Estadstica Aplicada y Computacional

EA-100
Captulo 8
Mtodos de Control de la Calidad
Alberto Coronado Matutti
Facultad de Ingeniera Mecnica
Universidad Nacional de Ingeniera
1. Introduccin
2
3
1. Introduccin
Mtodos efectivos de control de calidad han
crecido en importancia conforme las
industrias compiten en disear y producir
productos confiables ms eficientemente.
Los orgenes del control de calidad se
remontan a los 1920s cuando los diagramas
de control fueron implementados.
El inters en el rea creci desde un inicio y
recibi gran atencin en Japn gracias al
trabajo pionero de W.E. Deming.
4
1. Introduccin
Posteriormente, las ideas originales del
control de calidad junto con principios de
gestin vinieron a formar el rea gestin
de la calidad total (TQM).
Varios aspectos del control de calidad estn
estrechamente relacionados a conceptos de
probabilidades y estadstica.
Entre ellos el uso adecuado de tcnicas de
diseo de experimentos.
2. Control estadstico de procesos
5
6
2. Introduccin
Considere una fbrica de piezas mecnicas
cuyos productos son manufacturados
usando un proceso que involucra el uso de:
materia prima, una serie de procedimientos
y varios operarios.
El control estadstico de procesos trata
de la evaluacin continua de las diversas
fases de la produccin para determinar la
calidad de los productos.
7
2. Diagramas de control
En un diagrama de control se grafican
ciertas mediciones de productos, en
determinada fase de la fabricacin, en
funcin del tiempo.
Esta simple herramienta grfica permite
detectar eventos inusuales en el proceso.
Un aspecto esencial es que las mediciones
son tomadas sucesivamente en el tiempo,
sobre productos seleccionados
aleatoriamente.
8
2. Diagramas de control
Usando esta metodologa de evaluacin
continua, los problemas pueden ser
resueltos conforme ocurren.
Ello es preferible a examinar los productos
solo cuando el proceso termina, pues es
demasiado tarde para realizar cambios.
As se evita una gran cantidad de productos
que seran desechados o cuya calidad no es
la adecuada.
9
2. Diagramas de control: ej. 1
Considere la manufactura de la cabeza de
un pistn que debe tener un radio de 30.00
mm.
Un diagrama de control puede ser usado
para monitorear el valor real del radio y
alertar al supervisor si hay cambios.
Suponga que cada hora una muestra
aleatoria de n pistones es tomada para
medir el radio de sus cabezas.
10
2. Diagramas de control: ej. 1
Se presenta las medias de los radios de las
muestras en funcin del tiempo:
En todo proceso de manufactura existir
cierto nivel de variabilidad, como el que se
observa en la figura, el cual parece estar
bajo control.
11
2. Diagramas de control: ej. 1
En general, un proceso estar bajo control si
no exhibe cambios inusuales, es decir si se
comporta uniformemente en el tiempo
Ello no significa que el proceso sea perfecto,
ni tampoco bueno.
Por otro lado, una reduccin en la
variabilidad de las medidas de los radios
significara una mejora.
12
2. Diagramas de control: ej. 1
En la figura se observa un aumento
repentino en la variabilidad de los radios de
los pistones:
Gracias al monitoreo continuo es posible
investigar inmediatamente las causas y
tomar medidas correctivas.
13
2. Diagramas de control
Las acciones tomadas sobre el proceso para
mejorar su calidad son orientadas al futuro.
Se modifica el proceso tal que los productos
futuros tendrn ms chance de cumplir las
especificaciones.
Las acciones tomadas solo al final del
proceso son orientadas al pasado.
Ellas dan evidencia de la calidad de los
productos ya fabricados, pero no ayudan a
mejorar la calidad de los productos futuros.
14
2. Diagramas de control
Todas las fases de un proceso estn sujetas
a variacin y las causas son diversas:
Variacin surgida por causas comunes:
Causas comunes son factores rutinarios que
afectan el proceso y producen variacin, an
cuando este se encuentre bajo control.
Variacin surgida por causas especiales:
Causas especiales, o asignables, no son parte
del proceso regular y pueden no afectar todo el
proceso, pero pueden producir variaciones
inusualmente altas cuando se presentan.
15
2. Diagramas de control
Las causas especiales son de gran inters en
este captulo, ya que las tcnicas
estadsticas son buenas para detectarlas.
Las causas comunes pueden ser estudiadas
con las mismas tcnicas, pero cambios en
los procesos para reducir sus variaciones no
son obvios o simples.
16
2. Diagramas de control
Distribuciones estables, o sistemas bajo
control, son el objetivo.
Tcnicas estadsticas pueden ayudarnos a
conseguir tal meta eliminando variaciones
debidas a causas especiales.
17
2. Diagramas de control
Existen diversos tipos de diagramas de
control.
El tipo de diagrama de control a ser usado
depende de la distribucin de probabilidad
de las medidas de calidad.
Muestreo de medidas de calidad que poseen
distribuciones de probabilidad continua se
denomina muestreo por variables:
- Diagrama (medias)
- Diagramas y R (medias y rangos)
- Diagramas y S (medias y desviaciones)
18
2. Diagramas de control
La observacin del nmero de productos no
conformes de una muestra o el conteo de
defectos por producto inspeccionado se
refiere como muestreo por atributos:
- Diagrama p (proporcin de unidades)
- Diagrama c (nmero de defectos)
- Diagrama u (defectos por unidad)
3. Muestreo por variables
19
20
3.1 Diagrama : y conocidos
Suponga que n observaciones son tomadas
en cada intervalo de tiempo.
Sea la i-sima observacin en
el tiempo especificado y la media de las n
observaciones en el tiempo j.
Si para un proceso
bajo control, entonces debera ser
aproximadamente normal con:
21
3.1 Diagrama : y conocidos
Ya que tiene distribucin
aproximadamente normal, el intervalo
vbvbvb tiene probabilidad 0.9973 de
incluir , es decir, la mayora de valores.
Si y fuesen conocidos, podramos usar
bnb como un lmite de control
inferior (lower control limit, LCL) y
dhdhdh como un lmite de control
superior (upper control limit, UCL).
22
3.1 Diagrama : y conocidos
Si un valor de cae fuera de esos lmites,
sospecharemos que el proceso podra estar
fuera de control.
En esa situacin la media se habra
desplazado a otro valor, ya que tal evento
tiene poca probabilidad de ocurrir (0.0027).
center line
23
3.1 Diagrama : y conocidos
El diagrama presentado es usado cuando
la media y la varianza de la poblacin son
conocidas.
En la mayora de situaciones, ambas sern
desconocidas y debern ser estimadas.
La media de la poblacin es estimada
usando la media de la muestra.
Por otro lado, para la varianza de la
poblacin tenemos una serie de estimadores
posibles, resultando en diversos diagramas.
24
3.1 Diagrama : y conocidos
Diagramas y S: La varianza de la muestra
S
2
es un estimador imparcial de .
Evidentemente, conforme cambia de
muestra a muestra, S
2
lo har tambin. Por
ello graficaremos y S simultneamente.
Diagramas y R: An cuando S
2
sea
imparcial requiere de cierto clculo. Un
estimador ms simple sera el rango de los
datos. An cuando el rango no sea un
estimador imparcial, da una aproximacin
razonable a .
25
3.2 Diagramas y R:
y desconocidos
Al iniciar un diagrama de control para un
proceso nuevo, y no sern conocidos y
debern ser estimados de los datos.
Para establecer los lmites de control, se
recomienda tomar al menos puntos
en el tiempo, antes de definirlos.
Para cada muestra aleatoria k, se calcula la
media y el rango , luego calculamos:
26
3.2 Diagramas y R:
y desconocidos
Donde es una buena medida del centro
del proceso, ya que .
Sin embargo, no es una buena
aproximacin de .
Se puede mostrar que , donde d
2
se obtiene de tablas.
Aproximamos los lmites de control
usando donde A
2
se obtiene de
tablas:
27
3.2 Diagramas y R:
y desconocidos
Los rangos de las muestras sirven para
verificar la variacin, as como para estimar
Se muestra que , por tanto, el
intervalo 3-sigma en torno a la media de
ser:
Como en el caso de , si no es conocida,
debe ser estimada de los datos.
El mejor estimador de basado en es
y el estimador de se convierte
en:
28
3.2 Diagramas y R:
y desconocidos
Si definimos y ,
los lmites de control tomarn la forma:
Por tanto, los diagramas y R donde y
son desconocidos sern:
29
3.2 Diagramas y R:
y desconocidos: ej. 1
Se inicia un diagra-
ma de control para
una mquina que
llena cajas de cereal
por peso.
Se toman 5 observa-
ciones cada 20 horas.
Halle el diagrama de
control para la media
y la variacin, basa-
do en los datos mos-
trados.
30
3.2 Diagramas y R:
y desconocidos: ej. 1
De los datos:
Para , de tablas obtenemos:
As los lmites del diagrama sern:
Los lmites del diagrama R sern:
31
3.2 Diagramas y R:
y desconocidos: ej. 1
Se observa que la
media de la muestra
20 cae fuera de los
lmites de control.
Ello indica que la
mquina est llenan-
do las cajas de ma-
nera insuficiente.
El operario debe
buscar la causa es-
pecial: cambio en los
settings, problemas
de bloqueo, etc.
32
3.2 Diagramas y R:
y desconocidos: ej. 1
Si una muestra tiene media o rango fuera de
los lmites de control y una causa especial es
encontrada, se calculan nuevos lmites de
control usando una data reducida.
Esta data no contiene la muestra no
conforme.
Basndonos en las primeras 19 muestras,
los lmites de control sern:
En este caso, todas las medias caen dentro
de los lmites.
33
3.3 Diagramas y S:
y desconocidos
La desviacin estndar de la muestra es
un estimador ms eficiente de que un
mltiplo de R.
Sin embargo, la desviacin estndar es ms
difcil de calcular.
La media de desviaciones estndar:
puede ser ajustada por una constante ,
para aproximar , ya que:
34
3.3 Diagramas y S:
y desconocidos
Los lmites de control pueden
ser aproximados por:
Por otro lado, los lmites de control de la
variabilidad del proceso estarn dados por:
Donde:
35
3.3 Diagramas y S:
y desconocidos
Debido a que puede ser estimado por ,
los lmites de control sern:
Estos lmites usualmente sern expresados
como .
Los diagramas y S sern:
36
3.3 Diagramas y S:
y desconocidos: ej. 2
Considerando los datos del ej. 1, halle los
diagramas y S correspondientes.
Como antes , por tanto
ser:
Este resultado es similar al obtenido usando
los rangos, siendo que la muestra 20 an
sigue fuera de control.
Para la variacin obtendremos
37
3.3 Diagramas y S:
y desconocidos: ej. 2
38
3.4 Consideraciones adicionales
Puntos fuera de los lmites son el indicador
ms obvio de problemas potenciales.
Sin embargo existen otras caractersticas
ms sutiles que nos sirven de aviso.
En general, 2/3 de los puntos deberan estar
cerca al medio y 1/3 entre los lmites.
Si hay muchos puntos cerca al medio, puede
que los lmites estn mal calculados, o los
datos no representan bien el proceso.
39
3.4 Consideraciones adicionales
Si pocos puntos estn cerca al medio, quiz
el proceso est yendo fuera de control, an
cuando la media de una muestra no haya
cruzado los lmites.
Similarmente, si varios puntos sucesivos
caen por encima, o por debajo, de la lnea
central, podra estar generndose algn
problema.
De manera ideal, los puntos debern
moverse por encima y debajo del medio
continuamente.
4. Muestreo por atributos
40
41
4.1 Diagrama p
Los procedimientos de control anteriores
corresponden a distribuciones de
probabilidad continuas (muestreo por
variables).
Pero, en muchas situaciones, deseamos
evaluar si un producto cumple o no las
especificaciones, solamente (muestreo por
atributos).
42
4.1 Diagrama p
Suponga una serie de k muestras
independientes, cada una de tamao n.
Sea p la proporcin de productos no
conformes (defectuosos) de la poblacin.
Si es el nmero de defectos en la
muestra i, entonces tiene una distribucin
binomial, donde y
En esta situacin usualmente trabajaremos
con la fraccin de defectos en la muestra
rer , en vez del nmero de defectos.
43
4.1 Diagrama p
La mayora de fracciones muestrales caern
dentro del rango de 3-sigma, en el intervalo:
dado que
Dado que p es desconocido, estimamos los
lmites de control usando los datos de las k
muestras calculando:
44
4.1 Diagrama p
Dado que , los lmites de control
aproximados sern:
El diagrama p ser:
45
4.1 Diagrama p: ej. 3
Un proceso de
manufactura es
muestreado ca-
da 4 horas.
En cada instante
se muestrean 50
tems y se obser-
van defectos.
Halle el diagrama
de control corres-
pondiente.
46
4.1 Diagrama p: ej. 3
De los datos calculamos:
Dado que LCL
no puede ser
negativo lo con-
sideramos cero.
47
4.2 Diagrama c
En muchos procesos los tems
inspeccionados pueden tener ms de un
defecto.
En ese caso podramos contar los defectos
en vez de meramente clasificarlos como
defectuosos o no defectuosos.
Si C
i
denota el nmero de defectos en el i-
simo producto inspeccionado.
Un buen modelo es asumir que C
i
tiene una
distribucin de Poisson.
48
4.2 Diagrama c
Si el proceso est bajo control, la mayora
de los C
i
caern dentro de 3-sigma.
Debido a que , los
lmites de control sern:
Si k tems son inspeccionados, entonces
es estimado por:
49
4.2 Diagrama c
Los lmites de control sern:
El diagrama c ser dado por:
50
4.2 Diagrama c: ej. 4
Se muestrean 20
bombas repara-
das del almacn
de una planta in-
dustrial.
Halle el diagra-
ma de control
correspondiente.
51
4.2 Diagrama c: ej. 4
Asumiendo que C
i
, el nmero de defectos
observados en la bomba i, tiene distribucin de
Poisson, estimamos el nmero medio de
defectos por bomba y usamos
como los lmites de control.
Usando los datos, obtenemos:
Los lmites son:
52
4.3 Diagrama u
El diagrama c funciona bien cuando las
cuentas se hacen sobre productos de igual
tamao, por ej., nmero de defectos de
pintura por automvil.
Si el tamao de los productos muestreados
cambia, debemos ajustar los lmites de
control.
Por ej., el nmero de accidentes por planta
o el nmero de soldaduras por circuito,
donde plantas y circuitos varan en tamao.
53
4.3 Diagrama u
Si la i-sima unidad muestreada tiene
tamao (nmero de empleados, nmero
de conexiones elctricas, volumen de agua
muestreada, rea de vidrio examinada, etc.).
Adems, si el nmero de defectos tiene
distribucin de Poisson con media .
Es decir:
Se muestra que tiene propiedades:
54
4.3 Diagrama u
Si un plan de mejora de calidad requiere k
muestras independientes, entonces:
es una buena aproximacin a en el
sentido de que .
Para la i-sima muestra, los lmites de
control 3-sigma en torno a sern:
55
4.3 Diagrama u
Los lmites aproximados son:
Los lmites irn a cambiar si cambia.
Por simplicidad, puede ser reemplazada
por (siempre que ningn est ms del
25% por encima o debajo de esta media):
El diagrama u
estar dado por:
56
4.3 Diagrama u: ej. 5
La seccin de mantenimiento de una empresa de
aviacin civil desea mejorar la calidad de los
componentes reparados.
Se consideraron componentes de diversos tamaos,
donde cada uno de ellos fue reparado por ms de
una persona.
Construya el diagrama u basado en el nmero de
defectos por hora de labor necesaria para realizar la
reparacin.
57
4.3 Diagrama u: ej. 5
Siguiendo el procedimiento presentado:
Los lmites de control sern:
Los valores varan demasiado como para
usar .
Para i=1 y 2, los lmites de control superior
sern:
58
4.3 Diagrama u: ej. 5
Por tanto:
Se observa que
est dentro de los
lmites, pero no .
Todos los otros pun-
tos estn dentro de
los lmites.
59
12.2 Diagrama p
Existen