Академический Документы
Профессиональный Документы
Культура Документы
Ingeniera Industrial
Universidad Libre de Colombia
Bogot D.C Septiembre 3 de 2014
1. Taller 1. Grfico X - R
ANLISIS DE INGENIERA
Estos grficos agrupan los datos para un periodo determinado y los expresa en
forma esttica. Sin embargo, en una fbrica tambin es deseable saber el tipo de
cambios que ocurre durante el transcurso del tiempo es decir desde un punto de
vista dinmico. Esto significa que solo debemos los cambios que experimentan los
datos a lo largo del tiempo, si no tambin estudiar el efecto que tiene sobre el
proceso los diversos factores que con el correr del tiempo sufren modificaciones.
As, si con el tiempo cambian los materiales, los trabajadores, los mtodos de
trabajo o el equipo tendremos que tomar nota del impacto que esos tienen en el
proceso, una forma de cubrir todo lo anterior es mediante el uso de los grficos de
control.
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECFICOS
Elaborar un grfico de control estadstico dentro del proceso donde desarrolla sus
actividades de una manera numrica y grfica.
INTRODUCCIN
Un grfico de control es un diagrama especialmente preparado donde se van
anotando los valores sucesivos de la caracterstica de calidad que se est
controlando. Los datos se registran durante el funcionamiento del proceso de
fabricacin y a medida que se obtienen.
Variables de medicin, que suelen ser puntos de medicin por reloj comparador, o
puntos de medicin por mquina tridimensional. La implementacin de grficos de
control exige necesariamente colocar al proceso bajo control estadstico. Cuando
se utilizan grficos X-R, en el grfico de X se representan los promedios de
subgrupos, es decir, promedios mustrales. No se debe confundir la desviacin
estndar del proceso con la desviacin estndar de los promedios mustrales.
METODOLOGA
34
31
40
33
46
29
35
42
32
37
33
48
25
39
31
29
34
56
37
47
43
35
37
40
39
15
50
30
51
29
33
28
42
34
55
37
28
41
45
35
21
38
33
40
45
36
37
31
34
39
34
31
40
33
46
29
35
42
32
37
33
48
25
39
31
29
34
56
37
47
43
35
37
40
39
15
50
30
51
29
33
28
42
34
55
37
28
41
45
35
21
38
33
40
45
36
37
31
34
39
MEDIA
33
36
35
37
43
29
37
40
40
37
RANGO
22
20
17
24
22
22
26
19
18
MEDIA X
37
MEDIA R
A2
D4
D3
20
0,577
2,114
0,000
LCX
LCXS
LCXI
X(A2*R)
48,15
25,41
NO STANDAR X
50
45
43
40
40
36
35
37
35
33
40
37
37
30
29
25
20
15
10
A
MEDIA
MEDIA X
LCXS
LCXI
34
31
40
33
46
29
35
42
32
37
33
48
25
39
31
29
34
56
37
47
43
35
37
40
39
15
50
30
51
29
33
28
42
34
55
37
28
41
45
35
21
38
33
40
45
36
37
31
34
39
MEDIA
33
36
35
37
43
29
37
40
40
37
RANGO
22
20
17
24
22
22
26
19
18
MEDIA X
37
MEDIA R
A2
D4
D3
20
0,577
2,114
0,000
D4*R
41,65
D3*R
0
NO STANDAR R
45
40
35
30
25
20
15
10
5
0
-5
26
24
22
20
22
22
19
17
18
7
A
C
RANGO
E
MEDIA R
G
LCRS
LCRI
ANLISIS DE INGENIERA
Los grficos de control fueron propuesto originalmente por W. Shewart en 1920, y
en ellos se representa a lo largo del tiempo el estado del proceso que estamos
monitorizando. En el eje horizontal X se indica el tiempo, mientras que el eje vertical
Y se representa algn indicador de la variable cuya calidad se mide. Adems se
incluye otras dos lneas horizontales: los lmites superior e inferior de control,
escogidos stos de tal forma que la probabilidad de que una observacin est fuera
de esos lmites sea muy baja si el proceso est en estado de control, habitualmente
inferior a 0.01.
INTRODUCCIN
En este taller se muestran los lmites de Control estadstico, metodologa que
utilizando fundamentalmente grficos permite monitorizar la estabilidad (calidad) de
un proceso de produccin o de suministro de un servicio, de forma que se detecte,
cuanto antes, cualquier situacin inadecuada; lo que permitir eliminar las causas
especiales de variabilidad en la obtencin del resultado final.
OBJETIVO
MARCO REFERENCIAL
Una de las reas de la actividad humana en la que la aplicacin de tcnicas
estadsticas ha tenido gran difusin y al mismo tiempo un enorme xito, es en la de
aquellos aspectos que se relacionan con el control de calidad de produccin de
bienes y suministro de servicios. En los aos 80 la aplicacin de la filosofa y
tcnicas del control de calidad en la produccin supuso un enfoque revolucionario y
tremendamente competitivo, que fue aprovechado sobre todo por la industria
japonesa para colocarse a la cabeza del mercado mundial, lo que resulta curioso,
siendo americanos los "padres" del control de calidad, puesto que la industria
8
34
30
40
33
46
29
35
42
23
37
26
48
25
39
31
59
34
56
37
47
43
35
37
40
39
15
50
30
51
29
32
28
42
34
55
37
18
41
45
35
21
38
33
40
45
36
37
31
34
39
MEDIA
RANGO
A
34
26
43
32
21
31,2
22,0
B
30
48
35
28
38
35,8
20,0
MEDIA X
37
MEDIA R
S
A
A2
D3
D4
24
9,2
1,342
0,577
0
2,114
C
40
25
37
42
33
35,4
17,0
D
33
39
40
34
40
37,2
7,0
E
46
31
39
55
45
43,2
24,0
F
29
59
15
37
36
35,2
44,0
G
35
34
50
18
37
34,8
32,0
H
42
56
30
41
31
40,0
26,0
I
23
37
51
45
34
38,0
28,0
J
37
47
29
35
39
37,4
18,0
Standard
LCX
X AS
10
XA2 R
STANDAR X
60
50
43,2
40
35,8
35,4
40
37,2
35,2
34,8
38
37,4
31,2
30
20
10
0
A
D
MEDIA
E
LCSX
LCIX
H
MEDIA X
11
50
44
40
32
30
22
26
24
28
20
18
17
20
10
0
A
RANGO
F
LCSR
LCIR
38
37,4
MEDIA R
NO STANDAR X
60
50
43,2
40
35,8
35,4
40
37,2
35,2
34,8
31,2
30
20
10
0
A
D
MEDIA
E
LCSX
LCIX
H
MEDIA X
12
50
44
40
32
30
22
26
24
28
20
18
17
20
10
0
A
D
RANGO
LCSR
G
LCIR
MEDIA R
13
MARCO REFERENCIAL
Los ndices de capacidad de procesos (ICP) son un medio altamente efectivo de
determinar la calidad del producto y desempeo del proceso. Entre muchos ndices
de capacidad de procesos desarrollados, Cp, Cpk, Cpm y Cpmk son los cuatro
ndices ms populares bajo procesos distribuidos normalmente. Sin embargo,
cuando estos ndices tradicionales son utilizados para evaluar un proceso
distribuido no normalmente a menudo gua a resultados inexactos. Por esto, los ICP
basado tanto en el mtodo de percentiles de Clements como en el mtodo de
percentiles de Burr fueron propuestos para superar esta deficiencia bajo procesos
distribuidos no normalmente.
14
12
11
13
10
10
10
MEDIA
12
11
13
10
10
9.9
1,79
15
+3
ICPks = LEs -
/3
ICPki =
LEi / 3
16
OBJETIVOS
MARCO REFERENCIAL
El valor AQL (Nivel de Calidad Aceptable) es uno de los criterios de calidad ms
importantes en la produccin. AQL es un mtodo estadstico de control de la calidad
que, a partir de un nmero limitado de muestras, permite determinar la calidad del
total de la produccin con una fiabilidad inicialmente definida. La demanda de
productos para uso diario ha ido creciendo continuamente. La invencin de la
mquina a vapor a principios del siglo XIX constitua la base de la era industrial.
Poco a poco iba cediendo la presin de las corporaciones y el artesanado estaba
sustituyndose paulatinamente por la produccin en serie. Esto fue el inicio de un
desarrollo de la produccin y de la economa en Europa y en los Estados Unidos,
cuyas consecuencias determinan hasta hoy da nuestro mundo de trabajo. Gracias
a la produccin en masa, muchos productos han podido fabricarse a precios
considerablemente ms bajos, por lo que, de pronto, estaban al alcance de la mano
de vastos sectores de la poblacin.
17
METODOLOGA
La fbrica MEGAN de productos para el sector textil, desea establecer en qu nivel
de su calidad se encuentran sus productos plsticos. Su mayor cliente es FABRIL
S.A y su departamento de control de calidad ha decidido como mtodo de
aceptacin de los productos plsticos, un nivel aceptable de calidad de 2.5, para los
dos tamaos de lote de su produccin, los cuales son de 280 y 150 unidades.
El procedimiento de muestreo debe ser acorde a la norma MIL_STD_105E y/o ISO
2859, considerando como nicos defectos en el proceso de determinar al AQL.
18
5 OK (n)
II
1 o ms No OK
1 o ms No OK
5 o ms OK
N1
N2
n
NAC
150
280
20
2.5
Inspeccin Normal
n1
Ac1
Re1
150
20
150
150
150
150
20
20
20
20
1
1
1
1
2
2
2
2
N Defectuosos
Color
Material
3
5
3
6
6
6
5
2
2
1
Total
Defectuosos
Decisin
Rechazo
8
8
8
7
Rechazo
Rechazo
Rechazo
Rechazo
Inspeccin Rigurosa
En la Tablas 2-B Rigurosa, se toma la muestra de 32 ya que en una muestra de 20
con un nivel de aceptacin de 2.5 indica pasar al siguiente nivel de muestra.
19
n1
Ac1
Re1
150
150
150
150
150
32
32
32
32
32
1
1
1
1
1
2
2
2
2
2
N Defectuosos
Color
Material
9
5
5
7
6
9
9
7
7
8
Total
Defectuoso
s
18
14
12
14
14
Decisin
Rechazo
Rechazo
Rechazo
Rechazo
Rechazo
Inspeccin Normal
N
n1
Ac1
Re1
280
50
280
280
280
280
50
50
50
50
3
3
3
3
4
4
4
4
N Defectuosos
Color
Material
4
11
7
4
5
7
6
9
10
11
Total
Defectuosos
Decisin
15
Rechazo
13
13
15
18
Rechazo
Rechazo
Rechazo
Rechazo
Inspeccin reducida
n1
Ac1
Re1
280
280
280
280
280
50
50
50
50
50
2
2
2
2
2
3
3
3
3
3
N Defectuosos
Color
Material
9
9
7
10
6
9
9
11
6
10
Total
Defectuosos
Decisin
18
17
15
20
16
Rechazo
Rechazo
Rechazo
Rechazo
Rechazo
20
21