Control Estadistico

ESTADISTICA APLICADA
A LA CALIDAD
1
CONTENIDO
JUSTIFICACION :
La gestin de la calidad es una actividad de
primera importancia en las organizaciones
modernas. La ISO ha establecido 8 principios de
gestin de calidad, siendo uno de ello El enfoque
basado en hechos para la toma de decisin.
Este principio basa su aplicabilidad en la
utilizacin sistemtica de los datos( resolucin y
anlisis ), siendo el propsito de este modulo
Control Estadstico suministrar las tcnicas y
herramientas que garanticen su cumplimiento
OBJETIVO GENERAL
Adquirir un conocimiento de las herramientas
que mediante la aplicacin practica de la
probabilidad y la estadstica se utilizan para
controlar y optimizar la calidad de los
productos y servicios
Objetivos Particulares
- Tomar conciencia de la importancia del control estadstico de la
calidad
- Identificar situaciones en las cuales se aplican las herramientas
estadsticas en las organizaciones para el control de la calidad.
- Adquirir metodologas de anlisis de problemas para el
mejoramiento continuo
- Aprender a disear e interpretar grficos de control de procesos
- Determinar cuando un proceso es capaza de cumplir con las
especificaciones que se le exigen
- Aprender a utilizar las tablas de muestreo mas reconocidas en la
industria para decidir sobre la aceptacin de un lote de artculos

Contenido del Curso
1- Relacin con ISO 9000
2- Recoleccin de datos y tipos de datos
3- Definiciones bsicas
4- Distribucin e histogramas de frecuencias: construccin,
lectura cualitativa y cuantitativa.
5- Distribucin normal y estudios de capacidad de proceso .
6- Diagramas de mejoramiento
6.1 Diagrama de Pareto
6.2 Diagrama de Ishikawa
6.3 Diagrama de dispersin. Regresin lineal simple y
anlisis bivariado y multivariado

7 Control Estadstico de procesos. Grficos de
control de Shewhart.
7.1 Grficos por variables:
Grafico X R
Grafico x-RS
7.2 Grficos para atributos.
np , p ,c ,u
8. Inspeccin por muestreo para aceptacin.
8.1 Por atributos .ISO 2859
8.2 Por variables .ISO 3951
BIBLIOGRAFIA
-Humberto Gutirrez Pulido Romn de la Vara Salazar.
Control Estadstico de Calidad y seis Sigma. Mc Graw Hill
- Kume Hitoshi. Herramientas estadsticas bsicas para el
mejoramiento de la calidad. Norma.
- Duncan .Control de calidad y produccin industrial.
AlfaOmega
- Montgomery Douglas. Control estadstico de la calidad.
Grupo editorial Iberoamrica.
- Mario Navarrete Hernando. El control Estadstico de la
calidad . Icontec.
- Ishikawa Kaoru. Gua de control de calidad.

Jaime Alfonso Vlez

8
9
Principios de Gestin de Calidad
1. Organizacin enfocada al cliente
2. Liderazgo
3. Participacin del personal
4. Enfoque basado en procesos
5. Enfoque de sistema para la gestin
6. Mejora continua
7. Enfoque basado en hechos para la toma de
decisin
8. Relaciones mutuamente beneficiosas con el
proveedor
10
8.1 GENERALIDADES

La organizacin debe implementar los procesos de
seguimiento, medicin, anlisis y mejora necesarios
para:

a) Demostrar la conformidad del producto.

b) Asegurarse de la conformidad del sistema de gestin de
la calidad.

c) Mejorar continuamente la eficacia del sistema de gestin
de la calidad.

Comprender: La determinacin de los mtodos aplicables,
incluyendo tcnicas estadsticas y el alcance de su utilizacin.

11
8.2 MEDICIN Y SEGUIMIENTO

Satisfaccin del cliente. (8.2.1)

Desempeo del sistema. (8.2.2)

Conformidad del proceso. (8.2.3)

Conformidad del producto o
servicio. (8.2.4)

12
8.5
Mejora
Acciones
Correctivas

Acciones
Preventivas
8.2 Seguimiento y medicin
8.3 Control de Producto No
Conforme
8.4 Anlisis de datos
13
8.4 ANLISIS DE DATOS

Como obtener datos.

1. Establezca objetivos claros.

2. Cul es su propsito?

3. Son confiables las mediciones?

4. Establezca formas apropiadas de recoger los datos.

14

El propsito de reunir datos.

1. Datos para ayudar a comprender la situacin real.

2. Datos para el anlisis.

3. Datos para el control de los procesos.

4. Datos de regulacin.

5. Datos para aceptacin o rechazo.

15

Clases de datos.

A. Datos de Medicin: Datos continuos.
(Longitud, peso, tiempo, etc.)

B. Datos sobre cantidades: Datos de conteo.
(Valores Discretos)

16

Registro de los datos

Cuando se recogen los datos debe tenerse en cuenta:

1. Registrar claramente su origen: Da de la semana,
mquina, trabajadores, lotes de materias primas,
instrumento utilizado, mtodo de medicin, etc.
2. Deben registrarse de tal manera que puedan utilizarse
fcilmente.
FECHA
HORA
9:00 11:00 13:00
Junio 04
Junio 05
1.24
1.26
1.15
1.18
1.32
1.27
17
1. Poblacin:
Totalidad de valores posibles, (mediciones o
conteos) de una caracterstica particular de un
grupo especificado de objetos.
Tambin se define como la totalidad de los
individuos u objetos con una o ms caractersticas
comunes sobre los cuales se realiza un estudio.

2. Muestra:
Parte de la poblacin sobre la cual se llevan a
cabo los ensayos o anlisis.
18
3. Variable:
Es un smbolo como A, x, l,
etc., que sirve para representar
un concepto cualquiera.

4. Variable Continua:
Aquella que puede asumir un
nmero infinito de valores en
un rango, puede asumir
valores fraccionados y es
consecuencia de medir.
19
5. Variable Discreta:
Puede asumir un nmero
finito o limitado de valores en
un rango. Admite solamente
valores enteros y es
consecuencia de contar.

6. Frecuencia:
Nmero de veces que se repite
cada valor de una variable.
20
Histograma de Frecuencias
Que es ?
Tipo especial de grafico de barras que despliega la
variabilidad dentro de un proceso.
0
10
20
30
40
50
60
70
80
90
21
Cuando se utiliza ?

Hacer seguimiento del desempeo actual del
proceso.
Seleccionar el siguiente producto o proceso a
mejorar.
Probar y evaluar las revisiones de procesos para
mejorar.
Necesitar obtener una revisin rpida de la
variabilidad dentro de un proceso.
22
Cmo se construye ?

1. Despus de la recoleccin de datos, contarlos. (n)
2. Organizarlos en filas y columnas.
3. Registre los valores ms altos y ms bajos de cada fila.
Luego determine el mayor y el menor valor de todos los
datos.
4. Calcule el Rango. R=X mayor X menor
5. Establezca el nmero de clases = k
Cantidad de datos (n) Cantidad de clases (k)
Menos de 50
51 100
101 250
Ms de 250
5 7
6 10
7 12
10 -20
23
Cmo se construye ?

6. Determine el ancho de clase h = R / k
7. Construir una tabla de frecuencias
Clase No. Lmites de Clase
Cmputo de frecuencias
Total
8. Construir el grfico de barras ubicando en el eje y la
frecuencia y en el eje x las clases. Trazar las barras.
24
Cmo se construye ?

9. Poner ttulo y fecha de la grfica. Indicar el nmero total
de datos y los lmites de especificaciones (si es el caso).
0
10
20
30
40
50
60
70
80
90
F
r
e
c
u
e
n
c
i
a

25
Cmo leerlos ?
a. Tipo general

Forma simtrica, es la
forma ms frecuente.
b. Tipo peineta
(multimodal)

Cuando hay una forma particular de
aproximar los datos.
0
10
20
30
40
50
60
70
80
90
0
10
20
30
40
50
60
70
80
90
26
Cmo leerlos ?
0
10
20
30
40
50
60
70
c. Tipo sesgo positivo
sesgo negativo
0
5
10
15
20
25
30
35
40
45
Cuando la especificacin tiene
un solo lmite (inferior o
superior), o cuando no se
presentan valores inferiores o
superiores a cierto valor.

27
Cmo leerlos ?
0
10
20
30
40
50
60
70
d. Tipo precipicio a la
izquierda o a la
derecha
0
5
10
15
20
25
30
35
40
45
Cuando se ha presentado,
seleccin el 100% debido a una
baja capacidad del proceso.
28
Cmo leerlos ?
0
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
e. Tipo planicie

Cuando se mezclan varias
distribuciones con valores de
media muy diferentes.
f. Doble pico (bimodal)

Cuando se mezclan dos
distribuciones con valores de
media muy diferentes.
0
10
20
30
40
50
60
70
29
Cmo leerlos ?
g. Tipo aislado

Cuando se incluye
una pequea
cantidad de datos
de una distribucin
diferente.
0
10
20
30
40
50
60
70
30
Satisface la Especificacin
0
10
20
30
40
50
60
70
80
90
0
10
20
30
40
50
60
(a)
(b)
31
No Satisface la Especificacin
0
10
20
30
40
50
60
70
80
90
0
10
20
30
40
50
60
(c)
(d)
32
Medidas para representar las caractersticas
de la distribucin
}
= dx x f ) (

= Xi
n
x
1
Desviacin
estndar
Media
Poblacin Muestra
2
dx x f x ) ( ) (
2 2
}
= o
2
) x xi (
1 n
1
S
=
33
Otras medidas
Rango = R
Coeficiente de Variacin =
100 C.V
34
Distribucin normal y sus caractersticas
to 2
1
) ( = x f
2
2
2
) (
o
x
e
0 ) ( > x f
= 1 ) ( dx x f
s s =
b
b x a P dx x f
o
) ( ) (
= = =
c
c
c x P dx x f 0 ) ( ) (
a)
b)
c)
d)
e)

35
Precisin y Exactitud
0
20
40
60
80
100
120
0 2 4 6 8
1
2
3
3 2 1
< <
1=2=3
36
Precisin y Exactitud
0
10
20
30
40
50
60
70
80
90
100
0 5 10 15 20
3 2 1
3 2 1
= =
37
Lmites ms comnmente acotados
0
5
10
15
20
25
30
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
68.26%
95.45%
99.73%
o 3 o 2
o o
o 2 o 3
38
ndices de Capacidad de Proceso Cp
s
E I L E S L
Cp
6
. . . .
=

o 6
. . . . E I L E S L
Cp

=
s
x E S L
Cps
3
. .
=

o

3
. .
=
E S L
Cps
s
E I L x
Cpi
3
. .
=
o
3
. . E I L
Cpi

=
39
Normas para la evaluacin del control del
proceso

Se tiene calidad Seis Sigma

Adecuado

Parcialmente Adecuado

No adecuado para el trabajo.

No adecuado para el trabajo.

Cp > 2

Cp > 1.33

1 < Cp < 1.33

0.67 < Cp < 1

Cp < 0.67

Clase Mundial

Grado 1

Grado 2

Grado 3

Grado 4
Grado de control en el
proceso

Cp
Grado de
proceso
40
Proceso con doble
especificacin
(ndice Cp)
Con referencia a una sola
especificacin
(Cpi, Cps, Cpk)
Valor
del ndice
(Corto Plazo)
% No Conforme
Partes por
milln No
Conforme
% No Conforme
Parte por
milln No
Conforme
0.2 54.8506% 548506.130 27.4253% 274253.065
0.6 7.1861% 71860.531 3.5930% 35930.266
1.0 0.2700% 2699.934 0.1350% 1349.967
1.3 0.0096% 96.231 0.0048% 48.116
2.0 0.0000% 0.002 0.0000% 0.00
Los ndices Cp, Cpi y Cps, en trminos de la cantidad de
piezas malas (corto plazo); bajo normalidad y proceso
centrado en el caso de doble especificacin.
41
Distribucin normal estndar
0
5
10
15
20
25
30
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
80 70 120 130 90
=100
110
2 3 0 1 -1 -2 -3
Determinacin de fraccin no conforme
Z
X
o

=
x
z
42
Diagrama de Pareto
Que es ?

Tcnica para separar los Pocos Vitales de los
muchos triviales.
El diagrama separa grficamente los aspectos
significativos de un problema de manera que un
equipo sepa donde dirigir sus esfuerzos para
mejorar

43
Diagrama de Pareto
Cuando se utiliza ?

I dentificar necesidades de mejora.
Existe necesidad de llamar la atencin a los
problemas o causas de forma sistemtica.
Analizar diferentes agrupaciones de datos
(producto, segmento, cliente, etc.)
Evaluar resultados antes y despus de los cambios.
Cuando los datos pueden clasificarse en
categoras.
44
Diagrama de Pareto
Como construirlo ?

1. Que problema va a investigar.
2. Disee tabla de conteo de datos
Clase Conteo Total
A
B
C
D
I I I I I
I I I I I I I
I I
I I I
45
Como construirlo ?

3. Elabore tabla de anlisis de Pareto con las
siguientes columnas:
Diagrama de Pareto
Clase Frecuencia Total
Acumulado
Compos.
Porcentual
Porcentaje
Acumulado
A
B
C
D
E
Otros
46
Como construirlo ?

4. Construya el diagrama
Diagrama de Pareto
Porcentaje
Junio 2002
Defectos baln cosido
Items
Otros
% Acumulado
Frecuencia
0
50
100
150
200
250
1 2 3 4 5 6 7
0%
20%
40%
60%
80%
100%
47
Que es ?
Es la representacin de varios elementos (causas) de
un sistema que pueden contribuir a un problema
(efecto).
Herramienta efectiva para estudiar procesos y
situaciones, y para desarrollar plan de recoleccin
de datos.
Diagrama de Causa - Efecto
Efecto
Causas
A
B
C
D
E
F
48
Cuando se utiliza ?

Es utilizado para identificar las posibles causas de
un problema especfico.

1. Es necesario identificar las causas principales de
un problema?
2. Existen ideas u opiniones diferentes sobre las
causas de un problema?
49
Pasos para su construccin

1. Efecto o problema
2. Escrbalo a la derecha
3. Lluvia de ideas
4. Flechas secundarias (factores)
5. Flechas ramificadas

Tcnica de los 5 Por que ?

50
Que es ?
Herramienta de anlisis que dibuja pares
relacionados de variables para presentar un patrn
de relacin o correlacin.
Diagrama de Dispersin
0
2
4
6
8
10
12
14
16
18
20
0 5 10
X
Y
51
Cuando se utiliza ?
* Verificar si el desempeo de un factor est
relacionado con otro factor.
* Demostrar que un cambio en una condicin
afectar a la otra.
Como construirlo ?
* Reunir pares de datos. (30 100)
* Valores ms altos y bajos de cada factor.
* Escala en plano cartesiano y registro de datos.
52
Como leer el Diagrama
0
2
4
6
8
10
12
14
16
18
20
0 5 10
X
Y
1. Puntos apartados
53
0
5
10
15
20
25
30
0 5 10
X
Y
2. Formas Tpicas
0
2
4
6
8
10
12
14
16
18
20
0 5 10
X
Y
Correlacin Positiva
Puede haber
correlacin positiva
n=30 r=0.90
n=30 r=0.6
54
0
5
10
15
20
25
30
0 5 10
X
Y
2. Formas Tpicas
0
5
10
15
20
25
0 5 10
X
Y
No hay correlacin
Correlacin negativa
n=30 r=0.0
n=30 r=-0.95
55
0
2
4
6
8
10
12
14
16
18
0 5 10
X
Y
2. Formas Tpicas
X
Y
Puede haber
correlacin negativa
Forma curva
n=30 r=-0.6
n=30 r=?
0
5
10
15
20
25
30
0 5 10
56
Coeficiente de correlacin
) ( ). (
) (
yy s xx s
xy s
r =
-1sr s1
Cuando r 1 Lnea recta
Cuando r 0 Correlacin dbil
57
Coeficiente de correlacin
=
= =
=
=
= =
=
= =
= =
= =
= =
n
i
n
i
n
i
i i
i i i i
n
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
y x
y x y y x x xy s
n
y
y y y yy s
n
x
x x x xx s
1
1 1
1
2
1
1
2
1
2
2
1
1
2
1
2
) )( (
) )( ( ) (
) (
) ( ) (
) (
) ( ) (
58
Notas
1. Coordenadas de ejes
2. Estratificacin
3. Rango de variables
4. Correlaciones falsas
Anlisis de regresin
Recta:

y=a+bx
a= constante
b=coeficiente de regresin
59
Estimacin de la lnea de regresin

1. Obtener y

2. Calcular s(xx) y s(xy)

3. ;

x y
) (
) (
xx s
xy s
b= x b y a =
60
Estimacin de la lnea de regresin
4. Recta
0
2
4
6
8
10
12
14
16
18
20
0 5 10
y
x
61
62
Grficos Cartas de Control
(Shewhart)
LCS
LC
LCI
1 2 3 4 5 6 7 8 9
LCS= Lmite de Control Superior
LC= Lnea Central
LCI= Lmite de Control Inferior
63
(Shewhart)
Que son?

Son instrumentos de Control Estadstico que nos permiten
identificar en qu momento la fluctuacin de una
caracterstica determinada de calidad corresponde a una
causa especial de variacin.

Nos permite controlar el comportamiento de un proceso a
travs del tiempo, por medio de mediciones que
extraemos del proceso de tiempo en tiempo en relacin
con la caracterstica de calidad que deseamos controlar.
64
(Shewhart)
Causas de variacin en un proceso

A. Causas comunes ( o debidas al azar o no asignables)
Afectan por igual y en forma casi permanente.
Son inevitables.
No es prctico y a veces econmico eliminarlas en
el momento.
Decisin tipo gerencial

B. Causas especiales o asignables
Son evitables y no se pueden pasar por alto:
Se presentan en forma repentina o deben
investigarse y eliminarse.

65
(Shewhart)
Causas de variacin en un proceso

Ejemplos:
Descuido del operario.
Componente de la mquina que se rompe.
Materia prima contaminada.
Equipo de medicin descalibrado.

Decisin:
La causa puede ser detectada eliminada o corregida
por los mismos trabajadores de produccin, operarios,
supervisores.

66
(Shewhart)
Para que sirven los grficos de control

Determinar si el proceso est o no bajo control
estadstico.
Determinar los niveles de responsabilidad para tomar
acciones correctivas conducentes a mejorar la calidad.
Determinar los parmetros del proceso.
Determinar la capacidad cualitativa Cp del proceso.
Mantener el proceso bajo control.
o

67
(Shewhart)
Tipos de Grficos de Control

Variables Continuas:

Variables Discretas:
np: Nmero de unidades no conformes
p: Fraccin no conforme
c: Nmero no conformidades/unidad
u: Nmero no conformidades/unidad
(Media-Rango)

(Valor individual de
x-Rango movil)
Rs x
R x
68
Grficos de Control
R - X
Teorema de la distribucin de los promedios
0
20
40
60
80
100
120
0 2 4 6 8 10
Distribucin de x
n
x
x
o
o =
Distribucin de x
x
o
=
= x
69
Grficos de Control
Pasos para disear un grfico
1. Rena los datos; aproximadamente 100 divididos en 20 25 subgrupos
con 4 5 cada uno. Regstrelos.
Los subgrupos deben tomarse en los periodos de tiempo definidos para
controlar el proceso.
Nota: Los subgrupos pueden tener un tamao diferente, generalmente
entre 2 y 10.
2. Calcule el y R para cada subgrupo. Se recomienda calcular con
un decimal mas que los datos de x
X X
Subgrupo No.
X1 X2 X3 X4 X5
R
X
x

R
R - X
70
Grficos de Control
R - X
3. Calcule:

4. Clculo de los lmites de control
k
x
x

=
=
k
R
R

=
Donde k= total subgrupos
R LCI
R LCS
x LC
A x
n
x
A x
n
x
2
2
3
3
=
=
=
+
=
= +
=
=
=
=
=
o
o
Para :
X
71
Grficos de Control
R - X
Amplitud Relativa:
2
2 ;
d
R
d w
R
w
=
= =
o
o
Para R:
R D LCI
R LC
R D LCS
3
4
=
=
=
A2, D4 y D3 Factores
(Estimada)
72
Grficos de Control
R - X
Lmites de : X
R A X LCI
R A X LCS
n d
A
n d
R
X
n
X LCS
X
2
2
2
2
2
3
3 3
=
+ =
=
+ = + =
o
73
Grficos de Control
R - X
Lmites de R:
R D LCI
d
d
D
d
d
R R
d
d
R R LCI
R D LCS
d
d
D
d
d
R R
d
d
R R LCS
d
R
d
d
d
R
w R
R
R R
R
W W R
3
2
3
3
2
3
2
3
4
2
3
4
2
3
2
3
2
3
3
2
3 1
) 3 1 ( 3 3
3 1
) 3 1 ( 3 3
; ;
= =
= =
= + =
+ = + = + =
=
= = =
o
o
o
o o o o
74
Grficos de Control
R - X
5. Dibujar las lneas de control. Use papel cuadriculado o milimetrado.
X
R
1 2 3 4 5 6 7 8 9
X
LCS
X
LC
X
LCI
R
LCS
R
LC
R
LCI
Subgrupo No.
75
Grficos de Control
R - X
6. Localice los puntos en su correspondiente grafico. Encierre en crculos
aquellos que estn por fuera de los lmites.
X
R
1 2 3 4 5 6 7 8 9
X
LCS
X
LC
X
LCI
R
LCS
R
LC
R
LCI
Subgrupo N.
76
Grficos de Control
R - X
7. Registre datos que puedan ser de utilidad: n= Tamao de subgrupo
en el extremo superior izquierdo de la grafica

Incluya cualquier otro aspecto relevante para el proceso como:

Nombre del proceso
Nombre del producto
Caracterstica de control
Periodo
Mtodo de medicin
Etc.
x
77
Grficos de Control
R - X
Cmo leer los grficos de control
1. Puntos fuera de los lmites de control
LCS
LC
LCI
1 2 3 4 5 6 7 8 9
78
2. Racha. Puntos consecutivos que ocurren continuamente en un mismo
lado de la lnea central.

Hay problemas en el proceso cuando:
Hay Racha de 7 puntos
An si la longitud de Racha est por debajo de 6, son indicacin
de problemas en el proceso los siguientes casos:

Al menos 10 de 11 Puntos consecutivos ocurren
12 de 14 en un mismo lado de la lnea
16 de 20 central

Grficos de Control
R - X
LCS
LC
LCI
79
3. Tendencia. Cuando los puntos forman curva continua ascendente o
descendente
Grficos de Control
R - X
LCS
LC
LCI
Hay problemas cuando 7 puntos consecutivos ascienden o
descienden continuamente
80
4. Acercamiento a los lmites de control
Grficos de Control
R - X
LCS
LC
LCI
Hay problemas cuando 2 de 3 puntos consecutivos caen en algn tercio
exterior a la lnea central cuando 3 de 7 o 4 de 10 puntos consecutivos
81
5. Acercamiento a la lnea central
Grficos de Control
R - X
LCS
LC
LCI
Cuando esto se presenta es necesario cambiar la manera de hacer los
subgrupos. No significa un estado de control, sino una mezcla de
informacin de diferentes poblaciones en los subgrupos.
o 5 , 1
o 5 , 1
82
6. Periodicidad. Los puntos presentan la misma pauta de variacin a lo
largo de intervalos iguales
Grficos de Control
R - X
LCS
LC
LCI
83
Determinacin de Cp
Grficos de Control
R - X
Lectura cuantitativa
a) Relacin del grfico de control y las especificaciones
Especificacin Proceso (Grfico)
LCS
LC
LCI
No est bajo control
x
0
10
20
30
40
50
60
70
80
90
No cumple
L.I.E L.S.E
84
Determinacin de Cp
Grficos de Control
R - X
b) Relacin del grfico de control y las especificaciones
LCS
LC
LCI
Si est bajo control
x
0
10
20
30
40
50
60
70
80
90
No cumple
L.I.E L.S.E
85
Determinacin de Cp
Grficos de Control
R - X
c) Relacin del grfico de control y las especificaciones
LCS
LC
LCI
No est bajo control
x
0
10
20
30
40
50
60
70
80
90
Si cumple
L.I.E
L.S.E
86
Determinacin de Cp
Grficos de Control
R - X
d) Relacin del grfico de control y las especificaciones
LCS
LC
LCI
Si est bajo control
x
0
10
20
30
40
50
60
70
80
90
Si cumple
L.I.E
L.S.E
87
Grficos de Control
R - X
Capacidad de proceso
o
=
=
=
x
E I L E S L
Cp
6
. . . .
2 d
R
= o
o o
o o
3 3
3 3
. . . . .
. . . . .
E I L E I L x
Cpi
x E S L E S L
Cps
=
=
=
88
Grficos de Control
R - X
Consideraciones generales del grfico
Tamao de n=?

Depende de: * Costos
* Errores Estadsticos
Errores estadsticos: Tipo I

Tipo 2
) (o
) (|
Error tipo I = La grfica muestra un cambio que no ha existido en la
realidad.
) (o
Para cualquier n; en grficos de lmites.
3
Error tipo I = 0,27%
89
Grficos de Control
R - X
Error tipo II = Riesgo de que el grfico no indique un cambio, cuando
realmente si ha ocurrido.
Es la incapacidad de la carta de indicar oportunamente los cambios
ocurridos.

Depende de n.

Ejem. Cual es la probabilidad de cometer el error (Tipo II) cuando un
proceso cambia su centramiento de magnitud sin cambiar de
dispersin?
) (|
) (|
o 1
Antes del cambio Despus del cambio
Media
Desviacin estndar
=
x
o
o +
=
x
o
90
Grficos de Control
R - X
0
20
40
60
80
100
120
0 5 10 15
o +
=
x
=
x
91
Grficos de Control
R - X
Error tipo B=

ntese:

Error Tipo B=
) 3 (
)
3
(
)
) (
(
) ; (
) (
n
x N x
LCS x P
z P
n
x
n
x
z P
n
x
x
z P
n
LCS
s
=
+
=
s
+
=
s
+ ~
s
=
o
o
o
o
o
o
o
92
Grficos de Control
R - X
Conclusin:

Los tamaos acostumbrados de 4 5 se acercan al ptimo, si los
cambios que han de ser detectados son relativamente grandes,
o sea si las causas asignables producen un cambio en el proceso
de ms. Si el propsito de la grfica es detectar cambios
en el centramiento del proceso, tan pequeos como los
tamaos de 15 20 resultan ms favorables.
o 2
o 1
93
Grficos de Control
R - X
Cmo tomar las muestras
1. Orden cronolgico de produccin.
2. Completamente al azar
3. En el punto de control

Enfoques:
a) Instante de tiempo
4 4 4 4
8:00 h 10:00 h 12:00 h 14:00 h
Tiempo
n=4
94
Grficos de Control
R - X
Enfoques:
b) Periodos de tiempo
4
1
4
:
0
0

h

Tiempo
n=4
4 4
Jaime Alfonso Vlez
Mayo 2006
95
Grficos de Control
R - X
Enfoques:
c) Volumen de produccin

Procesos de alta velocidad y grandes producciones.
La muestra (n) se toma por ejemplo cada 25.000 unidades

Jaime Alfonso Vlez
Mayo 2006
96
Usos
Se utiliza para controlar procesos por variables continuas, donde no
se pueden obtener en periodos relativamente cortos de tiempo
muestras conformadas por subgrupos de n unidades discretas.
Se utiliza en procesos qumicos o de alimentos que trabajan por
batches, tandas cargues. Ejem: Fabricacin de pegantes,
pinturas, cosmticos, kumis, etc.

La condicin para su uso es que la caracterstica de Calidad definida
para el control, tenga distribucin normal.

El rango mvil se calcula de acuerdo con el n definido, que en este
grfico, a diferencia del , est constituido por los lotes, batches
o tandas consecutivos (2,3,...) seleccionados.

R - X
Grficos de Control
Rs - x
(Valor individual de x-Rango mvil)
Jaime Alfonso Vlez
Mayo 2006
97
Grficos de Control
Rs - x
Frmulas para los lmites de control
R
d
3
X R E X LCI
X LC
R
d
3
X R E X LCS
2
2
2
2
= =
=
+ = + =
Para x:
Cuando se selecciona n=2
R 66 , 2 X LCI
X LC
R 66 , 2 X LCS
=
=
+ =
R D LCI
R LC
R D LCS
3
4
=
=
=
Lmites para R:
Jaime Alfonso Vlez
Mayo 2006
98
LCS
LC
LCI
1 2 3 4 5 6 7 8 9
LCS
LC
LCI
X
R
n=2
Grficos de Control
Rs - x
Subgrupo No.
Jaime Alfonso Vlez
Mayo 2006
99
Grficos por Atributos
np
Muestra la cantidad de artculos no conformes.
Se utiliza cuando el tamao de muestra es constante.

LCS
LC
LCI
1 2 3 4 5 6 7 8 9
np
Subgrupo No.
Jaime Alfonso Vlez
Mayo 2006
100
( np )
Procedimiento:

1. Rena los datos, por lo menos 30.
El tamao del subgrupo debe ser mayor de 50.
Subgrupo No.
Tamao del subgrupo n Cantidad No conformes np
1
2
3
.
.
.
30
n p n
Jaime Alfonso Vlez

Mayo 2006
101
Procedimiento

2. Calcule:

3. Calcule los lmites de control
=
n
np
p
) 1 ( 3
) 1 ( 3
p p n p n LCI
p n LC
p p n p n LCS
=
=
+ =
( np )
Jaime Alfonso Vlez
Mayo 2006
102
Procedimiento
4. Construya el grfico, trazando los lmites de control y
ubicando los puntos (np)

5. Analice si existen puntos por fuera de los lmites de control.
Si no existen, estos sern los lmites para controlar el
proceso hacia el futuro.
Si existen, elimnelos y recalcule los lmites.

( np )
Jaime Alfonso Vlez
Mayo 2006
103
( p )
Fraccin no conforme (defectuosa). Puede usarse con
tamao de muestra (subgrupo), constante o variable.

Construccin:
1. Rena los datos, por lo menos 30.
Subgrupo
No.
Tamao
Subgrupo
(n)
No
Conformes
(np)
Fraccin
No
Conforme
(p)
LCS LCI
104
( p )
Construccin:
2. La fraccin no conforme (p) se calcula como:

3. Calcule:

4. Calcule los lmites.
n
np
p=
=
n
np
p
n
p p
p LCI
p LC
n
p p
p LCS
) 1 (
3
) 1 (
3
=
=
+ =
Jaime Alfonso Vlez
Mayo 2006
105
( p )
Construccin:
5. Construya el grfico
LCS
LC
LCI
1 2 3 4 5 6 7 8 9
Subgrupo
Nota: Cuando LCI < 0, se coloca 0
106
( p )
Construccin:
6. Analice la grfica
Puntos por fuera significa que el proceso no est bajo
control estadstico.
Para poner el proceso bajo control estadstico, elimine
estos puntos y recalcule todos los lmites de control.
Realizar este paso hasta que sea necesario.

107
( p )
Construccin:
7. Luego que se coloca el proceso bajo control estadstico,
linealice los lmites del grfico para controlar el proceso
hacia el futuro.
LCS
LC
LCI
1 2 3 4 5
LCS
LC
LCI
1 2 3 4 5
108
( p )
Formas de Linealizar:
a)
Puede emplearse cuando (n) mayor y (n) menor no estn
alejados ms del 25% con respecto al
n
n
n
p p
p LCI
p LC
n
p p
p LCS
) 1 (
3
) 1 (
3
=
=
+ =
Jaime Alfonso Vlez
Mayo 2006
109
( p )
Formas de Linealizar:
a) Utilizar la variable Z
3
0
3
) 1 (
=
=
=
=
LCI
LC
LCS
n
p p
p p
z
En este caso:

No tiene restricciones
110
( c )
Se usa para controlar el nmero de no conformidades por
unidad o artculo, cuando es de dimensiones constantes.
Construccin:

1. Reunir datos, por lo menos 30
Muestra No.
Cantidad de defectos
(c)
111
( c )
Construccin:

2. Calcule:

3. Calcule los lmites

4. Analice para determinar si el proceso est o no bajo control.
Si no lo est; colocarlo bajo control.

5. Establezca lmites de control hacia el futuro.
c c LCI
c LC
c c LCS
k
c
c
3
3
=
=
+ =
=
K=Numero de
muestras
112
( u )
Controla el nmero de no conformidades/unidad, cuando es
variable o constante.

Construccin:

1. Rena datos.
Muestra
No.
Tamao de
muestra (n)
Numero de no
conformidades (c)
No
conformidades /
unidad (u)
n
c
u=
113
( u )
Construccin:

1. Calcule los lmites
=
=
=
+ =
n
c
u
n
u
u LCI
u LC
n
u
u LCS
3
3
114
( u )
Construccin:

3. Construya el grfico
LCS
LC
LCI
1 2 3 4 5 6 7 8 9
115
( u )
Construccin:

4. Analice:
Si no est bajo controlo estadstico, elimine los puntos
correspondientes.
Luego de asegurarse del control estadstico, linealice los
lmites.
LCS
LC
LCI
1 2 3 4 5
LCS
LC
LCI
1 2 3 4 5
u
u
116
Linealizacin:
a) promedio
(n) Mayor y (n) Menor < 25% con respecto a
( u )
n
n
n
u
u LCI
u LC
n
u
u LCS
3
3
=
=
+ =
117
Linealizacin:
a) Variable Z
( u )
3
0
3
=
=
=
zu
zu
LCI
LC
LCS
n
u
u u
z
118
INSPECCIN POR MUESTREO
PARA ACEPTACIN
OBJETIVO:
Conocer la calidad de un lote de producto y juzgar si se
Acepta o Rechaza el lote con base en los resultados de
la inspeccin de una muestra.
N
n
Resultados
Lote
Acepto o Rechazo
Muestreo
Anlisis
Muestra
Jaime Alfonso Vlez
Mayo 2006
119
PARA ACEPTACIN
CUANDO USARLO?
En muchas etapas de
manufactura.

Su mayor campo de aplicacin
est en el control de
Proveedores y en el Control de
Calidad del producto final.
Jaime Alfonso Vlez
Mayo 2006
120
PARA ACEPTACIN
QUE MAGNITUD DE INSPECCIN REQUIERE?
Depende: * Conocimiento del producto.
* Tipo de proceso.
* Estado de la maquinaria.
* Actuacin de personal calificado.
a) No inspeccin
b) Inspeccin al 100%
Productos Crticos
Capacidad de Proceso, Cp, baja.
c) Inspeccin por muestreo
No se tiene conocimiento previo del proceso o del
producto.
Jaime Alfonso Vlez
Mayo 2006
121
PARA ACEPTACIN
VENTAJAS DEL MUESTREO
Menor costo.
Menos Inspectores.
Menos daos.
Eleva el nivel de trabajo de inspeccin.
Aplicable a ensayos destructivos.
Reduce la fatiga de los inspectores.
Jaime Alfonso Vlez
Mayo 2006
122
PARA ACEPTACIN
DESVENTAJAS DEL MUESTREO
Riesgo de Aceptar lotes malos y de Rechazar lotes
buenos.
Provee menor informacin
del producto, que la inspeccin
del 100%
Se incrementa la planeacin,
entrenamiento y documentacin
correspondiente.
Jaime Alfonso Vlez
Mayo 2006
123
PARA ACEPTACIN
CONSIDERACIONES GENERALES
1. Atributos o variables
2. Unidades de productos:
Discretas
A granel
3. Formacin del lote :
No mezclar productos de diferente origen
No acumular productos durante extensos
periodos
Lotes tan grandes como sea posible

Jaime Alfonso Vlez
Mayo 2006
124
PARA ACEPTACIN
CONSIDERACIONES GENERALES
4. Muestreo al azar
5. Muestreo estratificado
6. Plan de inspeccin

N= Tamao del lote
n= Tamao de la muestra
Criterio de Aceptacin o Rechazo
Jaime Alfonso Vlez
Mayo 2006
125
PLANES DE MUESTREO
POR ATRIBUTOS
CURVA DE OPERACIN CARACTERISTICA, O.C.
Indica la eficiencia de un plan
de muestreo para distinguir
entre lotes buenos y malos.
Muestra la probabilidad de
aceptar un lote sometido a
inspeccin, para cualquier
fraccin (%) no conforme
dado en un lote.
Jaime Alfonso Vlez
Mayo 2006
126
PLANES DE MUESTREO
POR ATRIBUTOS
COMPORTAMIENTO IDEAL DE UN PLAN DE
MUESTREO
0,0
1,0
1 2 3 4 5 6 7
Lnea de
Aceptacin
Probabilidad
de Aceptacin
Fraccin no conforme, 100p
Jaime Alfonso Vlez
Mayo 2006
127
PLANES DE MUESTREO
POR ATRIBUTOS
COMPORTAMIENTO REAL DE UN PLAN DE
MUESTREO
0%
100%
1 2 3 4 5 6 7 8 9 10 11 12
Lnea de
Aceptacin
Porcentaje no conforme, 100p
PDTL
NAC
|
10%
Jaime Alfonso Vlez
Mayo 2006
128
PLANES DE MUESTREO
POR ATRIBUTOS
RIESGO DEL PRODUCTOR
) (o
Probabilidad de que un lote bueno sea rechazado por
el plan de muestreo.
Se establece conjuntamente con una definicin
numrica de lo que se considera buena calidad; NAC

NAC= Nivel Aceptable de Calidad (AQL)
Mximo porcentaje no conforme o el mximo nmero
de defectos/100 unidades que para efectos de inspeccin
por muestreo puede considerarse como un promedio
satisfactorio del proceso.
Jaime Alfonso Vlez
Mayo 2006
129
PLANES DE MUESTREO
POR ATRIBUTOS
RIESGO DEL CONSUMIDOR |
Probabilidad de que un lote malo sea aceptado por el
plan de muestreo.
Se establece conjuntamente con una definicin
numrica de lo que se considera mala calidad; tal como
Porcentaje Defectuoso Tolerable en el Lote (PDTL)

Porcentaje Defectuoso Tolerable en el Lote (PDTL)
Generalmente corresponde al nivel de calidad para el
cual la probabilidad de aceptacin es el 10%
Es el nivel de no conformidad considerado
insatisfactorio, que el plan deber rechazar.
Jaime Alfonso Vlez
Mayo 2006
130
PLANES DE MUESTREO
POR ATRIBUTOS
CONSTRUCCIN DE LA CURVA O.C.
n =
Plan = Ac = c
Re = r

donde n = tamao de la muestra.
Ac = c = Nmero de Aceptacin
Re = r = Nmero de Rechazo
Jaime Alfonso Vlez
Mayo 2006
131
PLANES DE MUESTREO
POR ATRIBUTOS
ENFOQUES PARA LA CONSTRUCCIN DE LA
CURVA O.C.

Enfoque 1
Cada lote proviene de un nmero tericamente infinito
de lotes fabricados bajo las mismas condiciones de
produccin. Es decir, para calcular la Probabilidad de
Aceptacin se considera el nivel de calidad del proceso.

Se obtienen curvas tipo B.
Jaime Alfonso Vlez
Mayo 2006
132
PLANES DE MUESTREO
POR ATRIBUTOS
ENFOQUES PARA LA CONSTRUCCIN DE LA
CURVA O.C.

Enfoque 2
El lote proviene de una produccin finita y bajo
condiciones que no pueden asumirse como continuas.

Genera curvas Tipo A
Jaime Alfonso Vlez
Mayo 2006
133
PLANES DE MUESTREO
POR ATRIBUTOS
CONSTRUCCIN DE LA CURVA O.C. TIPO B
Modelo de Poisson

c = Nmero de aceptacin
x = Unidades no conformes
p = Fraccin no conforme
=
= s =
c
0 x
x np
) a (
! x
) np ( e
) c x ( P P
Jaime Alfonso Vlez
Mayo 2006
134
PLANES DE MUESTREO
POR ATRIBUTOS
Eplo: Construir la curva OC de un plan.
n = 50
Ac = 3 Tamao del lote = N
Re = 4
a) Asumir que se reciben lotes con diferentes niveles de
calidad, es decir fraccin no conforme diferente.
b) Se multiplica la p por n np
c) En la primera columna de la tabla de Poisson ubicar
np
d) Leer la probabilidad de Aceptacin correspondiente
a cada valor np y al c.
Jaime Alfonso Vlez
Mayo 2006
135
PLANES DE MUESTREO
POR ATRIBUTOS
Se grafica la probabilidad de aceptacin hallada en
funcin de la fraccin no conforme, p
98.1 1.0 0.02 50 2
99.8 0.5 0.01 50 1
100 0.0 0.00 50 0
P(a) % np p n 100p
Jaime Alfonso Vlez
Mayo 2006
136
PLANES DE MUESTREO
POR ATRIBUTOS
0%
25%
50%
75%
100%
1 2 3 4 5 6 7 8 9 10 11 12
Fraccin no conforme p
Probabilidad de
Aceptacin
Jaime Alfonso Vlez
Mayo 2006
137
PLAN DE MUESTREO
POR ATRIBUTOS ISO 2859/1
DESCRIPCIN:
a) ndice de Calidad= NAC
Se pueden escoger 26 valores diferentes desde 0,010
hasta 1000
Los NAC s10 fraccin no conforme
no conformidades /100 unidades
Los NAC > 10 No conformidades /100 unidades nicamente

b) Clasificacin de las no conformidades A,B,C,D
Crticas, Mayores, Menores, Leves, etc.
c) Niveles de Inspeccin
Nivel general: I, II, III
Nivel Especial: S-1, S-2, S-3, S-4
Jaime Alfonso Vlez
Mayo 2006
138
PLAN DE MUESTREO
DESCRIPCIN:
d) Muestreo Sencillo, Doble o Mltiple
N
n
x s c x > Re
Rechazo N Acepto N
Sencillo
Jaime Alfonso Vlez
Mayo 2006
139
PLAN DE MUESTREO
DESCRIPCIN:
N
n1
x s Ac1
x >Re1
Rechazo N Acepto N
Doble
x s Ac2 x >Re2
n2
Ac1<x <Re1
X = Acumulado de No
conformes
Jaime Alfonso Vlez
Mayo 2006
140
PLAN DE MUESTREO
DESCRIPCIN:
N
n1
x s Ac1
x >Re1
Rechazo N Acepto N
Mltiple
x s Ac2 x >Re2
n2
Ac1<x <Re1
x s Ac3 x >Re3
n3
x s Ac7 x >Re7
n7
Ac2<x <Re2
Ac3<x <Re3
Jaime Alfonso Vlez
Mayo 2006
141
PLAN DE MUESTREO
DESCRIPCIN:
REDUCIDA

NORMAL

ESTRICTA
(Cerrada
Rigurosa)

Cambiar de
proveedor
parar
produccin
e) Niveles de severidad
10 lotes
consecutivos bajo
inspeccin
estricta
2 lotes de 5
consecutivos
rechazados
5 lotes aceptados bajo
inspeccin cerrada
Un lote
rechazado
Produccin
irregular
Disposicin de
un agente legal
Produccin estable
Valor de la calificacin
>30 en los ltimos lotes
consecutivos aceptados
Jaime Alfonso Vlez
Mayo 2006
142
PLAN DE MUESTREO
Calificacin para el cambio de Normal a Reducida
La inspeccin debe empezar en cero (0). Se actualiza
con cada inspeccin subsiguiente normal original.
Cuando el nmero de aceptacin es dos (2) o ms, se
agrega tres (3) a la calificacin si el lote es aceptado. Si
el lote es rechazado se coloca cero (0).
Cuando el nmero de aceptacin es cero(0) uno(1),
se agrega dos (2) a la calificacin si el lote es aceptado.
Si el lote es rechazado, se agrega cero (0).
Jaime Alfonso Vlez
Mayo 2006
143
INSPECCIN POR VARIABLES
Normal mil-std 414D ISO 3951
Condicin: La variable a medir debe tener distribucin
normal y la produccin se puede considerar continua.

Cuando no exista seguridad de la normalidad, hacer
prueba de normalidad.
Se recomienda ISO 5479 Normality Test

Inspeccin por Variables: Mtodo que consiste en medir
una caracterstica cuantitativa para cada pieza de una
poblacin o para una muestra tomada de esa poblacin.
Jaime Alfonso Vlez
Mayo 2006
144
Normal mil-std 414D ISO 3951
Muestreo de Aceptacin por Variables:

Procedimiento de aceptacin en el cual se mide una
caracterstica especificada para determinar
estadsticamente la aceptabilidad de un lote a partir
del resultado obtenido de las piezas de una muestra.
Jaime Alfonso Vlez
Mayo 2006
145
Caractersticas generales de los planes mil-std 414D
1. Se basan en el NAC, con 14 valores disponibles desde
0.04 hasta 15.0
2. El tamao del lote N, se tiene en cuenta para
determinar n
Tambin incide el nivel de inspeccin, entre 5
disponibles (I, II, III, IV, V); cuando no se
especifique usar nivel IV
3. Severidad: Normal Rigurosa - Reducida
Jaime Alfonso Vlez
Mayo 2006
146
Caractersticas generales de los planes mil-std 414D
Promedio no
conforme ltimos
10 lotes > NAC

Promedio no conforme
< NAC
Rechace un lote
Promedio no
conforme > NAC
REDUCIDA

NORMAL

RIGUROSA
10 ltimos lotes
aceptados
4. Slo permite seleccionar planes de muestreo simple.
Jaime Alfonso Vlez
Mayo 2006
147
Criterios para aceptar un lote ( Forma 1 )
n
k
n
k
n
k
Planes
No existe plan No existe
plan
No existe
plan
I s x s S
x > I
x s S
Mtodo o Mtodo R Mtodo s
o conocida o desconocida
Especificaci
n
k Qs
s
x S
QS
>
=
k Qs
R
x S
QS
>
=
k Qs
x S
QS
>
o
=
k Q
s
I x
Q
I
I
>
=
k Q
R
I x
Q
I
I
>
=
k Q
I x
Q
I
I
>
o
=
Jaime Alfonso Vlez
Mayo 2006
148
Criterios para aceptar un lote ( Forma 1 )
En al tabla anterior:

S= Lmite de Especificacin Superior
I= Lmite de Especificacin Inferior
s= Desviacin Estndar de la Muestra
o= Desviacin Estndar del Proceso
Jaime Alfonso Vlez
Mayo 2006
149
Criterios para aceptar un lote ( Forma 2)
n
m
v
n
m
d2 ( c )
n
m
Planes
Ps y PI
Pt = Ps + PI
Pt s m
Ps y PI
Pt = Ps +
PI
Pt s m
Ps y PI
Pt = Ps +
PI
Pt s m
Is x s S
x > I
x s S
Mtodo o Mtodo R Mtodo s
o conocida o desconocida
Especificaci
n
m Ps
Ps
s
x S
QS
s
=
m Ps
Ps
2 d
R
x S
QS
s
=
m Ps
Ps
v
x S
QS
s
=
m P
P
s
I x
Q
I
I
I
s
=
m
2 d
R
I x
Q
I
I
I
P
P
s
=
m P
P
v
I x
Q
I
I
I
s
=
Jaime Alfonso Vlez
Mayo 2006
150
PLAN DE MUESTREO
POR VARIABLES
Normal mil-std 414D
Ejemplo 1: Especificacin sencilla. Forma 1
Variabilidad desconocida.
Mtodo de la desviacin estndar

La Temperatura mxima de operacin para un equipo
se especifica en 209c. Un lote de 40 artculos se somete
a inspeccin, usando nivel IV, Normal, NAC=1%

Jaime Alfonso Vlez
Mayo 2006
151
PLAN DE MUESTREO
POR VARIABLES
Procedimiento:
1. De tabla 22 Letra D
2. De tabla 23 Plan : ( n=5 y K=1,53 )
3. Se miden las 5 unidades de la muestra.
Supngase que se obtuvieron estos resultados:
197 188 184 205 201
4. Se calcula: y s=8,8
5. Calcula:

Como 1,159 > 1,53 (Plan) Acepto el lote
195 x =
59 , 1
8 , 8
195 209
s
x S
=
Jaime Alfonso Vlez

Mayo 2006
152
PLAN DE MUESTREO
POR VARIABLES
Normal mil-std 414D
Ejemplo 2: Especificacin doble. Forma 2
Variabilidad desconocida.
Nota: Cuando la especificacin es doble, L.S.E. y L.I.E.
slo se puede usar forma 2.

El peso bsico para el papel bond tiene una especificacin
de 603g/m. Un lote de 125000 hojas se somete a
inspeccin por variables con un nivel I, Normal y
NAC=4,0%
Jaime Alfonso Vlez
Mayo 2006
153
PLAN DE MUESTREO
POR VARIABLES
Procedimiento:
1. De tabla 22 Hallamos letra I
2. De tabla 25 Hallamos el plan : ( n=25 y M=8,63 )
3. Se miden las 25 unidades. Calculamos y s.
Supongamos que nos dio y s=1,76
4. Calculamos:

92 , 60 x =
18 , 1
76 , 1
92 , 60 63
s
) x S (
Q
s
=
=
x
23 , 2
76 , 1
57 92 , 60
s
) I x (
Q
I
=
=
Jaime Alfonso Vlez
Mayo 2006
154
5. Con Qs y QI calculados antes, vamos a la tabla No.27
y hallamos Ps=11,81 y PI=0,965
6. Calculamos PT=11,81 + 0,965 = 12,775

Como PT > M Rechazo las 125000 hojas.
PLAN DE MUESTREO
POR VARIABLES
Procedimiento:
Consideracin sobre el manejo de estas tablas mil-std 414D
Se usa la misma tabla para inspeccin normal y
rigurosa. La diferencia est que cuando se aplica
normal, la entrada es por la parte superior; cuando
se aplica rigurosa es por la parte inferior.
Jaime Alfonso Vlez
Mayo 2006
155
PLAN DE MUESTREO
POR VARIABLES
Normal mil-std 414D
Ejemplo 3: Especificacin doble. Forma 2
Variabilidad conocida.

El lmite elstico de una pieza de acero debe estar entre
58000 y 67000 psi. Se inspecciona un lote de 500
unidades, con nivel IV, Normal, NAC=1,5%.

Se conoce que la variabilidad del proceso es psi 3000 = o
Jaime Alfonso Vlez
Mayo 2006
156
PLAN DE MUESTREO
POR VARIABLES
Procedimiento:
1. De tabla 22 Hallamos letra I
2. De tabla 33 El plan es: ( n=10 M=3,63 v=1,054 )
3. Se miden las 10 unidades. Calculamos y dio

4. Calculamos:

psi 63000 x =
41 , 1
3
054 , 1 ) 63 67 ( v ) x S (
Q
s
=
=
o
=
x
76 , 1
3
054 , 1 ) 58 63 ( v ) I x (
Q
I
=
=
o
=
Jaime Alfonso Vlez
Mayo 2006
157
5. Con Qs y QI calculados antes, vamos a la tabla No.27
y hallamos Ps y PI
Ps=7,27 PI=2,83 Pt=10,1

Como Pt > M Rechazo N.
PLAN DE MUESTREO
POR VARIABLES
Procedimiento:
Jaime Alfonso Vlez
Mayo 2006
158
Normas ISO - NTC
NTC 2062-1 Estadsticas Vocabulario y Smbolos
Parte 1. Trminos relativos a probabilidades y estadstica
en general.
Parte 2. Control estadstico de calidad
Parte 3. Diseo de experimentos
NTC 2224 Control de Calidad. Estadstica
Interpretacin estadstica de resultados de ensayos.
Estimacin de la media. Intervalo de confianza.
NTC 3529-1 Primera Actualizacin. Precisin de los
mtodos de medicin y de los resultados.
Principios generales y definiciones.
Jaime Alfonso Vlez
Mayo 2006
159
Normas ISO - NTC
NTC 3529-2 Primera Actualizacin.
Exactitud (Veracidad y Precisin) de mtodos de
medicin y resultados. Parte 2. Mtodo bsico para la
determinacin de repetibilidad y reproducibilidad en un
mtodo normalizado de medicin.
NTC 3529-3 Primera Actualizacin.
Exactitud (Veracidad y Precisin) de los mtodos y
resultados de las mediciones. Parte 3. Mediciones
intermedias de la precisin de un mtodo normalizado de
medicin.
NTC 3540 Normas Fundamentales. Interpretacin
estadstica de datos. Tcnicas de estimacin y pruebas
relacionadas con las medias y las varianzas.
Jaime Alfonso Vlez
Mayo 2006
160
Normas ISO - NTC
NTC 4477 Interpretacin Estadstica de Datos.
Determinacin de un intervalo de tolerancia estadstica.
NTC 4608 Interpretacin Estadstica de Datos.
Comparacin de dos medias en el caso de observaciones
pareadas.
NTC-ISO 2859-0 1ra. Actualizacin. Procedimientos
de muestreo para inspeccin por atributos. Parte 0.
Introduccin a la serie ISO 2859. Sistema de muestreo
por atributos.
NTC-ISO 2859-1 1ra. Actualizacin. Planes de
muestreo para inspeccin por atributos. Parte 1. Planes
de muestreo determinados por el Nivel Aceptable de
Calidad (NAC) para inspeccin lote a lote.
Jaime Alfonso Vlez
Mayo 2006
161
Normas ISO - NTC
NTC-ISO 2859-2 Procedimientos de muestreo para
inspeccin por atributos. Parte 2. Planes de muestreo
determinados por la Calidad Lmite (CL) para la
inspeccin de un lote aislado.
NTC-ISO 2859-3 Procedimientos de muestreo para
inspeccin por atributos. Parte 3. Procedimientos de
muestreo intermitentes.
NTC-ISO 3951 Procedimientos de muestreo y grficos
de inspeccin por variables para porcentaje no
conforme.
NTC-ISO 7870 Grficos de Control. Gua e
introduccin generales.
Jaime Alfonso Vlez
Mayo 2006
162
Normas ISO - NTC
NTC-ISO 7873 Grficos de Control para promedio
aritmtico con lmites de advertencia.
NTC-ISO 8258 Grficos de Control de Shewhart.
NTC-ISO 9004-4 Administracin de la Calidad y
Elementos del Sistema de Calidad. Parte 4. Directrices
para el mejoramiento de la calidad.
Jaime Alfonso Vlez
Mayo 2006
163

Control Estadistico

Cargado por

Información del documento

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

Control Estadistico

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA APLICADA

Jaime Alfonso Vlez

Jaime Alfonso Vlez

También podría gustarte