Documente Academic
Documente Profesional
Documente Cultură
Gonzlez, Raymundo Moreno Romero, Jos Alfredo Quiroz Valdez, Eduardo Gabriel Villegas Garca, Elas
Lmite superior
Valor mximo en el cual el proceso se encuentra en control
Lmite inferior
Valor mnimo en el cual el proceso se encuentra en control.
Lnea central
Es el promedio del nmero de defectos
Grfica p
Representa el porcentaje de fraccin defectiva Principales objetivos
Descubrir puntos fuera de control Proporcionar un criterio para juzgar si lotes sucesivos pueden considerarse como representativos de un proceso Puede influir en el criterio de aceptacin.
Grfica u
Puede utilizarse como: Nmero de defectos de todas las unidades producidas.
GRAFICAS pn Y GRAFICAS p
Limites de control
Limites de control
Cuando p es conocido
Ejemplo: Se envasa jugo de naranja en botes de cartn. Se considera que el bote es disconforme si al llenarlo gotea. Se sabe que la proporcin de botes defectuosos es de 0.23 Para controlar el peso se establece un control por atributos tomando muestras de tamao 50 cada hora.
No de muestra
No de defectuosos
No de muestra
No de defectuosos
1
2 3 4 5 6 7 8 9 10 11 12 13 14
12
15 8 10 4 7 16 9 14 10 5 6 17 12
16
17 18 19 20 21 22 23 24 25 26 27 28 29
8
10 5 13 11 20 18 24 15 9 12 7 13 9
15
22
30
Obtencin de limites
LCS= 50*0.23 + 3 50*0.23*0.77 = 20.43 LC= 50*0.23 = 11.5
LCI= 50*0.23 - 3 50*0.23*0.77 = 2.57
Graficar
NP Chart for cantidad
25 1 20 15 NP=11.57 10 5 -3.0SL=2.621 0 0 10 20 30 3.0SL=20.51 1
Sample Number
Se hace para:
Definir la frecuencia y el tamao de muestreo, obtener datos y finalmente establecer los limites de control que reflejen las variaciones del proceso cuando esta bajo control estadsticos.
El objeto de analizar una grfica de control es identificar cul es la variacin del proceso, las causas comunes y causas especiales de dicha variacin y en funcin de esto tomar alguna accin apropiada cuando se requiera.
Obtencin de limites
LCS= 0.0362+ 30.0362(1-0.0362) = 0.0686 300
LC= 0.0362
LCI=0.0362 - 30.0362(1-0.0362) = 0.00386 300
Cuando P es desconocido
Se toman k muestras de tamao n. 1. Se calcula p utilizando las k muestras
2. Sustituir en las frmulas de los Lmites de Control para P conocida para obtener lo siguiente:
Procedimiento repetitivo que se utiliza para garantizar (al menos de forma aproximada) que las muestras utilizadas para hacer el clculo de parmetros corresponden al proceso en estado de control estadstico. Pasos: 1. Se toman k muestras (mnimo 25) de tamao n (mnimo 50). 2. Se calcula
EJEMPLO
Determinacin de la Capacidad del Proceso
2. Calcular
4. Los puntos 15 y 23 estn fuera de los lmites del grfico, por lo tanto se eliminan.
6. Ahora todas las muestras estn dentro del grfico, por lo tanto suponemos que todas han sido tomadas cuando el proceso est bajo control estadstico.
Clculo de la Capacidad del Proceso: 1= 1 0.208 = 0.792
clasificarlo como defectuoso o no (grficos P y NP) 2. En el caso de productos complejos, la existencia de un defecto no necesariamente conlleva a que el producto sea defectuoso. En tales casos, puede resultar conveniente clasificar un producto segn el nmero de defectos que presenta (grficos C y U).
Es importante notar que los grficos P, NP, y U permiten trabajar con muestras de tamaos diferentes, mientras que los grficos C estn diseados para muestras de igual tamao.
Piezas Defectuosas
Grfica p
Carta P NP
Grfica np
Descripcin Proporciones Nmero de defectuosos
Grfica u
Campo de aplicacin. Control de la fraccin global de defectuosos de un proceso. Control del nmero de piezas defectuosas
Grfica c
C U
Control de nmero global de defectos por unidad Control del promedio de defectos por unidad.
El tamao de cada muestra oscilar entre +/- 20% respecto al tamao medio de las muestras. n = (n1 + n2 + ... + nN)/N N = Nmero de muestras.
La frecuencia de muestreo ser la adecuada para detectar rpidamente los cambios y permitir una realimentacin eficaz. El periodo de recogida de muestras debe ser lo suficientemente largo como para recoger todas las posibles causas internas de variacin del proceso. Se recogern al menos 20 muestras para proporcionar una prueba fiable de la estabilidad del proceso.
= 49.1/25= 1.964 = 2
Definir las escalas del grfico El eje horizontal representa el nmero de la muestra en el orden en que ha sido tomada. El eje vertical representa el nmero de disconformidades por unidad "u". La escala de este eje ir desde cero hasta dos veces el nmero de disconformidades por unidad mximo de las muestras
Grfica c
Estudia el comportamiento de un proceso considerando el nmero de defectos encontrados al inspeccionar una unidad de produccin El artculo es acceptable aunque presente cierto nmero de defectos. La muestra es constante Principales objetivos
Reducir el costo relativo al proceso Determinar que tipo de defectos no son permitidos en un producto
Recoger los datos segn el plan establecido. Se tendr un especial cuidado de que la muestra sea aleatoria y representativa de todo el periodo de produccin o lote del que se extrae. Cada unidad de la muestra se tomar de forma que todas las unidades del periodo de produccin o lote tengan la misma probabilidad de ser extradas. (Toma de muestras al azar). Se indicarn en las hojas de recogida de datos todas las informaciones y circunstancias que sean relevantes en la toma de las mismas.
Identificacin de causas especiales o asignables. Pautas de comportamiento que representan cambios en el proceso: Un punto exterior a los lmites de control. Se estudiar la causa de una desviacin del comportamiento tan fuerte. Dos puntos consecutivos muy prximos al lmite de control. La situacin es anmala, estudiar las causas de variacin. Cinco puntos consecutivos por encima o por debajo de la lnea central. Investigar las causas de variacin pues la media de los cinco puntos indica una desviacin del nivel de funcionamiento del proceso. Fuerte tendencia ascendente o descendente marcada por cinco puntos consecutivos. Investigar las causas de estos cambios progresivos. Cambios bruscos de puntos prximos a un lmite de control hacia el otro lmite. Examinar esta conducta errtica.
EJEMPLO
muestra 1 2 3 4 5 6 7 8 9 10 11 12 13
defectos 21 24 16 12 15 5 28 20 31 25 20 24 16
muestra 14 15 16 17 18 19 20 21 22 23 24 25 26
defectos 19 10 17 13 22 18 39 30 24 16 19 17 15
C Chart for C1
40 1 3.0SL=33.21
Sample Count
30
20
C=19.85
10 -3.0SL=6.481 1 0 0 10 20
45 40 35 30
Sample Number
25 20
15 10 5 0 0 5 10 15 20 25 30 Series1
CONCLUSIONES
Del desarrollo de los conceptos y ejemplos se puede observar el enorme potencial que posee la utilizacin del Control Estadstico de la calidad como instrumento y herramienta destinada a un mejor control, una forma ms eficaz de tomar decisiones en cuanto a ajustes, un mtodo muy eficiente de fijar metas y un excepcional medio de verificar el comportamiento de los procesos.
GRACIAS COMPAEROS!