Академический Документы
Профессиональный Документы
Культура Документы
Las gráficas de control para variables maneja diferentes tipos de gráficos o cartas,
cada uno de estos son temas abordados en el documento, así como ejemplos
prácticos de cada uno de ellos, explícitos en la sección de anexos al final del
presente trabajo.
Unidad 2 Graficas de control para variables
b) Teorema del Límite Central. El teorema del límite central (TLC) establece que si
una variable aleatoria (v. a.) se obtiene como una suma de muchas causas
independientes, siendo cada una de ellas de poca importancia respecto al conjunto,
entonces su distribución es asintóticamente normal. Es decir:
Si X= x₁+x₂+…+xn donde las x₁ son v.a. de media µ y varianza σ²
Entonces:
La idea es la siguiente: imaginemos que a la salida del proceso fluyen (uno a uno o
por lotes) las piezas resultantes del proceso, como se ilustra en la figura 7.2, cada
determinado tiempo o cantidad de piezas se toma un número pequeño de piezas
(subgrupo) a las que se les medirá una o más características de calidad. Con las
mediciones de cada subgrupo se calculará la media y el rango, de modo que cada
periodo de tiempo (media hora por ejemplo) se tendrá una media y un rango
muestral que aportarán información sobre la tendencia central y la variabilidad del
proceso, respectivamente. Con la carta X – se analiza la variación entre las medias
de los subgrupos, para detectar cambios en la media del proceso, como los que se
muestran en la figura 7.3.
Mientras que con la carta R se analiza la variación entre los rangos de los
subgrupos, lo cual permite detectar cambios en la amplitud o magnitud de la
variación del proceso, como se ilustra en la figura 7.4. Con respecto a las figuras
7.3 y 7.4, al afirmar que el proceso es estable se está diciendo que es predecible en
el futuro inmediato y, por lo tanto, la distribución o comportamiento del proceso no
necesariamente tiene la forma de campana como se sugiere en las figuras referidas.
Éstas pueden ser una curva con sesgo o incluso otras formas más inusuales. Claro
que si la forma es poco usual, se recomienda investigar la causa.
1. Se conoce µ, σ
2. No se conoce µ, σ
1. Caso µ, σ conocidos.
2. Caso µ, σ desconocidos.
Si alguno de los dos fuera conocido sería un híbrido de los dos casos i) y ii). Puesto
que en este caso no se tiene ningún conocimiento previo, es preciso estimar µ a
partir de la media de las medias (x ) y σ a partir del recorrido medio (R) de k (por
ejemplo k= 25) muestras iniciales.
Cuando con una carta X–R se quiere tener mayor potencia para detectar cambios
pequeños en el proceso, se incrementa el tamaño de subgrupo, n. Pero si n > 10,
la carta de rangos ya no es eficiente para detectar cambios en la variabilidad del
proceso, y en su lugar se recomienda utilizar la carta S, en la que se grafican las
desviaciones estándar de los subgrupos.
A cada subgrupo se le calcula S, que al ser una variable aleatoria, sus límites se
determinan a partir de su media y su desviación estándar. Por ello, los límites se
obtienen con la expresión:
1. Se conoce µ, σ.
(Si alguno de los dos fuera conocido sería un híbrido de los dos casos i) y ii)). Se
estimaría µ a partir de la media de las medias (x) y σ a partir de la desviación típica
muestral media (s o s) de k muestras iniciales.
Es un diagrama para variables de tipo continuo que se aplica a procesos lentos y/o
donde hay un espacio largo de tiempo entre una medición y la siguiente.
En estos casos, la mejor alternativa es usar una carta de individuales, donde cada
medición particular de la variable que se quiere analizar se registra en una carta.
Para determinar los límites de control se procede igual que en los casos anteriores,
mediante la estimación de la media y la desviación estándar del estadístico W que
se grafica en la carta, que en este caso es directamente la medición individual de la
variable X. Por ello, los límites se obtienen con la expresión μX ± 3σX, donde μX y σX
son la media y la desviación estándar del proceso, respectivamente. Es decir, los
límites de control, es este caso, coinciden por definición con los límites reales. En
un estudio inicial estos parámetros se estiman de la siguiente manera:
Índices Cp y Cpk
De este modo se define un proceso capaz como aquel que Cpk > 1.
Aplicando estos mismos conceptos a la variabilidad atribuible de una máquina de
las que integran el proceso de fabricación, podemos definir la capacidad de
máquina, el índice de capacidad de máquina Cm y Cmk.
Ejemplo 1
PESO
AREA BATIDO GANSITO VARIABLE DEPOSITADO
FECHA ENERO 20015 UNIDADES GRAMOS
NO. X1 X2 X3 X4 X5 µ R
1 29.7 28.9 28.6 28.5 27.7 28.68 2
2 28.1 28.9 28 27.5 27.5 28 1.4
3 27.4 26.9 27.4 27.74 26.9 27.268 0.84
4 28.8 26.3 27.4 27.3 27.9 27.54 2.5
5 28.5 28.2 27.9 27.3 28.2 28.02 1.2
6 29.7 26.9 28.5 27.9 27.7 28.14 2.8
7 28.1 27 27.8 26.5 27.5 27.38 1.6
8 27.4 26.4 28.2 26.8 26.9 27.14 1.8
9 28.8 26.4 27.6 26.6 27.9 27.46 2.4
10 28.8 25.8 27.4 27.5 28.2 27.54 3
11 29.5 28.6 29.1 27.9 27.2 28.46 2.3
12 29.2 28.2 28.7 27.5 27.6 28.24 1.7
13 27.9 25.9 28.4 27.5 26.8 27.3 2.5
14 29.7 25.7 28.2 27.5 27.5 27.72 4
15 26 27.8 28.3 28 28.1 27.64 2.3
16 30.8 29.3 28.3 28.3 28.8 29.1 2.5
17 30.4 27.3 27.7 27.5 28.1 28.2 3.1
18 29.5 27.9 27 27.1 28.6 28.02 2.5
19 28.6 26.7 26.2 26.9 28.6 27.4 2.4
20 27.7 27.8 27.2 27.5 29.2 27.88 2
21 29.1 28.1 28.8 28.3 28.6 28.58 1
22 26.6 27.5 28.4 28.7 28.8 28 2.2
23 28.1 26.7 27.9 28 27.8 27.7 1.4
24 26.4 26.9 27.7 29 28.5 27.7 2.6
25 27.9 27.2 27.4 29.5 28.9 28.18 2.3
26 20.5 27.8 28.9 28.3 28.7 26.84 8.4
27 27.8 27.3 28.7 28 28.2 28 1.4
28 28.3 26.6 27.6 27.5 27.9 27.58 1.7
29 28.4 26.5 27.9 27.6 28.7 27.82 2.2
30 28.1 26.8 27.7 28.5 29.2 28.06 2.4
Analizar las muestras tomadas de una máquina de inyección. Usar grafica de control
X-R. Calcular capacidad del proceso.
Solución:
PESO EN DEPOSITADO
1
29 UCL=28.937
Sample Mean
__
28
X=27.853
27
LCL=26.769
1
1
1 4 7 10 13 16 19 22 25 28
Sample
1
8
6
Sample Range
4 UCL=3.975
_
2 R=1.88
0 LCL=0
1 4 7 10 13 16 19 22 25 28
Sample
De acuerdo a la gráfica obtenida, se puede percatar que nuestro proceso tiene áreas
de oportunidad, debido a que se tiene un valor que se dispara en comparación a los
demás, esto solo sucede cuando hay un caso en espacial, tal puede ser una falla
en el sistema de la máquina, o bien un mal set up a la misma.
De acuerdo a la información obtenida, se concluye que hay fallas en el proceso que
están ocasionando salir bajo en nuestro rendimiento de capacidad. El valor obtenido
de Cpk es menor a 1. Se puede decir que tenemos una gran oportunidad de mejor.
Ejemplo 2.
De acuerdo a los datos obtenidos después de una muestra de 100 cables calcular
la capacidad del proceso y desarrollar grafica de control.
NP 453530083465 WORK CENTER 1825
ASSY CABLE FECHA may-11
NO X1 X2 X3 X4
1 717 704 688 706
2 752 684 721 697
3 726 696 707 667
4 737 683 694 730
5 725 680 701 668
6 709 678 684 772
7 642 683 698 732
8 706 877 675 691
9 677 673 702 726
10 677 762 707 698
11 717 698 702 704
12 732 705 720 704
13 702 693 689 668
14 693 707 689 687
15 686 698 699 677
16 684 741 672 720
17 694 667 725 707
18 707 690 664 692
19 705 672 717 712
20 668 689 662 691
21 688 688 707 706
22 705 685 716 687
23 714 708 696 687
24 687 688 704 693
25 694 707 717 664
Solución:
Muestreo
760 1
740
UCL=733.23
Sample Mean
720
__
700 X=700.42
680
LCL=667.61
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
1
200
150
Sample Range
100 UCL=102.7
_
50 R=45.0
0 LCL=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
De acuerdo al gráfico, se puede decir que nuestro producto tiene un fallo, debido
que se registró una muestra mayor a 3Ϭ. No se tiene controlado el producto.
De acuerdo a lo anterior, el proceso no es estable, tiene un índice Cpk mucho menor
a 1, tal vez, esto es un indicador que se debe de para el proceso y mejorarlo de
inmediato. Lo normal es obtener un valor de 1.33. El valor obtenido tiene un fallo de
1 unidad.
Grafico X-S
Ejemplo 1
Medias
Desviaciones estándar
Solución:
Xbar-S Chart of u
1
28.10
UCL=28.0724
Sample Mean
28.05
__
X=28.0119
28.00
27.95 LCL=27.9514
1 2 3 4 5 6 7 8 9 10
Sample
1
0.08
UCL=0.07438
0.06
Sample StDev
0.04
_
0.02 S=0.02277
0.00 LCL=0
1 2 3 4 5 6 7 8 9 10
Sample
Se puede percatar que el proceso tiende a ser inestable pero se encuentra dentro
de los rangos de control, sin embargo, existe un dato que hace fallar el análisis, esto
puede ser por algún cambio en la máquina, o bien se pudo haber dejado de usar la
máquina y se hicieron tiros en seco para poder trabajarla de manera correcta.
Ejemplo 2.
Ejemplo 1
Solución:
I Chart of muestra
380 UCL=376.9
360
340
Individual Value
320
_
X=306.3
300
280
260
240
LCL=235.7
1
220
1 3 5 7 9 11 13 15 17 19
Observation
Ejemplo 2.
Se tomaron muestras del peso de cada lote. Los resultados son los siguientes:
Solución:
I Chart of peso
1400
1
1300 1
1 1 1
1 1
1200 UCL=1205
1100
Individual Value
1000 _
X=950
900
800
700 LCL=695
1
600
1
500
1 6 11 16 21 26 31 36 41 46
Observation
El gráfico nos muestra 8 puntos situados fuera de los límites de control, así como 9
puntos localizados dentro de los mismos pero que no han cumplido el segundo de
los tests (2, 7, 12, 13, 20, 29, 30, 33, 39), lo que sugiere la existencia de causas
especiales de variación.
Capacidad de Procesos, Cp, Cpk y Cpm
Ejemplo 1.
Solución:
𝐿𝑆𝐶 − 𝑋
𝐶𝑝𝑘 = = 0.42
3∗𝑆
Ejemplo 2.
Las gráficas de control para variables son las herramientas que ayudan a analizar
la forma en que se encuentran nuestros procesos, conocer si verdaderamente se
están llevando a cabo de manera estable los procesos.
Dependiendo del tipo de estudio al que se quiere llegar es el tipo de grafico que se
debe de trabajar. El analista debe de elegir la que más le convenga, obtener
muestras y pasar a registrarlas en las tablas y se procese a realizar los cálculos
para las gráficas de control.
Existe la ayude de software que facilitan estas actividades, tales como Minitab.
Las empresas miden la capacidad con la ayuda de estos índices, para estas, lo
primordial es obtener resultados >1. Si se tiene estos resultados, se puede decir
que los procesos son confiables y estables.
Bibliografía
Gutierrez Pulido, H. (2009). Control Estadistico de Calidad y Seis Sigma. México. D.F.: Mc Graw Hill.