Controlestadisticodelacalidad 090304210357 Phpapp02

Carlos Viesca Gonzlez 1
Carlos Viesca Gonzlez

Conceptos bsicos y
variabilidad.
ISO 9000:2000)
Grado en el que un conjunto de

caractersticas (rasgos diferenciadores)
inherentes (existen en algo, especialmente
como caractersticas permanentes) cumple
con los requisitos (necesidad o expectativa
establecida, generalmente implcita u
obligatoria).

(Garvin, 1987)
La calidad de un producto se puede evaluar de
varias formas:
1. Desempeo. Desempear el producto la funcin
para la cual fue creado?
2. Confi abi l i dad. Con qu frecuencia falla el
producto?
3. Durabi l i dad. Cunto dura el producto?
4. Di sponi bi l i dad del servi ci o. Qu tan fcil es
reparar un producto?
5. Estti ca. Cmo se ve el producto?
6. Caracter sti cas di sti nti vas. Qu ms
hace el producto?
7. Cal i dad perci bi da. Cul es la reputacin
de la compaa o de sus productos?
8. Conformanci a o cumpl i mi ento con l os
estndares. Est hecho el producto
conforme el diseador lo pretenda?

(Garvin 1987)
Cal i dad si gni fi ca adecuaci n para

el uso.
Calidad de diseo. Un producto o
servicio se produce con un grado o
nivel de calidad, el cual es intencional.
Cal i dad de conformanci a. Qu tan

bien cumple un producto o servicio con
las especificaciones de diseo. Se ve
afectada por: el proceso de manufactura,
el entrenamiento y la supervisin, el
sistema de calidad, el grado al cual se
aplican los procedimientos del sistema de
calidad y la motivacin de la fuerza de
trabajo, entre otros factores.
Adecuacin para el uso o para la funcin.
El grado al cual un producto especfico

satisface los deseos de un cliente en
particular.
Proveer productos y servicios que cumplan

con las expectativas de los clientes a lo largo
de la vida del producto o servicio a un costo
que represente valor para el cliente.
El grado al cual un producto es conforme

a las especificaciones del diseo.
Las caractersticas o atributos que

distinguen a un artculo de otro.
Conformancia con los requerimientos de

ingeniera aplicables, de acuerdo con las
especificaciones, dibujos y dems
documentos de ingeniera relacionados.
Las definiciones anteriores no han sido

muy tiles por alguno o varios de los
siguientes aspectos:
a) Estn basados en atributos y son de
naturaleza cualitativa.
b) Estn basados en manufactura y no en
diseo (se ve la calidad hasta el final del
proceso de manufactura)

c) No establecen claramente la relacin
apropiada entre deseos, necesidades,
expectativas del cliente y la funcin
del producto. Un producto se puede
vender por un atributo pero perder
mercado por su funcin, por su
calidad.

La prdida impartida a la sociedad

durante el uso de un producto es un
resultado de la variacin funcional y de
los efectos dainos derivados del uso
del mismo (efectos colaterales que no
estn relacionados con la funcin del
producto).

Ejempl o de l as agendas:
P
r
d
i
d
a
s

(
$
)
Longitud del corte del forro por agenda
21.7 22.3
Prdidas
menores
Prdidas
mayores
Para este ejempl o:
Valor nominal u objetivo= 22 cm
Especificaciones o tolerancias= 22 .3 cm
Lmite inferior de especificacin (LIE) = 21.7 cm
Lmite superior de especificacin (LSE) = 22.3 cm
P
r
d
i
d
a

d
e

c
a
l
i
d
a
d
Caractersticas de calidad
Valor nominal
Se comporta de forma
exponencial en las prdidas
En al gunos estudi os emp ri cos se ha encontrado:
P
r
d
i
d
a
s

(
$
)
Valor nominal
Prdida de calidad
Caracterstica de calidad
Tendencia
Actualmente la tendencia de control
de calidad es la reduccin de
variabilidad
No existen dos productos exactamente

iguales.
La falla de un producto para alcanzar

la funcin que se pretende, segn el
cliente, puede surgir de alguna o de
las dos siguientes fuentes:
1. Falla para lograr el desempeo nominal
requerido por el diseo.
2. Variacin excesiva alrededor del nivel de
desempeo nominal pretendido.
Las fuentes de variacin son fuentes de

desperdicio e ineficiencias y por cada fuente
de variacin identificada y removida se
experimentarn incrementos en calidad y
productividad.
La variabilidad se puede describir en trminos

estadsticos y aqu es dnde encaja el uso de
mtodos estadsticos en el mejoramiento de
la calidad.
(Montgomery, 1997)
Reduccin de la variabilidad en procesos y

productos. Excesiva variabilidad en el
desempeo de un proceso se traduce
frecuentemente en desperdicio.
Y en servi ci os? Reduccin de

desperdicio.
(Besterfield, 1995)
Consiste en el acopio, anlisis e

interpretacin de datos para su uso en
el control de calidad. Dos elementos
importantes del CEC son el Control
Estadstico de Procesos (CEP) y el
Muestreo de Aceptacin.
Grfi cas de Control
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
x

3
+
x

3
Lmite superior de control (LSC)

Lmite inferior de control (LIC)
Lnea central (LC)
Dnde el tiempo representa la muestra o subgrupo
Las grficas de control nos muestran cmo se

compara una caracterstica a travs del tiempo.
Si todos los puntos estn dentro de los lmites y

no siguen un patrn especfico, se dice que el
proceso est bajo control o bajo control
estadstico.
Los lmites de control dependen del

comportamiento de los datos.
Concepto de control estadstico de Shewhart:
Se dice que un fenmeno est controlado cuando,

a travs del uso de la experiencia pasada, se puede
predecir al menos dentro de ciertos lmites como se
espera que varie el fenmeno en el futuro.
Si un proceso no est en estado controlado, la

productividad o el xito econmico no se garantiza.
L mi tes de especi fi caci n:

L mi tes de especi fi caci n:
dependen del diseo o del cliente.
L mi tes de control :
L mi tes de control : los determina el
proceso.
Zona A= media + 3= 99% de los datos
Zona B= media + 2= 95% de los datos
Zona C= media + = 68% de los datos

Ocho pruebas para veri fi car que una grfi ca est bajo
control estad sti co:
Prueba # 1:
Prueba # 1: un dato fuera del lmite de control
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Prueba # 2:
Prueba # 2:
Ocho puntos en forma consecutiva
por arriba o por debajo del
promedio
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Prueba # 3:
Prueba # 3:
Cinco puntos consecutivos en
forma ascendente o descendente
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Prueba # 4:
Prueba # 4:
Catorce puntos alternndose en
forma consecutiva arriba y abajo.
Prueba # 5:
Prueba # 5:
Dos o tres puntos en la zona A o
ms all
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Prueba # 6:
Prueba # 6:
Cuatro de cinco puntos
consecutivos en la zona B o ms
all
Prueba # 7:
Prueba # 7:
Quince puntos consecutivos en la
zona C
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Prueba # 8:
Prueba # 8:
Ocho puntos consecutivos que no caigan en la zona C
C
a
r
a
c
t
e
r
s
t
i
c
a

d
e

c
a
l
i
d
a
d
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Cuando una grfica no est en control

estadstico, se puede deber a:
Causas comunes de variacin: fuentes de variacin

dentro de un proceso que tienen una distribucin
estable y repetible en el tiempo.
Causas especiales de variacin: factores que

causan variacin y que no estn actuando siempre
sobre el proceso.
Prueba de hi ptesi s:
Ho: El proceso est bajo control vs
Ha: El proceso no est bajo control
Error ti po I: Rechazar Ho cuando Ho es

verdadero. Se concluye que el proceso no est
bajo control, cuando realmente si lo est.
P(Error ti po I)=
Error ti po II: Aceptar Ho cuando Ho es

falsa. Se concluye que el proceso est
bajo control, cuando realmente no lo est.
Para fines de clculo de y , suponga

que el proceso no est bajo control si
hay un cambio en la media del mismo.
Frmulas:
x
x
x
Z
n
x

LSC
LIC
La media cambia
El error tipo II se obtiene con la nueva media
Es una medida de de la bondad de una

grfica de control para detectar cambios en
los parmetros de los procesos (, ).
P
(
n
o

d
e
t
e
c
t
a
r

c
a
m
b
i
o
s
)
=
Cambios en la media del proceso

Denota el nmero de muestras que en

promedio se requieren para detectar
una seal fuera de control.
Si el proceso est bajo control:
Entre ms grande sea el ARL es mejor, ya que no se

tienen muchas falsas alarmas.
1
ARL
Si el proceso no est bajo control:
Entre ms pequeo sea el ARL necesito menos

muestras para calcular el error tipo II

1
1
ARL
a) si l os l mi tes de control son ms anchos:
se reduce
se incrementa
a) si l os l mi tes de control son ms
angostos:
se incrementa
se reduce
a) si se toman muestras ms grandes:
se reduce
se reduce
Donde:
K= # de reglas independientes usadas como

criterios para situaciones fuera de control.

i
= P(error tipoI) con la regla
) 1 ( 1
) (
1
i
k
i
I tipo error de total P
Para valores continuos:
Grfica de medias y desviacin estndar.
Grfica de medias y rangos.
Grfica de observaciones individuales y

rangos mviles.
Para valores discretos (atributos):
Grfica de proporcin de artculos defectuosos (p)
Grfica de nmero de artculos defectuosos (np)
Grfica de nmero de defectos o disconformidades

(C)
Grfica de nmero de defectos por unidad (U)

1. Son herramientas efectivas para entender la variacin del
procesoy ayudan a lograr el control estadstico.
2. Si un proceso est en control estadstico su desempeo
es predecible y tanto el fabricante como el cliente pueden
confiar en niveles consistentes de calidad y en costos
estables para lograr la calidad.
3. Un proceso bajo control estadstico se puede mejorar a
travs de la reduccin de variacin y el centrado en un
valor objetivo; esto reduce costos y mejora la
productividad.
4. Las grficas de control proporcionan un lenguaje
comn para comunicar informacin sobre el
desempeo de un proceso entre muy diversas
personas dentro y fuera de la empresa.
5. Las grficas de control indican dnde est o
quien tiene la posible solucin de un problema,
con lo cual se minimiza la confusin, frustracin y
el costo de los esfuerzos mal dirigidos para la
solucin de un problema.
Grfi cas para vari abl es
( ) S x
( ) R x
( ) R x
El procedimiento es el mismo que en

las grficas de medias y desviacin
estndar.
La forma de obtener los lmites de

control y la lnea central es la siguiente:
Grfi ca de rangos:
R LC
R D LSC
4
R D LSC
3
Grfi ca de medi as: antes de calcular

los lmites es necesario que est bajo
control la grfica de rangos.
x LC
R A x LSC
2
+
R A x LSC
2

= se puede obtener a partir de los

datos recopilados, pero generalmente
se obtiene de la informacin
proporcionada por la grfica de un
proceso bajo control.
2
d
R

Esta grfica se debe analizar primero, ya

que el comportamiento de los promedios y
de los rangos de los subgrupos depende de
la variabilidad estimada de las piezas.
Se deben verificar las ocho pruebas
Verificar que no haya tendencias

Si la grfica de rangos est bajo control, la dispersin

del proceso est estable y por lo tanto se puede
analizar la grfica de los promedios; los lmites de
control de esta grfica se basan en la cantidad de
variacin de los rangos. Con la grfica de medias se
determina si el centro del proceso est cambiando con
el tiempo y si ese es el caso, entonces existen causas
especiales de variacin que estn ocasionando esos
problemas.
( ) S x
1. 1.
Defi na cul ser l a caracter sti ca de l a
Defi na cul ser l a caracter sti ca de l a
cal i dad:
cal i dad: Otorgar la mxima prioridad a
aquellas variables o caractersticas medibles y
expresables mediante nmeros y que causen
problemas en produccin o costos.
2. 2.
Escoja el subgrupo raci onal :
Escoja el subgrupo raci onal : Los
elementos que conformen cada subgrupo
debern de haberse producido bsicamente
dentro de las mismas condiciones.
3. 3.
Recol ectar l os datos:
Recol ectar l os datos: Recoger informacin
de 25 subgrupos con ms de 10 datos en cada
subgrupo. Regstrelos en una hoja de datos.
4. 4.
Cal cul ar l os promedi os para cada
Cal cul ar l os promedi os para cada
subgrupo
subgrupo

5. 5.
Cal cul ar
Cal cul ar
:
: dividiendo el total de los
promedios de cada subgrupo por el nmero de
subgrupos.
x
6. 6.
Cal cul ar S
Cal cul ar S
:
: Calcular la desviacin estndar
de cada subgrupo.
7. 7.
Cal cul ar :
Cal cul ar : dividiendo el total de las S
de cada subgrupo por el nmero de
subgrupos.
1
) (
1
2
n
x x
S
n
i
i
S
8. 8.
Cal cul ar l as l neas de control :
Cal cul ar l as l neas de control :
Calcular cada una de las lneas de
control para la grfica y la grfica
S con las siguientes frmulas:
x
Grfi ca S:
L nea central :
L mi te superi or de control :
L mi te i nferi or de control :
Nota i mportante: En estas grficas de control la
desviacin estndar se estima con la expresin
S LC
S B LSC
4
S B LIC
3
4
c
S
Grfica :
Lnea central:
Lmite superior de control:
Lmite inferior de control:

x
x LC
S A x LSC
3
+
S A x LIC
3

9. 9. Di bujar l as l neas de control : Di bujar l as l neas de control : Preparar una hoja de papel
cuadriculado; dividirla en dos partes iguales para las dos
grficas, colocando en la parte inferior la de desviaciones
estndar y en la parte superior la de medias; marcar cada eje
vertical de la izquierda con los valores de las media y de las
desviaciones estndar, segn sea el caso, y el eje horizontal
con los nmeros de los subgrupos. Dibuje una lnea slida
para la lnea central y una lnea punteada para los lmites.
10. 10.
Local i zar l os puntos:
Local i zar l os puntos: Registrar los
valores de la media y de la desviacin
estndar de cada subgrupo, por partes,
segn el nmero del subgrupo.
11. 11.
Regi strar l os datos que puedan ser
Regi strar l os datos que puedan ser
de uti l i dad:
de uti l i dad: Escriba el tamao del
subgrupo (n) en el extremo superior
izquierdo de la grfica de medias.
Primero se debe analizar esta grfica, ya que

si no est bajo control estadstico los lmites
de la grfica de medias no tendrn sentido.
En caso de que no este bajo control

estadstico, se debern encontrar las causas
especiales de variacin y eliminar los puntos
fuera de control y recalcular los lmites.
Despus de haber revisado la grfica S, es

cuando se interpreta la de medias.
Nunca se deben relacionar los puntos en una

grfica de medias con los lmites de
especificacin, ya que los puntos en la grfica
son promedios y las especificaciones
corresponden a valores individuales, presentando
una variabilidad mayor que los subgrupos.
Se deben verificar las ocho pruebas
Verificar que no se presente ningn

patrn.
Datos normales.
Estos lmites se basan en observaciones

individuales.
+ (LSTN) Tolerancia de Superior Lmite
(LITN) Tolerancia de Inferior Lmite

Cp
Cpk
Los ndices de capacidad del proceso intentan en

un solo nmero si un proceso puede cumplir
consistentemente con los requerimientos
impuestos sobre un proceso por clientes internos
o externos.
Estos ndices no tienen unidades, lo cual permite

comparar dos procesos completamente
diferentes.
La limitante principal de estos ndices es

que no tienen significado si los datos
analizados provienen de un proceso
fuera de control y la razn es que la
capacidad del proceso es una
prediccin y solo se puede predecir algo
que es estable.
Para estimar la capacidad de un

proceso, es necesario que se cumplan
dos condiciones:
Proceso bajo control estadstico
Que los datos se distribuyan normalmente

Generalmente se usan dos ndices para

evaluar la capacidad del proceso para
producir dentro de especificaciones:
Cp: ndice de capacidad potencial del proceso. No

toma en cuenta la media observada del proceso.
Cpk: ndice de capacidad o habilidad real del

proceso. Si toma en cuenta la media observada en
el proceso.
Antes de ver como calcular el Cp y el Cpk, es

necesario revisar algunos conceptos.
x
LIE
LSE
3 x LITN
3 + x LSTN
Dnde:
LSTN = lmite superior de tolerancia natural
LITN = lmite inferior de tolerancia natural
LSE = lmite superior de especificacin
LIE = lmite inferior de especificacin

6 se puede considerar como la dispersin

real del proceso.
Puesto que ambos lmites se disponen a

una distancia de la media t 3
respectivamente, entonces la proporcin de
observaciones entre ambos lmites es del
99.73%
La diferencia LSE LIE se puede considerar

que es la dispersin permitida del proceso.
Si no se conoce la , la x doble barra es la

media estimada del proceso, la cual se
obtiene como la lnea central de un grfica
de medias.
La es la desviacin estndar del proceso, la

cual si no se conoce, se estima de la grfica de
control de la variabilidad del proceso.
'
4
2
c
S
d
R
S
( ) S x
( ) R x
Son caractersticos de una parte o

artculo determinado.
Estn basados en consideraciones

funcionales.
Estn relacionados con una medicin de

una sola parte.
Son caractersticos de un proceso determinado.
Estn basados en la media y en la variabilidad de un

proceso.
Dependen de los parmetros de muestreo, como

tamao de muestra y el riesgo alfa.
Se usan para identificar la presencia o ausencia de

causas especiales de variacin en el proceso.
6
LIE LSE
Cp

Antes de hacer algo sobre ese punto,

cerciorese de que el proceso est bajo
control estadstico, si es as, entonces:
1. Cp > 1; el proceso es potencialmente
capaz de producir dentro de los lmites de
especificacin y genera un porcentaje de
defectuosos menor del .27%
2. Cp = 1; el proceso es apenas capaz, la
proporcin de defectuosos es .27%. Los
lmites de especificacin son iguales a los
lmites de tolerancia natural.
3. Cp < 1; el proceso no es potencialmente
capaz, la proporcin de defectuosos es
mayor a 27 en 10, 000.
Ni vel de habi l i dad
Ni vel de habi l i dad
% producto fuera de
% producto fuera de
especi fi caci ones
especi fi caci ones
t 3
2700 ppm
t 4
64 ppm
t 5
6 partes en 10 millones
t 6
Menos de 1 parte en 10
millones
* Considerando un proceso centrado y media fija
Es un ndice o medida del desempeo real del proceso

que toma en cuenta la media del mismo. Un proceso con
su media centrada puede tener un Cp de 2, mientras
que otro proceso con su media cercana al LSE tambin
puede tener un Cp de 2, siempre que su disposicin sea
la misma. Si se compara el desempeo de ambos
proceso con base en el Cpk, los resultados seran muy
diferentes.
'
3

LIE LSE
mnimo Cpk
1. Cpk > 1.33; el proceso es capaz y es
comnmente usado como una meta
para muchas compaas.
2. 1 < Cpk < 1.33; el proceso es
marginalmente capaz.
3. Cpk < 1; el proceso no es capaz
( ) Rm x
Se usa para procesos lentos que

conducen a bajas tasas de produccin o
cuando es muy costoso tomar muestras
grandes o bien, en procesos
automatizados.
Grfi ca de rangos mvi l es: est

grfica no tiene interpretacin, debido a
la forma en que se obtienen los rangos.
R LC
R D LSC
4
R D LIC
3
Grfi ca de observaci ones i ndi vi dual es: para

ser interpretada necesita estar bajo control.
x LC
2
3
d
R
x LSC +
2
3
d
R
x LIC
Grfi cas para atri butos:
p, np
C, U
Algunas caractersticas de calidad

recolectadas como datos de atributos
slo toman dos valores:
Conforme, no conforme
Pasa, no pasa
Presencia, ausencia de algo

Tales disconformidades o defectos se

observan frecuentemente de manera visual
y ocasionan que un producto o una parte de
un producto sea considerado como
defectuoso.
En estos casos, la calidad se evala por

atributos.
Se pueden aplicar tanto en procesos tcnicos

como administrativos.
En muchas ocasiones se dipone de datos que

son de atributos y no se requiere incurrir en
gastos adicionales.
Si no existe informacin disponible, se

recolecta rpidamente y a un bajo costo.
Muchos reportes, resmenes que maneja la

administracin son atributos y se pueden
aprovechar ms si se analizan como grficas de
control.
El uso de las grficas de control de atributos en

medidas de calidad globales claves,
frecuentemente puede indicar a reas especficas
del proceso que pueden requerir un anlisis ms
detallado.
Defecto:
Defecto: falla o no conformidad que ocasiona que
un artculo no satisfaga los requerimientos
especificados.
Art cul o defectuoso:

Art cul o defectuoso: artculo que tiene uno o
ms defectos.
Fracci n defectuosa:
Fracci n defectuosa: es la razn del nmero de
artculos defectuoso en la muestra (d), respecto al
total de los artculos de la muestra (n)
Grfica p
La grfica p, miden la proporcin de piezas

disconformes en un grupo de artculos que
se inspeccionan.
Esto puede aplicar a una muestra de 100

piezas.
Las muestras pueden constantes o

variables.
p LC
n
p p
p LSC
) 1 (
3

+
n
p p
p LIC
) 1 (
3

Para muestras constantes:
Para muestras variables:

i
i
n
d
p LC
n
p p
p LSC
) 1 (
3

+
n
p p
p LIC
) 1 (
3

Para interpretar la grfica p, se hace de la misma

manera que las otras grficas, se debe:
Verificar que los puntos no excedan los lmites de

control.
Los puntos se deben distribuir aleatoriamente dentro

de los lmites de control.
No deben mostrar tendencias
Los puntos debe apareceren orden aleatorio en el

tiempo.
Grfica np
En algunas ocasiones es conveniente hacer

una grfica de control, en la que se grafique
el nmero de defectuosos en la muestra en
lugar de la proporcin de defectuosos. Para
hacer esto se requiere que el tamao de la
muestra sea constante.
En esencia proporciona la misma informacin

que una grfica p.
Para muchas personas este tipo de grficas es

ms fcil de interpretar que la p. La desventaja
que presenta la grfica np es que no es fcil
manejar e interpretar el nmero de dectuosos si
se desconoce el tamao de la muestra.
Tanto la grfica p y np, tienen fundamento en la

distribucin binomial, la interpretacin es la
misma que la grfica p.
p n LC
) 1 ( 3 p p n p n LSC +
) 1 ( 3 p p n p n LIC
Cuando se tienen diferentes tamaos

de muestras se debe usar una grfica
de proporciones adecuada al caso.
Grfica C
Es posible desarrollar grficas de control ya

sea para el nmero total de no conformidades
en una unidad o el nmero promedio de no
conformidades por unidad. Estas grficas de
control usualmente asumen que la ocurrencia
de una no conformidad en una muestra es
bien modelada por una distribucin Poisson.
Para poder realizar esta grfica se

requiere que el tamao de la
muestra sea constante.
k) 1,2,..., (i i muestra la en defectos de # c
i
Si
c
k
c
LC
i

c c LSC 3 +
c c LIC 3
Grfica U
Esta grfica se basa en el nmero promedio de no

conformidades por unidad inspeccionada. Si encontramos
x cantidad de no conformidades en la muestra de n
unidades inspeccionadas, entonces podemos obtener el
nmero promedio de no conformidades por unidad
inspeccionada de la siguiente manera:
n
x
u
Se utiliza para unidades de longitud, rea,

volumen, etc.
n puede ser constante o variable.
Con n variable:
n promedio
Lmites para cada n
Lmites para ciertas n
Lmites estandarizados
la muestra tamao de n
#defectos c
,k , i
dnde:
n
c
u
i
i
i
i
i
2 1
u LC
i
n
u
u LSC 3 +
i
n
u
u LIC 3
Grfi cas CUSUM y EWMA
La grfica CUSUM, se usa para

detectar pequeos cambios en la
media del proceso.
( )
objetivo valor
individual n observaci
u muestra una de media x
donde
x C
o
j
i
j
o j i
.
:
1
Proceso tabular:
Se basa en los clculos de los CUSUM

unilaterales, superior e inferior:
( ) { }
( ) { }
+
+
+ +
1
1
, 0 max
, 0 max
i i o i
i o i i
C x k C
C k x C
El procedimiento se inicia haciendo:

0
+
o o
C C
K es un valor de referencia o de holgura y

frecuentemente se determina como:
2
1 o
k

El proceso est fuera de control si C

+
o
C
-
exceden el valor de H, un valor
razonable para H es .5.
Para esta grfica no se realizan las 8

pruebas, ya que los datos dependen
unos de otros.
Cuando el ajuste que se debe hacer en el

proceso tiene por objetivo hacer que la media
regrese al valor objetivo puede ser til
estimar la media actual del proceso.
'
>
> + +
+
+
+
+
+
H C si
N
C
k
H C si
N
C
k
i
i
i
o
i
i
i
o
,
,
La grfica EWMA, constituye una buena

alternativa a las grficas de control de
Shewart para el caso en que interesa detectar
pequeos cambios en la media del proceso.
Se usa tpicamente para muestras de tamao

1, aun cuando se puede usar con tamaos de
muestra mayores.
La grfi ca EWMA para l a medi a del proceso La grfi ca EWMA para l a medi a del proceso: :
Un promedio mvil exponencialmente ponderado se

define de la siguiente forma:
donde:
0< 1 es una constante
El valor de inicio (que se requiere con la primera muestra

cuando i = 1) es el objetivo del proceso, con lo cual z
0
=
0
En ocasiones z
0
= promedio de los datos preliminares
1
) 1 (

+
i i i
z x z
Los lmites de control para una grfica

EWMA estn dados por las siguientes
expresiones:
[ ]
[ ]
i
i
L LIC
LC
L LSC
2
0
0
2
0
) 1 ( 1
2
) 1 ( 1
2
+
Dnde:
L es la anchura de los lmites de control, el

mltiplo de sigma. Es comn tomar L = 3,
proporciona buenos resultados sobre todo
cuando lambda es grande.
En general, cuanto ms pequeos sean los

cambios que se desea detectar, ms
pequeos sern los valores de lambda.
La grfica se elabora colocando en el eje

horizontal el nmero de la muestra i
(tiempo) y en el eje vertical el valor de la z
que le corresponde.
Muestreo para aceptaci n de
l otes
Objetivos:
1. Comprender y aplicar los conceptos bsicos
del muestreo de aceptacin.
2. Identificar y diferenciar los sistemas de
muestreo de aceptacin para atributos,
particularmente el MIL - STD - 105E.
3. Comprender el funcionamiento de un sistema
de muestreo de aceptacin para variables.
Introducci n:
El muestreo para aceptacin es un campo importante del

control estadstico de la calidad, es otra herramienta
para evaluar la calidad de un producto.
Los fundamentos de muestreo para aceptacin se

desarrollaron en 1925 a 1927 en los Laboratorios Bell;
despus slo se aplica espordicamente y no es sino
hasta la Segunda Guerra Mundial cuando se incorpora en
los estndares militares de calidad. A partir de ese
momento se difunde el uso masivo del muestreo de
aceptacin, el cual se aplica hasta la fecha.
Conceptos general es:
Aspectos i mportantes en el muestreo:
El propsito del muestreo de aceptacin es juzgar lotes,

no estimar su calidad.
Los planes de muestreo para aceptacin no proporcionan

alguna forma directa de control de calidad, slo admite o
descarta lotes.
El uso ms eficiente del muestreo para aceptacin no es

inyectar calidad al producto mediante la inspeccin,
sino ms bien como una herramienta de verificacin para
asegurar que la produccin o salida de un proceso est
conforme a los requisitos.
Enfoques para juzgar un l ote:
Aceptarl o si n i nspecci n: til en casos en

que el proceso del proveedor es tan adecuado
(relacin de capacidad de proceso de 3 4) que
casi nunca genera artculos defectuosos, o en
los que no existe una justificacin econmica
para juzgar artculos defectuosos.
Efectuar una i nspecci n al 100%: esto es

inspeccionar cada artculo en el lote, quitar todas
las unidades defectuosas encontradas (se pueden
devolver al proveedor, retrabajarlas, cambiarlas por
artculos conformes o rechazarlas). Se usa cuando
el componente es muy crtico y dejar pasar un
artculo defectuoso dara como resultado un costo
inaceptablemente alto de una falla en etapas
sucesivas, o cuando la capacidad del proceso del
abastecedor es inadecuada para satisfacer las
especificaciones.
Uti l i zar el muestreo para aceptaci n:

Es muy probablemente til cuando:
1. La prueba es destructiva
2. Es muy alto el costo de una inspeccin al
100%
3. una inspeccin al 1005 no es
tecnolgicamente factible, o cuando se
necesitara tanto tiempo que la planeacin de
la produccin se vera seriamente afectada.
4. Hay que inspeccionar muchos artculos y la tasa de
errores de inspeccin es lo suficientemente alta como
para que una inspeccin al 100% pudiera dejar
pasar un mayor porcentaje de artculos defectuosos
que un plan de muestreo.
5. El proveedor tiene un excelente historial de calidad, y
se desea alguna reduccin en la inspeccin al 100%,
pero la relacin de capacidad de su proceso es lo
suficientemente baja como para que la no inspeccin
no sea una buena alternativa.
6. Existen riesgos potencialmente serios respecto a la
posibilidad legal por el producto, y aunque es
satisfactorio el proceso del abastecedor, se requiere
aplicar un proceso de vigilancia continua.
Ventaj as del muestreo por aceptaci n:
Es menos costoso, pues requiere menor inspeccin.
Menor dao del producto, al haber menor manejo del

mismo.
Menos inspectores y por lo tanto menos capacitacin.
Reduccin de los errores de inspeccin.
Puede aplicarse en el caso de pruebas destructivas.
El rechazo de lotes completos, en lugar de la simple

devolucin de los artculos defectuosos, constituye una
motivacin ms fuerte para que el proveedor mejore la
calidad de sus productos.
Desventajas del muestreo para

aceptaci n:
Existe el riesgo de aceptar lotes malos y

rechazar lotes buenos.
Hay que agregar planeacin y

documentacin.
Generalmente la muestra proporciona

menor informacin acerca del producto
Porqu es vl i do el muestreo?
Una pieza da rpida informacin sobre la calidad de las

piezas de un lote. Pero adems, de la muestra se
pueden obtener conclusiones acerca de lo bien o mal
que se desarroll un proceso en el momento de extraer
una muestra (aplicacin en grficas de control). As,
el proceso puede hablar del producto. El muestreo de
aceptacin tambin es vlido para las piezas no
inspeccionadas obtenidas del mismo proceso que las
inspeccionadas.
Razones para usar muestreo de aceptaci n:
No se puede asumir que el proceso sea estable, ni es

siempre posible que a la larga lo sea.
En operaciones que se realizan bajo trabajo intensivo, las

causas asignables no siempre se pueden conocer.
An cuando se puedan conocer las causas asignables,

existen procesos que no se pueden parar y ajustar de
inmediato.
Es comn una gran variacin entre operadores y el manejo

de las grficas de control para cada operador no es tan
sencillo.
Formaci n de l otes:
El muestreo por aceptacin puede desarrollarse en

una base de lote por lote o en un flujo continuo de
productos, aunque los planes de muestreo ms
comnmente usados se basan en muestreo por
lotes.
Entre los diferentes tipos de lotes que se pueden

formar (de manufactura, de embarque, etc.), los
l otes de i nspecci n son los que se utilizan en
muestreo de aceptacin.
Frecuentemente los lotes de inspeccin se

constituyen por la forma en que el producto se
maneja o se embarca; en otras ocasiones se
puede influir en el tamao y en la forma en que
se constituyen estos lotes, en cuyo caso se deben
aplicar los siguientes dos principios:
Es deseable que haya homogeneidad dentro del lote.
Si los lotes son homogneos, son mejores lotes

grandes que pequeos.
Si se tienen lotes grandes, los tamaos de

muestra tambin sern grandes y se
obtendr una determinacin ms confiable
de la aceptabilidad del lote, siempre que el
lote en cuestin sea homogneo.
Muestreo al eatori o:
Las tablas de muestreo publicadas suponen que las

muestras se obtienen al azar, esto es, que cada
una de las unidades de producto no inspeccionadas
tienen la misma probabilidad de ser la siguiente
seleccionada para la muestra. Para realizar un
muestreo aleatorio, se requiere numerar las piezas
de un lote y seleccionar nmeros aleatorios que
indiquen cules unidades sern seleccionadas.
Sel ecci n de nmeros al eatori os:
Usando una tabla de nmeros aleatorios
A travs de una calculadora que incluye esta

opcin
Un recipiente de bolas o papeles numerados

El mtodo de seleccin influye en los resultados del
muestreo, buscndose obtener una muestra
representativa de un lote.
Sesgo del muestreo:
Tomar una muestra de la misma localizacin

dentro de cajas, estantes, etc.
Echar un vistazo al producto y seleccionar slo

aquellas piezas defectuosas o no defectuosas.
Ignorar las partes del lote difciles de

muestrear.
Cl asi fi caci n de l os pl anes de

muestreo:
1. Pl anes por atri butos: Un lote se acepta o se
rechaza segn el nmero de defectuosos que se
presentan en el mismo.
2. Pl anes por vari abl es: Un lote se acepta o se
rechaza segn el valor de la media (por ejemplo)
de la caracterstica de calidad en la muestra; la
media se compara con un valor admitido que
define el plan.
Errores de i nspecci n:
En la implantacin de un muestreo de
aceptacin se supone que el inspector
sigue el plan de muestreo que debe aplicar
y que la inspeccin se hace sin errores.
Termi nol og a:
Defecto: Alejamiento de una caracterstica de la

calidad del nivel o estado deseado que se presenta
con gravedad suficiente para dar un producto que
no satisface los requisitos de utilizacin normales o
razonablemente previstos.
Di sconformi dad: Alejamiento de una

caracterstica de la calidad del nivel deseado, que
se presenta con gravedad suficiente para dar un
producto o servicio que no cumple con los
requisitos de la especificacin.
Cl asi fi caci n de l os defectos

segn su gravedad:
1. El muestreo sea distinto para cada clase
de defecto (tamaos de muestra).
2. Sea comn el plan de muestreo. pero que
el nmero de defectos permitidos sea
diferente para cada clase, segn su
gravedad.
Ti pos de pl anes de muestreo de

aceptaci n por atri butos:
Planes de muestreo simple
Planes de muestreo doble:

Curva Caracter sti ca de Operaci n (Curva

CO):
Grfica en la que se muestra la probabilidad de que el

plan de muestreo acepte el lote en funcin de la fraccin
defectuosa de un lote, con base en la cual se observa
cmo reaccionar el plan a cualquier nivel de
disconformes en el lote.
Con la curva CO para un plan de muestreo (determinado

por el valor de n y de c) se puede evaluar si este
proporciona un buen grado de control sobre la calidad
del lote; de no ser as entonces se busca otro plan que
corresponda con las necesidades del usuario.
Probabi l i dad de aceptar un l ote:
Para calcular la probabilidad de aceptar un lote (Pa),

primero se debe definir qu tipo de plan de muestreo
se aplicar. As tenemos planes de muestreo ti po A
(planes que seleccionan piezas de lotes simples de
tamao N y que se basan en el modelo
Hipergeomtrico) y planes ti po B (planes para
seleccionar piezas de una serie de lotes, se extraen
muestras aleatorias de tamao n de una poblacin
infinita, y que estn fundamentados en el modelo
probabilstico Binomial).
Ri esgos y parmetros de muestreo:
Ri esgo del vendedor o del productor se

conoce como riesgo alfa y es la probabilidad de que
un buen lote (de lata calidad) sea rechazado por
el plan de muestreo. Se fija en 0.01, 0.05 0.10.
Ri esgo del comprador (empresa o quin usar

un producto). Tambin llamado riesgo beta. Es la
probabilidad de que un lote malo o de baja
calidad sea aceptado por el plan de muestreo.
Pl anes, esquemas y si stemas de muestreo:
Pl an de muestreo: Plan especfico que establece el

tamao o tamaos de muestra a utilizar y el
correspondiente criterio de aceptacin o no aceptacin.
Esquema de muestreo: Conjunto especfico de

procedimientos que, habitualmente, consisten en
planes de muestreo para aceptacin en los que se
establecen los tamaos de los lotes, los tamaos de las
muestras y los criterios de aceptacin, o el alcance de
la inspeccin y muestreo al 100%.
Si stema de muestreo:
Con el uso de un sistema de muestreo se evita el

trabajo de calcular la curva CO para diferentes
valores de n y c y seleccionar el que cumpla con los
riesgos del comprador y del vendedor
preestablecidos.
Los sistemas de muestreo incluyen las curvas CO,

con base en las cuales se selecciona el plan de
muestreo que proporcione el nivel de proteccin
que el usuario desea.
Medi das de desempeo:
Nivel de Calidad Aceptable (NCA o AQL).
El porcentaje de Defectuosos Tolerados en el

Lote (PDTL o LTPD).
El lmite de Calidad Media de Salida (LCMS o

AOQL), y
La inspeccin Total Promedio (ITP o ATI).

El Ni vel de Cal i dad Aceptabl e:
El AQL es el nivel de calidad o porcentaje de

defectuosos que, para los fines de inspeccin, es el
lmite de una medida satisfactoria del proceso. El
promedio del proceso es el porcentaje promedio de
defectuosos o nmero promedio de defectuosos
por 100 unidades de producto enviado por el
proveedor para la inspeccin original.
La inspeccin original es la primera inspeccin de

una cantidad particular de un producto. El AQL es
un valor designado del porcentaje de defectuosos,
para el cual los lotes sern aceptados la mayor
parte de las veces por el procedimiento de
muestreo utilizado. El AQL especifica un valor del
nivel de calidad del productor.
Porcentaj e de uni dades defectuosas

tol eradas en el l ote (PDTL):
El LTPD es un valor numrico especfico para

el nivel de calidad del consumidor;
generalmente se refiere a un punto en la
curva CO en el cual el Pa es 0.10 y la mayora
de los sistemas basados en el PDTL se basan
en ese valor de Pa.
El L mi te de Cal i dad Medi a de

Sal i da (LCMS o AOQL):
Se aplica slo al muestreo en el que a los

lotes rechazados se les hace una
inspeccin al 100% para sustituir los
artculos defectuosos encontrados por
piezas buenas, que es lo que se denomina
i nspecci n recti fi cadora.
La i nspecci n Total Promedi o

(ITP o ATI):
Se puede graficar la ITP esperada para

cualquier nivel de calidad de un lote (p)
contra el valor de p y usar esta grfica
para determinar los costos asociados a la
inspeccin rectificadora.
El si stema de muestreo MIL - STD -

105E:
El manejo de normas publicadas como sta (entre las

ms comunes tambin est la ANSI/ASQC Z1.4),
presenta la ventaja de que facilita la negociacin
entre vendedor y comprador. Es el ms conocido de
los planes de muestreo que utilizan como ndice de
calidad el NCA; proporciona una gran seguridad en la
aceptacin de los lotes cuando la proporcin de
defectuosos es menor o igual al NCA.
Ti pos de i nspecci n:
La MIL . STD - 105E incluye planes para

muestreo de aceptacin simple, doble y
mltiple basados en el AQL.
Los AQL contenidos en los planes varan

de 0.01% hasta 10% (para el conteo de
disconformes) y de arriba del 10% hasta
1000% (para el conteo de disconformes en
100 unidades).
Dado un AQL el sistema proporciona varios

planes de muestreo con el fin de motivar al
proveedor en funcin de la calidad del
producto que enva; as, es posible aplicar
tres tipos de inspeccin para cada uno de
los tres tipos de muestreo sealados lneas
arriba: normal, estricta y reducida.
La i nspecci n normal se utiliza al inicio del proceso de

inspeccin y contina aplicndose durante el tiempo que el
vendedor est produciendo aparentemente piezas con el NCA
o mejores.
La i nspecci n estri cta se aplica cuando hay evidencia de

que la calidad del producto se ha deteriorado, lo cual forzar al
productor a enviar productos que sean tan buenos o mejores
que el NCA.
Si la historia reciente de la calidad de un producto ha sido

excepcionalmente buena, se puede adoptar l a i nspecci n
reduci da, con lo cual se obtiene una reduccin de costos de
inspeccin al revisarse una muestra ms pequea.
Regl as para el cambi o de ti pos de

i nspecci n:
De normal a estricta. Si se realiza una inspeccin

normal, se establece la inspeccin estricta cuando
dos de cinco lotes consecutivos se han rechazado
en la inspeccin original.
De estricta a normal. Cuando se ha estado

aplicando una inspeccin estricta, la inspeccin
normal se establece si se han presentado cinco
lotes aceptables consecutivos en la inspeccin
original.
De normal a reducida. Se puede pasar

de la aplicacin de una inspeccin normal
a una reducida si se satisfacen l as
si gui entes cuatro condi ci ones:
1. A los diez lotes anteriores se les ha aplicado
inspeccin normal y ninguno ha sido
rechazado en la inspeccin original.
2. El nmero total de defectuosos en las
muestras de los diez lotes anteriores es
menor o igual al nmero lmite.
3. Si la autoridad responsable lo aprueba.
4. Si la produccin est en fase estable.
De reducida a normal. Se puede pasar

de la inspeccin reducida a la normal si
ocurre al guna de las siguientes
situaciones en la inspeccin original:
1. Se rechaza un lote.
2. Se acepta un lote al que se aplic inspeccin
reducida, pero el nmero de defectuosos
encontrado es mayor que el nmero de
aceptacin y menor que el nmero de
rechazo.
3. La produccin ha venido a menos o ha
sido irregular.
4. Otras condiciones que propicien el
establecimiento de la inspeccin
normal.
Los ni vel es de i nspecci n:
En la MIL - STD - 105E, el tamao de

muestra se determina con base en el
tamao del lote, el tipo de inspeccin y el
nivel de inspeccin; existen tres niveles de
inspeccin generales para cada uno de los
tipos ya mencionados anteriormente: el I,
el II y el III.
Al nivel II le corresponde una inspeccin

normal y es el que generalmente se usa. El
nivel I se usa cuando se permite una menor
discriminacin en el proceso de muestreo y
requiere cerca de la mitad de la cantidad a
inspeccionar del nivel II.
El nivel III se adopta cuando se requiere

una mayor discriminacin y usualmente
requiere dos veces la cantidad a
inspeccionar del nivel II.
El nivel de inspeccin se establece en un

contrato o por la autoridad responsable.
Los niveles especiales S-1, S-2, S-3 y S-4 se

usan cuando se requiere tamaos de muestra
pequeos (se involucran pruebas destructivas o
muy caras) y pueden o deben tolerarse grandes
riesgos en el muestreo (menor poder
discriminatorio).
Operaci n del si stema de

muestreo MIL - STD - 105E:
1. Seleccionar los planes apropiados de las
tablas publicadas en el estndar.
2. Usar las reglas de cambio del nivel de
inspeccin, cuando la calidad del lote
cambia.
Procedi mi ento para el uso estndar:

1. Determinar el NCA aceptable (basado en un
acuerdo entre el productor y el cliente)
2. Decidir el nivel de inspeccin a usar.
3. Determinar el tamao del lote.
4. Usar la tabla de Letras de Cdigo del Tamao
de Muestra para seleccionar la letra cdigo
apropiada (anexo).
5. Decidir el tipo de procedimiento de muestreo:
simple, doble o mltiple.
6. Usar la tabla correspondiente al procedimiento de
muestreo seleccionado y al nivel de inspeccin
para encontrar el tamao de muestra y los
nmeros de rechazo y aceptacin para el plan.
7. Empiece usando el plan seleccionado y lleve un
registro de las aceptaciones y rechazos para que
pueda aplicar las reglas de cambio.
Confi abi l i dad
Se basa en la distribucin normal,

exponencial y weibull.
T
a
s
a

d
e

f
a
l
l
a
tiempo
Etapa de madurez
La confiabilidad se define como la probabi l i dad

de que un producto desempee la funcin para
la cual fue elaborado , baj o condi ci ones
dadas y durante un peri odo de ti empo
determi nado.
La confiabilidad es un aspecto de la calidad que

especficamente considera el comportamiento de
la calidad a lo largo del tiempo.
Si stema en seri e:
Si stema en seri e: todos los
componentes estn relacionados de
manera que el sistema deja de
funcionar si alguno de sus componentes
falla.
i
n
i
o
R R
1

Si stema en paral el o:
Si stema en paral el o: todos sus
componentes estn relacionados de
manera que el sistema deja de
funcionar si todos sus componentes
fallan.
( )
i
n
i
o
R R
1 1
1
Ejemplo:
A
B
R
A
= .90
R
B
= .95
( ) ( ) ( ) ( ) ( ) ( )
995 .
95 . 90 . 95 . 90 .
+ B A P B A P
Entonces la confiabilidad del sistema es:
1. Los artculos de mala
calidad son eliminados.
2. Periodo de vida til.
3. Etapa de reemplazo.
T
a
s
a

d
e

f
a
l
l
a
tiempo
2.- Etapa de
madurez
1.- periodo
inicial
3.- envejecimiento
t=
t= variable aleatoria que representa el
tiempo de vida del producto, tiempo entre
fallas de un producto.
f(t)=
f(t)= funcin de probabilidad o funcin de
densidad.
0
1 ) (
0 ) (
dt t f
t f
F(t)=
F(t)= funcin de probabilidad o densidad
acumulada (probabilidad de que un producto
falle hasta antes del tiempo t)
( )

<
t
dt t f t T P t F ) ( ) (
Confi abi l i dad (R(t))=

Confi abi l i dad (R(t))= confiabilidad de que
un producto no falle antes del tiempo t.
>
t
dt t f t T P t f t R ) ( ) ( ) ( 1 ) (
f(t) tiene una varianza y una media.
Medi a:
Medi a: puede ser el tiempo media
hasta que el producto falla (MTTF) es
decir, que no se puede reparar.
Ti empo medi o entre fal l as

Ti empo medi o entre fal l as
(MTBF):
(MTBF): se aplica para productos que
se puedan reparar, es el tiempo medio
entre fallas.

dt t f t MTBF o MTTF t E )) ( ( ) (
Tasa de fal l as:

Tasa de fal l as:
) ( 1
) ( ) (
z F
t f t Z

Exponenci al :
Exponenci al :
Cuando la tasa de fallas es constante, la

funcin de probabilidad que describe la
vida de un producto es exponencial.
0 ;
1
) ( >

t e e t f
t
t
=
= nmero de fallas por ud. de tiempo.
=
= tiempo medio por fallas (MTBF) o
tiempo medio para fallas.

) (
1 1
t z fallas de tasa
Esta distribucin es til para representar la

tasa de fallas en la etapa de madurez en la
grfica similar a la tina de bao.
f(t)
tiempo
1
R(t)
tiempo
) ( ) ( 1 ) ( t T P t F t R >
Tasa de fallas
Z(t)
tiempo
[ ]
[ ] dad confiabili e e dt e t T P t R
falla prob e e t T P t F
e dt e dt t f t T P
t
t t t
t t
t
t t
t t

>

1
]
1

1 1 ) ( ) (
. 1 1 1 ) ( ) (
1
) ( ) (
0
0 0
Normal :
Normal :
Esta distribucin puede representar situaciones en

las cuales no se presentan fallas durante un
periodo de tiempo, y repentinamente muchas o
todas las pzas. comienzan a fallar, alrededor de
cierto tiempo que coincide con la media .
Como la tasa de fallas tiene un

comportamiento creciente, la distribucin
puede modelar algunas situaciones en el
periodo de envejecimiento.
f(t)
tiempo
f(t)
tiempo
0 , 0 , 0 ;
2
) (
2
) (
5 .
> > >
t
e
t f
t
Z(t)
tiempo
Tasa de fallas

t
z z f t R ; ) ( 1 ) (
Weibull:
Esta distribucin es la ms utilizada en

estudios de confiabilidad, ya que puede
modelar casi cualquier situacin ya sea en
periodos con tasa creciente, constante o
decreciente.
La tasa de falla es:

o
m
t t m
o
t t e
t t m
t f
o
1
]
1
1
]
1

, ) (
) ( 1

1
) (

1
]
1
m
o
t t m
t Z

Confiabilidad:
m
t t
o
e t R
1
]
1

) (
) (
La media es:
) 1 ( ) (
) (
1
1

,
_
+ +
v v v
v de gamma funcin v
m
t MTBF MTTF
o

Los parmetros de la distribucin son:
m:
m: representa la forma de la distribucin
:
: representa la magnitud de la media
t
t
o o
:
: es un parmetro de posicin
La combinacin apropiada de valores de los tres, es

lo que facilita su uso en diversas condiciones.
f(t)
2
m =.5
m =1
m =2
m =4
m =.5
m =1
m =2
m =4
R(t)
2
m =.5
m =1
m =2
m =4
Z(t)
2
Para m<0 la tasa de falla es decreciente y para

m>0 creciente.
Con m=1 la tasa de falla es constante y la

distribucin weibull es identica a la exponencial.
El efecto del parmetro t

o
es desplazar la funcin
hacia la derecha, ya que se supone que no
ocurren fallas para un periodo t<t
o
Confi abi l i dad del si stema en

Confi abi l i dad del si stema en
seri e:
seri e:
,
_

n
i
i
n
i
i s
t
t
MTBF
e e t R
n
i
i
1
1
1
) (
1
Confi abi l i dad del si stema en paral el o:

Confi abi l i dad del si stema en paral el o:
( )
( )
,
_
+ + + +

n
MTBF
e t R
entonces igual es toda si
e t R
n
t
p
i i
t
n
i
p
i
1
3
1
2
1
1
1
1 1 ) (
:
1 1 ) (
1
En base a fallas observadas se selecciona de un

lote una muestra aleatoria de n pzas y es
sometida a pruebas bajo condiciones ambientales
determinadas, observndose los tiempos de falla
de los componentes individuales, los tiempos de
falla observados son:
r
t t t t
3 2 1
Si el tamao de la muestra es n, la vida

acumulada por las uds probadas hasta la falla
r, sera T
r
. Si en la prueba se reemplazan los
elementos que fallan, entonces:
r r
nt T
Si las piezas que fallan no se reemplazan,

entonces:
( )
r
r
i
i r
t r n t T

+
1
Para ambos casos, el estimador de vida

normal ser:
r
T
r

Un intervalo de confianza para vida media, se

puede encontrar ya que el estadstico 2T
r
/
tiene una distribucin ji cuadrada con 2r
grados de libertad.
2
2 ,
2
1
2
2 ,
2
2 2
r
r
r
r
T T

< <
En base al tiempo transcurrido, otro

porcedimiento de prueba de vida
consiste en suspender la prueba
despus de transcurrido cierto tiempo
fijo T y considerar el nmero de fallas
observadas k como una variable
aleatoria.
En el caso de que la prueba se realice

con reemplazo, entonces:
nT T
k

Si las pruebas se realizan sin

reemplazo, entonces:
+
k
i
i k
T k n t T
1
) (
El estimador y el intervalo de confianza

para la vida media ser:
2
) 1 ( 2 ,
2
1
2
) 1 ( 2 ,
2
2 2
+ +
< <
k
k
k
k
k
T T
k
T

Confi abi l i dad en componentes:

Confi abi l i dad en componentes:
,
_

,
_

t e
t
t f , ) (
1 1
En relacin a la expresin vista

anteriormente:
( ) ( )

1
) (
) (
) ( ) (
1
1
) ( 1 ) (
,
_
+

t
t t
o
t R
t f
t r t Z
MTBF
e t R e t F
t m
Resultados conocidos:
0 ; ) (
0
1

x dx e x k
x k
( )
( ) ( )
( ) entero n para n n
k k k k
; )! 1 (
1 ; 1 ) 1 (
2
1
1 ) 1 (

>

Si =1 y =3.5, la tasa de falla

aumenta y la distribucin weibull es til
para modelar la vida de productos en la
etapa de envejecimiento. Tambin en
este caso la distribucin weibull se
aproxima a la distribucin normal.
Si =1 y =.5, la tasa de fallas decrece

y la distribucin es til para modelar el
tiempo de vida de los componentes en
la etapa inicial o depuracin.
Si =0 y =1, entonces la distribucin

weibull se convierte en la exponencial.

;
1
) (
t
e t f

Controlestadisticodelacalidad 090304210357 Phpapp02

Cargado por

Información del documento

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

Controlestadisticodelacalidad 090304210357 Phpapp02

Cargado por

Copyright:

Formatos disponibles

Carlos Viesca Gonzlez 1

Carlos Viesca Gonzlez

Grado en el que un conjunto de

Cal i dad si gni fi ca adecuaci n para

Cal i dad de conformanci a. Qu tan

Adecuacin para el uso o para la funcin.

El grado al cual un producto especfico

Proveer productos y servicios que cumplan

El grado al cual un producto es conforme

Las caractersticas o atributos que

Conformancia con los requerimientos de

Las definiciones anteriores no han sido

La prdida impartida a la sociedad

No existen dos productos exactamente

La falla de un producto para alcanzar

Las fuentes de variacin son fuentes de

La variabilidad se puede describir en trminos

Reduccin de la variabilidad en procesos y

Y en servi ci os? Reduccin de

Consiste en el acopio, anlisis e

Lmite superior de control (LSC)

Las grficas de control nos muestran cmo se

Si todos los puntos estn dentro de los lmites y

Los lmites de control dependen del

Concepto de control estadstico de Shewhart:

Se dice que un fenmeno est controlado cuando,

Si un proceso no est en estado controlado, la

L mi tes de especi fi caci n:

Zona A= media + 3= 99% de los datos

Zona B= media + 2= 95% de los datos

Zona C= media + = 68% de los datos

Cuando una grfica no est en control

Causas comunes de variacin: fuentes de variacin

Causas especiales de variacin: factores que

Error ti po I: Rechazar Ho cuando Ho es

Error ti po II: Aceptar Ho cuando Ho es

Para fines de clculo de y , suponga

Es una medida de de la bondad de una

Cambios en la media del proceso

Denota el nmero de muestras que en

Si el proceso est bajo control:

Entre ms grande sea el ARL es mejor, ya que no se

Si el proceso no est bajo control:

Entre ms pequeo sea el ARL necesito menos

K= # de reglas independientes usadas como

Carlos Viesca Gonzlez 41

Para valores continuos:

Grfica de medias y desviacin estndar.

Grfica de medias y rangos.

Grfica de observaciones individuales y

Para valores discretos (atributos):

Grfica de proporcin de artculos defectuosos (p)

Grfica de nmero de artculos defectuosos (np)

Grfica de nmero de defectos o disconformidades

Grfica de nmero de defectos por unidad (U)

El procedimiento es el mismo que en

La forma de obtener los lmites de

Carlos Viesca Gonzlez 49

Grfi ca de medi as: antes de calcular

= se puede obtener a partir de los

Esta grfica se debe analizar primero, ya

Se deben verificar las ocho pruebas

Verificar que no haya tendencias