Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad Temática 4
IMPORTANTE:
2
El presente material se debe utilizar para seguir las clases teóricas.
1 Control Estadístico
de Procesos
Conceptos generales
Control de Calidad Final
DINÁMICA
Instrucciones: En un 1 minuto
1. Ente a www.menti.com e ingrese el código
2. Cuente la cantidad de letras “n” existentes en el párrafo siguiente (mayúsculas
y minúsculas)
3. Ponga la cantidad que contó.
Todo control final, por más sencillo que parezca, tiene su variabilidad.
EVOLUCIÓN
SON COMPLEMENTARIAS
Control Estadístico de Procesos (CEP)
CONTROL durante el proceso
Gestión de la
Calidad
DOE
Plan de Calidad
Diseño y Desarrollo
CONTROL
Medioambiente Mano de Obra
Un proceso está controlado
cuando, por la experiencia
Materias CEP Producto pasada, podamos predecir
Primas PROCESO Terminado como se puede esperar que
dicho proceso varíe en el
futuro.
Control de Método Máquina Materiales Control
Recepción Final
Control Estadístico de Procesos (CEP)
CONCEPTO GENERAL
El CEP tiene una clara ventaja frente a las otras técnicas estadísticas de
calidad como los planes de inspección, que aplican recursos para detectar y
corregir problemas al final del producto/servicio, cuando ya es demasiado tarde.
AJUSTE MONITOREO
del proceso del proceso
VARIABILIDAD
CALIDAD
VARIABILIDAD
VARIABLES VARIABLES
NATURALES ESPECIALES
VARIACIÓN VARIACIÓN
CONTROLADA INCONTROLADA
MATERIA PRIMA
CAUSAS CAUSAS MANO DE OBRA
PROPIAS 5M MÁQUINA
COMUNES ASIGNABLES MEDIO
MÉTODO
FUERA DE
BAJO CONTROL
CONTROL
REDUCIR ELIMINAR
CONTROL
DOE REDISEÑO CALIDAD
ESTADÍSTICO
CEP
Tipos de Variación
Variación Incontrolada
t2
s0
t1 m1 > m0
s0
𝑛
1
µ 𝑋= 𝑋𝑖
𝑛
𝑖=1
Teorema Central del Límite
INTERPRETACIÓN Toma de k
LOTE muestras
Tamaño N Tamaño n
𝑛 Medias
𝑖=1 𝑥𝑖
𝑥1 = 𝑥1 muestrales
𝑛
x1 Tamaño k
x2
x3
𝑛
𝑖=1 𝑥𝑖
𝑥1
𝑥2 =
𝑛 𝑥2
x5 x4 𝑥2
𝑥3
x6 𝑛 ---
x7 𝑖=1 𝑥𝑖
𝑥3 =
𝑛
𝑥3
x8 𝑥𝑘
x9 --- ---
xN 𝑘
𝑖=1 𝑥𝑖
Distribución Individual 𝑛 𝜇𝑥 = 𝜇𝑥 = 𝑥 =
𝑖=1 𝑥𝑖 𝑘
𝑁
𝑖=1 𝑥𝑖
𝑥𝐾 = 𝑥𝑘 𝜎𝑥
𝜇𝑥 = 𝑛 𝜎𝑥 = 𝜎𝑥 =
𝑁
𝑛
𝑁
𝑖=1(𝑥𝑖 − 𝜇𝑥 )2
𝜎𝑥 = Distribución Medias Muestrales
𝑁
Teorema Central del Límite
REPASANDO ENUNCIADO ESTANDARIZADO
Sea 𝑋 es la media de muestras {X1, X2, X3, X4, …Xn} de distribución normal con
𝜎 𝑥−𝜇
parámetros 𝑁(𝜇; ) , entonces el estadístico 𝑍 = 𝜎 tiene distribución normal
𝑛
N(0;1). 𝑛
f(X) 𝑍=
𝑥−𝜇 f(Z)
𝜎
𝑛
𝜇 = 𝜇𝑋 = 𝑋 X 𝜇𝑍 = 0 Z
𝜎
𝜎𝑋 = 𝜎𝑍 = 1
𝑛
Teorema Central del Límite
VALOR CRÍTICO
Es el valor 𝑿𝜶/𝟐 (para bilateral) y 𝑿𝜶 (para unilateral) de la abscisa en una determinada
distribución que deja a su derecha un área igual a α/2 (para bilateral) y α (para
unilateral). El área α es un valor pequeño, generalmente menor a un 5%.
La probabilidad de que 𝑋 supere un valor crítico será:
𝑋 =∞ Bilateral
𝑃 𝑋 > 𝑋𝛼/2 = 𝑓𝑋 𝑥 𝑑𝑥
𝑋 =𝑋 𝛼 /2
𝟏−𝜶 𝜶
𝑋𝛼/2 − 𝜇𝑋
𝑁𝑜𝑟𝑚𝑎𝑙𝑖𝑧𝑎𝑛𝑑𝑜 → 𝑍𝑋𝛼 /2 = 𝜎
𝑛 𝜇𝑋 𝑋𝛼 𝑋
2 Cartas de Control
Variables
CARTA DE CONTROL
CONCEPTO GENERAL
CARACTERÍSTICAS:
También llamada “Gráfica de Control”.
Los datos se van registrando durante el funcionamiento del
proceso de fabricación, a medida que se obtienen.
Sirve para examinar si un proceso se encuentra o se mantiene en una
condición estable.
Las lecturas se hacen a partir de muestras de producto a intervalos
de tiempo iguales.
CARTA DE CONTROL
OBJETIVO
𝝈
𝑿+𝟑
𝒏
Límite de Control Central (LCC)
𝑿
𝝈
𝑿−𝟑
𝒏
CARTA DE CONTROL
ELEMENTOS
Característica de
calidad
𝝈
LSC 𝑿+𝟑
𝑛 𝒏
𝑖=1 𝑥𝑖
𝑥2 =
𝑛
LCC
𝑿
𝑛
𝑖=1 𝑥𝑖
𝑛 𝑥3 =
𝑖=1 𝑥𝑖 𝑛
𝑥1 =
𝑛
LIC 𝑿−𝟑
𝝈
𝒏
1 2 3 4 5 6 -- k
Subgrupos o muestras (de tamaño n)
CARTA DE CONTROL
LÍMITES DE CONTROL
Son valores calculados en función de la variabilidad del proceso, de modo que
exista muy baja probabilidad que un estadístico muestral los exceda, si el proceso
permanece estable. Son de la forma:
𝐋𝐂 = 𝛍𝐗 ±es𝟑.la
𝛔𝐗estimación del promedio poblacional de x.
𝐋𝐂 = 𝛍𝐗 𝐋𝐂 =𝛔𝛍𝐗𝐗 ± 𝟑. 𝛔𝐗 es la estimación del desvío estándar poblacional
± 𝐤.
𝐋𝐂 = 𝛍𝐗 ± 𝐤. 𝛔es
𝐗 la constante que se fija para que la probabilidad de que
𝐋𝐂 =de
un punto caiga fuera 𝛍𝐗 ± 𝟑. 𝛔𝐗 es de 0,27%.
DETECTAR Y
ELIMINAR PROCESO
PROCESO ANALIZAR
CAUSAS BAJO
INESTABLE CAUSAS
ESPECIALES CONTROL
ESPECIALES
Uno o más puntos fuera de los límites de control superior o inferior. 2 de 3 puntos consecutivos en el último 1/3 σ.
3 4
Una corrida de 7 o más puntos consecutivos encima o debajo de LCC. 7 puntos o más en una corrida estable creciente o decreciente.
REGLAS DE SENSIBILIZACIÓN DE CARTAS DE CONTROL
Ejemplos
5 6
14 o más puntos en una corrida en la zona “LCC±1 σ”. 14 o más puntos en una corrida que se alterna arriba y abajo.
7 8
no
El dato es no Unidades no
variable conformes
VARIABLES ATRIBUTOS
si No admite n o defectuosos si
n=1 n variable
Lote
homogéneo o si Carta Valor individual - Muestra no
Carta p
no admite Rango móvil constante
subgrupo
no si
2≤n≤9
Carta np n=cte
El tamaño del no
subgrupo es Carta media rango
mayor que 9 defectos Defectos
si n variable
Carta Media Desvío Muestra no
Carta U
estándar constante
n>9
si
Carta C n=cte
Tipos de Cartas de Control
CARTAS DE
CONTROL
VARIABLES ATRIBUTOS
ADMITE NO ADMITE
DEFECTUOSOS DEFECTOS
Muestra Muestra
X-S X-R np p c u
CARTA X-R
Es el modelo tal vez más difundido en la práctica.
A partir de “k” subgrupos adecuados de tamaño “n” definido, se
evalúan como parámetro de posición la media de cada muestra “x”, y
como parámetro de variación el rango “R”.
En general, “k” es 20 a 25, k≥20.
En general, “n” es 4 o 5 (n≤9 según esquema anterior).
CARTA X-R
CONSTRUCCIÓN
• Carta de R:
D3
• Carta de X:
𝑖=𝑛
𝑥𝑘:𝑖
El cálculo de los límites de la Carta 𝑋 =
son: (B. 0)
𝑛
𝑖=1
Como:
CARTA X-R
EJERCICIO RESUELTO
CARTA X-R
EJERCICIO RESUELTO
CARTA X-R
EJERCICIO RESUELTO
CARTA X-R
EJERCICIO RESUELTO
Determinación de los Límites de Control para R
CARTA X-R
EJERCICIO RESUELTO
Vemos que hay en el subgrupo 20 hay un punto fuera de los límites del control (Criterio para
simplificar: solo consideramos puntos fuera de los límites de control como señal de proceso fuera de
control).
Dicho punto tiene una causa asignable la cual es un error en el controlador que pudo ser solucionado.
Como la Carta R no presenta señales de inestabilidad, se procede al cálculo de los límites de la Carta
Xmedia. Para ello se busca el valor de A2 para n=5:
Conclusiones:
CARTA X-S
GENERALIDADES
𝑖=𝑛
𝑥𝑘:𝑖
Difiere del 𝑋 − 𝑅 = (B. 0)Si en cada𝑖=𝑛
en que se calcula subgrupo.
𝑛 𝑥𝑘:𝑖
𝑖=1
Su cálculo no difiere demasiado del 𝑋 − 𝑅 .= (B. 0)
𝑛
𝑖=1 n > 9. (según esquema anterior)
Se justifica su aplicación para tamaño de muestra
𝑖=𝑛 𝑖=𝑛
𝑥𝑘:𝑖
Los gráficos de control de 𝑋 − 𝑆 ,=se construyen de forma similar a𝑖=𝑛
(B. 0) los 𝑥de 𝑋 − 𝑅 =
;
𝑛 𝑘:𝑖
solamente que ahora calcularemos 𝑖=1 la media de la muestra (𝑋𝑘 )=y la desviación
(B. 0)𝑖=1
estándar (Sk) de la muestra. 𝑛
𝑖=1
Tomamos k subgrupos de tamaño n>9. El desvío estándar de cada muestra (Sk) es:
𝑘=𝐾
𝑛
𝑖=1(𝑥𝑖
− 𝑋𝑖 )2 𝑆𝑘
𝑆𝑘 = El desvío estándar medio es: 𝑆=
𝑛−1 𝐾
𝑘=1
CARTA X-S
CÁLCULO
• Carta de S:
B3
• Carta de X:
𝑖=𝑛
𝑥𝑘:𝑖
El cálculo de los límites de la Carta 𝑋 =
son: (B. 0)
𝑛
𝑖=1
Como:
CARTA Xi-RM
GENERALIDADES
𝑘
𝑖=1 𝑅𝑀𝑖 Donde k son los valores
𝑅𝑀 =
𝑘−1 individuales medidos.
𝑖=𝑛
𝑥𝑘:𝑖
Teniendo en cuenta que para el gráfico de Rangos, en el gráfico de control 𝑋 − 𝑅 ,=
encontramos que los límites son: 𝑛
𝑖=1
Para este caso del Rango Móvil, las ecuaciones de los límites
de control del gráfico RM, nos quedaría:
Donde la constantes d2
se toma para n=2:
𝑘
𝑥𝑖 Donde k son los valores
𝜇𝑋 = 𝑋 =
𝑘 individuales medidos.
𝑖=1
𝑅𝑀 𝑅𝑀
𝜎𝑋 = =
𝑑2 1,128
TABLA DE CONSTANTES
3 Cartas de Control
Atributos
CARTAS DE CONTROL POR ATRIBUTOS
GENERALIDADES
ATRIBUTOS
• Dato que se puede clasificar y contar.
• Tipos:
– Cantidad de defectos por unidad
– Cantidad de unidades defectuosas
GRÁFICAS DE CONTROL
• Gráfica de comparación cronológica (hora a hora, día a día) de
las características de calidad reales del producto, parte o
unidad, con límites que reflejan la capacidad de producirla de
acuerdo con la experiencia de las características de calidad
de la unidad.
CARTAS DE CONTROL POR ATRIBUTOS
CLASIFICACIÓN
– Gráfica c
• Nº de defectos por subgrupo (constante)
– Gráfica p
• % de fracción defectuosa por subgrupo (variable)
– Gráfica u
• Proporción de defectos (variable)
– Gráfica np
• Nº de unidades defectuosas por subgrupo (constante)
CARTAS DE CONTROL POR ATRIBUTOS
OBJETIVO
𝑝 ∗ (1 − 𝑝)
Proporciones defectuosas
𝐿𝐶𝑆𝑝 𝑖 = 𝑝 + 3 ∗
𝑛𝑖
𝑋2 𝑋4
𝑝2 = 𝑝4 =
𝑛2 𝑛4
𝑋3
𝑝3 =
𝑛3
𝑋𝑘
𝐾
𝑝𝑘 =
𝑛𝑘 𝑖=1 𝑥𝑖
𝐿𝐶𝐶𝑝 𝑖 = 𝑝 = 𝐾
𝑖=1 𝑛𝑖
𝑋5
𝑝5 =
𝑛5
𝑋1
𝑝1 =
𝑛1
𝑝 ∗ (1 − 𝑝)
𝐿𝐶𝐼𝑝 𝑖 = 𝑝 − 3 ∗
𝑛𝑖
1 2 3 4 5 6 7 -- k
Subgrupos o muestras (de tamaño ni)
𝑋𝑖
𝑝𝑖 =
𝑛𝑖
𝑛𝑚𝑎𝑥 = 𝑛 + 0,25 ∗ 𝑛
𝐾 𝑝 ∗ (1 − 𝑝)
𝑖=1 𝑛𝑖
Aproximación para un n=constante: 𝑛𝑖 𝑛= 𝜎𝑝𝑖 ≈
𝑛
𝑘
𝑛𝑚𝑖𝑛 = 𝑛 − 0,25 ∗ 𝑛
CARTAS DE CONTROL POR ATRIBUTOS
CARTA np
𝜎𝑋
𝑛∗𝑝
𝐿𝐶𝑆𝑋 = (𝑛 ∗ 𝑝) + 3 ∗ 𝑛 ∗ 𝑝 ∗ (1 − )
𝑛
Unidades defectuosas
𝑛𝑝2 = 𝑥2 𝑛𝑝4 = 𝑥4
𝑛𝑝3 = 𝑥3 𝑛𝑝𝑘 = 𝑥𝑘 𝐾
𝑛 ∗ 𝑝𝑖 𝐾
𝑥𝑖
𝑖=1 𝑖=1
𝐿𝐶𝐶𝑋 = 𝑛 ∗ 𝑝 = =
𝐾 𝐾
𝑛𝑝5 = 𝑥5
𝑛𝑝1 = 𝑥1
𝑛∗𝑝
𝐿𝐶𝐼𝑋 = (𝑛 ∗ 𝑝) − 3 ∗ 𝑛 ∗ 𝑝 ∗ (1 − )
𝑛
1 2 3 4 5 6 7 -- k
𝜎𝐶
𝐿𝐶𝑆𝐶 = 𝑐 + 3 ∗ 𝑐
Cantidad de defectos
𝑐2 𝑐4
𝑐3
𝐾
𝑖=1 𝑐𝑖
𝐿𝐶𝐶 = 𝑐 =
𝑐5
𝐾
𝑐1
𝐿𝐶𝐼𝐶 = 𝑐 − 3 ∗ 𝑐
1 2 3 4 5 6 7 -- k
𝑢
Proporciones de defectos
𝐿𝐶𝑆𝑈𝑖 = 𝑢 + 3 ∗
𝑛𝑖
𝑐2 𝑐4
𝑢2 = 𝑢4 =
𝑛2 𝑛4
𝑐𝑘
𝑢𝑘 = 𝐾
𝑐3 𝑛𝑘 𝑖=1 𝑐𝑖
𝑢3 = 𝐿𝐶𝐶𝑈𝑖 = 𝑢 = 𝐾
𝑛3
𝑐5 𝑖=1 𝑛𝑖
𝑢5 =
𝑛5
𝑐1
𝑢1 =
𝑛1 𝑢
𝐿𝐶𝐼𝑈𝑖 = 𝑢 − 3 ∗
𝑛𝑖
1 2 3 4 5 6 7 -- k
Subgrupos o muestras (de tamaño ni)
𝑐𝑖
𝑢𝑖 =
𝑛𝑖
𝑛𝑚𝑎𝑥 = 𝑛 + 0,25 ∗ 𝑛
𝐾
𝑖=1 𝑛𝑖
𝑢
Aproximación para un n=constante: 𝑛𝑖 𝑛= 𝜎𝑈𝑖 ≈
𝑛
𝑘
𝑛𝑚𝑖𝑛 = 𝑛 − 0,25 ∗ 𝑛
CARTAS DE CONTROL POR ATRIBUTOS
FÓRMULAS
np
c
CARTAS DE CONTROL POR ATRIBUTOS
CONCLUSIÓN
ATRIBUTOS VARIABLES
𝑝 𝑢 𝜎𝑋
Acuerdo
CAPACIDAD CAPACIDAD
POTENCIAL REAL
PROVEEDOR - CLIENTE
Cp
Cp Cpk AQL
Requisitos
LTPD
Tolerancia
CLIENTE
Requisitos Cliente
ESPECIFICACIÓN
CAPACIDAD DE PROCESO
CONCEPTO GENERAL
Tener un proceso bajo control estadístico no necesariamente implica cumplir con
las especificaciones del cliente.
Un proceso que es estable y además cumple con las especificaciones es
considerado un proceso capaz o apto.
Los estudios de aptitud son aquellos destinados a evaluar la capacidad de un
proceso para cumplir con una especificación. Para ello se compara la variabilidad
del producto debido a causas comunes contra la especificación.
Para realizar los estudios de aptitud, se deben dar las siguientes circunstancias:
o El proceso debe ser estadísticamente estable.
o Las mediciones individuales del proceso deben conformar a una distribución normal de Gauss.
o Las especificaciones de ingeniería representan las necesidades del cliente.
o El target de diseño (VALOR OBJETIVO DE DISEÑO) está en el centro del ancho de la especificación.
o La variabilidad de la medición es pequeña comparada con la variabilidad del proceso.
CAPACIDAD DE PROCESO
CONCEPTO GENERAL
Se pueden presentar los siguientes casos:
ESTABILIDAD DEL PROCESO
CORTO PLAZO
LARGO PLAZO
(preliminar)
VARIABILIDAD VARIABILIDAD
INHERENTE TOTAL
No Conformes
No Conformes
𝐿𝐸𝑆 − 𝐿𝐸𝐼
𝐶𝑝 =
6∗𝜎
𝑅
Donde: 𝜎 =
𝑑2
Cp < 1
No es potencialmente capaz
LEI X LES
6. 𝜎
Cp > 1
Es potencialmente capaz
LEI X LES
6. 𝜎
CAPACIDAD DE PROCESO
CAPACIDAD POTENCIAL (CP)
Cálculo de la FRACCIÓN DEFECTUOSA
La FRACCIÓN DEFECTUOSA estará dada para los valores de: % defectuoso % defectuoso
Por ser la curva de Gauss simétrica → |LEI- X | = LES- X ; luego: La fracción defectuosa será:
−𝑧𝑖𝑛𝑓 = 𝑧𝑠𝑢𝑝 = 𝑧𝑐 𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧 > 𝑧𝑠𝑢𝑝
𝐿𝐸𝑆 − 𝐿𝐸𝐼 − 𝑋 + 𝑋 𝑋 − 𝐿𝐸𝐼 + 𝐿𝐸𝑆 − 𝑋 𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑐 + 𝑃 𝑧 > 𝑧𝑐
𝐶𝑝 = =
6∗𝜎 6∗𝜎
𝑃 𝑓𝑎𝑙𝑙𝑎 = 2 ∗ 𝑃 𝑧 > 𝑧𝐶
(−𝑧𝑖𝑛𝑓 + 𝑧𝑠𝑢𝑝 ) 𝑧𝑐
𝐶𝑝 = =
6 3
CAPACIDAD DE PROCESO
CAPACIDAD REAL (CPk)
Considerando el CENTRADO del proceso respecto de T
No Conformes
No Conformes
𝐿𝐸𝑆 − 𝑋 𝑋 − 𝐿𝐸𝐼
𝐶𝑝𝑘 𝑠𝑢𝑝 = 𝐶𝑝𝑘 𝑖𝑛𝑓 =
3∗𝜎 3∗𝜎
𝑅
Donde: 𝜎 =
𝑑2
𝐿𝐸𝑆 + 𝐿𝐸𝐼
𝑉𝑐 = X
LEI 2 LES
𝐶𝑝𝑘 = 𝑀í𝑛(𝐶𝑝𝑘 𝑖𝑛𝑓 ; 𝐶𝑝𝑘 𝑠𝑢𝑝 ) 3.s 3.s
𝐿𝐸𝑆 + 𝐿𝐸𝐼
𝑉𝑐 =
2
𝑋 ≠ 𝑉𝑐
El índice de capacidad real Cpk correlaciona la diferencia de los límites especificados y la X del proceso con la
variabilidad natural del mismo 3.σ .
CAPACIDAD DE PROCESO
CAPACIDAD REAL (CPk)
Considerando el CENTRADO del proceso respecto de T
𝑋 − 𝐿𝐸𝐼 𝐿𝐸𝑆 − 𝑋
Cpkinf > 1 Cpksup < 1
Cpksup < Cpkinf
Cpk = Cpksup
Cpk < 1
𝐿𝐸𝑆 + 𝐿𝐸𝐼
LEI 𝑉𝑐 = X
No es capaz 2LES
3𝜎 3𝜎
% defectuoso % defectuoso
X>LES + X<LEI
𝑃 𝑓𝑎𝑙𝑙𝑎
𝑃 𝑓𝑎𝑙𝑙𝑎 = 𝑃 𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧=>𝑃𝑧𝑠𝑢𝑝
𝑧 < 𝑧𝑖𝑛𝑓 + 𝑃 𝑧 > 𝑧𝑠𝑢𝑝
Como se trata de una distribución de Gauss puedo parametrizar
z en función de LES y LEI: 𝐿𝐸𝑆 + 𝐿𝐸𝐼
LEI 𝐿𝐸𝐼 𝑉−
𝑐 =
𝑋X 2LES 𝐿𝐸𝑆 − 𝑋
𝐿𝐸𝑆 − 𝑋 𝐿𝐸𝐼 − 𝑋 𝑧𝑖𝑛𝑓 = 𝑧𝑠𝑢𝑝<=0
; 𝑧𝑖𝑛𝑓 ; 𝑧𝑠𝑢
𝑧𝑖𝑛𝑓 = ; 𝑧𝑖𝑛𝑓 < 0 𝜎 z=0 𝜎
𝑧𝑠𝑢𝑝 = ; 𝑧𝑠𝑢𝑝 > 0 𝜎
𝜎 3𝜎 3𝜎
𝑧𝑚 í𝑛 = 𝑀í𝑛(𝑧𝑠𝑢𝑝 ; 𝑧𝑖𝑛𝑓 )
𝑧𝑚í𝑛
𝐶𝑝𝑘 = 𝑀í𝑛(𝐶𝑝𝑘 𝑖𝑛𝑓 ; 𝐶𝑝𝑘 𝑠𝑢𝑝 ) → 𝐶𝑝𝑘 =
3
CAPACIDAD DE PROCESO
Algunas relaciones de valores
74.02
74.01
x
H0 : m m 0
74
73.995
H1 : m m 0
73.99
73.985
73.98
x LIC ó x LSC
73.97
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrupo
Carta de control
Error tipo I y error tipo II
Riesgo del proveedor (Error tipo I)
PError tipo I 2 2
PRechazar H 0 H 0 es verdadera
m m0
EJEMPLO: Tomando una muestra de una pieza cilíndrica, la media de dicha muestra arroja un
resultado por fuera de los Límites de Control (LCS o LCI) y se decide rechazar la Hipótesis H0
cuando en realidad es verdadera y el azar nos hizo tomar una mala decisión.
Riesgo del cliente (Error tipo II) (probabilidad de no detectar el cambio)
PError tipo II
PAceptar H 0 H 0 es falsa
mm0
EJEMPLO: Tomando una muestra de una pieza cilíndrica, la media de dicha muestra arroja un
resultado dentro de los Límites de Control (LCS o LCI) y se decide aceptar la Hipótesis H0
cuando en realidad es falsa, ya que la media efectivamente se ha corrido y el azar nos hizo
tomar una mala decisión. Esto se podría “aminorar” si la muestra fuera más grande o se
tomaran más muestras.
Potencia del test (probabilidad de detectar el cambio)
1 PRechazar H 0 H 0 es falsa
Carta de control
Error tipo I y error tipo II
Ho verdadera Ho falsa
(µ = µ0 → el proceso permanece (µ ≠ µ0 → el proceso se corrió
centrado) respecto a µ0)
Acepto Ho Sin error Error tipo II
(zona de aceptación: 1-α β
considero que es estable)
LSC2
LSC 2
LSC1
LSC 1
1 < 2 LC
LC
1 > 2
LIC1
LIC 1
LIC2
LIC 2
Límites de control
Errores tipo I y tipo II
Al acercar los límites de control de la línea central se incrementa el riesgo del
error tipo I y se reduce el riesgo del error tipo II
LSC
LC
LIC
Curva OC para la media
Para construir la Curva característica de operación se calcula la
probabilidad de que el estadístico muestral caiga entre los límites de control,
cuando la media del proceso es µ.
Probabilidad de que el
estadístico muestral P( LIC x LSC | m m1 m 0 s m 0 )
caiga entre LIC y LSC
m1 LSC
x LC
m0
LIC
Curva OC para la media
𝜇0 𝜇0 + 𝑘. 𝜎 Curva CO de la media
𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑛𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
Probabilidad de no detectar β
el cambio
β(0)
𝛽 = 𝐹 𝑍𝐿𝐶𝑆 𝜇 = 𝜇0 + 𝑘. 𝜎 − 𝐹 𝑍𝐿𝐶𝐼 𝜇 = 𝜇0 + 𝑘. 𝜎
β↓
n
0 k k
Subgrupo 1
Subgrupo 4
Curva OC para la media
H0 : m m 0
𝛽 = 𝑃 𝑒𝑟𝑟𝑜𝑟 𝑡𝑖𝑝𝑜 𝐼𝐼 = 𝑃(𝑛𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝐻0 𝑐𝑢𝑎𝑛𝑑𝑜 𝐻0 𝑒𝑠 𝑓𝑎𝑙𝑠𝑎)
H1 : m m 0 H0 : m m 0
Región de rechazo H1 : m m 0
Probabilidad de no detectar el
x LIC ó x LSC cambio, cuando µ≠µo Región de rechazo
x LIC ó x LSC
Se corre el µo del proceso por causas asignables
Curva CO de la media
𝜇0 − 𝑘. 𝜎 𝜇0 𝜇0 + 𝑘. 𝜎
β
n
β↓
n↑
0 k k
Si se corre µo del proceso k veces σ, por causas asignables, la carta de control debería detectarlo.
Curva OC para la media
Para CARTAS POR ATRIBUTOS
𝐿𝐶𝑆 − 𝑛 ∗ 𝑝 ′ 𝐿𝐶𝐼 − 𝑛 ∗ 𝑝 ′
𝛽=F −F
Carta np (𝑛 ∗ 𝑝)′ (𝑛 ∗ 𝑝)′
(𝑛 ∗ 𝑝)′ ∗ (1 − ) (𝑛 ∗ 𝑝)′ ∗ (1 − )
𝑛 𝑛
𝐿𝐶𝑆 − 𝑝 ′ 𝐿𝐶𝐼 − 𝑝 ′
Carta p 𝛽=F −F
𝑝′ ∗ (1 − 𝑝′) 𝑝′ ∗ (1 − 𝑝′)
𝑛 𝑛
𝐿𝐶𝑆 − 𝑐 ′ 𝐿𝐶𝐼 − 𝑐 ′
Carta c 𝛽=F −F
𝑐′ 𝑐′
Curva OC para la media
Longitud de la corrida promedio (ARL)
• Otra forma de enfrentar el problema de decidir sobre el
tamaño de muestra y la frecuencia de muestreo es
mediante “La Longitud de la Corrida Promedio” (ARL) de
la Gráfica de Control.
• La ARL (Average Run Length) es el número promedio de
puntos que deben graficarse antes de que un punto indique
una condición fuera de control.
LSC
LC
LIC
P(X)
2 β.(1-β) 17,28%
3 β2.(1-β) 13,44% 10,00%
4 β3.(1-β) 10,46% 5,00%
5 β4.(1-β) 8,13% 0,00%
--- --- --- 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
N βn-1.(1-β) X Subgrupo en que se detecta el cambio luego de ocurrido
n
k 2 3 4 5 6 7 8 9 10 15 20
0 370 370 370 370 370 370 370 370 370 370 370
0,5 91 61 44 33 26 21 18 15 13 7 4
1 18 10 6 4 3 3 2 2 2 1 1
1,5 5 3 2 2 1 1 1 1 1 1 1
2 2 1 1 1 1 1 1 1 1 1 1
2,5 1 1 1 1 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1 1 1 1 1
3,5 1 1 1 1 1 1 1 1 1 1 1