CONTROL DE CALIDAD TRABAJO COLABORATIVO 2

GUSTAVO ROJAS CARREO COD.74.377.241 FABIAN LEANDRO ROJAS DUEAS COD: 74.377.018 VICTOR H. ALFONSO SILVA CD: 74.375.209 ARIEL AREVALO

Tutor CARLOS JOFRED ROBAYO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD PROGRAMA DE INGENIERIA INDUSTRIAL CURSO: CONTROL DE CALIDAD

DUITAMA, NOVIEMBRE 10 DE 2012 INTRODUCCION Podemos definir el control de la calidad como el mtodo mediante el cual podemos medir la calidad real, compararla con las normas y actuar sobre la diferencia. Los grficos de control por atributos son apropiados en casos en los que es necesario reducir el rechazo del proceso. Se aplican en situaciones en las que el proceso es una operacin de montaje complicada, y la calidad del producto se mide en trminos de ocurrencia de disconformidades, del funcionamiento exitoso o fallido del producto. Tambin son aplicables los diagramas de control por atributos cuando se necesita un control del proceso, pero no se pueden obtener prcticamente datos de mediciones

3. Industrias ATH fabrica punteras para motores de automviles. Cierta puntera debe tener un dimetro exterior de 20.000 micras (m); donde 1 m es igual a 0.000001 m, con una tolerancia de 25 m. Para evaluar la estabilidad del proceso se realiza un estudio inicial donde es usual obtener por lo menos de 20 a 25 subgrupos (muestras) de tamao pequeo (entre 5 y 10 por lo general). Adems, estos subgrupos deben estar espaciados, de forma que capten el funcionamiento del proceso en un periodo suficientemente amplio para que se capten diferentes cambios en el proceso (turnos, lotes, etc.). En el caso de las punteras, cada hora se mide el dimetro de cinco de estas, en la tabla 1 se muestran los datos de cuatro turnos (dos das). CONTROL X
muestra -subgrupo mediciones - dimetro promedio
mximo mnimo

rango

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

-21 4 -13 15 0 1 -4 3 7 17 15 5 1 -13 2 4 6 -22 -9 0 7 10 -14 -19 10

-5 3 7 7 13 4 0 -13 0 3 -5 -1 -2 1 -4 2 8 1 10 -3 5 7 28 2 5

21 7 -11 26 6 3 -5 3 5 2 2 2 -4 -6 14 19 2 -2 -8 -13 -1 -8 10 7 14

3 22 -7 7 -20 9 11 -13 11 -23 12 -16 -16 11 -6 -1 9 2 -10 14 -1 -14 0 12 -4

-12 -18 7 -4 6 -10 2 9 4 -4 5 10 10 4 -2 6 -4 -7 -2 -3 1 -33 -2 -9 4

-2,8 3,6 -3,4 10,2 1 1,4 0,8 -2,2 5,4 -1 5,8 0 -2,2 -0,6 0,8 6 4,2 -5,6 -3,8 -1 2,2 -7,6 4,4 -1,4 5,8

21 22 7 26 13 9 11 9 11 17 15 10 10 11 14 19 9 2 10 14 7 10 28 12 14

-21 -18 -11 -4 -20 -10 -5 -13 0 -23 -5 -16 -16 -13 -6 -1 -4 -22 -10 -13 -1 -33 -14 -19 -4

42 40 20 30 33 19 16 22 11 40 20 26 26 17 20 20 13 24 20 27 8 43 42 31 18

26 27 28 29 30

21 22 -1 0 2

-16 -14 1 5 -19

-20 -5 4 6 12

-3 -7 -4 -19 -1

10 5 17 -7 0

-1,6 0,2 3,4 -3 -1,2 0,593333 X= 3

21 22 17 6 12 R=

-20 -14 -4 -19 -19

41 36 21 25 31 26,06666 67

prom. x

-2,8 3,6 -3,4 10,2 1 1,4 0,8 -2,2 5,4 -1 5,8 0 -2,2 -0,6 0,8 6 4,2 -5,6 -3,8 -1 2,2 -7,6 4,4 -1,4 5,8 -1,6 0,2 3,4 -3 -1,2

lci -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447 -14,447

lc 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593 0,593

lcs 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634 15,634

0,5933

A2 =

0,577

LSC =

15,6338 14,44713 33

LIC =

CONTROL R
muestra subgrupo mediciones del dimetro promedio
mximo mnimo

rango

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 26 27 28 29 30

-21 4 -13 15 0 1 -4 3 7 17 15 5 1 -13 2 4 6 -22 -9 0 7 10 -14 -19 10 21 22 -1 0 2

-5 3 7 7 13 4 0 -13 0 3 -5 -1 -2 1 -4 2 8 1 10 -3 5 7 28 2 5 -16 -14 1 5 -19

21 7 -11 26 6 3 -5 3 5 2 2 2 -4 -6 14 19 2 -2 -8 -13 -1 -8 10 7 14 -20 -5 4 6 12

3 22 -7 7 -20 9 11 -13 11 -23 12 -16 -16 11 -6 -1 9 2 -10 14 -1 -14 0 12 -4 -3 -7 -4 -19 -1

-12 -18 7 -4 6 -10 2 9 4 -4 5 10 10 4 -2 6 -4 -7 -2 -3 1 -33 -2 -9 4 10 5 17 -7 0 X=

-2,8 3,6 -3,4 10,2 1 1,4 0,8 -2,2 5,4 -1 5,8 0 -2,2 -0,6 0,8 6 4,2 -5,6 -3,8 -1 2,2 -7,6 4,4 -1,4 5,8 -1,6 0,2 3,4 -3 -1,2 0,59333 33

21 22 7 26 13 9 11 9 11 17 15 10 10 11 14 19 9 2 10 14 7 10 28 12 14 21 22 17 6 12 R=

-21 -18 -11 -4 -20 -10 -5 -13 0 -23 -5 -16 -16 -13 -6 -1 -4 -22 -10 -13 -1 -33 -14 -19 -4 -20 -14 -4 -19 -19

42 40 20 30 33 19 16 22 11 40 20 26 26 17 20 20 13 24 20 27 8 43 42 31 18 41 36 21 25 31 26,06 7

Rangos 42 40 20 30 33 19 16 22 11 40 20 26 26 17 20 20 13 24 20 27 8 43 42 31 18 41 36 21 25 31 26,0667

LCI 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

LC 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067 26,067

LCS 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131 55,131

D3
=

D4 =

2,115

LSC =

55,131

LIC =

4. GRFICAS PARA CONTROL DE PROCESO Clases de grficas control Generalmente se utilizan dos tipos bsicos de grficas de control., con algunas variantes: Grficas de control para variables. Grficas de control para atributos Las grficas de control para variables: son utilizadas cuando el parmetro bajo control es alguna medida de una variable, tal como la dimensin de una parte, el tiempo para realizacin de un trabajo y otras. Las grficas de variables pueden basarse en mediciones individuales, valores de la media de muestras pequeas, valores de la media de mediciones de variabilidad. Las grficas de control para atributos: se emplean cuando el parmetro bajo control es la proporcin o fraccin de unidades defectuosas. Existen diversas variantes de las grficas para control de atributos.

Las grficas de control para el nmero de defectos por unidad se utilizan cuando un solo defecto no tiene demasiada importancia pero un gran nmero de defectos puede dar como resultado un producto defectuoso, como en el caso del nmero de rayones en una superficie pintada. A continuacin se analizarn todos los tipos anteriores de grficas de control, suministrando las bases para su diseo: Grficas

__

Al construir grficas X, existen varias cuestiones que deben resolverse, tamao de la muestra, establecimiento de estndares para promedio del proceso y lmites de control y procedimientos prcticos para reducir los clculos requeridos. Ejemplos de Grficas X y Grficas R. En una empresa, un proceso de produccin para el cual se desea establecer tanto una __ grafica X como una grfica R. Con el fin de inicializar las grficas, se toman 20 muestras de n = 5 mediciones aleatorias conforme el proceso contina. Estas observaciones se muestran en la tabla siguiente, en las columnas 2 a 6, representando cada lnea una muestra de n = 5. El promedio de cada muestra se da en la columna 7 y el rango de la muestra se da en la columna 8. La gran media y el rango promedio se muestran en la parte inferior de estas dos __ __ ltimas columnas como x = 0.201 y R = 0.043, respectivamente
__

Nmero de la muestra (1) 1 2 3 4 5 6 7 8 9 10 (2) 0.198 0.224 0.195 0.183 0.194 0.212 0.179 0.216 0.221 0.226

Observaciones individuales

(3) 0.175 0.209 0.172 0.191 0.142 0.238 0.186 0.212 0.172 0.184

(4) 0.201 0.184 0.204 0.168 0.208 0.219 0.206 0.201 0.201 0.187

(5) 0.209 0.225 0.213 0.194 0.226 0.198 0.170 0.196 0.205 0.182

(6) 0.204 0.209 0.208 0.202 0.188 0.230 0.212 0.224 0.204 0.229

Promedio Rango de la de la muestra, muestra, x R. (7) (8) 0.197 0.034 0.210 0.041 0.198 0.041 0.188 0.034 0.192 0.084 0.219 0.040 0.191 0.042 0.210 0.028 0.201 0.049 0.202 0.047

11 12 13 14 15 16 17 18 19 20

0.181 0.176 0.217 0.203 0.243 0.255 0.210 0.178 0.163 0.218

0.210 0.179 0.199 0.192 0.184 0.217 0.226 0.188 0.223 0.192

0.219 0.206 0.225 0.203 0.187 0.200 0.187 0.157 0.171 0.198

0.206 0.182 0.205 0.207 0.220 0.231 0.189 0.184 0.208 0.199

0184 0.244 0.208 0.208 0.214 0.214 0.190 0.162 0.202 0.199

0.200 0.197 0.211 0.203 0.210 0.223 0.200 0.174 0.193 0.201
= =

0.038 0.068 0.026 0.016 0.059 0.055 0.039 0.031 0.060 0.026
__

x =0.20 1

R =0.04 3

Grficas X

__

Primero se calcula la lnea central y los lmites de control preliminares para la grfica __ X de la siguiente manera: LSC LIC = x + A2 R = 0.201 + (0.577 X 0.043) = 0.226 = x A2 R = 0.201 (0.577 X 0.043) = 0.176
= __ = __

GRFICAS DE CONTROL PARA ATRIBUTOS En las grficas de control para atributos la poblacin se divide en dos clasificaciones: partes defectuosas contra partes buenas , el nmero de facturas con errores contra el nmero de facturas sin errores en una operacin de oficina, el nmero presente contra el nmero ausente para el control del ausentismo, la proporcin de tiempo inactivo contra el tiempo activo en un estudio de muestreo de trabajo y as sucesivamente. En cualquier situacin para la que se desee construir una grfica de control es necesario establecer esta distincin bueno-malo. Grficas p

Las grficas de control para la proporcin o fraccin de partes defectuosas que se presentan se denominan grficas p; estas grficas estn basadas en la distribucin binomial. Recurdese que, para la distribucin binomial:
__

x Nmero de partes defectuosas p= = N Nmero total observado

__ __ p1 p

__

sp =

en donde n = tamao de la muestra Siguiendo la prctica para grficas de control de calidad, los lmites de control se establecen en el promedio del proceso para partes defectuosas ms y menos tres __ desviaciones estndar, p + 3sp. En la tabla se muestra un conjunto de datos para el nmero de defectos encontrados en muestras diarias de 200 para 24 das consecutivos de produccin. Primero se quiere determinar si los datos exhiben control estadstico y despus establecer una grfica de control. La fraccin de defectos diarios se calcula dividiendo cada cifra diaria entre el tamao de la muestra, n = 200. En la tabla tambin se calculan cifras preliminares para p, sp. Y LSC y LIC. Estas cifras preliminares se emplean para determinar si el proceso que genera los datos est bajo control.

Tabla: Registro del nmero de partes defectuosas y fraccin calculada de defectos en muestras diarias de n = 20 Da de producci n 1 2 3 4 5 6 7 Nmero de partes defectuosa s 10 5 10 12 11 9 22 Fraccin de defectos 0.005 0.025 0.05 0.06 0.055 0.045 0.11 Da de Nmero de produccin partes defectuosa s 14 14 15 4 16 10 17 11 18 11 19 26 20 13 Fraccin de defectos 0.07 0.02 0.05 0.055 0.055 0.13 0.65

8 9 10 11 12 13

4 12 24 21 15 8

0.02 0.06 0.12 0.105 0.075 0.04

21 22 23 24 Total

10 9 11 12 294

0.05 0.045 0.055 0.06

__

294 p = 24 X 200 = 0.061

3 s p = 3 X 0.017 = 0.51

LSC = p + 3s p = 0.061 + 0.051 = 0.112 LIC = p 3s p = 0.061 0.051 = 0.010 Sp=

0.061x 0.939 = 0.017 200
__

__

Para establecer estndares para la variacin normal se elimina los datos para los das en los que se han establecido causas asignables (das 10 y 19) y se vuelven a calcular p, LSC y LIC de la siguiente manera.

__

p=

244 = 0.058 200 X 21

0.058 X 0.942 = 0.108 200

UCL = 0.058 + 3

UCL = 0.058 - 3

0.058 X 0.942 = 0.108 200

Grficas p para muestras de tamao variable.

En el ejemplo anterior el tamao de la muestra era constante. Sin embargo, con frecuencia los tamaos de la muestra son variables, como suele ser el caso cuando se aplica una inspeccin del 100 por ciento y los volmenes resultantes varan da a da. Si los tamaos de la muestra varan slo ligeramente, los lmites de control pueden basarse en el tamao de la muestra promedio. Sin embargo, cuando los tamaos de la muestra varan sustancialmente, pueden calcularse nuevos lmites de control para cada muestra, lo cual no resulta una actividad costosa en el mundo actual de la computacin. Estos clculos de los lmites de control pueden simplificarse. __ __ __ p = 0.009, entonces 3 p1 p / n = 3 0.099 x0.901 / n = 0.896 / n . Por ejemplo si

Para cada muestra, entonces, la raz cuadrada del tamao de la muestra se divide __ entre 0.896 para obtener el valor de 3s p que debe sumarse y restarse de p para obtener los lmites de control individuales. Por supuesto, una p diferente requiere una nueva determinacin de la constante. Otra forma de manejar este problema es construir una grfica p estabilizada convirtiendo las desviaciones del promedio del proceso a unidades de desviacin estndar. Se calcula una sp para cada muestra utilizando el mtodo rpido antes mencionado (el factor para el ejemplo sera simplemente de 0.896/3 = 0.299)= y se divide entre la __ __ __ variacin de la muestra a partir de p , p - p . Si la produccin de defectos de la muestra fuera p = 0.084, p = 0.099 como anteriormente y n = 95, entonces s p = 0.299/ = 0.0306. Entonces (p - p )/sp = -0.0150/0.306 = - 0.49 unidades de desviacin estndar. Los lmites de control se trazan en trminos de unidades de desviacin estndar y esta muestra est 0.49 desviaciones estndar por debajo de la media.
95
__ __

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

BIBLIOGRAFIA Modulo de Control de Calidad Gua de actividades. www.mt.com/industrial http://www.slideshare.net/byrong/software-estadistico http://www.slideshare.net/margarita03/estadistico-presentation www.bloginformatico.com/software-de-aplicacion.php