Tema 6: Control de calidad.

Angel Blasco

Departamento de Fı́sica y Matemáticas

Universidad de Alcalá

Curso 2020-21

Estadı́stica - GITI Tema 6: Control de calidad.

Control estadı́stico de calidad

Conjunto de métodos estadı́sticos y de ingenierı́a que se usan para

medir, monitorizar, controlar y mejorar la calidad de un producto.

◮ Walter A. Shewart (Laboratorios Bell Telephone, 1891-1967)

◮ William E. Deming (Western Electric, 1900-1993)

◮ Kaoru Ishikawa (International Organization for Standarization,

1915-1989)

Estadı́stica - GITI Tema 6: Control de calidad.

Concepto de calidad

◮ Calidad de diseño: buen funcionamiento, fiabilidad,

resistencia, duración, etc.
◮ Calidad de conformidad: poca variabilidad, ausencia de
defectos sistemáticos, etc.
Las unidades fabricadas de un mismo producto deberı́an ser
prácticamente idénticas y sin defectos.

Estadı́stica - GITI Tema 6: Control de calidad.

Tipos de control

◮ Control de fabricación (o control de procesos):

⋆ Especializado en detectar y prevenir posibles fallos en un
proceso de fabricación.
⋆ Conlleva la monitorización del proceso a intervalos de tiempo
fijos, mientras está operativo.

◮ Control de recepción: Tiene por objeto verificar que un

envı́o de material satisface unos estándares de calidad exigidos.

Estadı́stica - GITI Tema 6: Control de calidad.

CONTROL DE PROCESOS.

Estadı́stica - GITI Tema 6: Control de calidad.

Análisis de la variabilidad

La variabilidad en un proceso de producción puede deberse a dos

tipos de causas:
◮ Causas fortuitas → Variabilidad inherente (“ruido de fondo”)
→ Proceso bajo control.
◮ Causas asignables → Variabilidad extraordinaria → Proceso
fuera de control.

Estadı́stica - GITI Tema 6: Control de calidad.

Diagramas de control

◮ Sirven para monitorizar procesos de producción.

◮ Se obtienen pequeñas muestras a intervalos fijos de tiempo.

◮ Contienen una lı́nea central (LC ) y dos lı́mites de control, superior

(LCS) e inferior (LCI ).

◮ Diagramas de control de Shewart. Para un estadı́stico T

tendrı́amos:

LC = µT , LCI = µT − kσT , LCS = µT + kσT

Estadı́stica - GITI Tema 6: Control de calidad.

Ejemplo: anillos de pistones (ref. Montgomery).

En la fabricación de anillos para pistones de motores de automóviles, el

diámetro interior de los anillos es una caracterı́stica crı́tica de la calidad.
El diámetro medio de los anillos producidos en cierta fábrica es de 74 mm
y la dev. estándar 0.01 mm.
◮ Cada hora se toma una muestra aleatoria de n = 5 anillos y se
calcula el diámetro medio.
◮ El estadı́stico X 5 tiene media µT = 74 y dev. estándar
√ √
σT = σ/ n = 0.01/ 5 = 0.0045

◮ Los lı́mites de control 3-sigma serán: LCI = 73.9865 y

LCS = 74.0135.
◮ De este modo, suponiendo normalidad, la probabilidad de “falsas
alarmas” es menor del 0.3%.

Estadı́stica - GITI Tema 6: Control de calidad.

Gráfico de control de medias.

Estadı́stica - GITI Tema 6: Control de calidad.

Variables y atributos

◮ Diagramas de control de variables:

⋆ Se aplican sobre variables continuas: medidas de una pieza,
resistencia de un material, etc.
⋆ Pueden representar rangos, medias, desviaciones tı́picas, etc.

◮ Diagramas de control de atributos: proporción de unidades

defectuosas o que presentan un cierto atributo, número de
defectos, etc.

Estadı́stica - GITI Tema 6: Control de calidad.

Gráfico de medias

◮ Se obtienen m muestras de tamaño n en m instantes

consecutivos.
◮ Sean X y R la media y el rango promedio de las m muestras.
◮ El gráfico representa las medias X 1 , . . . , X m .
k R
◮ Los lı́mites de control se calculan como: X ± √
n d2
siendo d2 la esperanza del rango relativo: W = R/σ.
(está tabulada para distintos tamaños de muestra)

Estadı́stica - GITI Tema 6: Control de calidad.

Gráfico de rangos

◮ Similar al anterior pero ahora se representan los rangos de las

distintas muestras: R1 , . . . , Rm .
◮ La lı́nea central viene dada por R.
◮ Los lı́mites de control se calculan como:
 
kd3
1± R
d2

siendo d3 la dev. tı́pica del rango relativo (está también

tabulada).

Estadı́stica - GITI Tema 6: Control de calidad.

Ejemplo: wafers (ref. Manual SG)

◮ Introducción de los datos.

◮ Estudios de Fase 1 y Fase 2.

◮ Análisis de patrones en los gráficos de control: lı́mites de

advertencia, formato de zona, pruebas de rachas.
◮ Intervalo medio de señal (Average Run Length - ARL).

◮ Gráficos OC y ARL.

Estadı́stica - GITI Tema 6: Control de calidad.

Reglas Western Electric

El Western Electric Handbook sugiere un conjunto de reglas de

decisión para detectar patrones no aleatorios en gráficos de control.
Se establece que un proceso está fuera de control si se cumple al
menos una de las siguientes condiciones:
◮ Uno de los puntos se localiza fuera de los lı́mites de control 3-sigma.

◮ 2 de 3 puntos consecutivos se localizan fuera de los lı́mites 2-sigma.

◮ 4 de 5 puntos consecutivos se localizan fuera de los lı́mites 1-sigma.

◮ 8 puntos consecutivos se localizan a uno de los lados de la lı́nea

central.

Estadı́stica - GITI Tema 6: Control de calidad.

 ESTUDIO DE LA
CAPACIDAD DE UN
PROCESO.

Estadı́stica - GITI Tema 6: Control de calidad.

Lı́mites de tolerancia

◮ Los productos que fabricamos deben ajustarse a unas

especificaciones que impone el cliente o el diseñador del
producto.
◮ Intervalo de tolerancia. Todas las unidades deben ajustarse
a este rango:

(LIE , LSE ) = (Nom ± ME )

⋆ LIE - Lı́mite inferior de tolerancia.

⋆ LSE - Lı́mite superior de tolerancia.
⋆ Nom - Valor objetivo o nominal.
⋆ ME - Margen de error aceptable.

Estadı́stica - GITI Tema 6: Control de calidad.

Gráfico de tolerancia

Estadı́stica - GITI Tema 6: Control de calidad.

Capacidad de un proceso

◮ Decimos que la anchura del proceso es 6σ.

◮ Se define el ı́ndice de capacidad del proceso como:

LSE − LIE
ICP = .
6σ
ICP < 1 → más del 0.3% de las unidades incumplen las
especificaciones (proceso “incapaz”).
◮ Índice de capacidad real:
 
LSE − µ µ − LIE
ICPk = min , .
3σ 3σ

Estadı́stica - GITI Tema 6: Control de calidad.

Estimación de la capacidad

◮ Para calcular los distintos ı́ndices de capacidad tendremos que

estimar µ y σ. Esto se debe hacer estando el proceso bajo
control.
◮ Los valores obtenidos variaran según la forma en que
estimemos σ. Se consideran dos opciones:
⋆ Estimación “a corto plazo”: la que ya hemos visto, basada en
el rango promedio (R).
⋆ Estimación “a largo plazo”: se juntan todas las submuestras y
se calcula la cuasidesviación tı́pica.

Estadı́stica - GITI Tema 6: Control de calidad.

Ejemplo

Se fabrican piezas metálicas, cuyo peso es una medida de calidad. Se

establece un intervalo de tolerancia de 0.76 ± 0.04 kg. Se supone que,
cuando el proceso está bajo control, el peso de las piezas se distribuye
como una N(0.76, 0.012). Se pide:
1. La probabilidad de que una pieza sea defectuosa. p = 0.0009
2. Indice de capacidad (potencial y real). ICP = ICPk = 1.1111
3. Si se produjera un desajuste en la máquina y aumentara la media
del proceso en 0.02 kg, ¿cuál es la proporción de piezas defectuosas
que se fabricarı́an? p = 0.0478 → ICPk = 0.5556
4. Si se produjera un desajuste en la máquina y aumentara la dev.
tı́pica del proceso en 0.01 kg sin cambiar la media, ¿cuál es la
proporción de piezas defectuosas que se fabricarı́an? p = 0.069

Estadı́stica - GITI Tema 6: Control de calidad.

CONTROL DE ATRIBUTOS.

Estadı́stica - GITI Tema 6: Control de calidad.

Gráfico P (proporción de unidades defectuosas)

◮ Se obtienen m muestras de tamaño n en m instantes

consecutivos.
◮ El gráfico representa p1 , p2 , . . . , pm siendo pi la proporción de
piezas defectuosas en la muestra i .
◮ Los lı́mites de control se calculan como:
r !
p(1 − p)
p±3
n

siendo p la proporción media de unidades defectuosas.

◮ Este método está basado en el TCL, luego requiere muestras
grandes.

Estadı́stica - GITI Tema 6: Control de calidad.

Gráfico U (número de defectos por unidad)

◮ Se obtienen m muestras de tamaño n en m instantes

consecutivos.
◮ El gráfico representa U1 , U2 , . . . , Um siendo Ui el número
medio de defectos por unidad en la muestra i .
◮ Los lı́mites de control se calculan como:
 s 
U ± 3 U 
n

siendo U el promedio de las Ui .

◮ Este método está basado en el TCL, luego requiere muestras
grandes.

Estadı́stica - GITI Tema 6: Control de calidad.

OTRAS HERRAMIENTAS DE
CONTROL DE CALIDAD.

Estadı́stica - GITI Tema 6: Control de calidad.

Diagramas de Pareto

Estadı́stica - GITI Tema 6: Control de calidad.

Diagramas causa-efecto (Ishikawa)

Estadı́stica - GITI Tema 6: Control de calidad.

Los 7 instrumentos de Ishikawa

1. Histograma o diagrama de tallo y hojas.

2. Hoja de control.
3. Diagrama de Pareto.
4. Diagrama de causa-efecto.
5. Diagrama de dispersión.
6. Gráficos de control.
7. Diagramas de flujo.

Estadı́stica - GITI Tema 6: Control de calidad.