguiente serie de datos, que ilustran las fallas de las máquinas durante
un periodo de 25 días.
MUESTRA NO. DE FALLAS/DÍA MUESTRA NO. DE FALLAS/DÍA
1 2 13 0
2 3 14 2
3 0 15 4
4 1 16 1
5 3 17 2
6 5 18 0
7 3 19 3
8 1 20 2
9 2 21 1
10 2 22 4
11 1 23 0
12 0 24 0
25 3
3
Administración y control de calidad. James Evans. 7ª Edición. Editorial CENGAGE Learning. 2008. pp
753-755.
Abril de 2011
ESCUELA COLOMBIANA DE CARRERAS INDUSTRIALES
ESCUELA TECNOLOGICA Página 5 de 6
FABIO
DESARROLLO EMPRESARIAL EDUARDO DAZA
CONTROL DE CALIDAD VALERO
OBJETIVOS:
Familiarizase con la utilidad del gráfico p
Construir un gráfico p, dadas las fracciones defectuosas
Analizar los resultados del gráfico
TIEMPO ESTIMADO: 100 minutos
MARCO TEORICO
A través de este gráfico se busca determinar si están presentes causas asignables de
variación en la producción o si tales variaciones corresponden al azar. Si bien esta carta no es tan
sensible como los gráficos por variables, es de gran utilidad, pues proporciona información acerca
de cuándo y dónde ejercer presión para mejorar la calidad, también sirve para identificar el grado
en el que se efectúa la inspección y su uso puede sugerir mejoras en las prácticas de inspección.
La experiencia indica que la introducción del gráfico de control p por sí solo, es responsable de
mejoras en el porcentaje defectuoso promedio generado por el proceso.
Definiciones importantes:
Defecto: es una sola característica no conforme de calidad de un artículo.
Defectuoso: artículos que tienen uno o más defectos.
p: proporción de artículos no conformes en un lote.
La desviación estándar de x promedio, varía inversamente con n , es decir, que mientras más
grande sea el subgrupo (tamaño de unidades inspeccionadas) más probable es que la fracción
defectuosa en el subgrupo este cerca de la fracción defectuosa del proceso.
Se necesita realizar un gráfico de control y para ello se selecciona una muestra de tamaño 24 con
n=30, los cuales se recogen cada 20 minutos durante un periodo de 8 horas, los resultados se
muestran en la tabla. Realizar el gráfico y su análisis.
Mues 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tra
Nume
5 8 3 9 11 6 3 9 12 7 8 2 6 10 5 7 2 9 11 13 8 5 9 6
ro de
defec
tuoso
s
Abril de 2011
ESCUELA COLOMBIANA DE CARRERAS INDUSTRIALES
ESCUELA TECNOLOGICA Página 6 de 6
FABIO
DESARROLLO EMPRESARIAL EDUARDO DAZA
CONTROL DE CALIDAD VALERO
Una forma de manejar esta variación es calcular una desviación estándar para cada muestra
individual. De modo que, si el número de observaciones en la i-ésima muestra es ni los límites
de control se dan mediante:
p
p(1 p)
donde p
nùmerodefectos
ni n i
Otro enfoque consiste en usar el tamaño de muestra promedio, n para calcular límites de
control aproximados, así:
p(1 p) p(1 p)
LCS p p 3 LCI p p 3
n n
Lo anterior da como resultado una aproximación de los límites verdaderos de control. Este enfoque
tiene varias desventajas. Como los límites de control son solo aproximados, los puntos que en
realidad están fuera de control, quizás no parecen estarlo. En segundo lugar, los patrones no
aleatorios son difíciles de identificar debido a que las desviaciones estándar son diferentes entre
las muestras. De tal forma que este enfoque debe ser empleado con precaución.
Los operadores de máquinas de clasificación automática en una oficina de correos, deben leer el
código postal en una carta y enviarla a la ruta apropiada. Durante un mes se seleccionaron 20
muestras de tamaño variable y se registró el número de errores. Con base en los datos de la tabla
elabora un gráfico p empleando los dos enfoques descritos.