Академический Документы
Профессиональный Документы
Культура Документы
Ciclo de control
Accin necesaria
El control durante el proceso es una variabilidad innata o aleatoria, pero si hay una
manera de identificarlo por medio de cartas o grficos.
La variacin puede ser de lo ms simple o lo complejo.
CAUSAS DE VARIACIN
- Causas no asignables
- Causas asignables
1 1
Causa no asignable
1
641" 640
Al otro da
CONCEPTO DE PROBABILIDAD
Los lmites de control son lmites de decisin de hiptesis nula, que permite saber
cuando debe de investigarse. S los lmites se fijan en 3, un punto que caiga encima o
ms all de los lmites de control conducir a rechazar la hiptesis nula para el nivel de
significacin de 0.0013, para cada lmite. El riesgo de error, al tomar esta decisin ser
solo del 26 por 10,000 para ambos lmites, y del 13 por 10,000 para un solo lmite (el rea
que cae fuera de las lneas de lmites 3 es aproximadamente igual a 0.0026).
Nivel tipo
Aceptacin de Nivel tipo + v
hiptesis nula
GRFICOS DE CONTROL
La grfica de control es una herramienta que se usa fundamentalmente para anlisis de
datos, ya sean discretos o continuos, los cuales han sido generados en un determinado
periodo.
Las funciones bsicas que cumplen la grfica son:
- Definir una meta para una operacin.
- Ayudar a obtener esa meta.
- Determinar si la meta ha sido alcanzada.
La grfica de control puede usarse en ingeniera del producto para registrar y analizar
datos de prueba, en contabilidad para anlisis de costos, en ingeniera de procesos para
determinar las capacidades de mquina y de proceso, en ingeniera de produccin como
monitor de operaciones y en inspeccin y control de calidad para registrar desechos y
reprocesamientos y analizar la calidad del material durante su recepcin.
Por lo tanto, puede considerarse entre las herramientas ms verstiles en mtodos
estadsticos..
Definicin
Se define como la comparacin grfica cronolgica de un producto producido en el
momento actual con los lmites fijados como posibilidad de produccin. Por Ejem.:
En una lata de conserva, las etiquetas traen:
Peso aprox. = 230 grs. -----> pero nosotros hemos regulado la mquina selladora para
que nos d un contenido de 230 5 gr.
230 5 gr. ( esto en un lmite establecido).
En la produccin de hoy hemos producido 1000 latas y muestreados 4 latas para verificar.
1. 231----------> 230 + 1 bajo control (10 AM)
2. 228 ---------> 230 - 2 bajo control (12 M)
3. 222 ---------> 230 - 8 ? 2 PM(causa asignable fuera del lmite establecido).
4. 232 ---------> 230 + 2
Este lmite de control es una base a experiencias anteriores.
An cuando universalmente se acepte y use el trmino grfico de control, en principio se
debe entender que la grfica no controla en realidad, cosa alguna. Simple y sencillamente
suministra una base para la accin, y slo es efectiva si los responsables de las
decisiones actan a partir de la informacin que revela dicha grfica.
Area
u 1 68.27%
u 2 95.45%
u 3 99.73%
Estos se ajustan a los conceptos de probabilidad
Para esta serie de muestra se debe calcular, en cada estadstica, tanto el promedio como
la desviacin estndar usando la distribucin de probabilidades para estimar la
conducta del grupo para cada muestra estadstica.
Para hacer esto se calcula el gran promedio y, a partir de este valor, se
determinan los lmites de control midiendo algunos mltiplos positivos y negativos de la
desviacin estndar. Por lo tanto, cuando se construye una grfica con la escala vertical
calibrada en las unidades estadsticas correspondientes, la escala horizontal marcada de
acuerdo con el tiempo, y tres lneas horizontales trazadas en los puntos correspondientes
al gran promedio y a los lmites de control, puede decirse que es una grfica de control
estadstico.
Eje horizontal: # de muestras secuencia cronolgica ().
Eje Vertical: Valor observado de caractersticas
de calidad unidades estadsticas
correspondientes.
y
grfico de control
Inspector:.......... Producto: .
Secuencia de datos o intervalos de tiempo
Rechazo
hiptesis
nula LSC
u+3
u
LM
Aceptac.
Hiptesis
nula
u-3
LIC
10 AM 12 AM 2 PM 4 PM 6 PM
Rechazo
hiptesis nula
u + 3 = 235 gr.
u = 230 gr.
u - 3 = 225 gr.
-3d x 3d
Ventajas:
1. Hacer resaltar 2 caractersticas importntes:
* Medida de tendencia central
* Medida de dispercin.
M1 m2
Cada muestra tiene su d y su medida de tendencia centra (a) para el total cada muestra
tiene su d y su medida de tendencia centra (a) para el total de muestras obtendremos una
medida central en base a (a).
X1 + X2 + X3
X = ..........................
3
Luego tenemos:
LM X R d
Donde:
X = Promedio de los promedios (llamados tambin en Gran Media)
dx = Desviacin estndar de las medias de muestras
R = Rango medio (amplitud media)
dR = Desviacin estndar de los rangos de muestra
dd = Desviacin estndar de desviacin estndar de muestras.
Desde luego que resulta muy tedioso el tener que tomar una serie de muestras de
tamao pequeo, determinar en cada una de la medida de tendencia central y la de
dispersin y luego proceder al laborioso clculo de las frmulas anteriores. Para
simplificar estas operaciones se ha preferido al clculo de una tabla de constante A 1, A2,
B3, B4, D3, D4 con el empleo de estas constantes las frmulas anteriores se convierten en:
LSC: X + A2 R D4 R
LM X R
LIC X A2 R D3 R
LSC: X + A1 B4
LM X
LIC X A1 B3
El trmino atributo, tal como se emplea en control de calidad, es la propiedad que tiene
una unidad del producto de ser buena o mala, es decir la caractersticas de calidad de la
unidad de estar o no de acuerdo con las especificaciones.
La inspeccin por atributos est generalmente asociado con los calibres llamados pasa-
no pasa por Ejm.
Un calibre cilndrico divide las unidades inspeccionadas en dos grupos:
Unidades dentro de las especificaciones y unidades fueras de ellas.
OBJETIVOS:
1. LA DETERMINACIN DE UNIDADES DEFECTUOSAS O SU % MEDIO DE
UNIDADES DEFECTUOSAS.
LA GRAFICA P :
La base de esta grfica es la fraccin defectuosa que hay en una muestra de
un ciertos de cosas (el porcentaje defectuoso).
p
c x 100
n
c = nmero de defectos
p 100 p
p
n
En la cual :
n = Tamao de la muestra
p = Valor medio del % defectivo
Como en el caso de las grficas de control por variables (datos por mediciones),
los lmites de control representan el valor 3-sigma para las medidas, y en este
caso, para el valor medio del porcentaje defectivo. La obtencin de estos lmites
de control es como sigue:
p 100 p
Lmites de Control p 3
n
p 100 p
LSC p 3
n
Ing. Epifanio Martnez Mena Pgina 19 de 35
UNIVERSIDAD NACIONAL DE SAN MARTN Control de Calidad de productos
Facultad de Ingeniera Agroindustrial Agroindustriales
LM p
p 100 p
LIC p 3
n
Los lmites para la fraccin defectuoso se obtienen con una ligera adaptacin de la
frmula anterior como sigue:
p1 1 p1
LC p 3
n
Forma 1:
Tamao Constante de la Muestra. Se basan en las comparacin de los
valores del porcentaje defectivo o de la fraccin defectiva, con los
lmites de control, deducidos estos datos de una serie de muestras de
un tamao constante.
Forma 2:
Cowden. Ha propuesto que el valor de np debe ser > 25, esto significa que si se lo
espera un 10 por ciento de defectivos , el tamao mnimo para la muestra,
deber ser de 250 unidades.
Juran. Por su parte sugiere que la muestra sea lo suficiente grande para que, bajo la
condicin de que no se presenten defectivos en esa muestra, se obtengan una
mejora significante sobre el promedio del porcentaje efectivo.
p 100 p
LC p 3
Tericamente la frmula n (*)
se emplea para os clculos de lmite de control de los datos del porciento defectivos en
cada perodo individual de al inspeccin, tomando como p para ese periodo, el valor de
porcentaje defectivo en dicho periodo. Pero puede traer algunas consecuencias pocos
satisfactorias al presentarse L control para cada uno de los periodos, siendo por lo tanto
muy difciles de interpretar para fines prcticas del taller.
Como regla prctica se puede establecer que si los tamaos de las muestras
presentan una variacin entre s, no mayor de 20 %, de acuerdo con criterio
comprobados en muchas factoras durante sus periodos de inspeccin, se puede
REGISTRO DE PESOS
GRUPOS 1 2 3 4 5 6 7 8 9 10
a 2 4 3 0 2 1 3 4 2 0
b 0 3 2 2 0 2 4 6 4 2
c 4 4 4 -1 3 0 2 2 0 -2
d 1 0 2 2 1 -2 1 3 2 3
e -2 3 2 -2 0 0 2 1 2 2
5 14 13 1 6 1 12 16 10 5
Se pide:
a. Calcular los lmites de control de X y R
b. Construir los grficos de control
c. Determinar el porcentaje de pesos por encima del valor nominal
d. Calcular los nuevos lmites de control si se desea que slo un 10%
de los pesos estn bajo el peso nominal.
Solucin
X X
16.6
1.66
10 10
R
R 40 4.0
10 10
Lmite de X
LM X 1.66 0.166
Lmites de R
LM R 4 4 100.4
LIC D3 R 0 4 0 100.0
Nota:
Las constantes D4 y D3 se hallan en la tabla, conociendo el tamao de la
muestra que es n = 5
VN = 100 g.
b) Construccin de los GRAFICOS de control VN = 0.0 dcimas de gramos
GRAFICO X
4
3.98 LSC
2
X = 1.66 LMC
VN 0
-0.66 LIC
N muestras
1 2 3 4 5 6 7 8 9 10
GRAFICO R
8.44 LSC
4 LMC
0 LIC
1 2 3 4 5 6 7 8 9 10 11 12
R
Segn la tabla: d2
S
R
S
d2
Para n = 5 d2 = 2.326
Por consiguiente:
4
S 1.72
2.326
X 1.66
ZK 0.97
S 1.72
De la tabla Z
0 X 1.66
VN Z
d) Clculo de nuevos lmites de control, si se desea que slo el 10% de los pesos
estn por debajo del valor nominal o especificado.
0
VN
En la tabla Z (K)
X
K X KS
S
_
LCC = X = 0.222
_ _
LIC = X - A2 ( R ) = 0.222 - (0.58) (4) = 0.008 = 0.08
En gramos:
_
LSCX = 100.452 gr
LCC = 100.222 gr
LIC = 99.992 gr
Problemas N 2
Una industria productora de arvejas verdes congeladas decide construir una carta
de control de defectuosos de su materia prima y para lo cual extrae durante los 20 das
tiles del mes de setiembre una muestra de 200 arvejas verde. Obteniendo los siguientes
resultados:
Da 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nmero de 15 30 40 50 10 30 32 44 55 100 20 35 10 20 25 18 10 11 15 16
defectuosos
Se pide:
a) Determinar los lmites de control expresado en nmeros de defectuoso (n p),
fraccin defectuoso (p) y % de defectuosos (100p)
Solucin:
a) Determinacin de los lmites de control expresado en % de defectuoso y nmeros de
defectuosos.
Cuadro de datos
Fecha Nmero Nmero Fraccin Porcentaje
Mes de Inspeccionado Defectuoso Defectuosa Defectuoso
Setiembre (n) (np) (p) (100p)
1 200 15 0.075 7.50
2 200 30 0.15 15
3 200 40 0.20 20
4 200 50 0.25 25
5 200 10 0.05 5
6 200 30 0.15 15
7 200 32 0.16 16
8 200 44 0.22 22
9 200 55 0.275 27.5
10 200 100 0.5 50
11 200 20 0.1 10
12 200 35 0.175 17.5
13 200 10 0.05 5
14 200 20 0.1 10
15 200 25 0.125 12.5
16 200 18 0.09 9
17 200 10 0.05 5
18 200 11 0.055 5.5
19 200 15 0.075 7.5
20 200 16 0.08 8.0
n =4000 np = 586
N total de defectuosos
% p medio x 100
N de unidades inspeccionadas
100 p
np 100 586 14.65%
100
n 4000
p 0.1465
LSC n p 3 n p 1 p
LSC 44.30
LM n p 29.3
LIC n p 3 n p 1 p
LIC 14.30
p 1 p
2do. Fraccin de Defectuosos (p) LC p 3
n
p 1 p
LSC p 3
n
0.14651 0.1465
LSC 0.1465 3
200
LSC 0.2215
LMC p 0.1465
p 1 p
LIC p 3
n
0.1465 1 0.1465
LIC 0.1465 3
200
LIC 0.0715
LSC 22.15
110
100
90
80
N defectuoso (np)
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Das
0.60
0.50
N Fraccin defectuoso (p)
0.40
0.30
0.20
0.10
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Das
60.0
50.0
Porcentaje defectuoso (100p)
40.0
30.0
20.0
10.0
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Das
A nivel internacional
Estas han sido creadas para incrementar y mejorar los recursos alimentarios,
nutricionales y de salud de todo el mundo.