Академический Документы
Профессиональный Документы
Культура Документы
Salida
Variables
Salida:
Para caracterizar el proceso tomamos informacin con una determinada frecuencia
por medio de muestras obtenidas a la salida o muestras correspondientes a lotes
iguales de produccin.
x r
Con la media de las muestras obtenemos la media poblacional estimada x
r
Con el rango medio estimamos la variabilidad del sistema segn:
d2
d2 : Est en tablas, depende de n.
Miguel Zanuttini 1
normal (ver Anexo). Esta aproximacin es ms cierta a medida que aumenta el
tamao de muestra y es exacta en general para un tamao de n = 30.
El teorema es importante porque analizaremos en general las cartas de control
suponiendo que la distribucin de la variable en estudio corresponden a una
distribucin normal.
Distribucin de la poblacin no normal Distribucin de las muestras tiende a una
normal.
0.2 0.4
0.16
0.3
0.12
0.2
0.08
0.04 0.1
0 0
0 4 8 12 16 20 -5 -3 -1 1 3 5
x x
0.6 0.4
0.5
0.3
0.4
0.3 0.2
0.2
0.1
0.1
0 0
0 2 4 6 8 10 12 -5 -3 -1 1 3 5
x x
Densidad de Probabilidad
0,08
Media , Desv. estndard
0,06 Distribucin 50 , 5
de muestras 50 , 10
0,04
Distribucin
0,02 de la
poblacin
0
0 20 40 60 80 100
x
x .y x
Miguel Zanuttini 2
Rango de las muestra
r y r
r
En un control estadstico de proceso tendremos una carta para x y una carta para el
rango.
Para las cartas usaremos una lnea central (LC) y lmites superior (LSC) e inferior
(LIC) bajo el siguiente concepto:
Media 3
+ 3 + 3
0.4
0.3
1= 0,00135
0.2 (1 - 2)= 0,00135
0.1
0
-5 -3 -1 1 3 5
1
LCM = = 370
Para el valor usual de = 0,0027, resulta: 0 , 0027
Significa que se obtendr, en promedio, un punto fuera de los lmites cada 370
puntos. Este punto significar una falsa alarma.
Ejemplo
38 LC = 39,11
34
30 LCL = 30,22
0 4 8 12 16 20
Subgroup (Muestra)
Miguel Zanuttini 4
Carta rango
Rango
30
UCL = 27,86
25
20
15
LC = 12,21
10
5
0 LCL = 0,00
0 4 8 12 16 20
Subgroup (Muestra)
Situacin fuera de control: a) Punto fuera de los lmites: Implica que debe
b) Comportamientos no hallarse la causa y
aleatorios: aplicarse la accin
correctiva
Comportamiento no aleatorio
42
38 LC = 39,41
34
30 LCL = 30,52
0 4 8 12 16 20
Subgroup (Muestra)
b) Comportamiento cclico
41
37 LC = 38,17
33
29 LCL = 29,28
0 4 8 12 16 20
Subgroup (Muestra)
Miguel Zanuttini 5
Reglas de Zona: Separamos la carta en tres zonas superiores y tres inferiores.
Consideramos comportamiento no aleatorio si existe:
Ejemplo:
37 LC = 38,50
33
29 LCL = 29,61
0 4 8 12 16 20
Subgroup (Muestra)
En la figura existen 9 puntos seguidos por arriba de la Lnea Central lo cual implica
un comportamiento no aleatorio (violacin del regla 1).
La violacin de las reglas de zona no son fciles de detectar a simple vista. Es til la
ayuda de un software.
Miguel Zanuttini 6
Carta X medio
66
UCL = 63,80
61
X Medio 56
51 Centerline = 50,11
46
41
36 LCL = 36,42
0 5 10 15 20 25
Subgroup (Muestra nmero)
Carta Rango
50
40 UCL = 42,90
Rango
30
20 Centerline = 18,80
10
0 LCL = 0,00
0 5 10 15 20 25
Subgroup
Miguel Zanuttini 7
La carta obtenida con las muestras instantneas del proceso es la recomendable
porque es ms sensible.
La instantnea maximiza la variabilidad entre muestras y minimiza la variabilidad en
la muestra.
r = d 3( n )
Lmites de la carta x
Aplicamos el concepto de valor medio 3 :
Lmite superior
LSC:
= =
=
r 1
x + 3 x = x + 3 = x+ 3 = x + A2 r
n d2 n
Lnea central:
LC = x
A2 : en tablas en funcin de n
Lmites de la carta rango:
LSC:
Miguel Zanuttini 8
1 d
r + 3 r = r + 3d3 . = r + 3d3 r = r (1 + 3 3 ) = D4 r
d2 d2
LC : r
LIC : r 3 r = D3 r
D3 y D4 : tabulados en funcin de n.
Tabla de constantes y frmulas para las Grficas de Control:
Carta . x : x A2 r
Carta.r : D4 r D3 r
= r / d 2
Grfico x y r Grfico x y S
n A2 d2 D3 D4 A3 C4 B3 B4
2 1,880 1,128 - 3,267 2,659 0,7979 - 3,267
3 1,023
4 0,729
25 0,135 3,931
Capacidad de proceso:
Definicin: Capacidad del sistema de producir dentro de especificaciones.
Especificaciones:
Requerimiento del cliente que en general pueden ser:
Lmite Inferior de Especificacin (LIE)
Lmite Superior o Especificacin (LSE)
Miguel Zanuttini 9
r
=x =
d 2( n)
Ejemplo:
-3
Densidad de Probabilidad Media +3
0,04
0,03
0,02
0,01
0
0 20 40 60 80 100
LIE x LSE
CCPk
El cociente de capacidad de proceso se define como el menor valor de los dos
casos:
LSE LIE
3 3
;
LSE LIE
6
Valores recomendados:
Mnimo: CCP = 1,33
Puede ser conveniente: CCP = 2,0
Es posible que el cliente exija un determinada capacidad de proceso.
Miguel Zanuttini 10
La figura muestra distintos casos. Una capacidad de proceso de 2,0 parece
exageradamente alta, sin embargo implica un cierto margen de seguridad. La
capacidad puede cambiar por corrimiento de la media hacia alguno de las dos
tolerancias o por aumento de la variabilidad del sistema.
Miguel Zanuttini 11
Estadstica en Control de Calidad
Constantes de las cartas de control -
Lnea Limite
Lmite superior
Central inferior
y definidos previamente
Cartas - A* + A*
x,R d2 * D1* D2*
Cartas - A* + A*
x ,S c4 * B1 * B2 *
Lmites basado en los datos
Cartas X X - A2* R X + A2* R
X , R R D3* R D4* R
Carta X X - A3* S X + A3* S
X, S S B3 * S B4 * S
Carta X X - 2,66 RM X + 2,66* RM
X, RM RM 0 3,27* RM
Carta X X - 2,66* RM X + 2,66 RM
X, RM 0
(Lmit. RM 4,12* RM
probabil.)
Cartas
X, S2 x x A S2 x + A S2
S2 K1 S 2 K2 S 2
A= 3/ n ; A2 = 3 / (d2 * n ) ; D1 = d2 - 3 d3 ; D2 = d2 + 3 d3 .
Recordar que D3 y D4 pueden seleccionarse segn lmites probabilsticos
1 1
B 5 = c4 3 (1 C 4 ^ 2) ; B3 = 1 - 3 (1 C 4 ^ 2) :
C4 C4
1 1
B 6 = c4 + 3 (1 C 4 ^ 2) : B4 = 1 + 3 (1 C 4 ^ 2)
C4 C4
Valores de B5 y B6:
n C4 B1 B2 n C4 B1 B2
2 0,7979 0,0 3,0643 7 0,9594 0,0774 1,8414
3 0,8862 0,0 2,4546 8 0,9650 0,1497 1,7803
4 0,9213 0,0 2,1875 9 0,9693 0,2083 1,7303
5 0,9400 0,0 2,0289 10 0,9727 0,2570 1,6884
6 0,9515 0,0 1,9215
Miguel Zanuttini 12
Miguel Zanuttini 13
Control estadstico de la Calidad
Carta X medio y S2
1 = 0,001 , 2 = 0,999
n (1 ), (n 1)
2
K1 2( 2 ), (n 1) K2
2 0 0,000 10,83 10,83
3 0,001 0,001 13,81 6,905
4 0,024 0,008 16,26 5,420
5 0,091 0,0023 18,46 4,615
6 0,21 0,0042 20.51 4,102
7 0,381 0,064 22,45 3,742
8 0,599 0,086 24,32 3,474
9 0,857 0,107 26,12 3,265
10 1,152 0,128 27,88 3,098
Miguel Zanuttini 14
Anexo: Ejemplo de TEOREMA DEL LMITE CENTRAL
Anlisis de 1000 muestras de tamao 5 de una poblacin distribuida segn Log Normal
Muestra Media
1 2.78 7.84 6.81 10.25 6.81 8.31
2 10.27 3.88 8.35 7.28 10.46 8.05
3 13.36 7.44 19.99 34.81 11.92 17.50
4 10.58 37.63 9.77 29.62 13.60 20.24
5 6.62 3.99 4.03 5.45 10.20 6.06
6 7.98 5.83 4.58 11.67 17.01 9.41
7 16.84 10.40 37.90 14.15 6.15 17.09
8 6.74 1.42 17.72 40.84 14.26 16.20
120
frequencia
90
60
30
0
0 10 20 30 40 50
Poblacion
Poblacin de las medias
120
frequencia
90
60
30
0
0 10 20 30 40 50
Media
x = / n 9,66/ 5 = 4,32
Los x difieren porque los valores tomados para la poblacin original (5000 valores) son alea torios.
Miguel Zanuttini 15