Mcontrolestadisticoojojojojo

CONTROL DE PROCESOS POR VARIABLE
(Grficos de Control para el Promedio)
Ing. Guillermo A. Corres - 2006
Control de proceso por Variables

Condicin: caractersticas de calidad que se quiere controlar sea
medible en una escala contnua.
Ventaja: gran cantidad de informacin a obtener (base para la

mejora de la calidad). En el 99% de los procesos de fabricacin las variables se distribuyen segn una distribucin contnua del tipo Normal, caracterizada por:
La Media ( ): ndice de centralizacin hacia el que tienden los

valores de la poblacin.
Desviacin tpica ( ): ndice de dispersin de los valores de

la poblacin.
Control de proceso por Variables

Funcin de densidad de la Distribucin Normal:
-9 -9
6.6% 66 6.6% 66 9.9% 99
9 + + 3
Lmites de variacin natural: son aquellos que agrupan el

99.74% de la produccin cuando el proceso est bajo control. Quedando slo un 0.26% fuera de los lmites de control.
Capacidad de Proceso
Definicin: amplitud de los lmites de variacin natural
(LVS-LVI) = 6 veces la desviacin tpica: LVS-LVI = +3 ( -3) = 6
Medida de la Capacidad de Proceso

>1
ndice de Capacidad: IC = LTS LTI

6
=1 <1
Situaciones que se pueden presentar:
Proceco Productivo
(caractersticas de calidad)
Proceso cumple especificacin

LVS LVI =< LTS LTI 6 =< LTS LTI IC >= 6
Elementos que no cumplen nivel de calidad es . 6 % 66
Proceso No cumple especificacin

LVS LVI > LTS LTI 6 > LTS LTI IC < 6
Elementos que no cumplen nivel de calidad es superior a . 6 % 66
PROCESO BAJO CONTROL
PROCESO NO EST BAJO CONTROL
Formas de resolver la situacin:

6 Cambiando las tolerancias si fuese posible 6 Mejorando la tecnologa para alcanzar la presicin requerida. 6 Separar las unidades defectuosas, lo cual implica una inspeccin al 999 la produccin, % de lo que suele ser caro.
En un proceso en que se desconoce la desviacin tpica, es necesario proceder a su estimacin para evaluar la capacidad de proceso. La estimacin de la media del proceso se realiza mediante la media de las medias muestrales: X = xi m Donde xi es la media de cada muestra: xi = x n
Ejemplo
i j 6 6 6 6 6 m6 66 6 6.6 99 9 9.9 99 9 9.9 99 9 9.9 66 6 6.6
n x xi
6 66.6 66 6 66 6 6.6
La desviacin tpica del proceso se estima a partir del recorrido muestral medio: = R d2 El recorrido muestral medio es la media de los recorridos de las muestras: i R= Ri donde Ri = Valor max. -Valor min. de la muestra. j 6 m 6
Ejemplo
6 6 6
m6 66 6 6.6 99 9 9.9 99 9 9.9 99 9 9.9 66 6 6.6
xm x a xm in Ri
66 6 6.6 66 6 6.6 6.6 66
Tambin se puede estimar mediante la desviacin tpica muestral media: s = si =s m c2 Donde si es la desviacin tpica de cada muestra:
Si =
( x xi ) 2 n
Ta a m o m st l ue ra 6 6 6 6 6
d2 y c2 son coeficientes que dependen del tamao muestral.

d6
6 66 .66 9 99 .99 6 66 .66 6 66 .66 6 66 .66
c6
9 99 .99 9 99 .99 6 66 .66 6 66 .66 6 66 .66
GRFICOS DE CONTROL PARA EL PROMEDIO DEL PROCESO
Grficos de control para el promedio del proceso

Uno de los parmetros que es preciso controlar en cualquier caracterstica de calidad es su promedio. El efecto de un desplazamiento del promedio de un proceso se aprecia en la figura:
6 ,6 LTI
N (66 , ) N ( 66 , )
LT S
f (x)
9 ,9
9 ,9
9 ,9 -6 -6 -6 -6 6 x 6 6 6 -6

La herramienta bsica que se utiliza en el Control Estadstico de calidad es el grfico de control, que se define como un intrvalo de confianza en una escala de tiempo en el que peridicamente comprobamos si los valores de la muestra que tomamos en el proceso se encuentran dentro de los lmites de control marcados.
LS C
L C
L I C
Los lmites de control que se utilizan en el grfico del promedio son tales que agrupan el 99,74% de los valores, es decir, ms menos 3 veces la desviacin tpica. LCS = + 3. n LC = LCI = - 3. n
Lmite de atencin: agrupa el 95% de los valores muestrales cuando el proceso funciona correctamente: LAS = + 1,96 . n LAI = 1,96 . n
Si alguna media muestral se sita entre los lmites de atencin y los de control, no es necesario parar el proceso pero es conveniente iniciar etapa de vigilancia.Guillermo A. Corres - 2006 Ing.
En caso de procesos en los que no se tiene informacin sobre la caracterstica de la calidad (se desconocen valores de y ) es necesarios estimarlos. Si se utiliza en la estimacin el recorrido muestral medio LCS = x + 3. R LC= x LCI = x - 3. R d2. n d2. n Si en la estimacin de la desviacin tpica se usa s, se tiene: LCS = x + 3. s c2 . n
LC = x
LCI = x 3.
s c2 . n
66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6
LCS LA S
66 6 6,6 99 9 9,9 99 9 9,9 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 9,9 99 9 99 9 9,9 66 6 6,6
LC
LA I LCI
6 6
m stra ue s
CONTROL DE PROCESOS POR VARIABLES

(Grficos de Control para la dispersin)
El N de unidades defectuosas de un proceso puede incrementarse por:
Una desviacin respecto a su media
Un aumento de la variabilidad o dispersin de dichas unidades en torno a la media
Grficos de control
Para el RECORRIDO MUESTRAL Para el DESVIACIN TPICA
IR
IR
Para el RECORRIDO MUESTRAL

A partir de la variable R muestral), que posee:
(recorrido
R = d6 R = d6
Si la desviacin tpica es conocida, los lmites se calculan:

LCS = d 6 + 66 d LC = d 6 LCI = d 6 66 d
O bien:
LCS = D6 LC = d 6 LCI = D6
Donde
D6 = d 6+ 66 d y D6= d 6 66 d
Si la desviacin tpica es desconocida:

La media se estima con la media de los recorridos muestrales R La desviacin tpica de la poblacin con: Y la desviacin tpica del recorrido:
R = d6
R R = d 6 d6
los lmites se calculan:
R LC = R +6 6 S d = D6R d6 LC = R LC = R 6 6 I d R = D6 R d6
Para la DESVIACION TIPICA MUESTRAL

A partir de la variable s
n
(desviacin tpica muestral):

6
s=
Con:
( x x)
j =6
s = c 6
6 s = (6 c ) n Ing. Guillermo A. Corres - 2006
6 6
Si la desviacin tpica es conocida, los lmites se calculan:
6 6 6 L C S= c6 + 6 (6 c ) = c6+ 6 (6 c6) = B6 n n
6 6
L C = c6 6 6 6 L C I= c6 6 (6 c ) = c6+ 6 (6 c6) = B6 n n
6 6
Si la desviacin tpica es desconocida:

La media se estima con la media de las desviaciones tpicas muestrales La desviacin tpica de la poblacin con: La media de las desviaciones tpicas muestrales, se estima:
s
=
s c6
s s = c6 = c6 = s c6
Su desviacin tpica se estima con: = s (6 c 6) 6 6 s

c6 n
Los lmites se calculan:
s 6 6 6 6 6 LC S = s + 6 (6 c6) = 6 + (6 c6) s = B6s c c6 n n 6 LC = s s 6 6 6 6 6 LC S = s 6 (6 c6) = 6 (6 c6) s = B6s c c6 n n 6
Control de procesos por atributos

(defectos)
Control de procesos por atributos (defectos)

En el caso de producciones con grandes mquinas, equipos industriales o proyectos de ingeniera, es ms conveniente controlar defectos que defectuosos. El control de defectos en el proceso de produccin se hace a travs de diagramas = distribucin de Poisson.
Grficos de control para el nmero de defectos por muestra.

Realizan un recuento de defectos, no clasifica las unidades en correctas o defectuosas. e c . c x P(x) = xi
C = nmero medio de defectos por muestra. Desviacin tpica de la muestra = c LCS = c + 3 . c LC = c LC = 3 veces la desviacin tpica de la muestra LCI = c 3 . c
Grficos de control para el nmero de defectos por muestra.

Cuando no se conoce el valor de c, hay que estimarlo mediante un conjunto de muestras dando lugar a unos lmites de control de prueba. LCS = c + 3 . C LC = c LCI = c 3 . C
Grficos de control para tamao muestral variable.

Se utilizan grficos de u en procesos de produccin con control de defectos con muestras que contienen distintos nmeros de unidades de inspeccin LCS = u + 3 . U / nj LC = u LCI = u 3 . U / nj Donde nj es el n de unidades de inspeccin de la muestra j Los LC varan inversamente proporcional al tamao de la muestra
CONTROL DE PROCESOS POR ATRIBUTOS

HERRAMIENTA ESTADISTICA BASICA:
DISTRIBUCION BINOMIAL

Permite establecer controles respecto al nmero de unidades defectuosas producidas Si la caracterstica de la calidad es medible, cabe la posibilidad de darle un tratamiento como variable o como atributo Se utiliza cuando una caracterstica de Calidad no se puede medir en forma continua.

VENTAJAS Inspeccin rpida Mediante un solo grfico de control se pueden realizar el seguimiento de varias caractersticas de calidad al mismo tiempo Menor complejidad Abaratamiento de control de calidad DESVENTAJAS Menor informacin sobra la caractersticas de calidad que se estan controlando. No sabemos como se distribuyen.
GRAFICOS DE CONTROL PARA EL NUMERO DE ELEMENTOS DEFECTUOSOS

El cociente entre elementos defectuosos y producidos es la fraccin disconforme n de elementos defectuosos en la poblacin
p=
nmero de elementos de la poblacin

De acuerdo a la distribucin Binomial la probabilidad de encontrar elementos defectuosos es: n! P(x)= px (1-p)n-x x! (n-x)!
Siendo: n (tamao de la muestra) X (n de elementos defectuosos) p (fraccin disconforme)
Media Muestral: n.p Desviacin tpica muestral: n.p (1- p) Limites de control: LCS= n.p + 3. n.p (1- p) LC = n.p LCI = n.p 3. n.p (1- p) Si LCI<0 LCI = 0
ESTIMACIONES
Cuando la fraccin disconforme p del proceso es desconocida se estima a partir de la media de la fraccin disconforme muestral de un conjunto de muestras de tamao n (normalmente > 20) dj Pj= n
La estimacin de p es la media de estas fracciones. p=
pj m
GRAFICOS DE CONTROL PARA LA FRACCION DISCONFORME Limites de control:

LCS= p + 3 p (1- p) n LC = p LCI = p 3 p (1- p) n
Planes de Muestreo Tabulados
Planes tabulados y muestreo continuo

NORMA MILITAR STANDARD 105D (MIL STD 105D) Establece tres tipos de Inspeccin:
Normal
Reducida Rigurosa
Segn riesgos del Vendedor y Comprador
El paso de Inspeccin de normal a rigurosa (o de reducida a normal) supone un aumento del riesgo del vendedor y una disminucin del riesgo del comprador.

Criterios para pasar de un tipo a otro de inspeccin: De normal a rigurosa: dos de cinco lotes consecutivos han sido rechazados. De rigurosa a normal: cinco lotes consecutivos has sido aceptados. De normal a reducida: 10 lotes consecutivos han sido aceptados en inspeccin normal y , adems, el nmero de elementos defectuosos encontrados en las 10 muestras es inferior al numero dado en la Tabla 9.5. De reducida a normal: cuando un lote es rechazado en inspeccin reducida o cuando el nmero de elementos defectuosos encontrados es superior al nmero de aceptacin pero inferior al nmero de rechazo.
Ing. Guillermo A. Corres - 2006 GESTION DE LA CALIDAD

Tanto el tamao muestral como el nmero de aceptacin se determinan a partir del tamao del lote (N) y del Nivel de Calidad Aceptable (NCA). Se procede de la siguiente manera: Ejemplo: Se trata de establecer un plan de muestreo para lotes de 1000 unidades. La inspeccin se realiza clasificando cada unidad de producto en correcta o defectuosa segn cumpla o no las especificaciones tcnicas establecidas. El nivel de calidad aceptable establecido entre comprador y vendedor es del 1%.

El primer paso es elegir, en la Tabla 9.1, la letra cdigo en funcin del tamao del lote. En este caso se toma la letra cdigo es J y nivel de aceptacin II. Se va a la Tabla 9.2 (Plan muestreo simple inspeccin normal) con el dato de la letra cdigo J , aparece el tamao muestral, 80. Luego se busca la interseccin de la fila de la letra cdigo y de la columna del NCA (1%), en este caso hay dos nmeros 2, nmero de aceptacin, y 3 nmero de rechazo.

Quedara de la siguiente manera: Se toma del lote de 1000 unidades una muestra aleatoria de 80 elementos que se inspecciona y se clasifican en correctos o defectuosos. Si aparecen 0, 1, 2 defectuosos se acepta el lote y si aparecen 3 o ms de 3 se rechaza el lote. Si el NCA fuera 0,1% en la interseccin figura una flecha hacia abajo, esto quiere decir que hay que tomar el plan de muestreo situado justo debajo de la flecha, ejemplo de una muestra de 125 unidades el nmero de aceptacin 0 y de rechazo 1.

PLANES DE MUESTREO DODGE-ROMIG
Establecen planes mediante el establecimiento previo del % defectuosos tolerable en el lote (PDTL) o del lmite de la calidad saliente media LCSM. Los planes se determinan a partir del tamao del lote y de un promedio de elementos defectuosos que contienen lotes. Planes basados en PDTL Estos planes proporcionan una probabilidad de aceptacin del 10% para el % de defectuosos tolerable el lote (PDTL) especificado. Los valores de PDTL entre los que se puede elegir son: 0.5%, 1%, 2%, 3%, 3%, 4%, 5%, 7%, 10% (Tabla 9.6).

Planes basados en LCSM Existen tablas para garantizar los siguientes LCSM: 0.1 %, 0.25 %, 0.75 %, 1 %, 1.5 %, 2 %, 3 %, 4 %, 5 %, 7 %, 10%. Para cada uno de estos LCSM se proporcionan planes simples y dobles. Ejemplo: se requiere inspeccionar lotes de 1000un. Que son recibidos con una calidad media del 1% y se pretende conseguir un LCSM del 2.5%. Solucin: Tabla 9.7 se toma el estrato de promedio del proceso1.01-1.5% y el tamao del lote 801-1000. Plan seleccionado es n=50 y c=2.
Planes Continuos
Son de gran utilidad cuando existen dificultades para formar lotes homogneos y cuando es aconsejable realizar muestreo de aceptacin por atributos en procesos de produccin continuos. Consisten en alternar la inspeccin al 100% hasta que se obtiene una cantidad I de artculos correctos (nmero de aprobacin). En ese momento comienza a inspeccionarse por muestreo: una fraccin f de la produccin continua se selecciona aleatoriamente del proceso de produccin y se inspecciona. Se vuelve a inspeccin 100%& cuando se encuentra un nmero dado de elementos defectuosos.
Control de aceptacin por variables

Es preciso inspeccionar cada caracterstica por separados (engorroso). De uso menos frecuente que el control por atributos. La mayora de las variables de calidad se distribuyen segn una normal. Mtodos de inspeccin: 1. Mtodo de M 2. Mtodo de k 3. Mtodo LOT-PLOT 4. NORMA MIL-STD-414

1. Mtodo de M
Se toma una muestra y en cada unidad de la misma se mide la caracterstica de calidad que se pretende controlar. Se estiman los parmetros poblaciones ( y ). Se calcula la proporcin de elementos fuera de las especificaciones establecidas (LTS y LTI): P(xLTI) + P(xLTS) M/100 donde M: valor mximo que est dispuesto a tolerar el comprador Se acepta el lote si esta relacin se cumple, sino se rechaza.

2. Mtodo de k
Es un procedimiento alternativo cuando la especificacin es unilateral. Consiste en estimar la distancia de la media al lmite de tolerancia, tomando como medida la desviacin tpica:
- LTI , s existe un LTI LTS - , s existe un LTS
Se acepta el lote si esta distancia es mayor que un cierto valor k fijado previamente.

3. Mtodo LOT-PLOT
Consiste en extraer e inspeccionar una muestra de 50 unidades, independientemente del tamao del lote. La muestra se divide en 10 submuestras de 5 unidades y se mide la variable que se est controlando. Se estima la media poblacional como la media de las media muestrales. Se estima la desviacin tpica poblacional mediante el recorrido muestral medio (R = xmx xmn). A partir de estas estimaciones ya se puede calcular la proporcin de elementos fuera de las especificaciones, utilizando la tabla de la Normal. - 2006 Ing. Guillermo A. Corres

4. NORMA MIL-STD-414
Establece valores del tamao muestral y de k y M, en funcin del nivel de calidad aceptable (AQL) y del tamao del lote. Ofrece tres tipos de inspeccin: normal, reducida y rigurosa. Ofrece cinco niveles de inspeccin: I a V, siendo el nivel IV el recomendado en planes de aceptacin para productos normales. Existen distintos tipos de planes dependiendo de si la variabilidad es conocida o desconocida.

En el caso de variabilidad desconocida, se pueden realizar mediante la desviacin tpica muestral o mediante el recorrido. Se tabulan planes por el mtodo de k, si la especificacin es unilateral, y por el mtodo de M si es bilateral.

Procedimiento para planes de aceptacin por variables con variabilidad desconocida y estimacin mediante la desviacin tpica, mtodo de k (inspeccin normal):
1. Se selecciona la letra cdigo de tamao muestral, segn el tamao del lote (Tabla 10.1). 2. Con la letra cdigo se determina el tamao muestral (Tabla 10.2). 3. Se determina el valor de k, siguiendo en la fila del tamao muestral, hasta la interseccin con la columna del AQL fijado (Tabla 10.2). Procediendo de la misma forma se puede establecer un valor para un plan de M (Tabla 10.3).

Mcontrolestadisticoojojojojo

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Mcontrolestadisticoojojojojo

Загружено:

Авторское право:

Доступные форматы

CONTROL DE PROCESOS POR VARIABLE

(Grficos de Control para el Promedio)

Ing. Guillermo A. Corres - 2006

Control de proceso por Variables

Ventaja: gran cantidad de informacin a obtener (base para la

La Media ( ): ndice de centralizacin hacia el que tienden los

Desviacin tpica ( ): ndice de dispersin de los valores de

Control de proceso por Variables

6.6% 66 6.6% 66 9.9% 99

Lmites de variacin natural: son aquellos que agrupan el

Medida de la Capacidad de Proceso

ndice de Capacidad: IC = LTS LTI

Ing. Guillermo A. Corres - 2006

Proceso cumple especificacin

Proceso No cumple especificacin

PROCESO BAJO CONTROL

PROCESO NO EST BAJO CONTROL

Formas de resolver la situacin:

Ing. Guillermo A. Corres - 2006

m6 66 6 6.6 99 9 9.9 99 9 9.9 99 9 9.9 66 6 6.6

Ing. Guillermo A. Corres - 2006

66 6 6.6 66 6 6.6 6.6 66

d2 y c2 son coeficientes que dependen del tamao muestral.

GRFICOS DE CONTROL PARA EL PROMEDIO DEL PROCESO

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Grficos de control para el promedio del proceso

Grficos de control para el promedio del proceso

Grficos de control para el promedio del proceso

66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6 66 6 6,6

Ing. Guillermo A. Corres - 2006

CONTROL DE PROCESOS POR VARIABLES

Ing. Guillermo A. Corres - 2006

El N de unidades defectuosas de un proceso puede incrementarse por:

Una desviacin respecto a su media

Un aumento de la variabilidad o dispersin de dichas unidades en torno a la media

Ing. Guillermo A. Corres - 2006

Ing. Guillermo A. Corres - 2006

Para el RECORRIDO MUESTRAL

Ing. Guillermo A. Corres - 2006

Si la desviacin tpica es conocida, los lmites se calculan:

Si la desviacin tpica es desconocida:

los lmites se calculan:

Ing. Guillermo A. Corres - 2006

Para la DESVIACION TIPICA MUESTRAL

(desviacin tpica muestral):

Si la desviacin tpica es conocida, los lmites se calculan:

Si la desviacin tpica es desconocida:

Su desviacin tpica se estima con: = s (6 c 6) 6 6 s

Ing. Guillermo A. Corres - 2006

Los lmites se calculan:

s 6 6 6 6 6 LC S = s + 6 (6 c6) = 6 + (6 c6) s = B6s c c6 n n 6 LC = s s 6 6 6 6 6 LC S = s 6 (6 c6) = 6 (6 c6) s = B6s c c6 n n 6

Ing. Guillermo A. Corres - 2006

Control de procesos por atributos

Ing. Guillermo A. Corres - 2006

Control de procesos por atributos (defectos)

Ing. Guillermo A. Corres - 2006

Grficos de control para el nmero de defectos por muestra.

Grficos de control para el nmero de defectos por muestra.

Ing. Guillermo A. Corres - 2006