Академический Документы
Профессиональный Документы
Культура Документы
ESTUDIANTE
CICLO
X. 2014-II.
FECHA
TARAPOTO PER
2014
1. INTRODUCCION
El Control Estadstico de Procesos es un conjunto de tcnicas estadsticas destinadas
a hacer un seguimiento, en tiempo real, de la calidad que ofrece un proceso. El resultado de
dicho proceso puede ser un artculo o un servicio. El Control Estadstico se realiza sobre
una o varias variables que estn relacionadas con la calidad del artculo o servicio de
inters.
El concepto y utilidad del Control Estadstico de Procesos se desarroll inicialmente
para procesos industriales, campo que constituye todava su aplicacin ms frecuente. Sin
embargo, hay que destacar que, hoy en da, todas estas tcnicas han demostrado ser muy
tiles en cualquier proceso de una organizacin, incluyendo los administrativos, de
fabricacin o de servicios.
Variacin
En todos los procesos repetitivos encontramos variacin y a pesar de que la
variacin est implcita en todo lo que se hace y lo que nos rodea, difcilmente se puede
evitar. Esta definicin puede ser aplicada a cualquier tipo de proceso de una organizacin,
ya sea desde los ms simples a los ms complejos, o aplicarlo al diseo, desarrollo o
produccin de un producto o servicio.
Es aquella que resulta de dividir cada una de las frecuencias absolutas entre el
nmero total de datos. Las frecuencias relativas se designan con las letras hi. La suma de
todas las frecuencias relativas es igual a la unidad.
2.3.4.
Es aquella que resulta de dividir cada una de las frecuencias acumuladas entre
nmero total de datos. Se designa con las letras Hi. La ltima frecuencia relativa acumulada
es la unidad.
Es la representacin estructurada en forma de tabla de toda la informacin que se ha
recogido sobre la variable que se estudia, es decir, es una tabla que presenta de manera
ordenada los distintos valores de una variable y sus correspondientes frecuencias. Su forma
ms comn es la siguiente:
Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de media
y desviacin estndar usaremos la expresin: X N(,).
2.5. Distribucin Binomial
Si realizamos n veces un experimento en el que podemos obtener xito, E, con
probabilidad p y fracaso, F, con probabilidad q (q = 1 p), diremos que estamos ante una
distribucin binomial de parmetros n y p, y lo representaremos por Bin (n;p). En este caso
la probabilidad de obtener k xitos viene dada por:
1
2.6.1. Media Aritmtica
La media aritmtica (X) o simplemente la media es la medida de posicin de ms
importancia y utilizacin en las aplicaciones estadsticas por su fcil calculo e
interpretacin. Se trata del valor medio de todos los valores que toma la variable estadstica
de una serie de datos. La media es el valor ms representativo de la serie de valores, es el
punto de equilibrio, el centro de gravedad de la serie de datos. Por lo general se le designa
con X.
Luego el nmero que se obtiene indica el lugar o posicin que ocupa la mediana en
la serie de valores, luego la mediana ser el nmero que ocupe el lugar de lo posicin
encontrada.
Si n es par, se aplica la frmula:
3. CONTROL DE PROCESOS
3.1.
Causas de Variacin
Todo proceso produce variaciones. stas pueden ser de distinta naturaleza:
Cuando estas variaciones aparecen sin ser posible atribuirlas a una causa nica,
siendo resultado de efectos combinados de muchas causas, se dir que stas, son
debidas a causas no asignables o causas aleatorias.
Cuando las variaciones pueden aparecer por otras causas, de forma que cuando
actan producen efectos que se pueden atribuir con certeza a un motivo, se
denominan causas asignables o causas especiales.
3.1.1. Causas no Asignables o Aleatorias
Su naturaleza es de tipo aleatorio, debidas a la propia variacin natural del proceso,
y como consecuencia de las mismas, el proceso tiene un comportamiento estable en el
tiempo, de forma que las caractersticas de salida se pueden predecir. Las causas aleatorias
se caracterizan por:
o
o
o
o
o
o
4. GRFICOS DE CONTROL
4.1.
Cartas de Control
La carta de control es una tcnica muy til para el monitoreo de los procesos,
cuando se presentan variaciones anormales donde las medias o los rangos salen de los
lmites de control, es seal de que se debe tomar accin para remover esa fuente de
variabilidad anormal. Su uso sistemtico proporciona un excelente medio para reducir la
variabilidad.
LSC
LC
LIC
LSC = Lmite superior de control
LC = Lnea central
LIC = Lmite inferior de control
Un punto que se encuentre fuera de los lmites de control mostrar evidencia que el
proceso est fuera de control y ser necesario una investigacin de la causa especial y la
accin correctiva necesaria para eliminarla. Tambin se tendr un alto riesgo de situacin
fuera de control si los puntos se agrupan es forma sistemtica dentro de los lmites de
control o muestran una tendencia.
Por ejemplo, la carta de control de medias prueba la hiptesis de que la media del
Xi
cae dentro de
los lmites de control; de otra forma se concluye que el proceso est fuera de control y que
la media del proceso tiene un valor diferente del de 0, por decir 1, donde 1 0.
Se puede decir que las probabilidades de los errores tipo I y tipo II de la carta de
control, son esquemas de prueba de hiptesis para analizar el desempeo de las cartas de
control.
La probabilidad del error tipo I o alfa de la carta de control se presenta cuando se concluye
que el proceso est fuera de control cuando en realidad no lo est. La probabilidad de error
tipo II o beta de la carta de control se presenta cuando se concluye que el proceso est en
control cuando en realidad est fuera de control.
Se puede definir un modelo general para una carta de control, si w es un estadstico
muestral que mide alguna caracterstica de calidad de inters y asumiendo que su media es
w con desviacin estndar w se tiene:
LSC = w + Lw
LC = w
LIC = w - Lw
Donde L es la distancia de los lmites de control a partir de la lnea central
expresada en unidades de desviacin estndar.
El uso ms importante de la carta de control es la mejora del proceso, a travs de su
monitoreo, al principio se observar que los procesos no estn en control estadstico, sin
embargo con las cartas de control se podrn identificar causas especiales que al ser
eliminadas, resulten en una reduccin de la variabilidad mejorando el proceso.
Distribucion
De Los Valores
Distribucion
De Las Medias
X 0.0045
Individuales =.01
4.2.3. Dispersin
Alcance de la diseminacin con la que los datos de una distribucin de frecuencia se
distribuyen alrededor de la zona de tendencia central.
4.2.4. Recorrido, "R"
Medida de la dispersin, correspondiente a la diferencia entre el valor mximo y el
valor mnimo de un conjunto de datos.
4.2.5. Desviacin Tpica, "S" O "S"
Es una medida de la dispersin de una distribucin de frecuencia, correspondiente a
la raz cuadrada del cociente entre la suma de los cuadrados de las distancias de cada valor
a la media aritmtica y el nmero de valores. En general este parmetro se estima a travs
del clculo de la desviacin tpica de los valores de una muestra (desviacin tpica
muestral, s), siendo esta:
s = (x - x) 2 (n - 1) i , o bien ( ) ( 1) s = x 2 - nx 2 n - i
xi = valor del elemento i de la muestra
n = tamao de la muestra
4.3.
que son examinadas por un inspector, si el artculo no est de acuerdo a los estndares, se le
considera como defectuoso o no conforme.
La fraccin defectiva o no conforme en la muestra se define como la relacin entre
el nmero de unidades no conformes D al tamao de muestra n, o sea:
pi
Di
ni
p
2p
p(1 p )
n
w2
, los lmites de control
son:
LSC = w + Lw
LC = w
LIC = w - Lw
Donde L es la distancia de la lnea central hasta los lmites de control, es comn usar L = 3.
Por tanto los lmites de control de la carta p considerando L = 3 son:
__
__
p (1 p )
p 3
n
__
LSCp =
__
LCp =
__
__
p (1 p )
p 3
n
__
LICp =
Durante la operacin, se toman muestras de n unidades, se calcula la fraccin
pi
defectiva
pi
y se grafica en la carta, mientras no se observe ningn patrn anormal y
se
localice dentro de lmites de control, se puede concluir que el proceso est en control, de
otra forma, se concluir que la fraccin no conforme se ha desplazado de su valor original y
el proceso se encuentra fuera de control.
Cuando la fraccin defectiva del proceso es desconocida, se estima de los datos
observados en m muestras iniciales, cada una de tamao n, por lo general se toman 20 a 25
de estas. As si Di son unidades no conformes en la muestra i, la fraccin defectiva de la
muestra i - sima estar dada como:
pi = Di / n
i = 1, 2, 3,....., m
Di
i 1
mn
p
i 1
Una vez hecha la grfica trazando los lmites anteriores, cualquier punto que se
encuentre fuera de control debe ser investigado, si se encuentra una causa asignable o
especial, deben tomarse medidas correctivas para prevenir su recurrencia, los puntos
correspondientes a la situacin fuera de control se eliminan y se calculan de nuevo los
lmites de control preliminares.
5. ANALISIS DE LA INFORMACIN
El uso de los mtodos estadsticos en el control de procesos es muy importante para
una empresa, entidad financiera, etc., ya que estas herramienta acompaadas de grficos de
control nos permiten predecir con mayor exactitud la posibilidad de que ocurrir ciertas
desviaciones dentro del proceso y adems ayuda a comprender mejor lo que realmente est
pasando con los procesos, determinar donde y cuando se requiere ajustar un determinado
proceso para que este dentro del rango establecido como estndar para la elaboracin de un
bien o servicio.
Estas herramientas cumplen la funcin de monitorear los procesos productivos con
la finalidad de que el resultado sea un buen producto el cual responda a los deseos de la
empresa de producir productos libre de defectos optimizando recursos sin incurrir en
prdidas por defectos de proceso. La idea de aplicar el control de proceso es para que los
productos se uniformicen y sean semejantes a un patrn o estndar considerado como el
ptimo para satisfacer las necesidades de los consumidores.
6. MEJORA y PROPUESTA
El control de procesos mediante mtodos estadsticos debera formar parte del
monitoreo del proceso de produccin de una empresa, ya que es un mtodo que cuantifica y
determina cuan alejados estamos produciendo del estndar. Hoy en da la tecnologa para
las industrias da tantas facilidades, tanto es as que permite llevar el monitoreo de los
procesos mediante sensores y software que hacen uso de la estadstica facilitan muchsimo
el control de procesos, sin embargo el todos los trabajadores de una empresa, industria, etc.,
tiene que conocer y saber cmo interpretar dichos resultados, ya sea valor numrico o
grfico y a partir de ello tomar las acciones correctivas necesarias para ajustar los procesos
de produccin.
7. CONCLUSIONES
7.1.
7.2.