Documente Academic
Documente Profesional
Documente Cultură
02/01/2017
QUALITY.02.GC.var.84d.21.04.2015
1
COMPETENCIAS
02/01/2017 2
CONTROL ESTADISTICO DE
CALIDAD
Las técnicas de control de calidad basadas en
la estadística se clasifican en:
* CONTROL ESTADISTICO DEL PROCESO.
Tiene como propósito el control de calidad de
los productos en proceso.
* PLANES DE MUESTREO.
Se denomina también Muestreo de
Aceptación y tiene como propósito el control de
calidad de productos terminados, materiales,
suministros, etc.
02/01/2017 3
CONTROL ESTADISTICO DEL
PROCESO (CEP/SPC)
Se puede realizar:
Sobre una característica cuantitativa que se debe medir,
denominada variable, tal como longitud, resistencia,
concentración, contenido de impurezas, etc.
Sobre una característica cualitativa que se puede
contar, denominada atributo, tal como el control pasa
no pasa, piezas defectuosas, número de defectos por
unidad producida etc.
02/01/2017 4
CONTROL ESTADISTICO DEL
PROCESO
Como elementos estadísticos requiere de la
media aritmética, desviación estándar, rango,
población y muestra, distribuciones estadísticas,
etc.
Definición: Es un procedimiento técnico que
permite la comparación del funcionamiento del
proceso con los límites establecidos, con el
propósito de asegurar que se obtienen las
características del producto dentro de lo
especificado y lograr la reducción del costo del
control.
02/01/2017 5
Aspectos operativos de la calidad
02/01/2017 6
Métodos para alcanzar calidad total
Función de Taguchi.
Creador de la ingeniería de calidad.
Análisis de procesos y métodos estadísticos
para mejorar la calidad y reducir los costos.
Establece que es determinante evaluar y
20
disminuir todas las formas de
variabilidad asociadas al 15
desempeño de un proceso. 10
Entender la variabilidad y 5
Límite
Inferior
Límite
Superior
disminuirla es fundamental
en calidad. 0 2 4 Valor 6 8 10
Objetivo
02/01/2017 7
Control estadístico de procesos
t2
s0
t1 m1 > m0
s0
02/01/2017 11
¿Cómo registramos y analizamos la
variabilidad? (cont)
Histogramas
Ej 14% de los muebles pesan 41.5 kg, 11% pesan 42 kg.
14
12
10
Frecuencia (%)
0
36 37 38 39 40 41 42 43 44 45 46
02/01/2017 13
ELEMENTOS DEL CEP/SPC
02/01/2017 14
ELEMENTOS DEL CEP/SPC
02/01/2017 16
DINAMICA DEL PROCESO
02/01/2017 17
DINAMICA DEL PROCESO
02/01/2017 18
DINAMICA DEL PROCESO
02/01/2017 20
Elementos y principios básicos de
una Gráfica de Control
Gráfica de control
Característica
de calidad
LSC
Límite Superior de Control
LC
Línea Central
LIC
Límite Inferior de Control
1 2 3 4 5 6 7 8
Número de subgrupo o
muestra
21
Gráficas de control y pruebas de hipótesis
Suponga que en la gráfica de control el eje vertical
representa el estadístico
x muestral
Si el valor de cae dentro de los límites de control,
x
concluimos que la media del proceso está bajo
control.
m m0
Por otra parte, si excede cualquiera de los límites
x
de control, concluimos que la media del proceso está
fuera de control.
m m0
Gráfica de control del diámetro interno de anillos para pistón
74.02
quedaría de la siguiente
74.01
74.005
manera:
x
74
H0 : m m 0 73.995
73.99
H1 : m m 0 73.985
73.98
x LIC ó x LSC
73.97
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Subgrupo
22
Error tipo I y error tipo II en una gráfica
de control
m m0
Potencia de la prueba
1 PAceptar H 0 H 0 es falsa
23
Modelo general para una gráfica de
control
Sea w un estadístico muestral que mide cierta
característica de calidad y sean mw y sw la media y la
desviación estándar de w, respectivamente. Entonces, LC,
LSC y LIC son:
LSC = mw + L sw
LC = mw
LIC = mw - L sw
24
Aplicación de las Gráficas de Control
Sistema de medición
Verificación y Detección de
seguimiento causa asignable
Identificación de
Implementación de
la causa raíz
acción correctiva
del problema
25
Gráficos de control
3.5
LSC
3.3
3.1
2.9
Carcteisdal
2.7
LIC
2.5
Tie mpo
02/01/2017 26
GRAFICAS DE CONTROL: Requisitos
02/01/2017 27
CONTROL POR VARIABLES
02/01/2017 28
GRAFICAS DE CONTROL: Requisitos
02/01/2017 29
Tipos de Ejemplos de
Gráfica de Control Característica
Datos aplicaciones
a) X-R(Medias y La más versátil y la más utilizada de Control de
Rangos) mayor sensibilidad para identificar turbiedad, etc
causas del problema.
02/01/2017 30
GRÁFICOS DE CONTROL (II)
Límites de control:
Límite inferior de control :
(Lower control limit – LCL)
(LIC) = x 3s
02/01/2017 31
Control estadístico de procesos
m + 3s
Límite Superior
de Control (UCL)
Media del
99.74%
proceso, m
m - 3s
Límite Inferior
de Control (LCL)
Tiempo
Señal de que puede haber
ocurrido una causa especial o
02/01/2017 32 asignable.
Control de proceso por Variables
Función de densidad de la Distribución Normal:
95.44%
99.74%
02/01/2017 34
Estadística de las gráficas de
control
Debido a que hay incertidumbre acerca del
valor de la variable para cualquier pieza,
representamos estos valores a través de una
variable aleatoria X.
Supongamos que para un proceso bajo control,
X tiene una distribución normal.
s
X N m,
n
CO4311- Estadística para la Calidad
35
Estadística de las gráficas de
control
P m 3s X X m 3s X
P 3.00 Z 3.00 0.9974
X mX
Z
sX
Es muy probable que para un proceso
02/01/2017 37
GRAFICAS DE CONTROL DE MEDIAS Y
RANGOS: construcción
02/01/2017 38
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
02/01/2017 39
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
En el gráfico de control de la media, el estadístico a representar es :
n
x xi / n
i 1
con n el tamaño muestral, resultando w = x el estimador máximo verosimilitud de la
distribución normal. Tenemos, por tanto, para los límites de control, que :
X
donde :
3
A
n
Generalmente A no se calcula, sino que se toma su valor consultando en tablas, al igual
que todos los parámetros que aparecerán más adelante.
02/01/2017 40
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X
Cuando se desconocen los parámetros del proceso,
entonces habrá que tomar una serie de m muestras de
tamaño n cada una, determinándose entonces el
estimador máximo verosímil de μ cómo la media de las
medias de cada muestra:
02/01/2017 41
GRAFICOS DE CONTROL DE
VARIABLES. Control de la Media:
Gráfico X
02/01/2017 42
GRAFICOS DE CONTROL DE VARIABLES.
Control de la Media: Gráfico X- R
Si, por el contrario, se realiza la estimación mediante el recorrido,
tendremos:
1 m
R U in U i1
m i 1
donde Ui1 y Uin son el mínimo y el máximo de la muestra ordenada
correspondiente a cada muestra xi1, …,xin con i = 1, …, m.
02/01/2017 43
GRAFICOS DE CONTROL DE VARIABLES.
Control del Rango: Gráfico R
Pretendemos controlar la variabilidad tomando w = R.
Los límites de control resultante serán, entonces, los
siguientes:
02/01/2017 44
Gráficos de medias y rangos (cont)
02/01/2017 45
Gráficos de medias y rangos (cont)
R0 angodeprtulab5 10 15 28 30 Apertuaomdilbe32 34 36 38 40
LSC =3 6 .67
L C =3 3 .32
LIC =2 9 .98
5 10 15 20
Mues tr a
LSC =1 2 .27
L C =5 .80
5 10 15 20
02/01/2017 47
M ues tr a
Gráficos de medias y rangos (cont)
02/01/2017 48
GRÁFICOS DE CONTROL PARA
VARIABLES
02/01/2017 49
GRÁFICOS DE CONTROL PARA
VARIABLES
UCL x 3s x
LCL x 3s x
n=16
• UCL = 2+3(0.1/√16)=2.075
• LCL = 2-3(0.1/ √ 16)=1.925
n=25
• UCL = 2+3(0.1/ √ 25)=2.06
• LCL = 2-3(0.1/ √ 25)=1.94
A medida que se incrementa el tamaño de la
muestra los límites se aproximan a la media del
proceso.
02/01/2017 50
GRÁFICOS DE CONTROL PARA
VARIABLES
02/01/2017 51
SOLUCIÓN
x = 3 cm
R = 0.016 cm
n=8: A2 = 0,37
UCL = x+A2R= 3+(0.37*0.016)=3.006 cm
LCL = x-A2R = 3-(0.37*0.016)= 2.994 cm
02/01/2017 52
GRÁFICOS DE CONTROL PARA
RANGO: Ejemplo
25 muestras de 10 observaciones han sido tomadas
de un proceso de fresado. La media de los rangos
es 0.01 cm. Determinar los límites de control.
02/01/2017 53
SOLUCIÓN
R=0.01 cm
n=10 D4=1.78 D3=0.22
UCLR=1.78*0.01=0.0178
LCLR=0.22*0.01=0.0022
Si el rango de una muestra es 0.018 o más, la
variación del proceso ha incrementado; si es
inferior a 0.002 la variación ha disminuido
02/01/2017 54
Control de la Desviación Estándar:
Gráfico s
En este gráfico se busca la desviación típica mediante el
control del estadístico representativo w = s. Se trata,
pues, del gráfico s, cuyos límites de control toman los
siguientes valores:
02/01/2017 55
Control de la Desviación Estándar:
Gráfico s
Si la varianza poblacional es desconocida, entonces se
estimará mediante la varianza muestral como :
s
s
c2
resultando ahora los límites de control con los valores:
02/01/2017 56
Construcción de gráficos X s
LSC B4 S LC S LIC B3 S
3 1 c4 1 c4
A3 B3 1 3 B4 1 3
c4 n c4 c4 57
Varianza
Fórmula
n 2
X i X
s2 i 1
n 2
X i X
s2 i 1
n 1
CONSTANTES ESTADISTICAS
n 2 3 4 5 6 7 8 9 10
A2 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
A3 2.659 1.954 1.628 1.425 1.287 1.182 1.099 1.032 0.975
B3 - - - - 0.030 0.118 0.185 0.239 0.284
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
C2 0.5642 0.7236 0.7979 0.8407 0.8686 0.8882 0.9027 0.9139 0.9227
C4 0.7979 0.8862 0.9213 0.9400 0.9515 0.9594 0.9650 0.9693 0.9727
d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
d3 0.89 0.8884 0.8798 0.8641 0.8480 0.8332 0.8198 0.8078 0.7971
D3 - - - - - 0.076 0.136 0.184 0.223
D4 3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
E2 2.660 1.772 1.457 1.290 1.284 1.109 1.054 1.010 0.975
K1 3.257 2.046 1.630 1.413 1.278 1.185 1.119 - -
02/01/2017 60
CARTAS DE CONTROL DE VARIABLES CARTA
DE PROMEDIO Y RANGO
Toma de datos del diámetro de una pieza de una línea de fabricación (rosca):
N ° d e l su b g r u p o D ía H o ra X1 X2 X3 X4 X R O b s e rva c io n e s
1 23 08:50 6.35 6.40 6.32 6.37 6.36 0.08
2 23 11:30 6.46 6.37 6.36 6.41 6.40 0.10
3 23 13:45 6.34 6.40 6.34 6.36 6.36 0.06
4 23 15:45 6.69 6.64 6.68 6.59 6.65 0 . 1 0 O p e ra d o r n u e vo t e m p o ra l
5 23 16:20 6.38 6.34 6.44 6.4 6.39 0.10
6 27 08:35 6.42 6.41 6.43 6.34 6.40 0.09
7 27 09:00 6.44 6.41 6.41 6.46 6.43 0.05
8 27 09:40 6.33 6.41 6.38 6.36 6.37 0.08
9 27 13:30 6.48 6.44 6.47 6.45 6.46 0.04
10 27 14:50 6.47 6.43 6.36 6.42 6.42 0.11
11 28 08:30 6.38 6.41 6.39 6.38 6.39 0.03
12 28 13:35 6.37 6.37 6.41 6.37 6.38 0.04
13 28 14:25 6.40 6.38 6.47 6.35 6.40 0.12
14 28 14:35 6.38 6.39 6.45 6.42 6.41 0.07
15 28 15:55 6.50 6.42 6.43 6.45 6.45 0.08
16 29 08:25 6.33 6.35 6.29 6.39 6.34 0.10
17 29 09:25 6.41 6.40 6.29 6.34 6.36 0.12
18 29 11:00 6.38 6.44 6.28 6.58 6.42 0 . 3 0 L ín e a a c e it e a ve ria d a
19 29 14:35 6.35 6.41 6.37 6.38 6.38 0.06
20 29 15:15 6.56 6.55 6.45 6.48 6.51 0 . 1 1 M a t e ria l m a lo
21 30 09:35 6.38 6.40 6.45 6.37 6.40 0.08
22 30 10:20 6.39 6.42 6.35 6.40 6.39 0.07
23 30 11:35 6.42 6.39 6.39 6.36 6.39 0.06
24 30 14:00 6.43 6.36 6.35 6.38 6.38 0.08
25 30 16:25 6.39 6.38 6.43 6.44 6.41 0.06
S um a 160.25 2.19
P a s o 1 . C a lc u la r e l p ro m e d io y e l ra n g o p a ra c a d a s u b g ru p o
X = (x 1 + x 2 + x 3 + x 4 )/ n
02/01/2017 R = Xm á x -Xm ín . 61
CARTA DE RANGOS
0.35
0.30
0.30
0.25
Rangos
0.20
0.1998
0.15
0.10
0.0876
0.05
0.00 0.0000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Subgrupos
R = 2.19/25 = 0.0876
6.70
6.65 6.65
6.60
6.55
Subgrupos 6.50 6.51 6.47
6.45
6.40 6.41
6.35 6.34 6.35
6.30
6.25
6.20
6.15
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Diám etros prom edio
CARTA DE PROMEDIOS
n 2 3 4 5 6 7 8 9 10
Constantes para el cálculo de D4 3.27 2.57 2.28 2.11 2 1.92 1.86 1.82 1.78
D3 * * * * * 0.08 0.14 0.18 0.22
los Límites de control
A2 1.88 1.02 0.73 0.58 0.48 0.42 0.37 0.34 0.31
02/01/2017 63
Patrones comúnmente encontrados en
gráficas de control
TENDENCIA
ACUMULATIVA DESGASTE DE
HERRAMIENTAS
02/01/2017 65
INTERPRETACIÓN DEL ESTADO DE
CONTROL DEL PROCESO
Los puntos de la data son comparados con los límites de
control para ver si existen puntos fuera de control y patrones o
tendencias inusuales.
Un punto sobre el límite de control superior del rango es
señal de:
•El límite de control o el punto trazado ha sido mal calculado
o mal trazado.
•Sistema de medición cambiado.
•La variabilidad pieza a pieza o la amplitud de la distribución
ha cambiado ya sea en ese punto, en el tiempo o como parte de
una tendencia.
02/01/2017 66
Un punto debajo del límite de control inferior
de rango ( para muestras de tamaño 7 o más)
•El límite de control o el punto trazado están
errados.
•La amplitud de la distribución ha disminuido (ha
mejorado).
•El sistema de medición ha cambiado.
02/01/2017 67
Interpretación de los gráficos de
control
02/01/2017 68
Interpretación de los gráficos de
control (cont)
Zo n a A
C9.5 arcteísidCal 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 69
Interpretación de los gráficos de
control (cont)
02/01/2017 70
Reglas de parada
Zo n a A
C9.5 arcteísidCal 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 71
Reglas de parada
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 72
Reglas de parada (cont)
Zo n a A
C9.5 arcteísidla 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 73
Reglas de parada (cont)
Zo n a A
C9.5 arcteísidCal 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 74
Reglas de parada (cont)
Zo n a A
C9.5 arcteísidla 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 75
Reglas de parada (cont)
Zo n a A
C9.5 arcteísidCal 10. 10.5
Zo n a B
Zo n a C
Zo n a C
Zo n a B
Zo n a A
5 1 01 52 02 5
Mues tr a
02/01/2017 76
Reglas de parada (cont)
02/01/2017 77
Interpretación de los gráficos de control
(cont)
El cálculo del nivel de significancia para las
reglas de parada que se establezcan es
importante para un correcto análisis. Un punto
que incumple una regla de parada es una
ALARMA pero no necesariamente significa que
nuestro proceso está fuera de control, ya que si
no podemos ligarlo a una causa asignable puede
tratarse del azar.
02/01/2017 78
MINITAB.Pruebas
PRUEBA K
1 punto > K desde la línea central. 3.0
K de K+1 puntos > 2 desviaciones estándar desde la línea central (mismo lado) 2
K de K+1 puntos > 1 desviación estándar desde la línea central (mismo lado) 4
02/01/2017 80
Ejemplos adicionales (cont)
Día Evento
5 Reemplazo de la mezcladora.
10 Nuevo empleado asume la operación del
proceso.
18 Se comenzó a utilizar resina (materia
prima) de otro proveedor.
22 Sustitución del sistema de enfriamiento, lo
que permitió un incremento en la
temperatura de inyección de PVC.
02/01/2017 81
Ejemplos adicionales (cont)
LSC =
L C =0
LIC =0
0 5 1015202530
D ia
02/01/2017 82
Ejemplos adicionales (cont)
02/01/2017 83
Ejemplos adicionales (cont)
02/01/2017 84
Control y mejora de procesos
Media del
proceso, m
Límite Inferior
de Control (LCL)
Tiempo
02/01/2017 85
Longitud de la corrida promedio (ARL)
LC
LIC
88
Efectos de los límites de control
sobre y
a) si los límites de control son más anchos:
– se reduce
– se incrementa
90