Section II - Indice de Capacidad Univariado

VARIABLE AND ATTRIBUTES INDICES CAPABILITY
PhD Roberto José Herrera Acosta
SECTION II
CURSO DE CONTROL DE CALIDAD
PROGRAMA DE INGENIERÁ INDUSTRIAL
Universidad del Atlántico
4 de septiembre de 2023
PhD Herrera Acosta Roberto José Section II: Natural Tolerance limits – Process capability index univariate – No parametric
4 de capability
septiembreindex,
de 2023
new proposals 1 / 74
1 Capability an index capability univariate
Parametric capability index
Caso de Estudio: Presión de un Dispositivo
Centering parametric capability index
Parametric capacity index with target value
Caso de Estudio: Ejercicio de fabricación de bloques para construcción
Caso de Estudio: Peso molecular de un Proceso Químico
Caso de Estudio: Ejercicios de Llenado
Caso de Estudio: Ejercicios de ensamble
Caso de Estudio: Ejercicio de peso molecular
Intervalo de tolerancia
Caso de Estudio: Ejercicios de intervalo de tolerancia
2 Indice de capacidad univariada no paramétrica: Luceño, Chen y Pearn-Propuesta de Wu

Indice de capacidad no paramétrico de Luceño
Caso de Estudio: Tensión superficial-ïndice no paramétrico Luceño
Indice de capacidad univariada no paramétrica propuesta de Chen y Pearn
Caso de Estudio: Temperatura de Secado Batería
Indice de capacidad univariada no paramétrica propuesta de Wu
Caso de Estudio: Producto a Granel
Índice de capacidad en variables discretas
Caso de Estudio: Empresa Textil
3 Desarrollo de la evaluación
4 de capability
septiembreindex,
de 2023

4 de capability
septiembreindex,
de 2023

4 de capability
septiembreindex,
de 2023
Sección 1 Capability an index capability univariate
4 de capability
septiembreindex,
de 2023
Cuando un proceso cumple con las especificaciones establecidas en el diseño, se dice que este es un proceso capaz.
Figura: Indice de Capacidad
4 de capability
septiembreindex,
de 2023
La capacidad del proceso sea mayor que las especificaciones. Es la situación más indeseable dentro de un proce-
so.Aunque el proceso se encuentre dentro de control, este pueda que no cumpla con las especificaciones exigidas por
el cliente.En este caso el ingeniero de control de calidad debe aumentar las especificaciones del producto, siempre y
cuando sea informado a los clientes de este cambio. Otra posible solución sería desplazar el promedio del proceso ya
sea de izquierda o derecha, logrando producir todo el rechazo por defecto o por exceso. Disminuyendo la variabilidad
del proceso, de tal manera que la distribución sea en forma de punta (esto significa que la mayor parte de la informa-
ción se encuentra en la parte central de los datos) esto logra con cambios sustanciales en el proceso.
Figura: Indice de Capacidad 6σ > (USL − LSL)
4 de capability
septiembreindex,
de 2023
La capacidad del proceso es igual a las especificaciones: a pesar que en esta situación el proceso esta cumpliendo con
las especificaciones, es indeseable tenerla porque en cualquier momento algunas informaciones del proceso pueden no
ajustarse a las especificaciones
Figura: Indice de Capacidad 6σ = (USL − LSL)
4 de capability
septiembreindex,
de 2023
La capacidad del proceso es menor que las especificaciones: es el caso ideal, esto significa que la especificación al ser
mayor que la capacidad del proceso, este puede encontrarse fuera de control, pero no ocurre producto de rechazo.La
capacidad de un proceso debe ser menor que las diferencias de las especificaciones para determinar que el proceso
es capaz.
Figura: Indice de Capacidad 6σ < (USL − LSL)
4 de capability
septiembreindex,
de 2023
Para medir esta capacidad es utilizado el índice de capacidad definido como, algunos autores lo definen como índice
de capacidad a largo plazo:
USL − LSL
Cp =
kσ
donde les y LSL son los límites de especificación superior en inferior, el valor k generalmente es 6.
Es decir la formulacion tradicional esta definida como, índice de capacidad a largo plazo:
USL − LSL
Cp =
6σ
Otros autores definen este índice como una razón de capacidad en porcentaje,
kσ
Cp = × 100 %
USL − LSL
que es el reciproco de la propuesta clásica de indicador de capacidad.
4 de capability
septiembreindex,
de 2023
Por otra parte, algunos autores definen el indicador de capacidad en terminos de variables aleatorias estandarizadas Z ,
es decir un valor de Z para el límite superior, y un valor de Z para el límite inferior de la siguiente forma.
USL − µ
ZUSl =
σ
µ − LSL
ZLSL =
σ
la evaluación se realiza seleccionando el valor mínimo de Z entre los límites de especificaciones,
ZMN = min{ZUSL ; ZLSL }
un valor mínimo de Z = 4 corresponde a un valor de Cpk de 1.33.
kσ
Cp = × 100 %
USL − LSL
que es el reciproco del clásico
4 de capability
septiembreindex,
de 2023
Una propuesta de indicador de capacidad, se define en la probabilidad de cumplimiento con respecto a las especifica-
ciones P, definida de la siguiente forma,
1
Cp = ϕ−1 (P)
3
donde ϕ−1 es la inversa de la distribución normal estándar. Esta propuesta realiza la medida de probabilidad de
cumplimeinto de las especificaciones: posteriomente evalúa el valor de Z .
Es claro que este indicador puede tomar valores negativos, lo que implica un procesos con un significativo porcentaje
de no conformes.
4 de capability
septiembreindex,
de 2023
Un proceso en la fase I, estabilización estadísitica, cuya 30
P
i=1 S = 890 para 30 subgrupos de tamaño cuatro posee de
especificación USL = 780 y LSL = 620 y se encuentra bajo control estadístico cuyo promedio es µ = 720. Determine
el índice de capacidad del proceso.
890
S̄ = = 29.66
30
S̄
σ̂ = = 32.2
c4
donde para n = 4 c4 = 0.9213
780 − 620
Cp = = 0.828
6(32.2)
este valor de índice de capacidad, implica que el proceso no es capaz de cumplir con las especificaciones de diseño.
Existen unidades no conformes en el proceso.
4 de capability
septiembreindex,
de 2023
Otro tanto, al aplicar el indicador de medida de probabilidad P, los resultados obtenidos son los siguientes, inicialmente
para la medida de probabilidad,
P = P(620 ≤ X ≤ 780) = P(X ≤ 780) − P(X ≤ 620)

= P(Z ≤ (780 − 720)/32.2) − P(Z ≤ (620 − 720)/32.2)
= P(Z ≤ 1.863) − P(Z ≤ −3.10)
P = 0.9686 − 0.0010 = 0.9676
el valor Z que corresponde a esta medida de probabilidad ϕ−1 (0.9676) = 1.85, por tanto el índice de capacidad es,
1 −1 1
Cp = ϕ (0.9676) = [1.85] = 0.616
3 3
el proceso no es capaza de cumplir con las especificaciones requeridas, con un valor de 0.616, inferior a la unidad,
valor de referencia.
4 de capability
septiembreindex,
de 2023
Determina hacia donde se ubica el desplazamiento del proceso con respecto a las especificaciones.

USL − µ µ − LSL
Cpk = mı́n Cpu = , Cpl =
3σ 3σ
donde
a Cpk ≤ Cp
b Cpk = 0 el promedio del proceso coincide con una de las especificaciones
c Cpk ≤ 0 gran parte del proceso, esta desplazado por fuera de las especificaciones.
En el ejemplo anterior se tiene que, el indice de capacidad promedio como:

780 − 720 720 − 620
Cpk = mı́n Cpu = , Cpl =
3(32.2) 3(32.2)
= mı́n{Cpu = 0.62, Cpl = 1.035}
Cpk = 0.62
Este valor muestra un proceso que no cumple con las especifcaciones de diseño; las unidades no conformes, en su
gran mayoría, se presentan por encima del límite de especificación superior USL.
4 de capability
septiembreindex,
de 2023
Con frecuencia se indican valores nominales u objetivos del proceso, representado por T . En donde es modificada
las formulaciones utilizadas para medir el indice de capacidad tradicional, agregando un valor objetivo o nominal del
proceso.
USL − LSL
Cpm = p
6 σ 2 + (µ − T )2
el indice de capacidad promedio es definido mediante,

( )
Cpmk = mı́n Cpu = p , Cpl = p
3 σ 2 + (µ − T )2 3 σ 2 + (µ − T )2
4 de capability
septiembreindex,
de 2023
Sea un proceso de fabricación bloques de ladrillo para construcción, donde una de las medidas monitoreadas es la
longitud. El proceso presenta históricamente en su medida de localización µ = 32.3, con una desviación de 2.5,
con una tolerancia de diseño comprendida entre 30 y 33. El encargado del área de calidad, desea establecer como
valor objetivo una longitud promedio de 33 tal como lo establecen las normas internacionales. ¿Cuál es el valor de la
capacidad del proceso? ¿Qué acciones debe tomar el ingeniero para cumplir con los requerimientos?
4 de capability
septiembreindex,
de 2023
El índice de capacidad de este proceso de fabricación es,
33 − 30
Cpm = p
6 2.52 + (32.3 − 33)2
= 0.192
el índice de capacidad real o de localización es,

( )
33 − 32.3 32.3 − 30
Cpmk = mı́n Cpmu = p , Cpml = p
3 2.52 + (32.3 − 33)2 3 2.52 + (32.3 − 33)2
= mı́n(0.064, 0.29)
= 0.064
el proceso no es capaz de cumplir con las especificaciones de diseño, una parte significativa del proceso elabora
bloques de ladrillo por encima de la longitud exigida en el diseño, la primera acción en el campo es realizar un ajuste
en el corte longitudinal de los moldes.
4 de capability
septiembreindex,
de 2023
Los datos siguientes presentan observaciones individuales del peso molecular tomadas cada hora en un proceso
químico.
Número de observaciones x Número de observaciones x
1 1045 11 1139
2 1055 12 1169
3 1037 13 1151
4 1064 14 1128
5 1095 15 1238
6 1008 16 1125
7 1050 17 1163
8 1087 18 1188
9 1125 19 1146
10 1146 20 1167
El valor objetivo del peso molecular es 1050 y se piensa que la desviación estándar del proceso es de aproximadamente
σ = 25.
1 ¿La estimación de σ usada en el inciso anterior de este problema es razonable?
2 Determine una estimación del índice de capacidad clásico con los datos en línea y comparelo con los
parametros estimados
4 de capability
septiembreindex,
de 2023
Los estadísticos de control para la carta Shewhart para observaciones individuales son
Observaciones x MR(2)
1 1045
2 1055 10
3 1037 18
4 1064 27
5 1095 31
6 1008 87
7 1050 42
8 1087 37
9 1125 38
10 1146 21
11 1139 7
12 1169 30
13 1151 18
14 1128 23
15 1238 110
16 1125 113
17 1163 38
18 1188 25
19 1146 42
20 1167 21
donde los estadísticos de esta muestra es

P20
i=1 Xi 22326
X̄ = = = 1116.3
m 20
sP s
20 2
i=1 (Xi − X̄ ) 1124.5131
S= = = 59.1849
m−1 20 − 1
4 de capability
septiembreindex,
de 2023
El índice de capacidad potencial definido como
USL − LSL
Cp =
6σ
es estimado, con los parámetros, mediante
USL − LSL
Ĉp =
6σ̂
entre tanto el índice de capacidad real o de localización es

Ĉpk = mı́n Ĉpu = , Ĉpl =
3σ̂ 3σ̂
en el caso de estudio, el índice de capacidad estimado sujeto a la carta de control

1100 − 1000
Ĉp = = 0.667
6 × 25

1100 − 1050 1050 − 1000
3 × 25 3 × 25
= mı́n(0.667, 0.667)
Ĉpk = 0.667
el proceso no es capaz de cumplir con las especificaciones, el indicador de localización o centramiento presenta un
peso molecular completamente centrado.
4 de capability
septiembreindex,
de 2023
Figura: ïndice de capacidad basado en los parámtros (corto plaso) del peso molecular
4 de capability
septiembreindex,
de 2023
El desempeño, el ínidice de capacidad portencial, de esta característica de calidad es,
USL − LSL
Ĉp =
6×s
1100 − 1000
=
6 × 59.18
= 0.281
en cuanto al índice de capacidad real o de centramiento, el desempeño presenta los siguientes resultados

1100 − 1116.3 1116.3 − 1000
3 × 59.16 3 × 59.18
= mı́n(−0.091, 0.655) = −0.091
es evidencia en los datos para control o control en línea, el desempeño del proceso disminuyo, considerablmente de
0.667 a 0.281, el índice de localización negativo, Cpk = −0.091, muestra que un porcentaje considerable de unidades
se encuentra por encima de la especificación superior.
4 de capability
septiembreindex,
de 2023
Process Capability Analysis
for datos
LSL Target USL
1000 1050 1100 1150 1200 1250
Number of obs = 20 Target = 1050 Cp = 0.287 Exp<LSL 19%

Center = 1050 LSL = 1000 Cp_l = 0.287 Exp>USL 19%
StdDev = 58.15008 USL = 1100 Cp_u = 0.287 Obs<LSL 0%
Cp_k = 0.287 Obs>USL 60%
Cpm = 0.287
Figura: Desempeño (índice de capacidad a largo plazo) del peso molecular
4 de capability
septiembreindex,
de 2023
Se utiliza una máquina para llenar latas con aditivo para el aceite del motor. Es seleccionada una lata de muestra cada
hora, y se obtiene el peso. Puesto que el proceso de llenado es automátizado, posee una variabilidad estable, una larga
experiencia indica que σ = 0.05 oz. La tabla muestra las mediciones en 10 horas de operación.
Observaciones x
1 8.00
2 8.01
3 8.02
4 8.01
5 8.00
6 8.01
7 8.06
8 8.07
9 8.01
10 8.04
1 Suponiendo que el objetivo del proceso es 8.02 oz., estime el intervalo de tolerancia,
2 Determine la capacidad de esta característica de calidad y el desempeño con los datos en línea.
4 de capability
septiembreindex,
de 2023
Asumamos los límites de especificaciones: el límte de específicación superior USL = 8.08 y el límite de especificación
inferior LSL = 7.96. Por tanto, el índice de capacidad potencial estimado es,
USL − LSL
Ĉp =
6σ̂
entre tanto el índice de capacidad de real o de localización:

3σ̂ 3σ̂
en el caso del peso de las latas ejercicio, el índice de capacidad estimado sujeto a la carta de control
8.08 − 7.96
Ĉp = = 0.40
6 × 0.05
8.08 − 8.02 8.02 − 7.96
Ĉpk = mı́n{Ĉpu = , Ĉpl = }
3 × 0.05 3 × 0.05
= mı́n(0.4, 0.4)
Ĉpk = 0.4
el proceso no es capaz de cumplir con las especificaciones, presenta una caraterística de calidad completamente
centrada.
4 de capability
septiembreindex,
de 2023
al aplicar el indicador de medida de probabilidad P, los resultados son
P = P(7.96 ≤ X ≤ 8.08) = P(X ≤ 8.08) − P(X ≤ 7.96)

(8.08 − 8.02) (7.96 − 8.02)
=P Z ≤ −P Z ≤
0.05 0.05
= P(Z ≤ 1.20) − P(Z ≤ −1.20)
P = 0.8849 − 0.1150 = 0.0.7699
el valor Z que corresponde a esta medida de probabilidad z = ϕ−1 (0.7699) = 0.7385, por tanto el índice de
capacidad es,
1 1
Ĉp = ϕ−1 [0.7699] = [0.7385] = 0.246
3 3
con este valor, 0.246, se verifica una capacidad inadecuada de esta característica de calidad con respecto a las
especificaciones.
4 de capability
septiembreindex,
de 2023
for pesoslata
LSL Target USL
7.96 7.98 8.00 8.02 8.04 8.06 8.08
Number of obs = 10 Target = 8.02 Cp = 0.4 Exp<LSL 12%

Center = 8.02 LSL = 7.96 Cp_l = 0.4 Exp>USL 12%
StdDev = 0.05 USL = 8.08 Cp_u = 0.4 Obs<LSL 0%
Cp_k = 0.4 Obs>USL 0%
Cpm = 0.4
Figura: Ïndice de capacidad de la variable peso de las latas
La figura muestra un proceso que no cumple con las especificaciones de diseño
4 de capability
septiembreindex,
de 2023
el desempeño de esta característica de calidad con la información reciente es,
USL − LSL
Ĉp =
6×s
8.08 − 7.96
=
6 × 0.024
= 0.801
en cuanto a la desplazamiento del proceso, el desempeño presenta los siguientes resultados

8.08 − 8.023 8.023 − 7.96
3 × 0.024 3 × 0.024
= mı́n(0.801, 0.801)
Ĉpk = 0.801
es evidencia en los datos para control, el desempeño mejoro, sin embargo la capacidad no es cumplida.
4 de capability
septiembreindex,
de 2023
for pesoslata
LSL Target USL
7.96 7.98 8.00 8.02 8.04 8.06 8.08
Number of obs = 10 Target = 8.02 Cp = 0.801 Exp<LSL 0.81%

Center = 8.02 LSL = 7.96 Cp_l = 0.801 Exp>USL 0.81%
StdDev = 0.02496664 USL = 8.08 Cp_u = 0.801 Obs<LSL 0%
Cp_k = 0.801 Obs>USL 0%
Cpm = 0.801
Figura: Desempeño de la variable peso de las latas
la figura muestra un desempeño no adecuado de la característica de calidad con respecto a las especificaciones
establecidas en el diseño del producto, en este caso el peso de la lata de aceite.
4 de capability
septiembreindex,
de 2023
Cartas de Control R e ïndice de Capacidad Univariado Desempeño del Proceso
##### INDICE DE CAPACIDAD ###################################
library(readxl)
library(xlsx)
library(qcc)
Datos <- read_excel("Datos.xlsx")

attach(Datos)
names(Datos)
Carta_Rangos <- qcc(data = Datos, type = "R", plot = T)

Carta_Rangos$violations
Carta_Rangos$limits
Carta_Rangos$center
Carta_Medias <- qcc(data = Datos, type = "xbar", plot = T)
## Datos2 <- Datos[-c(1, 1), ]
Datos2
Carta_Rangos <- qcc(data = Datos2, type = "R", plot = T)
Carta_Rangos$limits
Capacidad <- process.capability(object = Carta_Medias, spec.limits = c(290.0, 310.0))
Capacidad$indices
Capacidad$exp
Capacidad$obs
Capacidad$std.dev
Sigma_Total <- sd(c(as.matrix(Datos2)))
Sigma_Total
Desempeno <- process.capability(object = Carta_Medias, spec.limits = c(290.0, 310.0), std.dev = Sigma_Total)
Desempeno$indices
Desempeno$exp
Desempeno$obs
Desempeno$std.dev
#####################################################################################
4 de capability
septiembreindex,
de 2023
Dos piezas se ensamblan como se ilustra en la figura. Suponer que las dimensiones x y y siguen una distribución
normal con medias µx y µy y las desviaciones estándar σx y σy , respectivamante. Las piezas se fabrican en máquinas
diferentes y su ensamblaje se hace aleatoriamente. En el proceso, se mantienen las cartas de control de cada dimensión
para el rango de cada muestra (n = 5). Las cartas de control, en este casso el rango, están bajo control
1 Dado que para 20 muestras de la carta de rango que controla x y 10 muestras de la carta de rango que controla
y, se tiene,
X20 X10
Ri = 18.608 y Rj = 6.978
i=1 j=1
estimar σx y σy .
2 Si se quiere que la probabilidad de un espacio libre (i.e., x − y) menor que 0.09 sea 0.006. ¿qué distancia
deberá especificarse entre las dimensiones promedio (i.e., µx − µy )
Figura: Figura de ensamblaje
4 de capability
septiembreindex,
de 2023
Solución: determinamos las desviaciones estándar de cada una de las dimensiones, calculando inicalmente los rangos
promedios de cada una de la siguiente forma
P20
i=1 Ri 18.608
R¯x = = = 0.93
m 20
P10
j=1 Rj 6.978
R¯y = = = 0.6978
m 10
estimamos las desviaciones estándar aplicando las siguiente formulación
R̄
σ̂ =
d2
en este caso las desviaciones estimadas de cada una de las dimensiones son
R̄x 0.93
σ̂x = = = 0.4
d2 2.326
R̄y 0.6978
σ̂y = = = 0.3
d2 2.326
donde d2 = 2.326, para un tamaño de subgrupo n = 5.
4 de capability
septiembreindex,
de 2023
Por tanto, es conocido la probabilidad de un espacio libre x − y ≤ 0.009 de 0.006 denotada como
P[x − y ≤ 0.09] = 0.006

2
siendo las desviación global σx−y = 0.42 + 0.32 = 0.25 estandarizando
0.09 − (µx − µy )

P Z ≤ √ = 0.006
0.25
entonces el valor de z para esta medida de probabilidad es −2.5121, por tanto
0.09 − (µx − µy )
z= √
0.25
0.09 − (µx − µy )
−2.5121 =
0.5
despejando el término de interes (µx − µy ); el resultado es
µx − µy = 0.5(2.5121) + 0.09 = 1.346
la distancia mínima que debe especificarse entre las dimensiones promedios es de 1.346
4 de capability
septiembreindex,
de 2023
El peso molecular de un polimero particular deberá estar entre 2100 y 2350. Se analizaron 50 muestras de este material
con los resultados x̄ = 2275 y s = 60. Suponer que el peso molecular tiene una distribución normal.
a calcular una estimación puntual de Cp .
b encontrar un intervalo de confianza de 95 % para Cpk .
la estimacion dei indicador de capacidad Ĉp es
USL − LSL 2350 − 2100

Ĉp = = = 0.694
6s 6(60)
el intervalo de confianza propuesto por Zhang et al, Bissel, Kushler y Hurley para el Cpk es
" s #
1 1
Ĉpk 1 − Zα/2 2
+
9nĈpk 2(n − 1)
≤ Cpk ≤
" s #
1 1
Ĉpk 1 + Zα/2 2
+
9nĈpk 2(n − 1)
4 de capability
septiembreindex,
de 2023
el valor de Cpk es

USL − x̄ x̄ − LSL
Ĉpk = mı́n Ĉpu = ; Ĉpl =
3s 3s
en nuestro caso

2350 − 2275 2275 − 2100
Ĉpk = mı́n Ĉpu = ; Ĉpl = = mı́n[0.4166; 0.9722] = 0.4166
3(60) 3(60)
el intervalo de confianza es
" s #
1 1
0.4166 1 − 1.965 +
9(50)(0.416)2 2(50 − 1)
≤ Cpk ≤
" s #
1 1
0.4166 1 + 1.965 +
9(50)(0.416)2 2(50 − 1)
0.291 ≤ Cpk ≤ 0.54
es decir el índice de capacidad Cpk del peso molecular se encuentra entre 0291 a 0.54 lo que implica que este
proceso debe entregar un plan de mejoramiento con el propósito de aumentar este indicador
4 de capability
septiembreindex,
de 2023
Considera la versión simplificada del intervalo de confianza definida como
" s #
1
Ĉpk 1 − Zα/2
2(n − 1)
≤ Cpk ≤
" s #
1
Ĉpk 1 + Zα/2
2(n − 1)
en este caso el intervalo es

" s #
1
0.4166 1 − 1.965
2(50 − 1)
≤ Cpk ≤
" s #
1
0.4166 1 + 1.965
2(50 − 1)
0.333 ≤ Cpk ≤ 0.49929
el intervalo es una buena aproximación
4 de capability
septiembreindex,
de 2023
el intervalo de confianza Cp presentado por Montgomery
s
χ2α/2,n−1
Ĉp
n−1
≤ Cp ≤
s
χ21−α/2,n−1
Ĉp
n−1
en el caso de la estimación del indicador de capacidad

s
31.55
0.694
50 − 1
≤ Cp ≤
s
70.222
Ĉp
50 − 1
0.5567 ≤ Cp ≤ 0.83079
donde χ20.025,49 = 31.55 y χ20.975,49 = 70.222
4 de capability
septiembreindex,
de 2023
En el cálculo de un intervalo de tolerancia, se asume una variable aleatoria X con una distribución normal, con media µ
y la varianza σ 2 ambas desconocidas, la media muestral x̄ puede calcularse a partir de una muestra n observaciones.
x̄ ± Zα/2 × s
como la x̄ y s son estimaciones y no los verdaderos valores de los parámetros, no se puede afirmar que en este
intervalo contien siempre 100(1 − α) % de la distribución.
En este caso se incluye una constante K , tal que un número grande de muestras, una fracción de γ de los intervalos
se encuentren en 100(1 − α) % de la distribución:
x̄ ± Ks
Existe una diferencia fundamental entre los límites de confianza y los límites de tolerancia. En los primeros se usan
para proporcionar la estimación de un parámetro de una distribución, entre tanto los límites de tolerancia es usado
para indicar los límites entre los que puede esperarse encontrar una proporción especificada de una población.
4 de capability
septiembreindex,
de 2023
a Una muestra de 25 mediciones de una caraterística de calidad con una distribución normal con media de 85 y
una desviación de 1. Utilizando una probabilidad de confianza de 0.95, encontrar un valor tal que el 90 % de las
mediciones futuras de esta característica de calidad estén arriba de él.
x̄ ± Ks = 85 ± 2.208(1)
[82.792, 87.208]
el intervalo debe estar entre 82.792 a 87.208

b Una muestra de 20 mediciones de una caraterística de calidad con una distribución normal tuvo x̄ = 350 y
s = 10. Encontrar un límite de tolerancia natural superior que tenga una probabilidad de 0.90 de contener el
95 % de la distribución de esta característica de calidad.
x̄ + Ks = 350 + 2.208(10)
[372.08]
el valor es 372.08
4 de capability
septiembreindex,
de 2023
Carta de Control Cusum y evaluación del Desempeño del proceso
######################### Ejercicio 8.1 Montgomery ##################################
datos<-c(1045, 1055, 1037, 1064, 1095, 1008, 1050, 1087, 1125, 1146, 1139, 1169, 1151, 1128, 1238, 1125, 1163, 1188, 11
library(qcc)
Grafica_Cusum <- cusum(data = datos, type = "xbar", plot = T, center=1050, std.dev=25)
Grafica_Cusum$violations
Grafica_Cusum$limits
Grafica_Cusum$center
Grafica_Medias <- qcc(data = datos, type = "xbar", plot = T, center=1050, std.dev=25)
Capacidadcusum <-process.capability(object = Grafica_Medias, spec.limits = c(1000, 1100))

Capacidadcusum$indices
Capacidadcusum$exp
Capacidadcusum$obs
Capacidadcusum$std.dev
Sigma_Total <- sd(datos)
Sigma_Total
Desempeno <- process.capability(object = Grafica_Medias, spec.limits = c(1000.0, 1100.0), std.dev = Sigma_Total)
Desempeno$indices
Desempeno$exp
Desempeno$obs
Desempeno$std.dev
#####################################################################################
4 de capability
septiembreindex,
de 2023
Sección 2 Indice de capacidad univariada no paramétrica: Luceño, Chen y
Pearn-Propuesta de Wu
4 de capability
septiembreindex,
de 2023
En caso de control en línea, asumiendo una distribución no especifica Luceño propone la siguiente ecuación
USL − LSL
Ĉpc = q
6 π2 c̄
donde el valor de c̄
n
1 X
c̄ = |x − T |
n i=1
el intervalo de confianza sc
c̄ ± tα/2,n−1 √
n
siendo
n
" n #
1 X 1 X
sc2 = 2
(|x − T | − c̄) = 2
|x − T | − nc̄ 2
n − 1 i=1 n − 1 i=1
el intervalo de confianza para el indicador de localización o centramiento, índice de capacidad real, es
Ĉpk Ĉpk
sc ≤ Cpk ≤ sc
1 + tα/2,n−1 √ n
1 − tα/2,n−1 √ n
una modificación es,

USL − LSL
Cpc = q
6 π2 E|X − T |
4 de capability
septiembreindex,
de 2023
La tensión superficial de un producto químico, medida en una escala codificada, esta dada por la siguiente relación
ts = (3 + 0.05x)2
donde x es un componente del producto con distribución de probabilidad

1
f (x) = (5x − 2) 2 ≤ x ≤ 4
26
encontrar
a la media y la varianza de ts
b estime la capacidad Cp y Cpk si las especificaciones codificadas son USL = 3.8 y LSL = 2.3
c estime el índice de capacidad no paramétrico propuesto por Luceño
USL − LSL
Cpc = q
6 π2 E|X − T |
donde T = 21 (USL + LSL)
4 de capability
septiembreindex,
de 2023
Es claro que
ts = (3 + 0.05x)2 = 9 + 0.3x + 0.0025x 2
entonces
E(ts) = E(9) + E(0.3x) + E(0.0025x 2 ) = 9 + 0.3E(x) + 0.0025E(x 2 )
determinamos el valor esperado de E(x)

Z ∞
E(x) = xf (x)dx
−∞
Z 4 1
= x (5x − 2)dx
2 26
1
Z 4
= x(5x − 2)dx
26 2
1
Z 4
= (5x 2 − 2x)dx
26 2
4
5x 3

1
= − x2
26 3 2
E(x) = 3.12
4 de capability
septiembreindex,
de 2023
por otro lado, es determinado el valor esperado de E(x 2 )
Z ∞
E(x 2 ) = x 2 f (x)dx
−∞
Z 4 1
2
= x (5x − 2)dx
2 26
1
Z 4
= x 2 (5x − 2)dx
26 2
1
Z 4
= (5x 3 − 2x 2 )dx
26 2
4
5x 4 2x 3

1
= −
26 4 3 2
E(x 2 ) = 10.1025
entonces
E(ts) = 9 + 0.3E(x) + 0.0025E(x 2 ) = 9 + 0.3(3.12) + 0.0025(10.1025)

= 9.9612
la tension superficial promedio es 9.9612.
4 de capability
septiembreindex,
de 2023
la varianza del componente esta definida como
V (x) = E(x 2 ) − [E(x)]2
entonces
V (x) = 10.1025 − [3.12]2

= 0.3656
la varianza del componente es 0.3656
4 de capability
septiembreindex,
de 2023
como
ts = 9 + 0.3x + 0.0025x 2
luego la varianza de ts es
V (ts) = V (9) + V (0.3x) + V (0.0025x 2 ) = 0 + 0.09V (x) + 0.00000625V (x 2 )
donde
V (x 2 ) = E(x 4 ) − [E(x 2 )]2
entoces
Z ∞
E(x 4 ) = x 4 f (x)dx
−∞
Z 4
4 1
= x (5x − 2)dx
2 26
1
Z 4
= x 4 (5x − 2)dx
26 2
1
Z 4
= (5x 5 − 2x 4 )dx
26 2
4
5x 6 2x 5

1
= −
26 6 5 2
E(x 4 ) = 113.96
4 de capability
septiembreindex,
de 2023
entonces
V (x 2 ) = 113.96 − [10.1025]2 = 11.89
po tanto la varianza de la tensión superficial es
V (ts) =0.09V (x) + 0.00000625V (x 2 )

=0.09(0.3656) + 0.00000625(11.89)
=0.032978
la varianza de la tension superficial es 0.03297. En general la media y la varianza de la tensión superficial es
E(ts) = 9.9612
V (ts) = 0.0329
4 de capability
septiembreindex,
de 2023
entonces
USL − LSL 3.8 − 2.3

Cp = p = √ = 0.4134
6 V (x) 6 0.3656
el índice de capacidad de centramiento o localización es

3.8 − 3.12 3.12 − 2.3
Cpk = mı́n Cpu = √ ; Cpl = √ = mı́n[0.3748; 0.4520]
3 0.3656 3 0.3656
= 0.3748
aplicando la propuesta de Luceño, para el componente x determinamos E|x − T |

Z 3.8 1
E|x − T | = (5x − 2)|x − T |dx
2.3 26
Z 3.05 3.8
1 1
Z
= (5x − 2)(−x + T )dx +(5x − 2)(x − T )dx
2.3 26 26 3.05
3.05 3 3.80
T 5x 2 5x 3 5Tx 2

5x
= − 2Tx − + x2 + − x2 − + 2Tx
2 3 2.30 3 2 3,05
= [0.55159054 − 0.43530449] + [−0.38121795 − (−0.55159054)] = 0.286658
E|x − T | = 0.286658
4 de capability
septiembreindex,
de 2023
por tanto
USL − LSL
Cpc = q
6 π2 E|X − T |
3.8 − 2.3
= q
6 π2 (0.286658)
Cpc = 0.37256
la estimación del índice de capacidad clásica arrojo un valor de 0.3748, pero esta metodología asume una distribución
normal, mientras tanto, el indicador propuesto por Luceño, modificado con la función de densidad, presenta un valor
similar de 0.37256.
4 de capability
septiembreindex,
de 2023
Sea un conjunto de observaciones que representa la medida de una característica de calidad de un proceso productivo
se realiza una prueba de normalidad y se encontró que las observaciones no poseen dicha distribución. Se hace
necesario aplicar un método no paramétrico.
USL − LSL
CNp =
W99.865 − W0.135
( )
USL − M M − LSL
CNpk = min CNpu = [W99.865 −W0.135 ]
, CNpl = [W99.865 −W0.135 ]
2 2
la localización de los percentiles se determinan mediante las siguientes formulaciones,

99.865n + 0.135
R1 ≈
100
0.135n + 99.865
R2 ≈
100
n+1
R3 ≈
2
4 de capability
septiembreindex,
de 2023
Entre tanto las formulaciones aplicadas para determinar los valores de estos percentiles superior e inferior, se presentan
a continuación,
h 99.865n + 0.135 i
W99.865 = XR(1) + − R1 X(R1 +1) − X(R1 )
100
h 0.135n + 99.865 i
W0.135 = XR(2) + − R2 X(R2 +1) − X(R2 )
100
la mediana es definida como, hn + 1 i

M = XR(3) + − R3 X(R3 +1) − X(R3 )
2
donde W99.865 y W0.135 son los valores de los percentiles superior e inferior que cumple con la confiabilidad asumida
en el área del control estad+istico de la calidad, es decir 99.73 %
4 de capability
septiembreindex,
de 2023
En la tabla inferior, es presentada la información de la temperatura de secado de un material utilizado para la fabricación
de baterías de automóvil. Los datos previamente se ordenaron con el propósito de evaluar los percentiles aplicados en
el procedimiento exigido por Chen y Pern.
Orden Observación Orden Observación

1 266,597 17 268,431
2 266,709 18 268,56
3 266,828 19 268,63
4 267,008 20 268,691
5 267,047 21 269,075
6 267,172 22 269,339
7 267,267 23 269,539
8 267,299 24 269,931
9 267,327 25 270,885
10 267,419 26 272,329
11 267,495 27 273,365
12 267,594 28 275,368
13 268,135 29 276,489
14 268,219 30 278,775
15 268,333 31 278,813
16 268,417 32 280,89
4 de capability
septiembreindex,
de 2023
99.865(32) + 0.135
R1 ≈ = 31.889 ≈ 31
100
0.135(32) + 99.865
R2 ≈ = 1.04185 ≈ 1
100
32 + 1
R3 ≈ = 16.5 ≈ 16
2
los percentiles evaluados son los siguientes:

h 99.865(32) + 0.135 i
W99.865 = XR(1) + − R1 X(R1 +1) − X(R1 )
100
= 278.813 + 0.889(280.89 − 278.813) = 282.736
h 0.135(32) + 99.865 i
W0.135 = XR(2) + − R2 X(R2 +1) − X(R2 )
100
= 266.597 + 0.04185(266.709 − 266.597) = 266.601
h 32 + 1 i
Mediana(M) = XR(3) + − R3 X(R3 +1) − X(R3 )
2
= 268.417 + 0.5(268.431 − 268.417) = 268.424
4 de capability
septiembreindex,
de 2023
Los cálculos de los percentiles anteriores, permiten estimar los índices de capacidad de localización no parámetricos
en el ejercicio anterior, los resultados de lod indicadores son los siguientes:
280 − 250
CNp = = 1.8593
[282.736 − 266.6016]
el índice de localización es determiando de la siguiente forma,

( )
280 − 268.424 268.424 − 250
CNpk = mı́n CNpu = [282.736−266.6016] , CNpl = [282.736−266.6016]
2 2
= mı́n(3.718, 1.397)
CNpk = 1.397
él cálculo del indicador, muestra un proceso que cumple con las espeficaciones de diseño, con tendencia hacia el límite
de especificación inferior, lo recomendable es ajustar el proceso en su centraminto, es decir aumentar la temperatura
moderadamente.
4 de capability
septiembreindex,
de 2023
La propuesta de Wu asume una disribución asimetrica que se descompone en dos áreas o dos secciones; tomando
como referente el promedio para separar las regiones.
USL − LSL
Ĉp =
3(s1 + s2 )
el índice de capacidad de localización se define sepaerando las dos regiones, y seleccionando la de menor valor en el
indicador,
h USL − X̄ X̄ − LSL i
3s2 3s1
4 de capability
septiembreindex,
de 2023
Los siguientes datos muestran el valor del peso de un producto, en gramos, de una compañía farmacéutica.
No.Orden Observaciones No. Orden Observaciones
1 102 38 112
2 102 39 112
3 102 40 112
4 102 41 112
5 102 42 113
6 103 43 113
7 103 44 113
8 104 45 113
9 104 46 113
10 104 47 113
11 104 48 114
12 105 49 114
13 105 50 115
14 106 51 115
15 106 52 115
16 106 53 115
17 107 54 115
18 108 55 116
19 108 56 116
20 108 57 117
21 108 58 118
22 108 59 118
23 108 60 118
24 108 61 118
25 108 62 118
26 108 63 119
27 109 64 119
28 109 65 119
29 109 66 120
30 110 67 120
31 110 68 120
32 110 69 120
33 111 70 120
34 111 71 120
35 111 72 120
36 111
37 111
S1 3,029 S2 2,922
4 de capability
septiembreindex,
de 2023
En la anterior información del producto es necesaria, para la evaluación, del índice de capacidad conocer: el valor
objetivo T = 110 gramos, las especificaciones del peso del 108 ± 4 producto, en gramos. Por tanto la información de
la tabla, suministra los siguientes estadístcos son: X̄ = 111.33, S1 = 3.029 y S2 = 2.922.
112 − 104
Ĉp = = 0.448
3(3.029 + 2.922)
el índice de capacidad de localización es el siguiente,

h 112 − 111.33 111.33 − 104 i
3(2.922) 3(3.029)
= mı́n(0.076; 0.807) = 0.076
Este índice confirma que el proceso no cumple con las especificaciones requeridas de diseño; su desplazamiento se
encuentra hacia el límite de especificación superior.
4 de capability
septiembreindex,
de 2023
En cuanto a la asignación de un valor objetivo T , la propuesta de Wu se modifica de la siguiente manera,
n USL − T T − LSL o
Ĉpm = mı́n ,
3sT2 3sT1
el índice de capacidad de localización se define,

n USL − X̄ X̄ − LSL o
Ĉpmk = mı́n Ĉpmu = , Ĉpml =
3sT2 3sT1
4 de capability
septiembreindex,
de 2023
Al emplear un valor objetivo, se hace necesario determinar la desviación estándar con valor obetivo de la primera región
se define como,
2n1 − 1 2
sT21 = s + (X̄ − T )2
2n1 1
2 × 37 − 1
= 9.174 + (111.33 − 110)2
2 × 37
sT21 = 10.819
sT1 = 3.280
la desviación estándar con valor objetivo para la segunda región es,

2n2 − 1 2
sT22 = s + (X̄ − T )2
2n2 2
2 × 35 − 1
= 8.538 + (111.33 − 110)2
2 × 35
sT22 = 9.402
sT2 = 3.066
4 de capability
septiembreindex,
de 2023
En el ejercicio se tiene el siguientes resultado para el índice de capacidad con valor objetivo, propuesta por Wu:
n 112 − 110 110 − 104 o
Ĉpm = mı́n ;
3 × 3.066 3 × 3.289
= mı́n(0.217; 0.608)
= 0.217
el índice de capacidad de localización se define,

n 112 − 111.33 111.33 − 104 o
Ĉpmk = mı́n Ĉpmu = ; Ĉpml =
3 × 3.066 3 × 3.289
= mı́n(0.073; 0.743)
Ĉpmk = 0.073
En cuanto al centramiento se confirma la tendencia que se mostró desde los índices de capacidad paramétricos, los
datos tienden a estar por debajo de la media.
4 de capability
septiembreindex,
de 2023
La viscosidad de un polímero se mide cada hora, las mediones de las últimas siete horas fueron:
Prueba Viscosidad
1 2838
2 2785
3 3058
4 3064
5 2996
6 2882
7 2878
a ¿La viscosidad sigue una distribución normal?

b Evalúe el índice de capacidad no parametrico de Luceño, si las especificaciones son USL = 3070 y LSL = 2780
4 de capability
septiembreindex,
de 2023
La prueba de Kolmogorov Smirnov para los datos de la viscosidad es la siguiente:
Observación X1 fr z ft D+ D−
1 2785.0 0.14286 -1.30129 0.09658 0.04628 0.09658
2 2838.0 0.28571 -0.82139 0.20571 0.08000 0.20571
3 2878.0 0.42857 -0.45920 0.32304 0.10553 0.03733
4 2882.0 0.57143 -0.42298 0.33615 0.23528 0.09242
5 2996.0 0.71429 0.60925 0.72882 0.01454 0.15739
6 3058.0 0.85714 1.17065 0.87913 0.02199 0.16484
7 3064.0 1.00000 1.22497 0.88971 0.11029 0.03256
las medidas de´probabilidad, por ejemplo, para la primera y última observación de la viscosidad son las siguientes

2785 − 2928.7
P(X ⩽ 2785) = P Z ⩽
110.4395
= P(Z ⩽ −1.30129) = 0.09658
.
.

3064 − 2928.7
P(X ⩽ 3064) = P Z ⩽
110.4395
= P(Z ⩽ 1.22497) = 0.88971
El estadístico de prueba es 0.23528, al compararlo con el valor crítico de la tabla, D(0.05, 7) = 0.300. Lo que implica,
que el supuesto de normalidad no es rechazado.
4 de capability
septiembreindex,
de 2023
(3070+2780)
el índice de capacidad no paramétrico propuesto por Luceño con T = 2
= 2925 es:
Prueba X T |X − T |
1 2838 2925 87
2 2785 2925 140
3 3058 2925 133
4 3064 2925 139
5 2996 2925 71
6 2882 2925 43
7 2878 2925 47
Suma 660
7
1 X 1
c̄ = |xi − T | = (660) = 94.2857
n i=1 7
aplicando el índice de capacidad de Luceño
USL − LSL 3070 − 2780

Ĉpc = q = q = 3.971
6 π2 c̄ 6 π2 (94.2857)
el proceso cumple con suficiencia la capacidad, es decir, el desempeño del proceso es óptimo.
4 de capability
septiembreindex,
de 2023
Generalmente se toma el valor de bp de la nueva información como un estimativo de la capacidad del proceso. Pero
algunos autores presentan algunas notaciones estadística para medir este índice de capacidad es el caso de la siguiente
formulación,
p −b p
CPp =
0.0027
donde p y p̄ son: el parámetro de proporción y la proporción promedio de los nuevos datos. Herrera R. presenta la
siguiente notación estadística como propuesta para de interpretación de este indicador,
λ −b c
Cpλ =
0.0027
donde λ y c̄ son: el promedio de no conformidad como parámetro y estadístico de los datos en línea.
4 de capability
septiembreindex,
de 2023
La siguiente tabla muestra la nueva información recolectada en la fabricación de telas, en este caso la empresa textil
presento la siguiente información para un monitoreo en línea.
Número del subgrupo Número de no conformidades u Muestra, metros de tela
1 6 40
2 3 35
3 9 50
4 5 35
5 3 65
6 9 50
una vez estabilizada la carta de control el parámetro λ por unidad se estima mediante:
E(u¯0 ) = λ = 0.1021
determinando el número de no conformidades por unidad promedio para los datos en línea:
P6
ci 35
ū = P6i=1 = = 0.1272
i=1 n i 275
aplicando el indicador de capacidad de no conformidades
λ −b u
Cpλ =
0.0027
[0.1021 − 0.1272]
= = −9.296
0.0027
el resultado de 9.296 negativo implica, acciones de mejoramiento inadecuadas, porque el número de no conformidaes
por unidad aumentaron.
4 de capability
septiembreindex,
de 2023
Sección 3 Desarrollo de la evaluación
4 de capability
septiembreindex,
de 2023
Una muestra de n = 6 unidades es seleccionada de un proceso regular en un intervalo de tiempo equidistante. La
característica de calidad es evaluada mediante utilizando las cartas de control S y X̄ una vez estabilizada.
30
X
si = 80
i=1
30
X
xi = 3000
i=1
si las especificaciones son 110 ± 20, ¿Cuál es el porcentaje de no conformes del proceso?
entonces
80
S̄ = = 2.667
30
S̄ 2.667
σ̂ = = = 2.80
c4 0.952
para n = 6 el valor c4 es 0.952,
4 de capability
septiembreindex,
de 2023
por otro lado, el promedio del proceso es:
3000
X̄ =
30
µ̂ = 100
calculando la medida de probabilidad de cumplimiento
P = P(90 ≤ X ≤ 130) = P(X ≤ 130) − P(X ≤ 90)

= P(Z ≤ (130 − 100)/2.80) − P(Z ≤ (90 − 100)/2.80)
= P(Z ≤ 10.71) − P(Z ≤ −3.57)
P = 1.000 − 0.00018 = 0.9998
el porcentaje de cumplimiento es 99.98, es decir, el porcentaje de no conformes es de 0.018 %.
4 de capability
septiembreindex,
de 2023
Es seleccionada 30 subgrupos de tamaño n = 7 de una característica de calidad X, y 40 subgrupos de una característica
Y. Aplicando las cartas de control de desviación estándar, en ambas dimensiones, arrojando los siguientes resultados:
1 Dado que para 20 muestras de la carta de rango que controla x y 10 muestras de la carta de rango que controla
y, se tiene,
X30 X40
Rx = 30 y Ry = 20
i=1 j=1
2 Si se quiere que la probabilidad de un espacio libre (i.e., x − y) menor que 0.50 sea 0.05. ¿qué distancia
deberá especificarse entre las dimensiones promedio (i.e., µx − µy )
Figura: Figura de ensamblaje
4 de capability
septiembreindex,
de 2023
Determinamos las desviaciones estándar de cada una de las dimensiones, calculando inicalmente los rangos promedios
de cada una de la siguiente forma
P30
i=1 Ri 30
R¯x = = = 1.00
m 30
P20
j=1 Rj 20
R¯y = = = 0.50
m 40
estimamos las desviaciones estándar aplicando las siguiente formulación
R̄
σ̂ =
d2
en este caso las desviaciones estimadas de cada una de las dimensiones son
R̄x 1.00
σ̂x = = = 0.3698
d2 2.704
R̄y 0.50
σ̂y = = = 0.1849
d2 2.704
donde d2 = 2.704, para un tamaño de subgrupo n = 7.
4 de capability
septiembreindex,
de 2023
Por tanto, es conocido la probabilidad de un espacio libre x − y ≤ 0.50 de 0.05 denotada como
P[x − y ≤ 0.50] = 0.05

2
siendo las desviación global σx−y = 0.36982 + 0.18492 = 0.17 estandarizando
0.50 − (µx − µy )

P Z ≤ √ = 0.05
0.1709
entonces el valor de z para esta medida de probabilidad es −1.65, por tanto
0.5O − (µx − µy )
z= √
0.171
0.50 − (µx − µy )
−1.65 =
0.413
despejando el término de interes (µx − µy ); el resultado es
µx − µy = 0.413(1.65) + 0.50 = 1.20
la distancia mínima que debe especificarse entre las dimensiones promedios es de 1.20
4 de capability
septiembreindex,
de 2023
Un ingeniero industrial desea evaluar la capacidad de un proceso en 1.50 (uno coma cinco) desviaciones estándar,
tomado como referente los parámetros de la carta de control, con un Cpu como mínimo de 0.3333. Las especificaciones
es 21, 5 ± 3.5 ¿Cuál es la medida de probabilidad de cumplimiento de estas especificaciones?
como
USL − µ
Cpu = = 0.3333
6σ
siendo USL = 25, entonces
USL − µ = (6σ) × 0.3333 = (6 × 1.5) × 0.333 = 3.00
reescribiendo, entoces, el valor del promedio del proceso es:
µ = USL − 3.00 = 25.00 − 3.00 = 22.00
y la medida de probabilidad de cumplimiento es:
P = P(18 ≤ X ≤ 25) = P(X ≤ 25) − P(X ≤ 18)

= P(Z ≤ (25.00 − 22.00)/1.50) − P(Z ≤ (18.00 − 22.00)/1.50)
= P(Z ≤ 2.00) − P(Z ≤ −2.66)
P = 0.97724 − 0.003907 = 0.973
4 de capability
septiembreindex,
de 2023
Los límites de control, están definidos en la carta cusum como:
Hσ = 5.0(10.0) = 50.0
−Hσ = −5.0(10.0) = −50.0
Figura: Viscosidad evaluación
el proceso esta fuera de control, el promedio posee valores menores a la información histórica, este comportamiento
es evidente, en la señal de alarma, cambio de nivel, presentada en la carta.
4 de capability
septiembreindex,
de 2023
Fin de la Segunda Sección
Muchas Gracias
4 de capability
septiembreindex,
de 2023

Section II - Indice de Capacidad Univariado

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Section II - Indice de Capacidad Univariado

Cargado por

Copyright:

Formatos disponibles

VARIABLE AND ATTRIBUTES INDICES CAPABILITY

PhD Roberto José Herrera Acosta

Universidad del Atlántico

2 Indice de capacidad univariada no paramétrica: Luceño, Chen y Pearn-Propuesta de Wu

2 Indice de capacidad univariada no paramétrica: Luceño, Chen y Pearn-Propuesta de Wu

2 Indice de capacidad univariada no paramétrica: Luceño, Chen y Pearn-Propuesta de Wu

Figura: Indice de Capacidad

Figura: Indice de Capacidad 6σ > (USL − LSL)

Figura: Indice de Capacidad 6σ = (USL − LSL)

Figura: Indice de Capacidad 6σ < (USL − LSL)

la evaluación se realiza seleccionando el valor mínimo de Z entre los límites de especificaciones,

ZMN = min{ZUSL ; ZLSL }

un valor mínimo de Z = 4 corresponde a un valor de Cpk de 1.33.

P = P(620 ≤ X ≤ 780) = P(X ≤ 780) − P(X ≤ 620)

En el ejemplo anterior se tiene que, el indice de capacidad promedio como:

el indice de capacidad promedio es definido mediante,

el índice de capacidad real o de localización es,

donde los estadísticos de esta muestra es

en el caso de estudio, el índice de capacidad estimado sujeto a la carta de control

1000 1050 1100 1150 1200 1250

Number of obs = 20 Target = 1050 Cp = 0.287 Exp<LSL 19%

Figura: Desempeño (índice de capacidad a largo plazo) del peso molecular

P = P(7.96 ≤ X ≤ 8.08) = P(X ≤ 8.08) − P(X ≤ 7.96)

7.96 7.98 8.00 8.02 8.04 8.06 8.08

Number of obs = 10 Target = 8.02 Cp = 0.4 Exp<LSL 12%

Figura: Ïndice de capacidad de la variable peso de las latas

La figura muestra un proceso que no cumple con las especificaciones de diseño

en cuanto a la desplazamiento del proceso, el desempeño presenta los siguientes resultados

7.96 7.98 8.00 8.02 8.04 8.06 8.08

Number of obs = 10 Target = 8.02 Cp = 0.801 Exp<LSL 0.81%

Figura: Desempeño de la variable peso de las latas

##### INDICE DE CAPACIDAD ###################################

Datos <- read_excel("Datos.xlsx")

Carta_Rangos <- qcc(data = Datos, type = "R", plot = T)

Figura: Figura de ensamblaje

estimamos las desviaciones estándar aplicando las siguiente formulación

P[x − y ≤ 0.09] = 0.006

entonces el valor de z para esta medida de probabilidad es −2.5121, por tanto

µx − µy = 0.5(2.5121) + 0.09 = 1.346

USL − LSL 2350 − 2100

en este caso el intervalo es

el intervalo es una buena aproximación

en el caso de la estimación del indicador de capacidad

donde χ20.025,49 = 31.55 y χ20.975,49 = 70.222

el intervalo debe estar entre 82.792 a 87.208

######################### Ejercicio 8.1 Montgomery ##################################

Capacidadcusum <-process.capability(object = Grafica_Medias, spec.limits = c(1000, 1100))

el intervalo de confianza para el indicador de localización o centramiento, índice de capacidad real, es

una modificación es,

donde x es un componente del producto con distribución de probabilidad

donde T = 21 (USL + LSL)

determinamos el valor esperado de E(x)

E(ts) = 9 + 0.3E(x) + 0.0025E(x 2 ) = 9 + 0.3(3.12) + 0.0025(10.1025)

la tension superficial promedio es 9.9612.

V (x) = E(x 2 ) − [E(x)]2

V (x) = 10.1025 − [3.12]2

la varianza del componente es 0.3656

V (ts) = V (9) + V (0.3x) + V (0.0025x 2 ) = 0 + 0.09V (x) + 0.00000625V (x 2 )

V (ts) =0.09V (x) + 0.00000625V (x 2 )

la varianza de la tension superficial es 0.03297. En general la media y la varianza de la tensión superficial es

USL − LSL 3.8 − 2.3

aplicando la propuesta de Luceño, para el componente x determinamos E|x − T |

la mediana es definida como, hn + 1 i