Analsis y control de calidad en la produccin de

arandelas
Analysis and quality control in the production of packing ring

De la Hoz Hernndez Iveth Lobo Mendoza Sandro

Facultad de Ingeniera Industrial Facultad de Ingeniera Industrial
Universidad del Atlntico Universidad del Atlntico
Barranquilla, Colombia Barranquilla, Colombia
ivethdlh@hotmail.com Ordnas._127@hotmail.com

Garca Camargo Juan Pea Pinedo Jordan

Facultad de Ingeniera Industrial Facultad de Ingeniera Industrial
Universidad del Atlntico Universidad del Atlntico
Barranquilla, Colombia Barranquilla, Colombia
juanfernandogarciacamargo@gmail.com Jordanpe9410@gmail.com

Loaiza Saavedra Lina Pereira Ospino Andres

Facultad de Ingeniera Industrial Facultad de Ingeniera Industrial
Universidad del Atlntico Universidad del Atlntico
Barranquilla, Colombia Barranquilla, Colombia
Linamar.19@hotmail.com Andrespereira_19@hotmail.com

Resumen Un proceso productivo tiene diferentes variables que I. INTRODUCCIN

influyen en el aumento o disminucin de costos; como la calidad
del producto terminado. En este documento haremos un anlisis
de dos caractersticas como son el dimetro interno y el dimetro
externo, simulando la fabricacin de arandelas, esto basado en
los datos obtenidos en las mediciones para verificar que los
dimetros derivados tienen medidas estndar, apoyndonos en
herramientas como el software estadstico R para graficar los
datos y realizar pruebas de normalidad a estos.
Palabras claves Proceso productivo; modelos estadsticos;
variable; arandela; software estadstico R.
Abstract A productive process has different variables that
influence the increase or decrease of costs; Such as the quality of
the finished product. In this document we will make an analysis
of two characteristics such as the internal diameter and the
external diameter, simulating the manufacture of washers, this
based on the data obtained in the measurements to verify that the
diameters derived have standard measures, based on tools such
as software R statistic to plot the data and perform normal tests.
Keywords Productive process; statistical models; variables;
packing ring; Statistical software R.
El presente estudio tiene como finalidad de acuerdo a los
parmetros de un control de calidad, evidenciar si en el
proceso productivo de arandelas estn son obtenidas con
medidas estndar dentro de sus dimetros externos e internos.
Al ser el control de calidad un factor importante dentro de las
empresas productivas para garantizar la produccin y
excelencia de un producto.
Las arandelas son anillos generalmente metlicos, que se
utiliza para impedir el rozamiento de las piezas entre las que se
coloca y se asegura su inmovilidad relativa.
Existen distintos tipo de acuerdo de la aplicacin o al uso, por
lo que pueden ser agrupadas en tres clases: arandela plana de
hierro, arandela dentada y arandela de goma.
Para verificar que la fabricacin de las arandelas sean
estandarizadas se hace uso de un control de calidad, este
apoyado en la toma de medidas, conocimientos adquiridos y
software estadstico, como R.
El paquete estadstico R es un entorno informtico estadstico
que incluye herramientas de anlisis de datos y generacin de
grficas. Es software libre y funciona bajo Windows, MAC OS
y Linux. Es una herramienta ideal para docencia, ya que
permite que los alumnos la descarguen y la utilicen en sus
casas con toda libertad y sin cargo alguno.
R realmente es un lenguaje y conjunto de mdulos estadsticos
que, mediante cualquiera de los interfaces del cual dispone,
este permite realizar anlisis de datos y representacin grfica
de los mismos.
II. MARCO TERICO
El control y la mejora continua de los procesos abarca toda
accin que permita replantear los procesos, identificar
acciones que conlleven a la optimizacin de las pautas de
trabajo, y de esa manera generar ventajas productivas para la
empresa, y a la vez, valor agregado para los clientes a los que
se provee el producto o servicio.
Entendiendo como proceso al conjunto de actividades, tareas,
decisiones, etc. que se combinan para obtener un resultado
determinado, es claro y natural que las caractersticas de dicho
resultado estarn sujetas a una cierta variabilidad aleatoria, de
modo que no siempre se lograr el nivel ideal deseado para
cada una de ellas. Dada la naturalidad de este hecho en
cualquier mbito o contexto en el que se trabaje, surge de
inmediato la necesidad de controlar, o al menos cuantificar, la
proporcin de veces que el proceso dar resultados
indeseados. Dentro de las cuales se puede hacer uso control de
calidad de un producto para disminuir la variabilidad de una
pieza o bien producido.
Control de calidad
El control de calidad es el proceso donde se asegura la
estandarizacin de la disponibilidad, fiabilidad, mantenibilidad
y manufacturabilidad de un producto o servicio.
El control de calidad como proceso debe tener en
consideracin las etapas de planificacin, control y mejora. La
calidad, en este sentido, no solo se refiere a la durabilidad de
un producto o la satisfaccin en un servicio, sino que implica
cumplir con estndares de rentabilidad financiera, crecimiento
comercial y seguridad tcnica definidas por la direccin de la
empresa.
Histograma
El histograma es aquella representacin grfica de estadsticas
de diferentes tipos. La utilidad del histograma tiene que ver
con la posibilidad de establecer de manera visual, ordenada y
fcilmente comprensible todos los datos numricos
estadsticos que pueden tornarse difciles de entender. Hay
muchos tipos de histogramas y cada uno se ajusta a diferentes
necesidades como tambin a diferentes tipos de informacin.
Los histogramas son utilizados siempre por la ciencia
estadstica. Su funcin es exponer grficamente nmeros,
variables y cifras de modo que los resultados se visualicen
ms clara y ordenadamente
Pruebas de normalidad
Se utilizan para determinar si un conjunto de datos est bien
modelada por una distribucin normal o no, o para calcular la
probabilidad de una variable aleatoria de fondo es que se
distribuye normalmente. Ms precisamente, son una forma de
seleccin de modelos, y se puede interpretar de varias
maneras, dependiendo de la interpretacin de la probabilidad.
En las pruebas de hiptesis estadsticas se realiza un proceso
de pruebas, en el cual, los datos se ponen a prueba contra la
hiptesis nula que se distribuye normalmente.
Diagrama de seguimiento (Control)
Los grficos de control o diagramas de control se utilizan para
controlar el desarrollo de los procesos de produccin e
identificar posibles inestabilidades y circunstancias anmalas.
En resumen, lo que se pretende con este tipo de anlisis es
controlar los procesos para asegurarse de que funcionan
correctamente. Si la gran mayora de los puntos mostrados de
la grfica estn dentro de los lmites se considera que el
proceso est controlado. En el momento en el que uno o varios
puntos aparecen fuera de los lmites establecidos o no
representan una distribucin estadstica gaussiana, se considera
que el proceso est descontrolado y comienza la bsqueda de la
causa de su mal funcionamiento.
Adicionalmente, Los valores mostrados en el diagrama, deben
ser aleatorios y seguir una distribucin estadstica normal,
estando centrados en el la lnea del punto medio y teniendo una
variabilidad que puede deberse a dos factores:
Comn: que es inherente al proceso, y por lo tanto no
podemos evitar.
Especial: que causa una variacin excesiva, y debe ser
corregida.
III. METODOLOGA
Para realizar la representacin y el anlisis de los datos se
utilizaron herramientas como el software R y Microsoft Excel
de la siguiente forma:
Para representar el histograma de los datos utilizamos el
comando hist(x) en el programa R, donde x es la variable de
los datos tanto del dimetro externo como del dimetro interno.
Para representar el diagrama de seguimiento de los datos
utilizamos el comando plot(x) y lines(x) en el programa R,
donde x es la variable de los datos tanto del dimetro externo
como del dimetro interno. Esto se realiz para cada
observacin y luego tomando un promedio cada 3 datos.
Las medidas de localizacin y variabilidad fueron halladas
utilizando la herramienta Microsoft Excel en la cual se
utilizaron los siguientes comandos:
Media
 Fx= PROMEDIO (nmero1: nmero15)
Mediana
Fx= MEDIANA (nmero1; nmero15)
Moda
Fx= MODA (nmero1; nmero15)
data: x
d = 0.81989, p-value = 0.476
> hegazyl.norm.test(x)
Error in hegazyl.norm.test(x) :
no se pudo encontrar la funcin "hegazyl.norm.test"
> hegazy1.norm.test(x)

Media recortada Hegazy-Green test for normality

Fx= PROMEDIO (nmero4; nmero13)
data: x
Media winsorizada T = 0.52606, p-value < 2.2e-16
Fx= PROMEDIO (nmero1; nmero15) > kurtosis.norm.test(x)

Kurtosis test for normality

Varianza
Fx=DESVEST.M^2 data: x
T = 4.4531, p-value = 0.0465
Desviacin estndar
> skewness.norm.test(x)
Fx= DESVEST.M (nmero1; nmero15)
Rango Skewness test for normality
Fx= nmero1-nmero15 data: x
Rango intercuartil T = -1.6072, p-value = 0.0055

Cuartil3: Fx= (nmero1:nmero15; 3) > spiegelhalter.norm.test(x)

Cuartil1 Fx= (nmero1:nmero15; 1)
Spiegelhalter test for normality
Fx= Cuartil3-Cuartil1
data: x
Desviacin media T = 1.3063, p-value = 0.417
Fx= ABS(nmero1-Media)
Aplicamos esta operacin para cada nmero que IV. RESULTADOS
corresponde a los datos obtenidos.
Media 13,96666667
Fx= PROMEDIO (nmero1; nmero15)
Mediana 14
Moda 14
Pruebas de normalidad
Media recortada 13,99
> library(normtest) Media winsorizada 13,96666667
> jb.norm.test(x)

Jarque-Bera test for normality Varianza 0,003809524

Desviacin estndar 0,06172134
data: x Rango 0,2
JB = 7.7773, p-value = 0.0125
Rango intercuartil 0,05
> frosini.norm.test(x) Desviacin media 0,048888889
Frosini test for normality Tabla 1. Medidas de localizacin y variabilidad
del dimetro interno
data: x
B = 0.59422, p-value < 2.2e-16
Media 26,7533333
> geary.norm.test(x) Mediana 26,7
Geary test for normality
Moda 26,9
Media recortada 26,76
 Media winsorizada 26,7666667 En general, este trabajo tuvo como finalidad dar un solucin
asociada a la produccin de las arandelas con unas medidas
ms estndar, para as tener un mejor control de calidad y
Varianza 0,00980952 ayudar a la disminucin de costos en la realizacin piezas
Desviacin estndar 0,09904304 adicionales o reproceso; generando tiempo ocioso, gasto
innecesario de material y por consiguiente, mayor gastos de
Rango 0,3
operacin.
Rango intercuartil 0,1
Desviacin media 0,08355556 Para finalizar, el control estadstico no compone un fin en s
mismo, pero si ayuda para un mejoramiento continuo en un
Tabla 2. Medidas de localizacin y variabilidad proceso productivo en esta empresa o cualquier otra.
del dimetro externo

VI . BIBLIOGRAFAS

V. CONCLUSIONES [1] D.Montogomery, Introduction to Statical Quality Control, 2001.

De acuerdo a los resultados obtenidos asociados a la
normalidad de los datos y las medidas de variabilidad,
podemos inferir que derivado de la desviacin estndar del
proceso el porcentaje de error es bastante pequeo, a pesar de
una toma de muestras pequea, lo que yendo a escala macro es
un indicio que la produccin tiene medidas bastantes cercanas
y aceptadas.
[2] Montgomery, Douglas C. (2004). Control estadstico de la calidad.
Tercera Edicin. Limusa. Mxico, pp 797-798
[3] Walpole R., Myers R., Myers S., Ye K. Probabilidad y Estadstica para
ingeniera y ciencias. Octava Edicin. Pearson, Prentice Hall. 2007,
Capitulo 17, Control de calidad.
[4] Walpole R., Myers R., Myers S., Ye K. Probabilidad y Estadstica para
ingeniera y ciencias. Sptima Edicin. Pearson, Prentice Hall. 2007,
Histograma
[5] Vargas Jos A. (2007). Control Estadstico de la Calidad. Universidad
del Nacional de Colombia. Bogot.
[6] R. Herrera, (2017), Clase de control de calidad.