Unidad 2 Graficas de control 2.1 Conceptos Principios del Cep : 2.1.

1 Tamaño y Frecuencia de Muestreo Distribución normal Binomial Hipergeomètrica Poisson Distribuciones Muestrales Prueba de Normalidad Estimación por intervalos Pruebas de Hipótesis 2.1.2 Patrones de Comportamiento 2.1.3 Pre Control 2.2 El Plan de Control control plan gráficos de variables 2.2.1 Grafico XR 2.2.2 Grafico XS 2.2.3 Grafico de Individuales 2.2.4 Capacidad del Proceso 2.3 Graficos de Atributos 2.3.1 Grafico P 2.3.2 Grafico NP 2.3.3 Grafico U 2.3.4 Grafico C 2.3.5 Capacidad del proceso

2.1 Conceptos Principios del Cep :
Graficas de control ¿ que es ? Una gráfica de control es una comparación gráfica de los datos de desempeño de proceso con los límites de control estadístico calculados, dibujados como rectas limitantes sobre la gráfica. Los datos de desempeño de proceso por lo general consisten en grupos de mediciones que vienen de la secuencia normal de producción y preservan el orden de los datos.

¿Para que se utilizan? Las graficas de control se utilizan en la industria como técnica de diagnósticos para supervisar procesos de producción e identificar inestabilidad y circunstancias anormales Las graficas de control constituyen un mecanismo para detectar situaciones donde las causas asignables pueden estar afectando de manera adversa la calidad de un producto. Cuando una grafica indica una situación fuera de control, se puede iniciar una investigación para identificar causas y tomar medidas correctivas. Nos permiten determinar cuándo deben emprenderse acciones para ajustar un proceso que ha sido afectado por una causa especial. Nos dicen cuando dejar que un proceso trabaje por sí mismo, y no malinterpretar las variaciones debidas a causas comunes. Las causas especiales se deben contrarrestar con acciones correctivas. Las causas comunes son el centro de atención de las actividades permanentes para mejorar el proceso. Las variaciones del proceso se pueden rastrear por dos tipos de cusas 1) Común o (aleatoria), que es inherente al proceso 2) Especial (o atribuible), que causa una variación excesiva. El objetivo de una gráfica control no es lograr un estado de control estadístico como un fin, sino reducir la variación. Un elemento básico de las gráficas de control es que las muestras del proceso de interés se han seleccionado a lo largo de una secuencia de puntos en el tiempo. Dependiendo de la etapa del proceso bajo investigación, se seleccionara la estadística mas adecuada. Además de los puntos trazados la grafica tiene una línea central y dos limites de control.

2.2.1Tamaño y Frecuencia de Muestreo Frecuencia y muestreo

En cualquier periódico que leamos, nos encontramos algún escrutinio o recuento de datos, con porcentajes y comentarios. ¿Pero son fiables estos escrutinios? Vamos a ver las nociones en que se basan (frecuencia y simulación) y a especificar las limitaciones de sus resultados. I. Tener la distribución de frecuencias de una serie de datos Comenzamos con una serie de datos, cuyos valores y frecuencias absolutas, fi, aparecen recogidos en una tabla similar a la siguiente:

Para cada valor xi, calculamos su frecuencia relativa hi. Se halla dividiendo la frecuencia absoluta fi de ese valor entre el número total de datos n de la población estudiada, es decir: . Construimos una tabla con los valores de la serie de datos y sus frecuencias relativas, similar a la siguiente:

Lo que habitualmente manejamos es la frecuencia relativa acumulada, que para un determinado valor de X se obtiene sumando su frecuencia relativa con las frecuencias relativas de todos los valores anteriores a él. Dicha frecuencia relativa acumulada la expresamos en valor decimal o en tanto por ciento. La frecuencia relativa acumulada del último valor de la serie debe ser igual a 1,

los individuos se deben devolver a la población (o repetir el experimento en idénticas condiciones). Esto es lo que llamamos fluctuación y para observarla. o repetir el experimento n veces bajo las mismas condiciones en las que medimos la característica que estamos estudiando. Si tenemos varias muestras. la proporción observada pe para esa muestra es un buen valor aproximado de la proporción p. basta con tomar dos muestras. III. si respetamos ciertas condiciones. el tamaño n de la muestra debe ser bastante grande. supervisar uno a uno cada individuo de la población es un proceso largo y costoso. II. se tiene que cumplir que . Estas condiciones son las siguientes: los individuos de la muestra deben ser elegidos aleatoriamente. ya que diferentes muestras pueden dar diferentes proporciones. Este método no puede proporcionar el valor exacto de p. No obstante.que equivale al 100%. Cumpliéndose estas condiciones. podemos asegurar que en el 93% de los casos (de las muestras observadas) se cumple que: . Fluctuación de las muestras Cuando queremos conocer la proporción p de una característica en una población numerosa. La serie de datos formada por los n resultados obtenidos es una muestra de tamaño n. podemos observar estas diferencias en la distribución de frecuencias. con una única muestra no podemos saber la proporción exacta p de una característica en una población completa. así que tomamos una muestra. Tomar una muestra de tamaño n de la población significa tomar n individuos. Interpretación de un escrutinio de datos Como acabamos de ver.

tiene la función RAND). de lo contrario consideramos que la prenda extraída ha sido verde. lo que significa que pe es un valor aproximado de p con una imprecisión o error absoluto de IV. Simulamos un experimento cuando el experimento original es difícil de reproducir. podremos sacar conclusiones de la distribución de frecuencias y de la fluctuación. Simulando varias veces un experimento (por ejemplo. pulsándola podemos simular experimentos aleatorios. El experimento consiste en extraer 10 prendas de la caja. Si el número que forman esas dos cifras está comprendido entre 1 y 35. y cuya imprecisión es . por ejemplo. activamos 10 veces la función obteniendo 10 números decimales. Estudios parámetros para determinar . Simulación de un experimento Un experimento aleatorio es un experimento cuyo resultado es impredecible a priori. reemplazando cada vez la prenda extraída. bien porque llevaría demasiado tiempo o bien porque sería muy difícil de observar. Observamos las dos primeras cifras de la parte decimal de cada número. La proporción observada pe de una característica en una muestra de tamaño n es un valor aproximado de la proporción p de dicha característica en la población total. . esta tecla o función proporciona un número aleatorio con unas 10 cifras decimales.. Si nuestra calculadora tiene la tecla }. depende de la suerte. Recuerda La frecuencia relativa hi de un valor perteneciente a una serie de datos viene dada por el cociente entre la frecuencia absoluta fi de dicho valor y el tamaño n de la población: . tomando varias muestras). consideramos que hemos extraído una prenda roja. ¿Cómo podemos simular este experimento? Usando una calculadora. En una calculadora. Ejemplo: Hemos metido 35 prendas rojas y 65 verdes en una caja. bien porque sea demasiado costoso. Simular un experimento aleatorio significa sustituir el experimento real por otro también aleatorio que nos proporcione resultados similares a los del real. Para simular un experimento podemos usar la tecla de una calculadora o una hoja de cálculo (Excel. De esta manera podemos simular nuestro experimento tantas veces como queramos.

Ejemplo: ¿A cuantas personas tendríamos que estudiar para conocer la prevalencia de diabetes? Seguridad = 95%. Esta idea se puede obtener revisando la literatura. Estimar una proporción: Si deseamos estimar una proporción.5 (50%).96. Precisión = 3%: Proporción esperada = asumamos que puede ser próxima al 5%. si no tuviésemos ninguna idea de dicha proporción utilizaríamos el valor p = 0.1. b.Con estos estudios pretendemos hacer inferencias a valores poblacionales (proporciones. El nivel de confianza prefijado da lugar a un coeficiente (Za ).962 (ya que la seguridad es del 95%) p = proporción esperada (en este caso 5% = 0. Para una seguridad del 95% = 1. c.95) d = precisión (en este caso deseamos un 3%) . por estudio pilotos previos.05 = 0. Una idea del valor aproximado del parámetro que queremos medir (en este caso una proporción). debemos saber: a.05) q = 1 ± p (en este caso 1 ± 0. A.58. medias) a partir de una muestra. La precisión que deseamos para nuestro estudio. El nivel de confianza o seguridad (1-a ). para una seguridad del 99% = 2. En caso de no tener dicha información utilizaremos el valor p = 0.5 (50%) que maximiza el tamaño muestral: donde: Za 2 = 1.

576 .962 (si la seguridad es del 95%) p = proporción esperada (en este caso 5% = 0. si no tuviese ninguna idea de dicha proporción utilizaríamos el valor p = 0. Según diferentes seguridades el coeficiente de Za varía. Precisión = 3%. así: Si la seguridad Za fuese del 90% el coeficiente sería 1. es decir conocemos el total de la población y deseásemos saber cuántos del total tendremos que estudiar la respuesta seria: donde: N = Total de la población Za2 = 1. ¿A cuántas personas tendría que estudiar de una población de 15.Si la población es finita.96 Si la seguridad Za fuese del 97.24 Si la seguridad Za fuese del 99% el coeficiente sería 2.05 = 0.95) d = precisión (en este caso deseamos un 3%).645 Si la seguridad Za fuese del 95% el coeficiente sería 1.5 (50%) que maximiza el tamaño muestral. proporción esperada = asumamos que puede ser próxima al 5% .05) q = 1 ± p (en este caso 1-0.000 habitantes para conocer la prevalencia de diabetes? Seguridad = 95%.5% el coeficiente sería 2.

Supongamos que tenemos una máquina inyectora que produce piezas de plástico.2 Patrones de Comportamiento y Pre Control Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. porque indica la cantidad de PVC que la máquina inyectó en la matriz. Entonces. la producción se encarece porque se consume más materia prima.2. por ejemplo de PVC. si la cantidad es excesiva. Vamos a tratar de entenderlo con un ejemplo. Básicamente.1. la pesa en una balanza y registra la observación: . Una característica de calidad importante es el peso de la pieza de plástico. hay un operario que cada 30 minutos toma una. en el lugar de salida de las piezas. y que sirve para controlar dicho proceso. Si la cantidad de PVC es poca la pieza de plástico será deficiente. una Carta de Control es un gráfico en el cual se representan los valores de algún tipo de medición realizada durante el funcionamiento de un proceso contínuo.

etc.. Supongamos que estos datos se registran en un gráfico de líneas en función del tiempo: Observamos una línea quebrada irregular. Esta es la fluctuación esperable y natural del proceso. Los valores se mueven alrededor de un valor central (El promedio de los datos). Pero en algún momento puede ocurrir que aparezca uno o más valores demasiado alejados del promedio. que nos muestra las fluctuaciones del peso de las piezas a lo largo del tiempo. Cómo podemos distinguir si esto se produce por la fluctuación natural del proceso o porque el mismo ya no está funcionando bien? .. la mayor parte del tiempo cerca del mismo.

la materia prima que se utiliza (Proveedor del plástico). en el caso de la inyectora se fija la temperatura de fusión del plástico. y a continuación veremos como lo hace. la velocidad de trabajo. Por ejemplo. Cada uno de estos factores está sujeto a variaciones que realizan aportes más o menos significativos a la fluctuación de las características del producto. Hay una gran cantidad de variables que sería imposible o muy difícil controlar. la presión del pistón. ligeras fluctuaciones de la corriente eléctrica que alimenta la máquina. Todo proceso de fabricación funciona bajo ciertas condiciones o variables que son establecidas por las personas que lo manejan para lograr una producción satisfactoria. . durante el proceso de fabricación.Esta es la respuesta que provee el control estadístico de procesos. etc. etc. Los responsables del funcionamiento del proceso de fabricación fijan los valores de algunas de estas variables. Estas se denominan variables no controlables. Por ejemplo. que se denominan variables controlables. Pero un proceso de fabricación es una suma compleja de eventos grandes y pequeños. pequeñas variaciones de calidad del plástico. pequeños cambios en la velocidad del pistón.

y retornar el proceso a un funcionamiento correcto.Los efectos que producen las variables no controlables son aleatorios. Son las variables no controlables las responsables de la variabilidad de las características de calidad del producto. Las fluctuaciones al azar de las variables no controlables se denominan Causas No Asignables de variación del proceso. 2) El sistema de causas aleatorias que actúa sobre el proceso genera un universo hipotético de observaciones (mediciones) que tiene una Distribución Normal. El uso del control estadístico de procesos lleva implícitas algunas hipótesis que describiremos a continuación: 1) Una vez que el proceso está en funcionamiento bajo condiciones establecidas. Los cambios en las variables controlables se denominan Causas Asignables de variación del proceso. aparece una o varias causas asignables. una falla de la máquina por desgaste de una pieza. Además. Causas Asignables: Son causas que pueden ser identificadas y que conviene descubrir y eliminar. porque no son pasibles de ser identificadas. . Causas No Asignables: Son una multitud de causas no identificadas. etc. además de las causas no asignables. cada una de las cuales ejerce un pequeño efecto en la variación total. ya sea por falta de medios técnicos o porque no es económico hacerlo. se dice que el proceso está fuera de control. porque es posible identificarlas. Cuando. que es inherente a cada proceso en particular. Estas causas provocan que el proceso no funcione como se desea y por lo tanto es necesario eliminar la causa. por ejemplo. Son inherentes al proceso mismo y no pueden ser reducidas o eliminadas a menos que se modifique el proceso. un cambio muy notorio en la calidad del plástico. la contribución de cada una de las variables no controlables a la variabilidad total es cuantitativamente pequeña. Cuando el proceso trabaja afectado solamente por un sistema constante de variables aleatorias no controlables (Causas no asignables) se dice que está funcionando bajo Control Estadístico. se supone que la variabilidad de los resultados en la medición de una característica de calidad del producto se debe sólo a un sistema de causas aleatorias.

se verifica si el proceso está ajustado. En caso contrario. es necesario detener el proceso. Control Estadístico. La función del control estadístico de procesos es comprobar en forma permanente si los resultados que van surgiendo de las mediciones están de acuerdo con las dos primeras hipótesis.3) Cuando aparece alguna causa asignable provocando desviaciones adicionales en los resultados del proceso.. encontrar las causas por las cuales el proceso se apartó de su funcionamiento habitual y corregirlas. se dice que el proceso está fuera de control. se retorna a la primera etapa: . Si aparecen uno o varios resultados que contradicen o se oponen a las mismas..Cómo ponerlo en marcha? La puesta en marcha de un programa de control estadístico para un proceso en particular implica dos etapas: Antes de pasar a la segunda etapa.

998. En la distribución normal.09 sigmas alrededor del promedio corresponde a una probabilidad de 0. a la altura del promedio (Valor central de las observaciones) y otras dos líneas rectas a la altura de los límites de control: . se construye un gráfico de prueba y se traza una línea recta a lo largo del eje de ordenadas (Eje Y). En general se utilizan límites de 2 sigmas ó de 3 sigmas alrededor del promedio. con las cuales se calcula el promedio y la desviación standard: Luego se calculan los Límites de Control de la siguiente manera: Estos límites surgen de la hipótesis de que la distribución de las observaciones es normal. el intervalo de 3. Entonces.En la 1a etapa se recogen unas 100-200 mediciones.

En este gráfico se representan los puntos correspondientes a las observaciones con las que se calcularon los límites de control: Este gráfico de prueba se analiza detenidamente para verificar si está de acuerdo con la hipótesis de que la variabilidad del proceso se debe sólo a un sistema de causas aleatorias o si. Esto se puede establecer porque cuando la fluctuación de las mediciones se debe a un sistema constante de causas aleatorias la distribución de las observaciones es normal: . por el contrario. existen causas asignables de variación.

la mayor parte de los puntos se sitúa muy cerca del promedio.Cuando las observaciones sucesivas tienen una distribución normal. algunos pocos se alejan algo más y prácticamente no hay ninguno en las zonas más alejadas: .

Es difícil decir como es el gráfico de un conjunto de puntos que siguen un patrón aleatorio de distribución normal. . pero sí es fácil darse cuenta cuando no lo es.

. . Una serie creciente de 6 ó 7 observaciones.. .. .Veamos algunos ejemplos de patrones No Aleatorios: Una sucesión de puntos por encima .. o una serie decreciente. o por debajo de la línea central....

y se construyen cartas de control con esos límites: .Si no se descubren causas asignables entonces se adoptan los límites de control calculados como definitivos.

y que no se produzcan patrones no aleatorios: . estos se eliminan. comenzando otra vez con la primera etapa. y se construye un nuevo gráfico de prueba. se deberán recoger nuevas observaciones y calcular nuevos límites de control de prueba. indicando la existencia de causas asignables. Una vez hecho esto. las nuevas observaciones que van surgiendo del proceso se representan en el gráfico. se hace necesario investigar para descubrirlas y eliminarlas. En la 2a etapa.Si sólo hay pocos puntos fuera de control (2 ó 3). desviación standard y límites de control con los restantes. se recalculan la media. Cuando las observaciones no siguen un patrón aleatorio. y se controlan verificando que estén dentro de los límites.

y sin embargo hacer crecer un proyecto empresarial. La organización aprende sola y sobre la marcha. Una vez eliminadas las causas del problema. la necesidad de ponerlo por escrito. Respecto a los planes. que un magnífico plan pésimamente ejecutado.09 sigmas alrededor de la media. cuando se encuentra más de 1 punto en 500 fuera de los límites de control. desconocer por completo qué es un modelo de gestión y qué herramientas de gestión se han desarrollado y funcionan con éxito. 2. y Ambiente de trabajo. . el 99. sin referencias exteriores. el supervisor del proceso debe detener la marcha del mismo e investigar con los que operan el proceso hasta descubrir la o las causas que desviaron al proceso de su comportamiento habitual. Infraestructura. si atendemos a la estructuración de ISO 9001:2000).Como hemos visto. tanto que la profesionalidad y la competencia de los gestores en cualquier ámbito se puede medir en función de los planes que son capaces de establecer.8 % de las observaciones deben estar dentro de los límites de 3. se puede continuar con la producción normal. por otro lado muy frecuentes. al igual que el Plan Estratégico y los Planes de Emergencia. Entonces. de pensar antes las cosas. organizaciones que luchan solas. estamos ante ³free riders´. De entre éstas. esto indica que el sistema de causas aleatorias que provocaba la variabilidad habitual de las observaciones ha sido alterado por la aparición de una causa asignable que es necesario descubrir y eliminar. de lo cual surge la necesidad de determinar los recursos apropiados (RRHH. algunas aprenden rápido la importancia de los planes. Por otro lado. Esto significa que sólo 1 observación en 500 puede estar por causas aleatorias fuera de los límites de control. En ese caso. En estos casos. De entre las diversas tipologías de planes. y sobre todo por la eficacia alcanzada en su ejecución. es inútil negar que es posible no utilizar ningún tipo de herramienta de gestión. y casi al mismo tiempo la importancia de comunicar dicho plan a toda la organización. los planes de control ocupan un lugar preferente.2 El Plan de Control control plan LA PLANIFICACIÓN La importancia de la planificación es capital. decía un gurú de la gestión que prefería un mal plan bien ejecutado. Ven claro también que lo importante y lo más difícil de los planes es ejecutarlos con eficacia. descubriendo la rueda (algo ya conocido) a cada paso.

Un Plan de Control de la Calidad pretende garantizar que el producto resultante cumpla los requisitos. Para conseguir este fin. que serán utilizadas en todo el proceso de diseño del plan de control. etc. Con lo cual modificará y/o añadirá nuevos elementos al sinóptico. las etapas básicas que conducen a su obtención son: 1. El AMFE se realiza tomando como base el proceso de realización del producto diseñado. AMFE no es más que una técnica estructurada que pretende obtener como resultado los puntos débiles del proceso de realización del producto así como una ponderación de estos riesgos. El diseño de la forma de realizar el producto. qué materias primas. incluyendo nuestra vida personal. Comúnmente conocido como AMFE (Análisis del Modo de Fallo y sus Efectos) en castellano. Al resultado del DISEÑO DEL PROCESO de realización del producto lo llama ISO 9000:2000 (Norma que contiene el vocabulario) PLAN DE CALIDAD de un producto. La asignación de la nota debe ser lo . el Plan de Control de Calidad de dicha fabricación se establece en base a las actividades de transformación de las materias primas en dicho producto. Así como en otras disciplinas técnicas existe un soporte científico estructurado y orientado. Como se ha indicado anteriormente. En la práctica.RE-INVENTANDO LA RUEDA Respecto a la re-invención de la rueda. Ocurrencia. El este sentido. incluidos los controles de calidad que puedan ya existir. 2. Esta técnica no sólo se aplica sobre procesos. Una de las razones es que la gestión tiene un alcance enorme. o FMEA en inglés. es el DISEÑO DEL PROCESO de realización del producto. en uno u otro grado en todas las organizaciones. producto de los tres. Por ejemplo. podríamos decir que ello ocurre constantemente. a día de hoy. el proceso del DISEÑO DEL PROCESO. el diseño del plan puede modificar la forma de trabajar y/o enriquecerla. qué procedimientos de trabajo se van a utilizar. parece lógico que analicemos primero qué puede ir mal. AMDEC en francés. El Plan de Control de Calidad puede y debe incluso determinar la forma de realizar el producto. qué aspectos legales y reglamentarios afectan. qué medios productivos se van a utilizar (máquinas y herramientas). ocurrencia (la probabilidad de que ocurra). un índice denominado Índice de Prioridad del Riesgo (NPR en inglés). Definir completamente qué etapas comprende la fabricación (o prestación de servicio). qué puede fallar. buena parte de esta información se suele plasmar gráficamente o relacionar en un documento denominado SINÓPTICO del proceso. Centrándonos exclusivamente en la elaboración del Plan de Control de Calidad. en la gestión no podemos encontrar una figura conexa. para obtener. ISO 9001. Ahora estamos en la fase de que algunos gerentes atinen a decir: aquí tenemos una gestión ISO. inscrito como hemos dicho dentro del proceso de DISEÑO DEL PROCESO. está sentando unos cimientos de incalculable relevancia. en el ámbito de la gestión de las organizaciones como vehículo para satisfacer a los clientes. En un AMFE. este análisis evalúa y puntúa cada uno de los riesgos asociados a la fabricación o prestación de servicio según su gravedad. cuáles son los requisitos del producto. El sinóptico del proceso estructura el campo de trabajo en etapas. debemos valorar cada riesgo identificado asignando una nota en los 3 factores que más relevancia tienen: Gravedad. y detección (probabilidad de que el problema sea detectado cuando aparezca). Analizar los riesgos asociados a la realización de cada una de las etapas determinadas. como me dijo recientemente el dueño de una empresa. y la forma de controlar la calidad del producto realizado (definida en el Plan de Control de Calidad). también es corriente aplicarla sobre los medios productivos y el diseño de productos. y Detección. Volviendo al tema central: ¿CÓMO SE HACE UN PLAN DE CONTROL DE CALIDAD? Lo primero que debemos saber es que un Plan de Control de Calidad es un resultado final de un proceso más grande. si una empresa ha de fabricar un nuevo producto. cuántas personas y qué competencia deben tener.

Donde realmente se diseña el Plan de Control es durante la realización del AMFE. y tienen la misma importancia en el resultado final. 3 Documentar el Plan de Control. El plan de control puede contener directamente esta información. Lo más común es asignar puntuaciones de 1 a 10 en cada factor. paneles de defectos.más objetiva posible. nuestras acciones pueden tener como efecto: y y y Disminuir la gravedad del riesgo. . Ensayos sobre materias primas. para disminuir el nivel de un riesgo. productos semi-procesados. Cualquier riesgo que obtenga una nota superior debe ser disminuido introduciendo algún cambio o control adicional en el proceso. fichas técnicas de materia prima. En automoción una práctica bastante extendida es fijar el nivel de riesgo aceptado en 100. Los factores sometidos a valoración son complementarios entre sí. o sobre el producto final. pautas de autocontrol etc 2. con lo cual el índice calculado es un número entre 1 y 1000. Disminuir la probabilidad de que ocurra. o bien hacer referencia a los documentos que la contienen: planos.2. especificar los controles de calidad realizados por laboratorios. para ello con anterioridad se fijan unos criterios para asignar puntuaciones. con qué medios productivos se transforma. La organización puede fijar el nivel de riesgo a partir del cual introducir controles o modificar elementos de proceso que lo reduzcan. dispondremos de toda la información necesaria para hacerlo. y qué variables se controlan y cómo. Se trata de documentar como mínimo lo siguiente: y y y especificar etapa por etapa de la realización del producto qué características debe cumplir el producto. Como ya se habrá advertido. o Aumentar la capacidad de detección. especificar las auditorías de producto o de proceso que se vayan a realizar.1 Grafico XR: Los gráficos X-R se utilizan cuando la característica de calidad que se desea controlar es una variable continua. ya que al final se calcula el producto de los 3. Si hemos hecho correctamente las etapas anteriores. Actuar sobre cualquiera de estos factores disminuye el nivel de riesgo. instrucciones de trabajo.

Los subgrupos se realizan agrupando las mediciones de tal modo que haya la máxima variabilidad entre subgrupos y la mínima variabilidad dentro de cada subgrupo. Supongamos una fábrica que produce piezas cilíndricas para la industria automotriz. Trabajar con subgrupos significa agrupar las mediciones que se obtienen de un proceso. de acuerdo a algún criterio. si hay cuatro turnos de trabajo en un día. Hay dos maneras de obtener los subgrupos.Para entender los gráficos X-R. las mediciones de cada turno podrían constituir un subgrupo. por ejemplo cada hora: . Una de ellas es retirar varias piezas juntas a intervalos regulares. La característica de calidad que se desea controlar es el diámetro de las piezas. es necesario conocer el concepto de Subgrupos (o Subgrupos racionales). Por ejemplo.

La otra forma es retirar piezas individuales a lo largo del intervalo de tiempo correspondiente al subgrupo: .

. podríamos obtener 30 subgrupos de 6 datos cada uno: .Etc.. divididas en subgrupos. Para cada subgrupo calculamos el Promedio y el Rango (Diferencia entre el valor máximo y el valor mínimo)... Como ya se ha visto. obtenemos grupos de igual número de mediciones. Por cualquiera de los dos caminos.. En nuestro ejemplo. para calcular los Límites de Control es necesario obtener un gran número de mediciones.

Después de calcular el Promedio y el Rango de cada subgrupo. se calculan el promedio general de promedios de subgrupo y el promedio de rangos de subgrupo: . tendríamos una tabla como la siguiente: A partir de esta tabla.

La desviación standard del proceso se puede calcular a partir del rango promedio. utilizando el coeficiente d2. que depende del número de mediciones en el subgrupo: Con esto podemos calcular los Límites de Control para el gráfico de X: La desviación standard del rango se puede calcular utilizando el coeficiente d3. que también depende del número de mediciones en el subgrupo: Y así podemos calcular los Límites de Control para el Gráfico de R: .

La tabla siguiente muestra los coeficientes d2 y d3 para subgrupos de hasta 10 mediciones: Construímos entonces un Gráfico X de prueba y representamos los promedios de los subgrupos: .

donde representamos los rangos de los subgrupos: Si no hay puntos fuera de los límites de control y no se encuentran patrones no aleatorios. considerando como indicador la desviación estándar. Es importante la variabilidad del proceso de control. 2. entonces la parte correspondiente a los promedios no será confiable dado que los límites de control de X dependen del valor medio de s. La estructura general. si el proceso no muestra estabilidad estadística. una se destina al registro de los promedios de la característica de calidad en consideración y otra para controlar la variabilidad del proceso. Ahora veremos un ejemplo de una combinación de estos gráficos de control XBarra-S. Dentro del procedimiento de construcción para dicha grafica incluye cálculos de límites de control para las dos partes que constituyen la gráfica y la graficación de los promedios y desviaciones estándar obtenidos en cada subgrupo. esta constituida por dos porciones. En la siguiente figura tenemos los datos de 40 subgrupos de tamaño 5.2 Grafico XS Esta gráfica es el instrumento estadístico que sirve para estudiar el comportamiento de un proceso de manufactura.2.Y un Gráfico R de prueba. al iniciar la construcción de la gráfica. se adoptan los límites calculados para controlar la producción futura. . La ventaja de usar esta gráfica es que para estos valores de n la desviación estándar es más sensible a cambios pequeños que el rango.

Figura 1 Como recordaremos de un post anterior que habíamos comentado que usted puede encontrar aquí. las ecuaciones del gráfico de control de medias vienen dados por las siguientes fórmulas: Figura 2 Mientras que las fórmulas para el gráfico de control de desviación estándar vienen dadas por: .

así que tendremos que realizar este cálculo para cada subgrupo.089 Graficaremos en el gráfico control de medias. B3 = 0 y B4 = 2. el promedio de cada subgrupo. en el gráfico de desviación estándar graficaremos el valor de la desviación estándar de cada subgrupo. Con todos estos elementos y los valores de las constantes antes mencionadas podemos calcular los límites de control de los gráficos XBarra-S. para tamaños de subgrupos de 5. B3 y B4. la cual se calcula como: Figura 4 La media de los promedios de subgrupos será XDoble Barra y la media de desviaciones estándar de los subgrupos será SBarra. Por otra parte.Figura 3 Ahora bien según la tabla de constantes que usted puede encontrar aquí.427. Los valores para el cálculo del gráfico de control de medias (XBarra) nos quedarían entonces: . los valores de las contantes A3. resultan ser: A3 = 1.

Figura 5 Los valores para el cálculo del gráfico de control de desviaciones estándar. nos quedaría: .

se encuentra aquí. Una vez hechos los gráficos de control. estos nos quedan así: . hay un video que nos muestra como hacer esto. como se comentó anteriormente.Figura 6 Ya con estos rangos de datos podemos construir los gráficos de control.

3 Grafico de Individuales .2.Figura 7 2.

Sign up to vote on this title
UsefulNot useful