Documente Academic
Documente Profesional
Documente Cultură
(
S
Precisin de una serie de mediciones
Donde es la varianza interna
es la varianza de repetibilidad
u
u _
o
o
) (
2
) 1 (
2
2
(
S
2
S
2
o
Precisin de una serie de mediciones
S
2
: La varianza interna es la que se
obtiene en el puesto de trabajo(
laboratorio)
2
: La varianza de repetibilidad se
obtiene de normas. Para su obtencin
muchas veces se han realizado ensayos
interlaboratorios.
Precisin de una serie de mediciones
: Es un valor obtenido de la
distribucin ji-cuadrado con n-1 grados
libertad y el 95% de confianza.
: es la cantidad de grados de
libertad (n 1)
) 1 (
2
o
_
u
Test para la precisin
Se mide cinco veces la densidad de un crudo
petrolero, obtenindose: 0,7808; 0,7899,
0,7899; 0,7901, 0,7854 en kg/l
Calculamos S
004 , 0 = S
Test para la precisin
Obtenemos
2
de normas= 0,0005 (kg/l)
2
Extraemos el valor de la distribucin ji-
cuadrado con 4 grado de libertad y una
probabilidad del 5 %, de tabla= 9,488
Test para la precisin
Aplicamos el test ya visto
u
u _
o
o
) (
2
) 1 (
2
2
(
S
64
) 0005 , 0 (
) 004 , 0 (
2
2
2
= =
o
S
Test para la precisin
Como el cociente de varianzas es un valor
mayor que 9,488/4= 2,372; concluimos que
la precisin est fuera de control.
Anlisis del sesgo de una medicin
Cuando se realiza una medicin con un
instrumento de trabajo y se compara con el
valor obtenido con un patrn de menor
incertidumbre, generalmente aparece un
sesgo, es decir una diferencia entre ambos
valores.
Anlisis del sesgo de una medicin
El patrn puede ser otro instrumento de
medicin o un material de referencia con
condiciones metrolgicas certificadas, con
incertidumbre mnima y conocida.
Prueba para el sesgo
Se aplica el estadstico
n
S
x
T
o
=
Prueba para el sesgo
El estadstico de prueba se compara con un
valor crtico obtenido de la distribucin t. Si
El sesgo es significativo
1 ; 05 , 0 n o
t T
Ejemplo de estimacin del sesgo
Supongamos que se pesa un pesa patrn,
de 1000 g con una balanza de la que se
desea determinar su sesgo de medicin. Se
realizan 10 mediciones en condiciones de
repetibilidad, hallndose los siguientes
valores
gr x 1015 =
gr s 75 , 50 =
Ejemplo de estimacin del sesgo
Aplicamos el estadstico visto
93 , 0
10
75 , 50
1000 1015
=
=
n
s
x
T
El valor de tcrtico para 9 grados de libertad y
un =0,05 es 1,83. Como T es menor que el
tcrtico, se acepta que el sesgo no es
significativo, con una probabilidad del 95%.
Aptitud de un sistema de medicin
Las mediciones se pueden pensar como el
resultado de un proceso, el cual es influido
por causas del mismo tipo que afectan el
proceso de produccin.
Aptitud de un sistema de medicin
-Materiales
-Mano de obra
-Mquina
-Medio ambiente
-Mtodos
-Mediciones
Variabilidad de medicin
Cualquier proceso de medicin genera
un error o incertidumbre estadstica.
Por lo tanto, lo que se observa no es
exactamente la realidad, ms bien es la
realidad ms un error de medicin.
Variabilidad de medicin
Esto se traduce en que la variacin total
observada en datos es el resultado de la
variacin propia del producto ms el error del
proceso de medicin. En trmino
estadsticos esta idea queda representada
como sigue:
2 2 2
error prod total
o o o + =
Fuentes de errores de medicin
- Equipo de medicin
- los operadores (reproducibilidad)
- la variacin dentro de la muestra (objetos
que por su naturaleza tienen cierta
heterogeneidad en su superficie,
dimensiones etc.
Variabilidad del equipo de medicin (fuentes)
- Calibracin
- Deriva: pedida de calidad metrolgica en
forma lenta a travs del tiempo
- Repetibilidad
- Linealidad: veracidad a lo largo del rango
de operacin del instrumento
Estudio de repetibilidad y reproducibilidad (R&R)
El objetivo de los estudios de R&R es
conocer si el sistema de medicin se halla
dentro de control estadstico.
Evala de modo experimental que parte de la
variabilidad total observada en los datos es
atribuible al producto, a los operarios o al
instrumento de medicin (estos dos ltimos
representan el error de medicin)
Estudio de repetibilidad y reproducibilidad
(R&R)
Se cumple la siguiente relacin:
2 2 2 2
inst oper prod total
o o o o + + =
Componentes del error de medicin
Donde
por lo tanto el error o variabilidad de las
mediciones debido a la repetibilidad y
reproducibilidad se obtiene con:
2 2
repeti inst
o o =
2 2
reprod oper
o o =
2 2 2
& reprod repet R R
o o o + =
Aplicacin
En una compaa dedicada a la fabricacin
de bombas y vlvulas, para la industria
qumica, algunos componentes crticos
tienen tolerancias muy estrechas que son
difciles de cumplir.
De aqu que sea necesario estimar el error
de medicin con el fin de ver la posibilidad
de reducirlo para cumplir con las
especificaciones.
Aplicacin
El ancho de un componente particular es
una caracterstica de calidad crtica, cuyas
especificaciones son 69 1,2 mm.
Se seleccionan dos inspectores para
realizar un estudio R&R y cada uno midi
siete componentes dos veces con un vernier
digital capaz de discriminar entre piezas que
difieren en 0,02 mm.
Tabla de valores
Pieza Inspector A Inspector B
1 2 1 2
1 69,38 69,6 69,62 69,52
2 69,72 69,8 69,78 69,9
3 69,58 69,7 69,7 69,92
4 69,5 69,5 69,46 69,5
5 69,48 69,4 69,5 69,42
6 69,56 69,4 69,68 69,64
7 69,9 70,02 69,94 69,88
Metodologa
1)Se calcula para cada operador el rango de
las mediciones que hizo de cada pieza.
Este rango es una informacin directa sobre
la incertidumbre de repetibilidad (efecto
aleatorio) ya que son sobre la misma pieza y
las realiza el mismo operador.
Rango, equivalente a repetibilidad
A B
69,38 - 69,60 = 0,22 69,62 - 69,52 = 0,1
69,72 - 69,8 = 0,08 69,78 - 69,9 = 0,12
69,58 - 69,7 = 0,12 69,7 - 69,92 = 0,22
69,5 - 69,5 = 0 69,46 - 69,5 = 0,04
69,48 - 69,4 = 0,08 69,5 - 69,42 = 0,08
69,56 - 69,4 = 0,16 69,68 - 69,64 = 0,04
69,9 - 70,02 = 0,12 69,94 - 69,88 = 0,06
2)Se calcula el promedio de todos los rangos
y el promedio de todas las mediciones de
cada operador
11 , 0 =
A
R
094 , 0 =
B
R
61 , 69 =
A
X
68 , 69 =
B
X
Clculos
3)Se calcula la media de los rangos
promedios
Se calcula el rango de las medias
102 , 0
2
094 , 0 11 , 0
2
=
+
= =
+ B A
R R
R
07 , 0 61 , 69 68 , 69 = = =
B A
X
X X R
4)Se calcula el limite superior de la carta de
control de rangos mediante
Si algn rango es mayor que este lmite, ser
seal de que el error de medicin
correspondiente est fuera de control y es
necesario localizar la causa y repetir la
medicin.
33 , 0 102 , 0 . 27 , 3
4
= = R D
5)Se calcula la variacin expandida del
equipo (VE), que resulta de multiplicar 5,15
veces la desviacin estndar de la
incertidumbre del equipo.
La razn de esta expansin de debe a las
propiedades de la distribucin normal, ya
que con este coeficiente se cubre el 99 %
del rea bajo la curva normal.
465 , 0 102 , 0 . 56 , 4
15 , 5
1
= = = = R k VE
repet
o
Calculo de k
1
k
1
=5,15/d
2
= 5,15/1,128=4,56
Donde d
2
depende de la cantidad de
ensayos con los cuales se han obtenido
los rangos.
Desviacin estndar de repetibilidad
La estimacin de la repetibilidad del instrumento
se obtiene a partir de un estimador insesgado
de la desviacin estndar o a partir de VE
09 , 0
128 , 1
102 , 0
2
= = =
d
R
repet
o
09 , 0
15 , 5
= =
VE
repeti
o
6) Determinar la variacin expandida del
operador (VO) como
k
2
= depende del nmero de operadores
n= nmero de piezas
t= nmero de ensayos
( )
( )
nt
VE
R k VO
X
reprod
2
2
2
15 , 5 = = o
Calculo de k
2
k
2
= 5,15/d
2
*
= 5,15/ 1,41=3,65
Donde d
2
*
es una correccin de la
constante d
2
.
Variacin expandida del operador
Reemplazando
( )
( )
22 , 0
7 . 2
465 , 0
07 , 0 . 65 , 3
2
2
= = VO
042 , 0
15 , 5
= =
VO
reprod
o
7)Se calcula la variacin combinada o error
de medicin (EM) debido a la repetibilidad y
la reproducibilidad.
Reemplazando
5144 , 0
15 , 5
2 2
= + = = VO VE EM
RyR
o
099 , 0
15 , 5
= =
EM
RyR
o
Error mximo de medicin
El error mximo de medicin est dado por
Por lo que si se mide una pieza y se obtiene
como resultado un valor X, entonces el
verdadero valor de la medicin para esta
pieza est entre
Con una confianza del 99 %
R R&
. 575 , 2 o
R R
X
&
. 575 , 2 o
Conclusin
Por ejemplo, si se mide una pieza y se reporta
un valor de 67,6 mm, se clasificara como
defectuosa ya que se encuentra por debajo del
lmite inferior especificado (67,8 mm). Sin
embargo esa pieza puede estar dentro de las
especificaciones, ya que su verdadero valor
est en 67,6 2,575.0,099; es decir en el
rango [67,87;67,34]
ndice presicin/tolerancia
En este ejemplo la tolerancia para el tamao
de la pieza es de 1,2 mm. Puede calcularse
el ndice P/T
Si lo expresamos como porcentaje , tenemos un
P/T=24,75 %
2475 , 0
8 , 67 2 , 70
099 , 0 . 6 . 6
&
=
=
LIE LSE T
P
R R
o
Interpretacin
De manera especifica , el ndice P/T se
interpreta como sigue:
P/T 10%, excelente proceso de medicin
10 % < P/T 20 %, bueno
20 % < P/T 30 % marginal( debe revisarse)
P/T > 30 % inaceptable y debe corregirse
Decisin
En caso de que se decida mejorar el sistema
de medicin es importante ver cual de los
componentes de
R&R
es el que ms
contribuye al error de medicin, ya que en
primera instancia puede ser el instrumento, los
operadores o ambos.
De acuerdo a esto se tienen las siguientes
posibilidades de accin:
Si la fuente dominante de variacin es la
Repetibilidad, se deben investigar las posibles
causas, algunas de las cuales pueden ser:
- la suciedad del instrumento
- componentes gastados
- variabilidad dentro del mensurando
- instrumento mal diseado
- funcionamiento inadecuado
- condiciones ambientales
- o que de plano el instrumento de medicin
utilizado no es adecuado para realizar tal
medicin. En este caso se debe evaluar la
posibilidad de sustituirlo.
Acciones:
Cuando la reproducibilidad es la fuente
principal de variabilidad, los esfuerzos se
deben enfocar a estandarizar los
procedimientos de medicin y entrenar a los
operadores para que se apeguen a ellos.
Esto se debe a que, por lo general, se
encontrar que:
- los operadores utilizan mtodos distintos
- carecen de entrenamiento en el uso del
equipo
- se tiene una utilizacin inapropiada del
instrumento que permite evaluaciones
subjetivas.
Variabilidad de las partes
Tambin se puede calcular la variabilidad de
las partes para compararla con la variabilidad
del sistema de medicin.
Esto se hace con la expresin:
*
2
d
R
parte
parte
= o
Variabilidad de las partes
Para obtener la variabilidad de las partes,
primero se obtiene el promedio de la
medicin de cada parte, considerando todas
las mediciones realizadas sobre esa parte
por los distintos operadores
Parte Promedio
1 69,53
2 69,8
3 69,72
4 69,49
5 69,45
6 69,51
7 69,94
Se obtiene el rango de las medias
R
parte
=69,94 69,45=0,49
Estimacin de la variabilidad de las partes
El valor de la constante d
2
*
se obtiene para
n = 7, su valor es 2,83
17 , 0
83 , 2
49 , 0
*
2
= = =
d
R
parte
parte
o
Conclusin
La variabilidad de las partes, es decir del
proceso es mucho mayor que la del
instrumento, por lo que se deduce que el
instrumento es apto para monitorear el
proceso, es decir para distinguir entre
piezas defectuosas y aptas.
Valores de la constante
n u
operadores
3 1,91
4 2,18
5 2,47
6 2,67
7 2,83
8 2,96
9 3,08
10 3,18
-
2
d
-
2
d
Calibracin
Calibracin: conjunto de operaciones que
establecen, en condiciones especificadas,
la relacin entre los valores indicados por
un instrumento de medicin, y los
correspondientes valores conocidos de
una determinada magnitud medida
Trazabilidad
En el Vocabulario de Metrologa Internacional, VIM, la
trazabilidad se define como la propiedad del resultado de
una medicin mediante la cual el resultado se puede
relacionar a una referencia a travs de una cadena
ininterrumpida documentada de calibraciones, donde cada
una contribuye a la incertidumbre de medicin. Para esta
definicin, la referencia puede ser la definicin de una
unidad de medida a travs de su realizacin prctica o un
procedimiento de medicin que incluye la unidad de
medida para una magnitud no ordinal, o un patrn de
medicin.
ISO 17025:2005
Requisitos generales para la competencia
de los laboratorios de ensayo y de
calibracin
ISO 17025:2005
Porqu acreditar un laboratorio?
Porque se demuestra formalmente, con la evaluacin de
un organismo independiente, la competencia tcnica y la
eficacia del sistema de calidad.
Porque permite lograr ventajas competitivas, acceder a
clientes ms exigentes.
Porque se mejora la calidad de los servicios.
Porque facilita la cooperacin entre los laboratorios,
intercambio de informacin, de experiencia,
armonizacin de procedimientos.
Porque se incrementan las utilidades, servicios de
mayor valor agregado y menores costos de la no
calidad.
Requisitos tcnicos
5.1 Generalidades
5.2 Personal
5.3 Instalaciones y condiciones ambientales.
5.4 Mtodos de ensayos y calibracin y
validacin de los mtodos.
5.5 Equipos
5.6 Trazabilidad de las mediciones
5.7 Muestreo
5.8 Manipuleo de los tems de ensayo o de
calibracin.
5.9 Aseguramiento de la calidad de los
resultados de ensayo y de calibracin.
5.10 Informe de los resultados.
Auditorias
Actividad documentada para determinar,
por medio de investigacin, examen, y
evaluacin de evidencias objetivas, la
adecuacin y conformidad con un
estndar establecido.
Tipos de auditora
1 parte ej: auditoras internas
2 parte ej: auditorias de clientes
auditorias a proveedores
3 parte ej: auditorias de
acreditacin
Objetivos de una auditora
Constatar de manera efectiva y objetiva
si existen evidencias de no conformidades
en el sistema de calidad con relacin a los
requisitos aplicables.
no conformidad: incumplimiento de un
requisito especificado ( en el manual, en
un procedimiento)
INTRODUCCIN AL CONTROL ESTADISTICO
DE PROCESOS (SPC)
El SPC (por sus siglas en ingles) es un
men de herramientas destinadas a
alcanzar la calidad total de los productos.
El SPC puede aplicarse a cualquier
proceso. Algunas de sus principales
herramientas son:
Herramientas del CEP
El histograma
La grfica de Pareto
El diagrama de causa-efecto
El diagrama de dispersin
La carta de control
El diseo de experimentos
Muestreo para aceptacin
Variabilidad Natural
En cualquier proceso (de produccin
manufacturero, administrativo, medicin en
laboratorio) independientemente de lo
adecuado que sea su diseo o de la atencin
que se preste a su mantenimiento, siempre
existir cierta variabilidad natural.
Variabilidad Natural
Las causas que producen esta variabilidad se
denominan fortuitas y un proceso que opera de
esta manera se dice que est bajo control
estadstico.
Variabilidad atribuible
Pero en ocasiones existe otra clase de
variabilidad, que es de mayor magnitud que
la anterior y pone al proceso fuera de
control estadstico.
Las causas que provocan esta situacin se
denominan atribuibles o asignables.
Variabilidad atribuible
Tres son las fuentes fundamentales de las
causas atribuibles:
Ajuste incorrecto de mquinas, equipos,
instrumentos.
Errores de operarios.
Materia prima defectuosa.
Procesos dentro de control
Con frecuencia, los procesos de produccin
operarn en el estado bajo control,
produciendo productos aceptables durante
periodos relativamente prolongados.
Procesos fuera de control
Con el tiempo, sin embargo ocurren causas
asignables, aparentemente al azar, que
ocasionarn un corrimiento a un estado
fuera de control en el que una proporcin
mayor de la salida del proceso no cumplirn
con los requerimientos.
Objetivo del SPC
Uno de los objetivos fundamentales del SPC
es detectar con rapidez la ocurrencia de
causas asignables, con la finalidad de
realizar investigaciones y emprender las
acciones correctivas, antes de que se
produzcan muchas unidades defectuosas.
Que es la carta de control
La carta de control es una tcnica de
monitoreo de procesos en lnea que se usa
ampliamente para este fin (detectar causas
asignables).
Las cartas de control tambin pueden usarse
para estimar los parmetros del proceso de
produccin y para determinar con esta
informacin la capacidad del proceso.
Meta del SPC
Asimismo la carta de control puede ofrecer
informacin til para mejorar los procesos.
Por ultimo recurdese que la meta ultima del
SPC es eliminar la variabilidad del proceso.
Tal vez no sea posible eliminar por completo la
variabilidad, pero la carta de control es una
herramienta efectiva para reducir la
variabilidad.
Resumiendo.
Las cartas de control constituyen la
herramienta ms potente para controlar en
tiempo real un proceso, es decir que es un
control en lnea, en el mismo momento que
se estn desarrollando los procesos.
Los procesos pueden ser productivos,
mediciones y ensayos en laboratorios,
desarrollos de consultora o administrativos.
Usos de la carta de control
La carta de control posee tres usos
fundamentales:
Reduccin de la variabilidad del proceso.
Monitoreo y vigilancia del proceso.
Estimacin de los parmetros del proceso.
Forma de la carta de control
Una carta de control tpica consta de tres
lneas.
Posee una lnea central, que representa el
valor promedio de la caracterstica de
calidad que se est monitoreando y que
corresponde al estado bajo control.
Forma de la carta de control
Tambin se observan dos lneas
horizontales, llamadas el lmite superior de
control y el lmite inferior de control.
Estos lmites se eligen de manera tal que si
el proceso se halla bajo control estadstico,
casi todos los puntos muestrales se
localizarn entre ellos.
Forma de la carta de control
Los puntos muestrales se ubican en funcin
del tiempo, es decir la carta de control es
una serie de tiempo.
Es costumbre unir los puntos muestrales de
la carta de control con segmentos de lnea,
a fin de facilitar la visualizacin de la
evolucin con el tiempo de la secuencia de
puntos
Carta de control
19 17 15 13 11 9 7 5 3 1
0,95
0,94
0,93
0,92
0,91
0,90
0,89
0,88
0,87
0,86
Observacin
V
a
l
o
r
i
n
d
i
v
i
d
u
a
l
_
X=0,903
UCL=0,94079
LCL=0,86521
Densidad
Si todos los puntos graficados se hallan
dentro de los lmites de control y los mismos
aparecen de forma aleatoria, se supone que
el proceso se halla dentro de control y no es
necesaria ninguna accin correctiva.
Decimos que los puntos aparecen en forma
aleatoria cuando se ubican uno abajo,
seguido de otro arriba de la lnea central o
viceversa.
Si se localiza un punto fuera de los lmites
de control, se considera que el proceso se
halla fuera de control
Esta situacin amerita una investigacin
para hallar la causa atribuible o asignable
que produce esta salida de control.
Corregida la causa se supone que el
proceso volver a estar dentro de control.
Incluso si todos los puntos graficados se
hallan dentro de los lmites de control pero
no se comportan de manera aleatoria, esta
situacin puede ser el indicio de que el
proceso se halla fuera de control estadstico.
CONCLUSIN
En la carta de control presentada se
observan muchos puntos debajo de la lnea
central y luego muchos puntos consecutivos
por encima de la lnea central, lo cual
supone un comportamiento no aleatorio.
Si la caracterstica de calidad que estamos
monitoreando tiene una distribucin de
probabilidad normal, la probabilidad de que
aparezca un punto por debajo o por arriba de la
lnea central, es 0,5.
La probabilidad de que aparezcan cinco puntos
consecutivos por encima o por debajo de la
lnea central es (asumiendo que son
independientes) (0,5)5 ; lo que constituye una
probabilidad muy baja y no puede ser atribuido
al azar.
De la misma manera, si de los ltimos 20
puntos, aparecen 18 por encima de la lnea
central aunque debajo del lmite superior
de control y los otros dos por debajo de la
lnea central aunque encima del limite
inferior de control, esta situacin
despertara grandes sospechas de que
existe alguna causa asignable que produce
ste comportamiento, es decir que no es
atribuible al azar.
Existe una estrecha relacin entre las cartas
de control y una prueba de hiptesis.
Si un punto muestral cae dentro de los
lmites de control, se acepta la hiptesis
nula de que =o
Si un punto cae fuera de los limites de
control se acepta la hiptesis alternativa, es
decir o
Errores que pueden cometerse en una carta de
control
Cuando el proceso est dentro de control
existe una pequea probabilidad de que un
punto caiga fuera de los lmites.
Si la media de la caracterstica de calidad que
se monitorea, no ha cambiado pero un punto
cae fuera de los lmites, se considera que el
proceso est fuera de control, cuando esto en
realidad el proceso se halla dentro de control
Esta situacin recibe el nombre de falsa alama
Error tipo I
Ac estaramos cometiendo un error tipo I,
es decir rechazar la hiptesis nula, cuando
es verdadera.
Este error tambin recibe el nombre de
riesgo del productor, ya que rechazaramos
el producto cuando en realidad ste est
dentro de especificaciones.
Esto constituye una falsa alarma.
Error tipo II
Tambin puede ocurrir que se produzca
algn cambio en la media del proceso, sin
embargo el punto muestral puede caer dentro
de los lmites de control.
En este caso aceptaramos la Ho y
cometeramos un error, que se denomina tipo
II y es aceptar la Ho nula cuando esta es
falsa. Esto tambin se denomina riesgo
del consumidor.
Clasificacin de las cartas de control
Pueden clasificarse de dos tipos generales.
Si la caracterstica de calidad puede medirse
y expresarse como un nmero en una escala
de medicin continua, suele llamrsele
variable y en consecuencia carta de control
para variables.
Clasificacin de las cartas de control para variables
En tales casos, es conveniente describir la
caracterstica de calidad con una medicin de
tendencia central y una medida de
variabilidad.
La carta x media, es la carta de uso ms
comn para controlar la tendencia central,
mientras que las cartas basadas en el
rango muestral o en la desviacin estndar
muestral, son las ms adecuadas para
controlar la variabilidad.
Carta de control para atributos
Muchas caractersticas de calidad no se miden
en una escala continua o ni siquiera en una
escala cuantitativa.
En estos casos cada unidad del producto puede
clasificarse como conforme o disconforme,
segn cumpla o no con ciertas especificaciones
tcnicas establecidas.
Fundamentalmente los ensayos pasa-no pasa
Carta de control para atributos
Tambin pueden contarse los defectos que
posee cada unidad de producto.
A las cartas de control para estas
caractersticas de la calidad se les llama cartas
de control de atributos.
Diseo de una carta de control
Los puntos centrales del diseo de una
carta de control son:
la seleccin del tamao de la muestra,
la seleccin de los lmites de control (3 o
2, probabilsticos).
la frecuencia del muestreo.
Diseo de una carta de control
En la mayora de las cartas de control el
diseo sigue consideraciones estadsticas.
Por ejemplo, se sabe que al incrementar el
tamao de la muestra disminuir la
probabilidad de cometer un error tipo II,(si
fijamos el error Tipo I) mejorndose la
capacidad de la carta para detectar algn
cambio en la media del proceso.
Seleccin de los lmites de control
La especificacin de los lmites de control es
una de las decisiones crticas que deben
tomarse al disear una carta de control.
Cuando los lmites de control se alejan ms de
la lnea central, se reduce la probabilidad de
cometer un error tipo I.
Seleccin de los lmites de control
Si embargo, al ensanchar los limites de
control, aumenta la probabilidad de cometer
un error tipo II, es decir que un punto caiga
dentro de los lmites cuando el proceso est
fuera de control.
Lmites tres sigmas
Se justifica el uso de los lmites tres sigmas
porque han dado muy buenos resultados en
la prctica y adems se pueden acompaar
por otras medidas de sensibilidad que
ayudan a deducir si un proceso est fuera
de control.
Limites de advertencia en cartas de control
Se pueden colocar un conjunto de dos
lmites( superior e inferior) dos sigmas,
llamados de advertencia.
Una situacin donde dos puntos
consecutivos caen entre los lmites dos y
tres sigmas, es una seal de que algo
incorrecto est sucediendo en el proceso.
Que hacer cuando ocurre esto ltimo
Una posible accin a realizar cuando ocurre
sto es incrementar la frecuencia de
muestreo o el tamao de la muestra a fin de
obtener con rapidez ms informacin acerca
del proceso.
Tamao de la muestra y frecuencia de muestreo
Cuando se disea una carta de control es
necesario especificar tanto el tamao de la
muestra que debe usarse como la frecuencia
de muestreo.
En general, muestras ms grandes
facilitarn la deteccin de corrimientos ms
pequeos en el proceso
Tamao de la muestra y frecuencia de muestreo
Otra condicin importante es la frecuencia del
muestreo.
La situacin ms deseable desde el punto de
vista de la deteccin de corrimientos sera
tomar muestras grandes con mucha
frecuencia, sin embargo, esto por lo general no
es econmicamente factible
La prctica actual en la industria tiende a
favorecer las muestras ms pequeas en
intervalos ms cortos de tiempo.
Longitud promedio de la corrida cuando el proceso
esta dentro de control(ARL
o
)
Es el nmero promedio de puntos que deben
graficarse antes de que un punto indique una
condicin de fuera de control.
Longitud promedio de la corrida (ARL
o
)
Como la distribucin de probabilidad de la
ARL
o
es geomtrica, para su clculo utilizamos
la media de esta distribucin.
Si las observaciones del proceso son
independientes una de otra, entonces para
cualquier carta de Shewhart, la ARL
o
, puede
calcularse como
Longitud promedio de la corrida (ARL
o
)
Donde p es la probabilidad de ocurrencia de
un xito, considerando como xito un punto
fuera de los lmites, cuando el proceso est
dentro de control.
p
ARL
o
1
=
la longitud promedio de la corrida (ARL
o
)
Como ejemplo, podemos considerar la carta de
control tres Sigmas y una distribucin de
probabilidad normal.
En esta carta p=0,0027, es la probabilidad de
que un solo punto se localice fuera de los
limites de control cuando el proceso est bajo
control.
la longitud promedio de la corrida (ARL
o
)
Por lo tanto, la longitud promedio de
la carta cuando el proceso est bajo control
(ARL
o
) es,
370
0027 , 0
1 1
= = =
p
o
ARL
Longitud promedio de corrida cuando el proceso
se halla fuera de control
la longitud promedio de corrida cuando el
proceso est fuera de control, es la cantidad
de muestras que hay que extraer hasta que
una aparezca fuera de los lmites.
Se calcula como
p
ARL
1
1
=
donde p es la probabilidad de que se
detecte el corrimiento de la media, en el
caso de la carta x media
Si representa la probabilidad de que no
se detecte el cambio de la media del
proceso, 1 ; representa la probabilidad
de que s se detecte.
Por lo tanto:
ARL para la condicin de fuera de control
Por ejemplo, si = 0,6 , entonces
|
= =
1
1 1
1
p
ARL
5 , 2
6 , 0 1
1
1
=
= ARL
Es decir que se necesitan en promedio 2,5
muestras para detectar el cambio en el
proceso.
Si se considera que este valor es
inaceptable porque se tiene demasiada
produccin fuera de especificaciones, se
puede aumentar el tamao de la muestra
para tener un menor error tipo II.
Reglas de sensibilizacin para cartas de control
Estas reglas se emplean para aumentar la
sensibilidad de las cartas para detectar
situaciones de fuera de control.
a) un punto por fuera de los lmites de
control tres sigmas
b) dos de tres puntos consecutivos entre los
lmites dos y tres sigmas.
c) cinco puntos consecutivos por encima o
por debajo de la lnea central.
Reglas de sensibilizacin para cartas de control
d) seis puntos consecutivos que se
incrementan o se decrementan de manera
sostenida.
e) un patrn no aleatorio en los datos
Curva caracterstica de operacin
Diseo general
Para ilustrar los conceptos anteriores,
imaginemos un proceso donde se controla la
cantidad de un detergente slido.
Se sabe que la distribucin de probabilidad de
la cantidad de detergente es normal.
El contenido se verifica por diferencias de
pesadas.
Diseo general
El proceso est bajo control con un peso de
800 g y una desviacin estndar de 1,1 g.
Para controlar el proceso se extraen 5
envases cada hora, se calcula el promedio del
peso de los cinco envases y se grafica ese
valor en la carta de control.
Desviacin estndar de la media muestral
La desviacin estndar de la media
muestral es:
49 , 0
5
1 , 1
= = =
n
x
o
o
Diseo general
Si el proceso se halla bajo control con un
peso de 800 g, entonces al aplicar el teorema
central del lmite, dado que la variable aleatoria
peso tiene una distribucin normal, se espera
que 100(1-)% de los pesos medios muestrales
se localicen entre
y
) 49 , 0 ( 800
2 / o
Z +
) 49 , 0 ( 800
2 / o
Z
Diseo general
Si se escoge arbitrariamente el valor 3 para
la constante
los lmites de control son:
2 / o
Z
47 , 801 ) 49 , 0 ( 3 800 = + = LSC
53 , 798 ) 49 , 0 ( 3 800 = = LIC
Diseo general
A este diseo se lo llama comnmente lmites
de control tres sigmas.
Obsrvese que elegir los lmites de control es
equivalente a establecer la regin crtica para
probar la hiptesis
La carta de control prueba esta hiptesis cada vez que
se grafica un punto.
800 :
0
= H
800 :
1
= H
Diseo general
Puede darse un modelo general para una carta
de control.
Si w es un estadstico muestral que mide alguna
caracterstica de calidad de inters y suponemos
que la media de w es
y que la desviacin estndar de w es ,
entonces la LC, el LSC y el LIC son:
w
w
o
Diseo general
w w
L LSC o . + =
w
LC =
w w
L LIC o . =
Diseo general
Donde L es la distancia de los lmites de control
a la lnea central, expresada en unidades de
desviacin estndar.
El ingeniero Walter Shewhart fue el primero en
proponer esta teora general de las cartas de
control y las cartas de control desarrolladas
segn estos principios llevan el nombre de
cartas de control de Shewhart