Professional Documents
Culture Documents
Csar A. Acosta-Meja
(tamao constante)
(tamao variable)
GRAFICA DE CONTROL c
GRAFICA DE CONTROL c
Binomial (n,p)
p 0
mantenindose
= np constante.
Poisson ( = np )
GRAFICA DE CONTROL c
Binomial (n,p)
Sea p = / n
Poisson ( = np )
GRAFICA DE CONTROL c
GRAFICA DE CONTROL c
E(X) = c
E [X] 3 DS [X]
c 3c
Var(X) = c
GRAFICA DE CONTROL c
E(X) = c
Var(X) = c
E [X] 3 DS [X]
c 3c
GRAFICA DE CONTROL c
Clculo de los lmites de control
c 3c
m
Si c no se conoce, se le estima
a partir de m muestras previas, con
c 3 c
i 1
Muestra
Defectos encontrados
11
13
15
13
16
10
10
17
11
10
12
10
13
14
15
12
16
17
15
18
10
19
20
21
22
12
GRAFICA DE CONTROL c
Ejemplo
La tabla mostrada presenta el nmero de
defectos encontrados en un rollo de tela.
Todos los rollos de tela son de igual
tamao.
Construya una grfica c y determine si el
proceso est en control.
Muestra
Defectos encontrados
11
13
15
13
16
10
10
17
11
10
12
10
13
14
15
12
16
17
15
18
10
19
20
21
m = 22
12
TOTAL
231
GRAFICA DE CONTROL c
Ejemplo
La tabla mostrada presenta el nmero de
defectos encontrados en un rollo de tela.
Todos los rollos de tela son de igual
tamao.
Construya una grfica c y determine si el
proceso est en control.
SOLUCION
Estimamos c a partir del total de defectos
c = 231 / 22 = 10.5 defectos por rollo
GRAFICA DE CONTROL c
Ejemplo
Los lmites de control resultan
c
3c
10.5
3 10.5
LSC = 20.22
LIC = 0.7789
GRAFICA DE CONTROL c
Ejemplo
Los lmites de control resultan
c
3c
10.5
3 10.5
LIC = 0.7789
Sample Count
LSC = 20.22
20
UCL=20.22
10
C=10.5
LCL=0.7789
0
0
10
Sample Number
20
GRAFICA DE CONTROL c
Supongamos que
- la unidad de inspeccin es un lote de 150 unids.
- = 5 defectos por lote
- el proceso esta en control estadstico
- el proceso produce en promedio 5 defectos por lote
La grafica c permite probar la hiptesis Ho: = 5 defectos por lote
Supongamos que mejoramos el proceso a = 1 defecto por lote
Para poder usar la aprox normal debemos aumentar la unidad de
inspeccin. Por ejemplo
- = 5 defectos por cada 750 unids.
(tamao constante)
(tamao variable)
GRAFICA DE CONTROL u
GRAFICA DE CONTROL u
Sea
E(X) = c
Var(X) = c
E(U) = c/n
Var(U) = c/n2
E [U] 3 DS [U]
c
c
3
n
n
GRAFICA DE CONTROL u
Sea
c
u
n
c
c
3
n
n
u
u 3
n
m
Si u no se conoce, se le estima
a partir de m muestras previas
x
i 1
m
n
i 1
GRAFICA DE CONTROL u
Ejemplo
En una planta textil se inspecciona el producto controlando el nmero de
defectos por cada 50 m2 de tela (sta es la unidad de inspeccin).
En la tabla se muestran los datos de 10 rollos de tela de distinto tamao.
Construya una grfica u y determine si el proceso est en control.
GRAFICA DE CONTROL u
Ejemplo Solucin
En una planta textil se inspecciona el producto controlando el nmero de
defectos por cada 50 m2 de tela (sta es la unidad de inspeccin).
En la tabla se muestran los datos de 10 rollos de tela de distinto tamao.
Construya una grfica u y determine si el proceso est en control.
GRAFICA DE CONTROL u
Ejemplo Solucin
En una planta textil se inspecciona el producto controlando el nmero de
defectos por cada 50 m2 de tela (sta es la unidad de inspeccin).
En la tabla se muestran los datos de 10 rollos de tela de distinto tamao.
Construya una grfica u y determine si el proceso est en control.
GRAFICA DE CONTROL u
Ejemplo Solucin
La lnea central de la grfica de control es igual al nmero promedio de
disconformidades por unidad de inspeccin (50 m2 de tela),
u = 153 / 107.5 = 1.423
es decir, en promedio, 1.423 defectos por cada 50 m2 de tela.
Este es el parmetro que deseamos controlar.
Los lmites de control resultan entonces
u
u 3
n
1.42
1.42 3
n
i
GRAFICA DE CONTROL u
Ejemplo Solucin
Por ejemplo, para el ltimo rollo (ui = 23 / 12.5 = 1.84),
los lmites de control son
1.42 3
1.42
12.5
= 1.42 3 (0.337)
LSC10
= 2.43
LIC10
= 0.41
GRAFICA DE CONTROL u
Ejemplo - MINITAB
Variable: defectos
Subgroups in: unidades
U Chart for defectos
unidades
defectos
500
10
14
400
12
650
13
20
500
10
11
475
9.5
500
10
10
600
12
21
525
10.5
16
600
12
19
625
12.5
23
3
UCL=2.436
Sample Count
metros
2
U=1.423
1
LCL=0.4110
0
0
Sample Number
10