Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Gráficos de Control Por Atributos
Gráficos de Control Por Atributos
CONTROL DE CALIDAD
Carrera: Ingeniería Industrial
7
LABORATORIO DE CONTROL DE CALIDAD
LABORATORIO 7:
Duración 1,5 hrs.
OBJETIVO
Entre las gráficas que cuentan no conformidades se tiene las gráficas C, éstas graficas
utilizan la distribución Poisson. El gráfico estudia el número de disconformidades, C, en
una unidad de inspección con tamaño de muestra constante del artículo observado.
∑ ci
c= i=1
k
Ci = número de defectos
DESARROLLO DE LA PRÁCTICA
Sesión 1
Los estudiantes del laboratorio deberán inspeccionar el lote mediante inspección por
atributos a las piezas de lego para mostrar la calidad del mismo.
Las especificaciones del tamaño de las diferentes muestras serán dadas por el Docente
de Laboratorio en cada horario de los 2 grupos de trabajo.
Sesión 2
INSTRUMENTACIÓN
MEDICIÓN DE LA MUESTRA
Realizar el respectivo control de calidad en este caso es una inspección por atributos de
los cuales se debe observar la cantidad de defectos que existen en una muestra
PROCESAMIENTO DE DATOS
Realice los pasos para poder determinar si el producto final se encuentra dentro de los
límites de Control
CONCLUSIONES Y RECOMENDACIONES
OBJETIVO GENERAL
2 FUNDAMENTO TEORICO
3 DIAGRAMA DE PROCESO
4 ESQUEMA
5 PROCEDIMIENTO
6 MATERIALES Y EQUIPOS
7 TRATAMIENTO DE DATOS
HOJA DE DATOS
GRAFICOS
DE
CONTROL
CARTAS C
DATOS GENERALES
PROVEEDOR CODIGO DE
PROVEEDOR
IMPORTACI LOTE
ON
NACIONAL
CODIGO DE COLOR
INSUMO
DESCRIPCIO N 110
N
ESPECIFICACIONES FISICAS n 11
1 3 0 0 4 2 0 7
2 3 0 0 3 3 0 5
3 4 0 0 3 1 0 7
4 4 0 0 3 0 0 5
5 4 0 1 2 2 0 4
6 4 0 0 4 2 0 7
7 4 3 0 2 0 0 1
8 3 3 0 0 0 0 6
9 6 7 0 3 1 0 5
10 4 2 0 4 2 0 6
7.1 CÁLCULOS
Con las inspecciones efectuadas visualmente se procede a realizar los cálculos que
fueran necesarios para llegar al obtener el grafico que se busca. (PROCESAMIENTO DE
DATOS)
1 3 0 0 4 2 0 7
2 3 0 0 3 3 0 5
3 4 0 0 3 1 0 7
5 4 0 1 2 2 0 4
6 4 0 0 4 2 0 7
7 4 3 0 2 0 0 1
8 3 3 0 0 0 0 6
9 6 7 0 3 1 0 5
10 4 2 0 4 2 0 6
∑ ci
c= i=1
k
Ci = número de defectos
SUMA 39 15 1 28 13 0 53
Una vez obtenidos los resultados se procede a graficar las cartas de control C y analizar
los mismos para ver si el proceso de los valores obtenidos se encuentra bajo control
Presente los resultados en Excel, así como también en el programa statgraphics, comente
los resultados obtenidos en base a los patrones de control
ESTAGRAFI
RALLAS
c Chart - RAYAS
Number of samples = 10
0 samples excluded
10
Period #1-10 UCL = 9,82
8 CTR = 3,90
UCL: +3,0 sigma 9,82453 LCL = 0,00
6
Centerline 3,9
c
4
LCL: -3,0 sigma 0,0
2
0 beyond limits 0
0 2 4 6 8 10
Sample
Estimates
Period #1-10
Mean c 3,9
Sigma 1,97484
MANCHAS
c Chart - MANCHAS
Number of samples = 10
c Chart 8
UCL = 5,17
Period #1-10 CTR = 1,50
6 LCL = 0,00
UCL: +3,0 sigma 5,17423
Centerline 1,5 4
c
Estimates 0
0 2 4 6 8 10
Period #1-10 Sample
Mean c 1,5
Sigma 1,22474
Este procedimiento crea un gráfico c para MANCHAS. Está diseñado para permitirle determinar si
los datos provienen de un proceso que se encuentra en un estado de control estadístico. La tabla de
control se construye bajo el supuesto de que los datos provienen de una distribución de Poisson con
una media igual a 1,5. Este parámetro se estimó a partir de los datos. De los 10 puntos no excluidos
mostrados en la tabla, uno está más allá de los límites de control. Dado que la probabilidad de ver
ROTURAS
Number of samples = 10
c Chart for ROTURAS
0 samples excluded
1,2
UCL = 1,05
1 CTR = 0,10
c Chart
LCL = 0,00
Period #1-10 0,8
Period #1-10
Mean c 0,1
Sigma 0,316228
Este procedimiento crea un gráfico c para ROTURAS. Está diseñado para permitirle
determinar si los datos provienen de un proceso que se encuentra en un estado de control
estadístico. La tabla de control se construye bajo el supuesto de que los datos provienen
de una distribución de Poisson con una media igual a 0,1. Este parámetro se estimó a
partir de los datos. De los 10 puntos no excluidos mostrados en la tabla, 0 están más allá
de los límites de control. Dado que la probabilidad de ver 0 o más puntos más allá de los
límites por casualidad es de 1,0 si los datos provienen de la distribución asumida, no
podemos rechazar la hipótesis de que el proceso está en un estado de control estadístico
al nivel de confianza del 95%.
REBABAS
c Chart - REBABAS
0 samples excluded
c Chart
Period #1-10
Centerline 2,8
c Chart for REBABAS
LCL: -3,0 sigma 0,0
8
UCL = 7,82
0 beyond limits CTR = 2,80
6 LCL = 0,00
Estimates c
2
Period #1-10 0
0 2 4 6 8 10
Sample
Mean c 2,8
Sigma 1,67332
Este procedimiento crea un gráfico c para REBABAS. Está diseñado para permitirle determinar si
los datos provienen de un proceso que se encuentra en un estado de control estadístico. La tabla de
control se construye bajo el supuesto de que los datos provienen de una distribución de Poisson con
una media igual a 2,8 Este parámetro se estimó a partir de los datos. De los 10 puntos no excluidos
mostrados en la tabla, 0 están más allá de los límites de control. Dado que la probabilidad de ver 0 o
más puntos más allá de los
límites por casualidad es de 1,0 si
los datos provienen de la
distribución asumida, no c Chart for ASPERESAS
podemos rechazar la hipótesis de
que el proceso está en un estado 5
de control estadístico al nivel de UCL = 4,72
confianza del 95%. 4 CTR = 1,30
LCL = 0,00
3
ASPERESAS
c
2
c Chart - ASPERESAS
Number of samples = 10 1
0 samples excluded
0
0 2 4 6 8 10
LABORATORIO DE CONTROL DE CALIDAD
Sample
c Chart
Period #1-10
Centerline 1,3
0 beyond limits
Estimates
Period #1-10
Mean c 1,3
Sigma 1,14018
Este procedimiento crea un gráfico c para ASPERESAS. Está diseñado para permitirle determinar si
los datos provienen de un proceso que se encuentra en un estado de control estadístico. El gráfico de
control se construye bajo el supuesto de que los datos provienen de una distribución de Poisson con
una media igual a 1,3. Este parámetro se estimó a partir de los datos. De los 10 puntos no excluidos
mostrados en la tabla, 0 están más allá de los límites de control. Dado que la probabilidad de ver 0 o
más puntos más allá de los límites por casualidad es de 1,0 si los datos provienen de la distribución
asumida, no podemos rechazar la hipótesis de que el proceso está en un estado de control estadístico
al nivel de confianza del 95%.
DISEÑO DIFERENTE
-0,1
LABORATORIO DE CONTROL DE CALIDAD 0 2 4 6 8 10
Sample
LCL: -3,0 sigma 0,0
0 beyond limits
Estimates
Period #1-10
Mean c 0,0
Sigma 0,0
Este procedimiento crea un gráfico c para DISEÑO DIFERENTE. Está diseñado para permitirle
determinar si los datos provienen de un proceso que se encuentra en un estado de control
estadístico. La tabla de control se construye bajo el supuesto de que los datos provienen de una
distribución de Poisson con una media igual a 0,0 Este parámetro se estimó a partir de los datos. De
los 10 puntos no excluidos mostrados en la tabla, 0 están más allá de los límites de control. Dado
que la probabilidad de ver 0 o más puntos más allá de los límites por casualidad es 1,0 si los datos
provienen de la distribución asumida, no podemos rechazar la hipótesis de que el proceso está en un
estado de control estadístico al nivel de confianza del 95%
VARIACION DE TONO
6
UCL: +3,0 sigma 12,2065
Centerline 5,3 3
Period #1-10
Mean c 5,3
Sigma 2,30217
Este procedimiento crea un gráfico c para VARIACION DEL TONO. Está diseñado para
permitirle determinar si los datos provienen de un proceso que se encuentra en un estado
de control estadístico. El gráfico de control se construye bajo el supuesto de que los datos
provienen de una distribución de Poisson con una media igual a 5,3 Este parámetro se
estimó a partir de los datos. De los 10 puntos no excluidos mostrados en la tabla, 0 están
más allá de los límites de control. Dado que la probabilidad de ver 0 o más puntos más
allá de los límites por casualidad es de 1,0 si los datos provienen de la distribución
asumida, no podemos rechazar la hipótesis de que el proceso está en u
8 CUESTIONARIO
Bajo qué características se puede modelar una variable aleatoria Poison si existen
defectos de fabricación?
Que se entiende por causa asignable dentro del control estadístico de la calidad?
(2) (también causa especial) Una fuente de variación que no es parte de la variación
inherente de que a menudo es posible asignar el motivo de esta variación. O un
nombre para la fuente de variación en un proceso que no se deba al azar y por lo tanto
pueden ser identificados y eliminados. También llamada "causa especial".
(3) Una causa asignable es una fuente de variación que es intermitente, no predecible.
A veces se llama "causa especial" variación. En un gráfico de control, una causa
conocida es señalada por los puntos más allá de los límites de control o patrones no
aleatorios dentro de los límites de control.
Que sucede si en un caso no hay puntos fuera de los límites de control y no se hallan
patrones no aleatorios?.
– Cuando hay más de 3 puntos seguidos fuera de los límites del 75%.
– Cuando se aprecia que los valores siguen un patrón, no siento estos aleatorios.
Realice un cuadro para explicar las diferencias entre cartas de control por atributos y por
variables.
Cuáles pueden ser las principales causas para implantar las cartas de control?.
9 CONCLUSIONES Y RECOMENDACIONES
10 BIBLIOGRAFIA
11 ANEXOS