Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA INGENIERÍA
Región de control,
“Escuche la Voz del Proceso”
captura la variación
natural del proceso
de
original
M C LCS
E A
D L
I I
LCI
D D Tendencia del proceso
A A
S Causa Especial El proceso ha cambiado
D
identificada
Tiempo
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
GRÁFICOS DE CONTROL
Tipos de Gráficos de Control
Tipos de
datos
Unidades de Subgrupo
Faltas de racionales de
cumplimiento faltas de
cumplimiento tamaño variable
Mediciones Subgrupo
Tamaño Tamaño individuales racionales de
Oportunidad Oportunidad fijo de variable de tamaño fijo
fija variable muestra muestra
= 20 = 21
20,75
x 20,75 21
Z 0,625
n 2,4 / 36
= P(z = -0,625) = 0,2660
LCS
A
B
C
VC
C
B
A
LCI
tiempo
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráficos de Control x-R…
Paso 12: Análisis y resultados aplicados al proceso...
Variación no natural aún dentro de los límites de 3
2) Dos o más puntos consecutivos muy próximos al límite de
control, zona A:
LCS
A
B
C
VC
C
B
A
LCI
tiempo
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráficos de Control x-R…
Paso 12: Análisis y resultados aplicados al proceso...
3) Cinco puntos consecutivos en un por encima o por debajo,
de la línea central:
La media de los 5 puntos indica una desviación del nivel de
funcionamiento del proceso.
LCS
A
B
C
VC
C
B
A
LCI
LCS
A
B
C
VC
C
B
A
LCI
tiempo
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráficos de Control x-R…
Paso 12: Análisis y resultados aplicados al proceso...
5) Fuerte tendencia ascendente o descendente marcada por 6
puntos consecutivos:
Investigar las causas de estos cambios progresivos.
LCS
A
C
VC
C
A
LCI
LCS
A
B
C
VC
C
B
A
LCI
tiempo
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráficos de Control x-R…
Paso 12: Análisis y resultados aplicados al proceso...
7) Catorce puntos alternándose en forma consecutiva arriba y
abajo.:
Variación con cambio de dirección constante indica anomalía
en el proceso.
LCS
A
B
C
VC
C
B
A
LCI
LCS
A
B
C
C
B
A
LCI
tiempo
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráficos de Control x-R…
Paso 12: Análisis y resultados aplicados al proceso...
Variación por Patrones no aleatorios
9) Cambiar/saltar en el nivel de la media:
Causas: cambio de especificaciones del proceso, diferente/nuevo
operador, cambio en la materia prima
LCS
A
B
C
VC
C
B
A
LCI
Ejemplo:
Una empresa productora de ladrillos de construcción
recibió fuertes quejas de su mayor cliente por la
inconstancia de la calidad de su producto. Una de las
características principales del ladrillo de construcción es el
porcentaje de absorción de agua. Se decidió controlar el
proceso en base a esta característica utilizando gráficos de
control por variables x-R.
Durante una semana se recogieron en cada uno de los 5 días
laborables una muestra de cinco ladrillos cada 2 horas (4
muestras por jornada de trabajo).
LCS = 6,48
VC = 5,10
LCI = 3,70
LCS = 5,07
VC = 2,40
LCI = 0
x
x1 x2 ... x N ( x 1,4)
i
2
N s1 i 1
5,29
5 1
1,4 0,72 ... 0,62
x 0,2 s s ....s N
15 s 1 2 1,09
N
Límites de control para x Límites de control para s
LCS x x A3 s 0,2 1,44 1,08 LCS s B4 s 2,089 1,09
LCS x 1,759 LCS s 2,277
LCI x x A3 s 0,2 1,44 2,40 LCI s B3 s 0 1,09
LCI x 1,359 LCI s 0
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráficos de Control x-s...
Todos los
resultados
se
encuentran
dentro de
los límites
de control
¿Predicción?
INESTABLE
Paso 3
• Determinar el tipo de gráfico a utilizar
No ¿Tamaño Si No ¿Tamaño Si
muestra muestra
constante? constante?
Paso 4
• Establecer el plan de muestreo
Paso 5
• Recoger los datos según el plan
di pˆ d
i i
pˆ i ; p i 1
i 1
; para i 1,2,...m
n m m n
p (1 p )
LCS p 3
Límites de control para n
la fracción defectuosa VC p
p (1 p )
LCI p 3
n
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control p…
Ejemplo:
Treinta y cinco muestras sucesivas de 100 vaciados
que se extraen de una línea de producción
contuvieron respectivamente, 3, 3, 5, 3, 5, 0, 3, 2,
3, 5, 6, 5, 9, 1, 2, 4, 5, 2, 0, 10, 3, 6, 3, 2, 5, 6, 3, 3,
2, 5, 1, 0, 7, 4, y 3 unidades defectuosas.
Se supone que cada unidad de la muestra tiene la misma
probabilidad de ser juzgado como no conforme.
La muestra de n unidades se selecciona del proceso de
producción y se inspecciona de manera independiente.
0,1
LCS = 0,093
0,08
proporción
0,06
0,04 VC = 0,037
0,02
0 LCI = 0
0 5 10 15 20 25 30 35
número de muestra
LCS np 3 np(1 p)
VC np
LCI np 3 np(1 p)
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control np…
Supongamos un proceso que fabrica tornillos. Una
manera de ensayar cada tornillo sería probarlo con
una rosca calibrada.
Si el tornillo no entra en la rosca, se le considera
defectuoso o disconforme.
Para controlar este proceso, se pueden tomar
muestras de 50 tornillos y contar el número de
defectuosos presentes en cada muestra.
LCS = 8,038 8
VC = 3
x i
7 10 9 ... 10 235
ˆ x i 1
9,792
n 24 24
LCS x 3 x 9,792 3 9,792 19,18
LCI x 3 x 9,792 3 9,792 0,40
ni j 1
1
Note que ui c,i , por tanto ci = uini
ni
Entonces X Poisson (c): E(x) = c y Var(x) = c
c c
E (u ) Var (u ) 2
𝑐 n n
𝐷𝑆(𝑢) =
𝑛
Los límites de Control: E (u ) 3DS (u )
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control u…
c c u
3 2 u3
n n n
Si no se conoce u, se le estima a partir de m (> 25)
muestras previas m m m
ui ui ni
uˆ im1 i 1 n i 1
nm
i n m
i 1
Si el tamaño de las muestras no difieren mucho.
Sino se utilizan todos los diferentes tamaños de muestra.
También se puede optar por tomar un n común e igual al
mayor de los ni, límites de control bastante “sensibles”.
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control u…
En una planta textil se inspecciona el producto evaluando el
número de defectos por cada 50 m2 de tela (ésta es la unidad de
inspección). En la tabla se muestran los datos de 10 rollos de
tela de distinto tamaño.
# rollo # de m2 # de inconformidades
Construya una gráfica u
1 500 14
y determine si el proceso 2 400 12
está bajo control. 3 650 20
4 500 11
5 475 7
6 500 10
7 600 21
8 525 16
9 600 19
10 625 23
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control u…
# inconformidades
Número # # de unidades
# rollo por unidad de
de m2 inconformidades de inspección, u
inspección
1 500 14 10,0 1,40
2 400 12 8,0 1,50
3 650 20 13,0 1,54
4 500 11 10,0 1,10
5 475 7 9,5 0,74
6 500 10 10,0 1,00
7 600 21 12,0 1,75
8 525 16 10,5 1,52
9 600 19 12,0 1,58
10 625 23 12,5 1,84
153 107,5
ui
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control u…
La línea central del gráfico de control es igual al número
promedio de disconformidades por unidad de inspección
(50 m2 de tela)
153
uˆ 1, 423
107, 5
Es decir, en promedio, 1,423 defectos por cada 50 m2
tela. Este es el parámetro que deseamos controlar
Los límites de control resultan entonces
1,423
1,423 3
ni
Estos varían según el número de unidades de inspección n
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control u…
Primera aproximación: m En Minitab
n i Variable: defectos
n i 1
10, 75 Subgroups size: 10,75
10
metros unidades defectos U Chart of Defectos
500 10,75 14 2,5 UCL=2,515
400 10,75 12
650 10,75 20 2,0
Sample Count Per Unit
500 10,75 11
1,5 _
U=1,423
475 10,75 7
500 10,75 10 1,0
600 10,75 21
525 10,75 16 0,5
LCL=0,332
600 10,75 19 1 2 3 4 5 6 7 8 9 10
Sample
625 10,75 23
Ing. Eder Vicuña Galindo – FQIQ - UNMSM
Gráfico de control u…
Segunda aproximación: En Minitab
Variable: defectos
n nmáximo 13 Subgroups size: 13,0
metros unidades defectos
U Chart of Defectos
500 13,0 14
UCL=2,080
2,0
400 13,0 12
650 13,0 20
Sample Count Per Unit
1,5
500 13,0 11
_
475 13,0 7 U=1,177
1,0
500 13,0 10
600 13,0 21
0,5
525 13,0 16
LCL=0,274
600 13,0 19
1 2 3 4 5 6 7 8 9 10
625 13,0 23 Sample
650 13 20
2,0
500 10 11
_
1,5
475 9,5 7 U=1,423
500 10 10 1,0
600 12 21 0,5
LCL=0,411
525 10,5 16
0,0
600 12 19 1 2 3 4 5 6 7 8 9 10
Sample
625 12,5 23 Tests performed with unequal sample sizes