PROBABILIDAD Y ESTADÍSTICA

PARA LA INGENIERÍA
NOMBRE DE LA ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA EN
INGENIERÍA Y TECNOLOGÍAS AVANZADAS
NOMBRE DEL ESTUDIANTE: BASILIO CRUZ CÁNDIDO
NOMBRE DE LA PROFESORA: DRA. JULIETA MEDINA GARCÍA
TAREA DE INVESTIGACIÓN 3: SOBRE TEMAS DE CONTROL DE CALIDAD
CARRERA: LIC. EN INGENIERÍA MECATRÓNICA
FECHA DE ENTREGA: 11 DE ENERO DE 2020
NOMBRE DEL GRUPO: 2MM5
CICLO: 2021-1
Ciudad de México a 21 de enero del 2020

“La Técnica al servicio de la patria”

1._Conceptos básicos de control de calidad.
Introducción
Montgomery define en pocas palabras a la calidad como adecuación para uso.
Podemos entender al control de calidad como el uso de diferentes herramientas,
mecanismos y acciones a los procesos industriales, administrativos y/o a los
servicios ó procesos con el objetivo de asegurar si cada una de las partes o en su
totalidad cumplen con los estándares de calidad y ayudar a cumplirlas.
Es necesario recalcar la importancia el control de calidad, ya que los productos irán
al mercado y dependerá del rango de error que se tenga, es decir, que tantos
requerimientos han sido cumplidos y con que efectividad, para que el cliente decida
comprarlo o no. La principal motivación para llevar a cabo un control de calidad
adecuado es el dinero. Esto es debido a que, si se tiene una mayor producción de
calidad, la venta aumentará y por ende la remuneración igual. Existen diferentes
técnicas para el muestreo de control de calidad, las cuales son conformadas
básicamente en dos grupos. Probabilísticas y No probabilísticas. El primer grupo es
conformado por los métodos: aleatorio simple, estratificado, por conglomerados y
sistemático. El segundo grupo está conformado por los métodos: a criterio, bola de
nieve, casos consecutivos y conveniencia.

2._Gráficas de Control.
Introducción
Las gráficas de control son un mecanismo para reconocer situaciones donde las
causas asignables pueden estar afectando de manera adversa la calidad de un
producto. Donde las causas asignables son las fuentes de variación que pueden
tener un impacto pernicioso en la calidad de piezas producidas por algún proceso.
Una vez que la gráfica indique una situación fuera de control, puede iniciarse una
investigación para identificar causas y tomar medidas correctivas.
Un elemento importante de las gráficas de
control es que las muestras se hayan elegido
del proceso de interés en una secuencia de
tiempos. Dependiendo del aspecto del
proceso bajo investigación, se elige algún
estadístico, por ejemplo la media muestral o
la proporción muestral de los artículos
defectuosos. El valor de este estadístico se
calcula entonces para cada muestra en su
turno.
Las gráficas de control sirven para determinar el estado de control de un proceso,
diagnosticar el comportamiento de un proceso en el tiempo, indicar si un proceso
ha mejorado o ha empeorado, además permite identificar las dos fuentes de
variación de un proceso y sirve como una herramienta de detección de problemas.
Un uso importante de las gráficas de control es ver si alguna medida de ubicación
de la distribución de la variable permanece estable en el tiempo. La gráfica más
popular para este fin es la .
Loa atributos son características de calidad de un producto que no implica
necesariamente medirla. Puede ser identificada mediante la inspección o
comparación visual. Los atributos también pueden ser evaluados mediante la
ausencia o presencia de defectos.
Una variable es una característica de calidad que puede ser medible y corresponde
a la lectura de una escala. Tiene como resultado números específicos y descriptivos.
Tipos de gráficas de control:
La característica de calidad a medir determina el tipo de diagrama de control.
Inicialmente encontramos dos clasificaciones:

Gráfica de control por variables

La característica de calidad que se mide es una variable continúa (peso, pulgadas,
temperatura, etc). Si ese es el caso, podemos encontrar gráficos basados en la
tendencia central (\overline{X}) y en el rango.

Gráfica \overline{X}: Qué tanto se están alejando las mediciones de la tendencia

central, que en este caso es la media o promedio. Por ejemplo un nuevo trabajador
o nuevos instrumentos de trabajo harán que las mediciones se alejen más de línea
central.
Gráfica R: Qué tanta ganancia o pérdida de uniformidad hay en la dispersión de un
proceso dentro de una muestra. En otras palabras, el rango es la resta del valor más
grande con el valor más pequeño de una muestra, lo que nos permite determinar la
variabilidad. El valor resultante es plasmado en un gráfico de control para ser
comparado con el rango de otra serie de muestras. Con esto logramos ver si hay
presencia de uniformidad en los puntos ubicados o si no, para intervenir.
Gráfica \overline{X}-R: Utilizamos ambos tipos de gráficas cuando se miden la
relación de las especificaciones de calidad con la tendencia central y la dispersión.
En este sentido, ubicamos una gráfica ligeramente encima de la otra y analizamos
el comportamiento de cada punto.
Gráfica de control por atributos
Piensa en una característica de calidad basada en atributos como el cumplimiento
con respecto a una especificación. Lo hacemos con variables discretas. De aquí se
derivan cuatro tipos de gráficos:

Gráfico p: En él medimos el porcentaje de defectos por muestra. Por ejemplo si

tenemos una muestra de 100 productos y 10 de ellos tienen al menos un defecto,
hay una fracción defectuosa de 0,1. Este valor se ubica en el gráfico sobre el eje y.
Gráfico np: A diferencia de p, este valor no es una fracción. Es el número de
unidades defectuosas en una muestra. Si es una muestra de 100 productos, 10 de
ellos tienen al menos un defecto, 10 será el valor a ubicar en el gráfico sobre el eje
y.
Gráfico c: Es el número de defectos por unidad de producción durante un período
de muestreo. En este caso, los defectos por producto se cuentan, y establecemos
un valor para definir a partir de cuántos defectos una unidad es defectuosa. Por
ejemplo, el número de zonas desgastadas que tenga una chaqueta de cuero, si la
chaqueta tiene más de 5 zonas desgastadas, se considera una unidad no conforme.
Gráfico u: Similar a p pero parte del gráfico c. En él medimos el porcentaje de
defectos en una unidad durante un período de muestreo.

Gráficas de Control de variables

Las gráficas de control de variables grafican datos de procesos de medición
continua, tales como longitud o presión, en una secuencia ordenada por tiempo. Las
gráficas de control de variables, las gráficas de variables, como todas las gráficas
de control, ayudan a identificar las causas de variación que se deben investigar, de
manera que uno pueda ajustar su proceso sin controlarlo exageradamente.

Existen dos tipos principales de gráficas de control de variables: gráficas para datos
recopilados en subgrupos y gráficas para mediciones individuales.
Gráficas de control de variables para datos de subgrupos
Cada punto en la gráfica representa a un subgrupo; es decir, a un grupo de unidades
producidas en las mismas condiciones. Por ejemplo, usted desea graficar una
medición particular de su proceso. Si recoge y mide cinco partes cada hora, el
tamaño de su subgrupo debería ser 5.
Las gráficas de control de variables para subgrupos incluyen Xbarra, R, S y Zona.

Gráficas de control de variables para datos individuales

Cada punto en la gráfica representa una medición individual; de esta manera, el
tamaño del subgrupo es 1. Las gráficas de observaciones individuales se utilizan
cuando las mediciones son costosas, el volumen de producción es bajo o los
productos tienen un tiempo largo entre ciclos; por ejemplo, para probar la resistencia
al impacto de las piezas (pruebas de destrucción). Las gráficas de control de
observaciones individuales incluyen gráficas I y MR.

En su construcción es necesario elaborar un gráfico para los valores medio

muestrales y otro gráfico para los recorridos. El primero indica si existen cambios
en la tendencia central de un proceso y el segundo
Pasos a seguir para su construcción:
Recogida de datos y su registro
Es necesario recoger el máximo número posible de datos, por lo menos 100 datos
recientes sobre la característica que se controla del proceso, sin embargo cuando
no se puede contar con tantos datos, 50 o 20 datos resultan suficientes. Se debe
determinar el tamaño de la muestra (n) y la cantidad de muestras (k).
Calcular la media y los recorridos de las muestras
Se calcula la media de cada muestra y los recorridos o rangos de cada una de ellas.
Luego se determina el promedio general con las media de cada muestra y el
recorrido promedio con los recorridos de cada una.
Calcular los límites de control
Para cada gráfico debemos calcular los límites de control superior e inferior. Estos
límites de control se calculan a mas menos 3 desviaciones del promedio por
consideramos que la distribución de las medias sigue una distribución normal o
próxima a ella, cuando la muestra tiene un tamaño superior a 4.
Para el gráfico de medias:
Límite central: igual al promedio de las medias
Limite de control superior: promedio de las medias + A2 *promedio de Rangos
Límite de control inferior: promedio de las medias – A2 *promedio de Rangos
Para el gráfico de Rangos:
Límite central: igual al promedio de los Rangos
Limite de control superior: D4 *promedio de Rangos
Límite de control inferior: D3 *promedio de Rangos
Donde A2, D4 y D3 son coeficientes cuyo valor depende del tamaño de la muestra
(n). La tabla siguiente muestra los valores de éstos para el cálculo de los límites de
control de 3sigma de ambos gráficos.

Ejemplo de gráfico de control de variable.

Gráfica de Control de atributos

Los gráficos de control por atributos constituyen la herramienta esencial utilizada
para controlar características de calidad con sólo dos situaciones posibles, como,
por ejemplo: conforme/disconforme, funciona/ no funciona, defectuoso/no
defectuoso, presente/ausente, etc.; o bien para características que se puedan
contar, como número de manchas, número de golpes, número de rayas, etc.
También en algunas ocasiones se tratan características por variables como
atributos, en el caso de que sólo se considere si se cumplen o no las
especificaciones de calidad sin importar cuál es el valor concreto de dicha
variable. Las especificaciones de calidad son las medidas deseadas de las
características de la calidad en un producto. Las características de calidad se
evalúan con respecto a estas especificaciones. Por lo general, los gráficos por
atributos no ofrecen tanta información como los gráficos por variables, ya que una
medición numérica es más informativa que la sola clasificación de una unidad
como conforme o disconforme.
Aun así, los gráficos por atributos son muy útiles en el sector servicios y en los
esfuerzos de mejora de la calidad fuera de la manufactura, ya que no es fácil
medir en una escala numérica un gran número de las características de calidad
que se encuentran en estos escenarios.

Gráficas de control de atributos para datos binomiales

Los valores para los datos binomiales se clasifican en una de dos categorías, tales
como pasa/no pasa. Los datos binomiales a menudo se utilizan para calcular una
proporción o un porcentaje, tal como el porcentaje de partes tomadas como
muestra que están defectuosas.
Puede utilizar la gráfica P o la gráfica NP para graficar sus unidades no
conformes. La principal diferencia entre las gráficas P y NP es la escala vertical.
Las gráficas P muestran la proporción de unidades no conformes en el eje y.
Las gráficas NP muestran el número total de unidades no conformes en el eje y.
La gráfica que usted elija no afecta qué puntos están fuera de control.
Las gráficas de control de atributos con tamaños de subgrupos variables
Cuando los tamaños de los subgrupos son diferentes:
Los límites de control para ambas gráficas varían.
La línea central en la gráfica NP varía, pero la línea central en la gráfica P es
recta.
La línea central variable puede hacer más difícil la interpretación de la gráfica.
Tradicionalmente se recomienda utilizar una gráfica P si los tamaños de los
subgrupos son diferentes. Sin embargo, usted puede utilizar cualquier gráfica.
Gráficas de control de atributos para datos de Poisson
Los valores para los datos de Poisson frecuentemente son conteos de defectos o
eventos. Los datos de Poisson a menudo se utilizan para modelar una tasa de
ocurrencia, tal como defectos por unidad.
Usted puede usar la gráfica U o la gráfica C para graficar sus unidades no
conformes. La principal diferencia entre las gráficas U y las gráficas C es la escala
vertical.
Las gráficas U muestran el número de no conformidades por cada unidad en el eje
y.
Las gráficas C muestran el número de no conformidades por muestra, el cual
puede incluir más de una unidad en el eje y.
La gráfica que usted elija no afecta qué puntos están fuera de control.
Se solicita realizar un diagrama de control para una procesadora de frutas,
considerando
que cada lote posee 40 unidades, se han reportado quejas por productos
defectuosos en
cada muestra tomada 8, 7, 4, 3, 12, 4, 5, 7, 8, 9. Utilice un gráfico de control para
la fracción
de unidades defectuosas.
Para este ejercicio se usarán las siguientes fórmulas:
• W=∑x/n
• σw=(p*q/n)^(1/2)
• LCS=p+3*σw
• LCI=p-3*σw
• LC=p
Donde:
• W=Proporción
• X=Articulos defectuosos
• n= Muestra
• p=Promedio de W
• q=1-p
Se tiene la siguiente tabla
Calculamos “p” y la desviación estándar de la proporción
p=0.17
σw=0.059
Con los datos anteriores calculamos los limites
LCS= 0.17+3*0.059 LCS=0.34
LCI=0.17-3*0.59 LCI=-0.008 No puede tener valores negativos, por lo cual LCI se
toma como 0
Con estos datos obtenemos la tabla por graficar:

Interpretación: Debido a que todos los puntos están entre el limite superior e inferior (Línea anaranjada y
gris) quiere decir que este proceso está controlado.
Bibliografía

18, M. (2019). Soporte de minitab 18. Obtenido de https://support.minitab.com/es-

mx/minitab/18/help-and-how-to/quality-and-process-improvement/control-
charts/supporting-topics/understanding-variables-control-
charts/variablescontrol-charts-in-minitab/
Betancourt, D. F. (04 de agosto de 2016). Cómo hacer un gráfico de control:
Ejemplo resuelto en calidad. Recuperado el 22 de enero de 2021, de Ingenio
Empresa: www.ingenioempresa.com/grafico-de-control.

Montgomery Douglas C. (2009), Introduction to Statistical Quality Control (6th edi-

tion), USA: Wiley. ISBN: 978-0-470-16992-6.

Devore Jay L. (2007), Probability and Statistics for Engineering and the Sciences
(7th edition), USA: Thomson Brooks/Cole. ISBN: 978-0-495-38223-2.
Walpole Ronald E., Myers Raymond H., Myers Sahron L. (2006), Probability and
Statistics for Engineers and Scientists (8th edition), USA: Prentice Hall. ISBN: 970-
17-0264-6.