P. 1
Capítulo 4 Control_estadistico_de_la_calidad

Capítulo 4 Control_estadistico_de_la_calidad

|Views: 44|Likes:
Published by Alberto Pérez

More info:

Published by: Alberto Pérez on Jan 05, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/10/2012

pdf

text

original

P´ agina www

P´ agina de Abertura
Contenido


P´ agina 1 de 34
Regresar
Full Screen
Cerrar
Abandonar
Control estad´ıstico de la calidad:
Diagramas de control
50 40 30 20 10 0





Sample Number
S
a
m
p
l
e

M
e
a
n
X-bar Chart
Mean
UCL
LCL
Fernando Jim´ enez Torres
Pedro Jodr´ a Esteban
Departamento de M´ etodos Estad´ısticos
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 2 de 34
Regresar
Full Screen
Cerrar
Abandonar
1. Control Estad´ıstico de la Calidad
Contenidos
1.1 Introducci ´ on: Gr´ aficos de control de Shewhart
1.2 Gr´ aficos de control de variables
1.3 Diagramas de control para la media
1.4 Diagramas de control para la dispersi ´ on
1.5 Aplicaciones
1.6 Gr´ aficos de control de atributos
1.7 Diagrama para la proporci ´ on de defectuosos
1.8 Diagrama para el n´ umero de defectos por unidad
1.9 Aplicaciones
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 3 de 34
Regresar
Full Screen
Cerrar
Abandonar
1. Control Estad´ıstico de la Calidad
Control estad´ıstico de procesos
Proceso industrial: Est´ a siempre sujeto a un cierto grado de variabilidad.
Fuentes de variabilidad
• Causas aleatorias: variabilidad natural del proceso o ruido de fondo.
• Causas atribuibles: variabilidad debida a deficiencias detectables y corregibles.
Un proceso industrial que funciona en presencia de causas atribuibles se conside-
ra fuera de control y s´ olo cuando lo hace bajo causas aleatorias de variabilidad
se asume bajo control estad´ıstico.
Objetivos del control estad´ıstico de procesos (SPC)
• Detectar on–line causas atribuibles que originan cambios en un proceso indus-
trial para tomar acciones correctoras antes de fabricar productos no conformes.
• Reducir la variabilidad del proceso.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 4 de 34
Regresar
Full Screen
Cerrar
Abandonar
1. Control Estad´ıstico de la Calidad
Causas de la variabilidad
Las causas de variabilidad en la producci ´ on se agrupan en torno a las llamadas 5 M:
• Mano de obra
• M´ aquina
• Materia prima
• M´ etodo de fabricaci ´ on
• Medio ambiente
Los gr´ aficos de control son, desde un punto de vista estad´ıstico, una secuencia
cronol ´ ogica de contrastes de hip´ otesis frente a los valores promedios observados
cuando el proceso est´ a bajo control.
Si se detecta que el proceso no est´ a bajo control es necesario localizar entre las 5 M’s
la fuente o fuentes de variabilidad que originan el fuera de control.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 5 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci ´ on: Gr´ aficos de control
de Shewhart
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 6 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci´ on
Gr´ aficos de control de Shewhart. Construcci ´ on
Los diagramas de control constan de una l´ınea central, un l´ımite de control superior
y un l´ımite de control inferior. Se toman como l´ımites aquellos entre los cuales est´ a
aproximadamente el 99% de la producci ´ on cuando el proceso est´ a bajo control.
Si Y es un estad´ıstico que mide alguna caracter´ıstica de calidad de inter´ es, siendo su
media µ
Y
y su desviaci´ on t´ıpica σ
Y
, los l´ımites de control superior (UCL) e inferior
(LCL) y la l´ınea central (CL) se seleccionan de la forma:
UCL = µ
Y
+kσ
Y
,
CL = µ
Y
,
LCL = µ
Y
−kσ
Y
,
siendo habitual utilizar los l´ımites conocidos como de 3 sigmas, es decir, k = 3.
Destacar que la desviaci´ on σ
Y
es la desviaci´ on t´ıpica del estad´ıstico utilizado en la
construcci ´ on del diagrama de Shewhart y no la desviaci ´ on de la caracter´ıstica de
calidad examinada.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 7 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci´ on
Gr´ aficos de control de Shewhart. Construcci ´ on
Se recogen cronol ´ ogicamente datos que se van representando en el gr´ afico.
50 40 30 20 10 0





Sample Number
S
a
m
p
l
e

M
e
a
n
X-bar Chart
Mean
UCL
LCL
Observar datos fuera de los l´ımites de control, o bien patrones aparentes en la se-
cuencia representada, ya no se atribuye a la variabilidad natural del proceso sino a
causas asignables que deben ser identificadas y eliminadas.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 8 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci´ on
Gr´ aficos de control de Shewhart. Construcci ´ on
Los gr´ aficos de control de Shewhart se construyen siempre que sea posible a partir
de valores medios de las observaciones, agrupando en muestras, y no a partir de
observaciones individuales.
Razones estad´ısticas
1. Los valores medios muestrales tienen aproximadamente una distribuci ´ on normal
con base en el teorema central del l´ımite
2. Los valores medios muestrales son m´ as sensibles a las variaciones de la media
del proceso que los valores individuales consecuencia de la disminuci ´ on de la
varianza al trabajar con datos promediados:
X ∼ N(µ, σ) , X ∼ N
_
µ,
σ

n
_
.
Consecuencia. Se detecta con mayor rapidez que la media de un proceso est´ a cam-
biando trabajando con muestras peque˜ nas que con datos individuales.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 9 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.1 Introducci´ on
Gr´ aficos de control de Shewhart. Clasificaci ´ on
Clasificaci ´ on general de los diagramas de control
• Gr´ afico de control de variables: la caracter´ıstica de producci´ on en estudio se
modela a trav´ es de una variable de tipo continuo.
• Gr´ afico de control de atributos: la caracter´ıstica de producci´ on en estudio se
modela a trav´ es de una variable de tipo discreto.
50 40 30 20 10 0





Sample Number
S
a
m
p
l
e

M
e
a
n
X-bar Chart
Mean
UCL
LCL
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 10 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.2 Gr´ aficos de control de variables
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 11 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.2 Gr´ aficos de control de variables
Control de la media y de la desviaci ´ on t´ıpica
Metodolog´ıa
Verificar que un proceso est´ a bajo control exige controlar una medida de locali-
zaci ´ on, generalmente la media, y simult´ aneamente una de dispersi ´ on, habitualmente
la desviaci ´ on t´ıpica.
Dado que el gr´ afico de la media depende de la dispersi ´ on, es conveniente realizar en
primer lugar el control de la dispersi´ on para verificar que la variabilidad permanece
estable y en segundo lugar comprobar que el proceso est´ a bajo control en media.
Gr´ aficos de control de variables de uso m´ as frecuente:
• Control de la media: gr´ afico de control X.
• Control de la dispersi ´ on: gr´ afico de control S.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 12 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.3 Diagrama de control para la
media
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 13 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.3 Diagrama de control para la media
Gr´ afico de control X
Caracter´ıstica de calidad que se controla en la producci ´ on:
X (variable aleatoria normal)
Sup´ ongase que en un proceso bajo control los par´ ametros media y varianza de X son
µ y σ
2
, es decir, X ∼ N(µ, σ
2
), siendo ambos conocidos.
Entonces en el intervalo:
_
µ −3
σ

n
, µ + 3
σ

n
_
se encuentra el 99.73% de la producci ´ on.
Gr´ afico de control X (µ
0
conocida)
UCL = µ + 3
σ

n
,
CL = µ,
LCL = µ −3
σ

n
.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 14 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.3 Diagrama de control para la media
Gr´ afico de control X
Caracter´ıstica de calidad que se controla en la producci ´ on:
X (variable aleatoria normal)
Sup´ ongase que en un proceso bajo control los par´ ametros media y varianza de X son
desconocidos. Entonces se estiman a partir de datos hist ´ oricos.
Se aconseja tomar un m´ınimo de 20 o 25 muestras para obtener la media hist ´ orica x
y la cuasidesviaci ´ on t´ıpica muestral ´ s.
Gr´ afico de control X (µ
0
no conocida)
UCL = x + 3
´ s

n
,
CL = x,
LCL = x −3
´ s

n
.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 15 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la
dispersi ´ on
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 16 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi ´ on
Gr´ afico de control S
Caracter´ıstica de calidad que se controla en la producci ´ on:
X (variable aleatoria normal)
Sup´ ongase que en un proceso bajo control los par´ ametros media y varianza de X son
desconocidos. Entonces se estiman a partir de datos hist ´ oricos.
Gr´ aficos de control de variables de uso m´ as frecuente para la dispersi ´ on:
• Gr´ afico de control S (recomendado).
• Gr´ afico de control S
2
.
• Gr´ afico de control R (no utilizar con muestras de m´ as de 3 unidades).
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 17 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi ´ on
Gr´ afico de control S
Caracter´ıstica de calidad que se controla en la producci ´ on:
X (variable aleatoria normal)
Sup´ ongase X ∼ N(µ, σ) siendo los par´ ametros media y varianza desconocidos.
Se estiman a partir de datos hist ´ oricos mediante los estimadores X y
´
S
2
, cuyas
propiedades son:
E[X] = µ, E[
´
S
2
] = σ
2
, E[
´
S] = c
4
σ, donde c
4
=
_
2
n −1
_
1/2
Γ(n/2)
Γ((n −1)/2)
.
Gr´ afico de control S
UCL = s + 3
s
c
4
_
1 −c
2
4
,
CL = s,
LCL = s + 3
s
c
4
_
1 −c
2
4
.
donde s =
1
m
m

i=1
´ s
i
y m es el n´ umero de muestras observadas.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 18 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi ´ on
Gr´ afico de control S
2
Caracter´ıstica de calidad que se controla en la producci ´ on:
X (variable aleatoria normal)
Sup´ ongase X ∼ N(µ, σ) los par´ ametros media y varianza desconocidos. Se estiman
a partir de datos hist´ oricos mediante los estimadores X y
´
S
2
, cuyas propiedades son:
E[X] = µ, E[
´
S
2
] = σ
2
.
Gr´ afico de control S
2
UCL =
s
2
n −1
χ
2
1−α/2;n−1
,
CL = s
2
,
LCL =
s
2
n −1
χ
2
α/2;n−1
.
donde s =
1
m
m

i=1
´ s
i
y m es el n´ umero de muestras observadas.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 19 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.4 Diagrama de control para la dispersi ´ on
Gr´ afico de control R
Caracter´ıstica de calidad que se controla en la producci ´ on:
X (variable aleatoria normal)
Sup´ ongase X ∼ N(µ, σ) los par´ ametros media y varianza desconocidos. Se estiman
a partir de datos hist ´ oricos mediante los estimadores X y R:
R: amplitud de la muestra, es decir, R = x
max
−x
min
.
Si el tama˜ no de la muestra es peque˜ no el m´ etodo de estimar σ mediante
la amplitud produce un estimador razonablemente bueno. En el caso de
valores moderados del tama˜ no de cada muestra pierde su eficiencia dado
que no toma en consideraci ´ on toda la informaci ´ on en la muestra.
Construcci ´ on
Sigue la misma metodolog´ıa de los diagramas anteriores. Conocidos los diagramas
de S y S
2
carece de sentido su estudio te´ orico en este curso.
´
Unicamente se imple-
mentar´ an utilizando Minitab.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 20 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 21 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi ´ on
En un proceso de fabricaci ´ on de anillos de pist ´ on para motores se desea controlar ´ este
mediante diagramas de control. Se toman 25 muestras de tama˜ no 4 (ver tabla) en un
proceso que bajo control tiene distribuci ´ on normal de par´ ametros media µ = 74 y
desviaci ´ on t´ıpica σ = 0.025. Establecer si el proceso se encuentra bajo control.

Número
muestra

1 73,9811 74,0017 74,0041 73,9995
2 74,0078 74,0228 74,0103 74,0187
3 74,0218 73,9720 73,9741 74,0034
4 74,0118 73,9645 74,0139 74,0067
5 74,0155 74,0115 74,0131 73,9953
6 74,0182 73,9877 73,9934 73,9918
7 73,9911 74,0002 73,9523 73,9729
8 74,0135 74,0429 74,0143 74,0062
9 73,9766 74,0423 74,0050 74,0311
10 73,9974 73,9756 73,9967 74,0066
11 73,9811 73,9956 74,0123 73,9741
12 73,9530 74,0153 74,0118 74,0096
13 74,0066 73,9921 74,0193 74,0044
14 74,0053 74,0100 74,0433 74,0230
15 74,0163 73,9873 73,9824 74,0187
16 73,9940 73,9946 73,9991 73,9862
17 73,9986 73,9985 73,9964 74,0081
18 74,0058 73,9941 74,0135 73,9617
19 73,9896 73,9709 73,9799 73,9708
20 74,0372 73,9957 74,0336 74,0212
21 74,0136 73,9901 73,9699 74,0048
22 73,9878 73,9977 74,0051 74,0275
23 73,9965 74,0170 74,0173 74,0047
24 74,0163 74,0241 74,0204 73,9735
25 74,0384 74,0020 73,9920 73,9970

P´ agina www
P´ agina de Abertura
Contenido


P´ agina 22 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi ´ on
Se realiza en primer lugar un an´ alisis de los datos en el que se observa la normalidad
de las observaciones obtenidas.
74,03 74,01 73,99 73,97 73,95
95% Confidence Interval for Mu
74,007 74,002 73,997
95% Confidence Interval for Median
Variable: Anillos
73,9976
0,0169
73,9979
Maximum
3rd Quartile
Median
1st Quartile
Minimum
N
Kurtosis
Skewness
Variance
StDev
Mean
P-Value:
A-Squared:
74,0067
0,0224
74,0055
74,0433
74,0142
74,0042
73,9913
73,9523
100
3,66E-02
-2,4E-01
3,71E-04
0,0193
74,0017
0,255
0,461
95% Confidence Interval for Median
95% Confidence Interval for Sigma
95% Confidence Interval for Mu
Anderson-Darling Normality Test
Descriptive Statistics
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 23 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi ´ on
Se realiza el an´ alisis a trav´ es de Minitab utilizando los gr´ aficos X y S.
25 20 15 10 5 Subgroup 0
74,045
74,035
74,025
74,015
74,005
73,995
73,985
73,975
73,965
73,955
S
a
m
p
l
e

M
e
a
n
Mean=74
UCL=74,04
LCL=73,96
0,06
0,05
0,04
0,03
0,02
0,01
0,00
S
a
m
p
l
e

S
t
D
e
v
S=0,02303
UCL=0,05219
LCL=0
Xbar/S Chart for Anillos
Conclusi ´ on. El proceso est´ a bajo control (no se observan muestras fuera de l´ımites
ni patrones).
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 24 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.5 Aplicaciones
Diagramas de control de la media y la dispersi ´ on
Se realiza el an´ alisis a trav´ es de Minitab utilizando los gr´ aficos X y R.
25 20 15 10 5 Subgroup 0
74,045
74,035
74,025
74,015
74,005
73,995
73,985
73,975
73,965
73,955
S
a
m
p
l
e

M
e
a
n
Mean=74
UCL=74,04
LCL=73,96
0,10
0,05
0,00
S
a
m
p
l
e

R
a
n
g
e
R=0,05148
UCL=0,1174
LCL=0
Xbar/R Chart for Anillos
Conclusi ´ on. El proceso est´ a bajo control (no se observan muestras fuera de l´ımites
ni patrones).
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 25 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.6 Gr´ aficos de control de atributos
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 26 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.6 Gr´ aficos de control de atributos
Diagramas de control de proporciones y art´ıculos con defectos
Diversas caracter´ısticas de calidad se representan a trav´ es de variables discretas en
lugar de hacerlo utilizando variables continuas.
En estos casos los art´ıculos inspeccionados se clasifican en:
• conformes
• disconformes
dependiendo de si cumplen o no con las especificaciones t´ ecnicas de la caracter´ıstica
objeto de estudio.
Gr´ aficos de control de atributos de uso m´ as frecuente:
• Control de la proporci ´ on de disconformes: gr´ afico de control p.
• Control del n´ umero de disconformes: gr´ afico de control np.
• Control del n´ umero de disconformes por unidad: gr´ afico de control c.
• Control del n´ umero medio de disconformidades por unidad: gr´ afico de control
u.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 27 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci ´ on de
defectuosos
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 28 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci´ on de defectuosos
Diagrama de control p
Se supone que en el proceso de producci´ on bajo control la probabilidad de obtener
un art´ıculo defectuoso es p, 0 < p < 1, y que los art´ıculos que se producen son
independientes.
El diagrama de control de la proporci´ on disconforme se basa en el modelo binomial:
• Art´ıculo i defectuoso: X
i
∼ B(p).
• N´ umero de art´ıculos defectuosos en muestra de tama˜ no n, X ∼ B(n, p):
P(X = k) =
_
n
k
_
p
k
(1 −p)
n−k
, k = 0, 1, . . . , n.
E[X] = np, V ar[X] = np(1 −p).
• Proporci ´ on disconforme en muestra de tama˜ no n: ´ p =
X
n
.
Si no se conoce p se estima a partir de muestras previas tomadas en el proceso bajo
control. Si se estima a partir de m muestras:
p =

m
j=1
´ p
i
m
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 29 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci´ on de defectuosos
Diagrama de control p
Gr´ afico de control p (p conocida)
UCL = p + 3
_
p(1 −p)
n
,
CL = p,
LCL = p −3
_
p(1 −p)
n
.
Gr´ afico de control p (p no conocida)
UCL = p + 3
_
p(1 −p)
n
,
CL = p,
LCL = p −3
_
p(1 −p)
n
.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 30 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci´ on de defectuosos
Diagrama de control p. Aplicaci ´ on
Un proceso produce chips de ordenador. Se dispone de informaci ´ on (ver tabla)
recogida para 20 muestras, de tama˜ no 100 cada una, con los chips que no super-
aron un control de calidad relativo a su velocidad.
El proceso de fabricaci´ on de los chips se comporta bajo condiciones estables con una
tasa de fallo del 5%. Establecer si el proceso en estudio est´ a bajo control.
Número muestra Chips defectusos en
la muestra
Número muestra Chips defectusos en
la muestra
1 4 11 5
2 11 12 9
3 7 13 8
4 8 14 9
5 1 15 11
6 9 16 9
7 3 17 5
8 7 18 9
9 9 19 11
10 9 20 8

P´ agina www
P´ agina de Abertura
Contenido


P´ agina 31 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.7 Diagrama para la proporci´ on de defectuosos
Diagrama de control p. Aplicaci ´ on
Se realiza el an´ alisis a trav´ es de Minitab utilizando el gr´ afico de control p.
20 10 0
0,10
0,05
0,00
Sample Number
P
r
o
p
o
r
t
i
o
n
P Chart for Chips
P=0,05
UCL=0,1154
LCL=0
Concusi ´ on. El proceso est´ a fuera de control. No se observar valores fuera de los
l´ımites de control. Sin embargo, existe una tendencia (patr´ on) que conduce a pensar
que la proporci ´ on de defectuosos aumenta dado que la mayor parte de las muestras
observadas presentan una media con valor superior a p = 0.05.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 32 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.8 Diagrama para el n´ umero de
defectos por unidad
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 33 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.8 Diagrama para el n´ umero de defectos por unidad
Diagrama de control c
Se supone que en el proceso de producci ´ on bajo control el n´ umero medio de defectos
por unidad es c > 0 y que cada unidad producida es independiente del resto.
El diagrama de control del n´ umero de defectos por unidad se basa en el modelo
Poisson:
• N´ umero de defectos en la unidad i: X
i
∼ Poisson(c).
P(X
i
= k) =
c
k
k!
e
−c
, k = 0, 1, . . .
E[X
i
] = c, V ar[X
i
] = c.
Si no se conoce c se estima como la media muestral observada a partir de muestras
previas tomadas en el proceso bajo control.
P´ agina www
P´ agina de Abertura
Contenido


P´ agina 34 de 34
Regresar
Full Screen
Cerrar
Abandonar
1.8 Diagrama para el n´ umero de defectos por unidad
Diagrama de control c
Gr´ afico de control c (c conocida)
UCL = c + 3

c,
CL = c,
LCL = c −3

c.
Gr´ afico de control c (c no conocida)
UCL = c + 3

c,
CL = c,
LCL = c −3

c.

1. Control Estad´stico de la Calidad ı
Contenidos
´ Pagina www

1.1 Introducci´ n: Gr´ ficos de control de Shewhart o a
´ Pagina de Abertura

1.2 Gr´ ficos de control de variables a
Contenido

1.3 Diagramas de control para la media 1.4 Diagramas de control para la dispersi´ n o 1.5 Aplicaciones
´ Pagina 2 de 34

1.6 Gr´ ficos de control de atributos a
Regresar

1.7 Diagrama para la proporci´ n de defectuosos o
Full Screen

´ 1.8 Diagrama para el numero de defectos por unidad
Cerrar

1.9 Aplicaciones
Abandonar

1. Control Estad´stico de la Calidad ı
Control estad´stico de procesos ı
´ Pagina www

Proceso industrial: Est´ siempre sujeto a un cierto grado de variabilidad. a Fuentes de variabilidad • Causas aleatorias: variabilidad natural del proceso o ruido de fondo. • Causas atribuibles: variabilidad debida a deficiencias detectables y corregibles. Un proceso industrial que funciona en presencia de causas atribuibles se considera fuera de control y s´ lo cuando lo hace bajo causas aleatorias de variabilidad o se asume bajo control estad´stico. ı Objetivos del control estad´stico de procesos (SPC) ı

´ Pagina de Abertura

Contenido

´ Pagina 3 de 34

Regresar

Full Screen

Cerrar

• Detectar on–line causas atribuibles que originan cambios en un proceso industrial para tomar acciones correctoras antes de fabricar productos no conformes. • Reducir la variabilidad del proceso.

Abandonar

una secuencia a ı cronol´ gica de contrastes de hip´ tesis frente a los valores promedios observados o o cuando el proceso est´ bajo control. a Si se detecta que el proceso no est´ bajo control es necesario localizar entre las 5 M’s a la fuente o fuentes de variabilidad que originan el fuera de control.1. Control Estad´stico de la Calidad ı Causas de la variabilidad ´ Pagina www Las causas de variabilidad en la producci´ n se agrupan en torno a las llamadas 5 M: o • Mano de obra • M´ quina a • Materia prima • M´ todo de fabricaci´ n e o ´ Pagina de Abertura Contenido ´ Pagina 4 de 34 • Medio ambiente Los gr´ ficos de control son. desde un punto de vista estad´stico. Regresar Full Screen Cerrar Abandonar .

1 Introducci´ n: Gr´ ficos de control o a de Shewhart ´ Pagina 5 de 34 Regresar Full Screen Cerrar Abandonar .´ Pagina www ´ Pagina de Abertura Contenido 1.

Abandonar .1. un l´mite de control superior ı ı y un l´mite de control inferior. ı Full Screen Cerrar Destacar que la desviaci´ n σY es la desviaci´ n t´pica del estad´stico utilizado en la o o ı ı construcci´ n del diagrama de Shewhart y no la desviaci´ n de la caracter´stica de o o ı calidad examinada. Se toman como l´mites aquellos entre los cuales est´ ı ı a aproximadamente el 99% de la producci´ n cuando el proceso est´ bajo control. los l´mites de control superior (UCL) e inferior o ı ı (LCL) y la l´nea central (CL) se seleccionan de la forma: ı U CL = µY + kσY . LCL = µY − kσY . Regresar siendo habitual utilizar los l´mites conocidos como de 3 sigmas. Construcci´ n a o ´ Pagina www ´ Pagina de Abertura Los diagramas de control constan de una l´nea central. o a Si Y es un estad´stico que mide alguna caracter´stica de calidad de inter´ s. siendo su ı ı e media µY y su desviaci´ n t´pica σY .1 Introducci´ n o Gr´ ficos de control de Shewhart. Contenido ´ Pagina 6 de 34 CL = µY . es decir. k = 3.

1. o bien patrones aparentes en la seı cuencia representada. o a X-bar Chart ´ Pagina de Abertura Contenido UCL Sample Mean Mean LCL ´ Pagina 7 de 34 0 10 20 30 40 50 Sample Number Regresar Full Screen Cerrar Observar datos fuera de los l´mites de control. ya no se atribuye a la variabilidad natural del proceso sino a causas asignables que deben ser identificadas y eliminadas. Construcci´ n a o ´ Pagina www Se recogen cronol´ gicamente datos que se van representando en el gr´ fico. Abandonar .1 Introducci´ n o Gr´ ficos de control de Shewhart.

Los valores medios muestrales tienen aproximadamente una distribuci´ n normal o con base en el teorema central del l´mite ı Contenido ´ Pagina 8 de 34 Regresar 2. agrupando en muestras.1 Introducci´ n o Gr´ ficos de control de Shewhart. Se detecta con mayor rapidez que la media de un proceso est´ cama biando trabajando con muestras peque˜ as que con datos individuales. Razones estad´sticas ı 1. Construcci´ n a o ´ Pagina www ´ Pagina de Abertura Los gr´ ficos de control de Shewhart se construyen siempre que sea posible a partir a de valores medios de las observaciones. n Full Screen Cerrar Consecuencia. X∼N σ µ. y no a partir de observaciones individuales. σ) . √ . n Abandonar . Los valores medios muestrales son m´ s sensibles a las variaciones de la media a del proceso que los valores individuales consecuencia de la disminuci´ n de la o varianza al trabajar con datos promediados: X ∼ N (µ.1.

e ´ Pagina de Abertura Contenido X-bar Chart ´ Pagina 9 de 34 UCL Sample Mean Regresar Mean Full Screen Cerrar 0 10 20 30 40 50 LCL Abandonar Sample Number .1 Introducci´ n o Gr´ ficos de control de Shewhart.1. Clasificaci´ n a o ´ Pagina www Clasificaci´ n general de los diagramas de control o • Gr´ fico de control de variables: la caracter´stica de producci´ n en estudio se a ı o modela a trav´ s de una variable de tipo continuo. e • Gr´ fico de control de atributos: la caracter´stica de producci´ n en estudio se a ı o modela a trav´ s de una variable de tipo discreto.

´ Pagina www ´ Pagina de Abertura Contenido 1.2 Gr´ ficos de control de variables a ´ Pagina 10 de 34 Regresar Full Screen Cerrar Abandonar .

a ´ Pagina de Abertura Contenido ´ Pagina 11 de 34 Gr´ ficos de control de variables de uso m´ s frecuente: a a Regresar • Control de la media: gr´ fico de control X. habitualmente o a o la desviaci´ n t´pica. o ı Dado que el gr´ fico de la media depende de la dispersi´ n. o a Full Screen Cerrar Abandonar . y simult´ neamente una de dispersi´ n.1. es conveniente realizar en a o primer lugar el control de la dispersi´ n para verificar que la variabilidad permanece o estable y en segundo lugar comprobar que el proceso est´ bajo control en media. generalmente la media. a • Control de la dispersi´ n: gr´ fico de control S.2 Gr´ ficos de control de variables a Control de la media y de la desviaci´ n t´pica o ı ´ Pagina www Metodolog´a ı Verificar que un proceso est´ bajo control exige controlar una medida de localia zaci´ n.

3 Diagrama de control para la media ´ Pagina 12 de 34 Regresar Full Screen Cerrar Abandonar .´ Pagina www ´ Pagina de Abertura Contenido 1.

1. µ + 3√ n n se encuentra el 99. n CL = µ. n Full Screen Cerrar Abandonar . X ∼ N (µ. σ 2 ). σ LCL = µ − 3 √ . es decir.73% de la producci´ n.3 Diagrama de control para la media Gr´ fico de control X a ´ Pagina www Caracter´stica de calidad que se controla en la producci´ n: ı o X (variable aleatoria normal) ´ Pagina de Abertura Contenido Sup´ ngase que en un proceso bajo control los par´ metros media y varianza de X son o a µ y σ 2 . Entonces en el intervalo: σ σ µ − 3√ . o ´ Pagina 13 de 34 Regresar Gr´ fico de control X a (µ0 conocida) σ U CL = µ + 3 √ . siendo ambos conocidos.

3 Diagrama de control para la media Gr´ fico de control X a ´ Pagina www Caracter´stica de calidad que se controla en la producci´ n: ı o X (variable aleatoria normal) ´ Pagina de Abertura Contenido Sup´ ngase que en un proceso bajo control los par´ metros media y varianza de X son o a desconocidos. o ı Gr´ fico de control X a (µ0 no conocida) s U CL = x + 3 √ . n ´ Pagina 14 de 34 Regresar Full Screen Cerrar Abandonar .1. Entonces se estiman a partir de datos hist´ ricos. o Se aconseja tomar un m´nimo de 20 o 25 muestras para obtener la media hist´ rica x ı o y la cuasidesviaci´ n t´pica muestral s. n CL = x. s LCL = x − 3 √ .

4 Diagrama de control para la dispersi´ n o ´ Pagina 15 de 34 Regresar Full Screen Cerrar Abandonar .´ Pagina www ´ Pagina de Abertura Contenido 1.

4 Diagrama de control para la dispersi´ n o Gr´ fico de control S a ´ Pagina www Caracter´stica de calidad que se controla en la producci´ n: ı o X (variable aleatoria normal) ´ Pagina de Abertura Contenido Sup´ ngase que en un proceso bajo control los par´ metros media y varianza de X son o a desconocidos. Entonces se estiman a partir de datos hist´ ricos. a a Regresar Full Screen Cerrar Abandonar . a ´ Pagina 16 de 34 • Gr´ fico de control S 2 . a • Gr´ fico de control R (no utilizar con muestras de m´ s de 3 unidades).1. o Gr´ ficos de control de variables de uso m´ s frecuente para la dispersi´ n: a a o • Gr´ fico de control S (recomendado).

s c4 s c4 1 − c2 . E[S] = c4 σ. cuyas o propiedades son: E[X] = µ.1. Γ((n − 1)/2) ´ Pagina 17 de 34 Gr´ fico de control S a U CL = s + 3 CL = s. E[S ] = σ . u . 2 2 donde c4 = 2 n−1 1/2 Γ(n/2) . 4 1 − c2 . 4 Regresar Full Screen LCL = s + 3 Cerrar Abandonar donde 1 s= m m si i=1 y m es el n´ mero de muestras observadas. o a Se estiman a partir de datos hist´ ricos mediante los estimadores X y S 2 .4 Diagrama de control para la dispersi´ n o Gr´ fico de control S a ´ Pagina www Caracter´stica de calidad que se controla en la producci´ n: ı o X (variable aleatoria normal) ´ Pagina de Abertura Contenido Sup´ ngase X ∼ N (µ. σ) siendo los par´ metros media y varianza desconocidos.

4 Diagrama de control para la dispersi´ n o Gr´ fico de control S 2 a ´ Pagina www Caracter´stica de calidad que se controla en la producci´ n: ı o X (variable aleatoria normal) ´ Pagina de Abertura Contenido Sup´ ngase X ∼ N (µ. n − 1 α/2. u Abandonar . cuyas propiedades son: o E[X] = µ.n−1 donde 1 s= m m Cerrar si i=1 y m es el n´ mero de muestras observadas.n−1 CL = s2 . σ) los par´ metros media y varianza desconocidos. n − 1 1−α/2. Gr´ fico de control S 2 a ´ Pagina 18 de 34 Regresar Full Screen s2 2 U CL = χ .1. Se estiman o a a partir de datos hist´ ricos mediante los estimadores X y S 2 . s2 2 LCL = χ . E[S 2 ] = σ 2 .

o o Construcci´ n o Sigue la misma metodolog´a de los diagramas anteriores. Se estiman o a a partir de datos hist´ ricos mediante los estimadores X y R: o R: amplitud de la muestra. En el caso de valores moderados del tama˜ o de cada muestra pierde su eficiencia dado n que no toma en consideraci´ n toda la informaci´ n en la muestra. Conocidos los diagramas ı 2 ´ de S y S carece de sentido su estudio te´ rico en este curso. a ´ Pagina 19 de 34 Regresar Full Screen Cerrar Abandonar . es decir. R = xmax − xmin . Unicamente se impleo mentar´ n utilizando Minitab. σ) los par´ metros media y varianza desconocidos.1.4 Diagrama de control para la dispersi´ n o Gr´ fico de control R a ´ Pagina www Caracter´stica de calidad que se controla en la producci´ n: ı o X (variable aleatoria normal) ´ Pagina de Abertura Contenido Sup´ ngase X ∼ N (µ. Si el tama˜ o de la muestra es peque˜ o el m´ todo de estimar σ mediante n n e la amplitud produce un estimador razonablemente bueno.

´ Pagina www ´ Pagina de Abertura Contenido 1.5 Aplicaciones ´ Pagina 20 de 34 Regresar Full Screen Cerrar Abandonar .

9953 73.9756 73.0066 73.9965 74.0131 73.9708 74.9741 74.0118 74.9878 73.0241 74.9873 73.9946 73.0135 73.0212 74.9729 74.0155 74.0002 74.0433 73.0067 73.0143 74.5 Aplicaciones Diagramas de control de la media y la dispersi´ n o ´ Pagina www ´ Pagina de Abertura ´ En un proceso de fabricaci´ n de anillos de pist´ n para motores se desea controlar este o o mediante diagramas de control.0047 73.9699 74.9645 74.0187 73.9970 Contenido ´ Pagina 21 de 34 Regresar Full Screen Cerrar Abandonar .9918 73.0100 73.0048 74.9934 73.0066 74.9985 73.0096 74.0163 73.0423 73.0136 73. o ı Número muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 73.0051 74.9735 73.9896 74.0311 74.0204 73.0041 74.0135 73.9799 74.0336 73. Se toman 25 muestras de tama˜ o 4 (ver tabla) en un n proceso que bajo control tiene distribuci´ n normal de par´ metros media µ = 74 y o a desviaci´ n t´pica σ = 0.0384 74.0275 74.0230 74.0173 74.9977 74.0017 74.025.0123 74.0103 73.9964 74.0153 73.9720 73.0187 74.9956 74.0228 73.9941 73.0058 73.0053 74.9709 73.9974 73.9811 74.9811 73.0118 74.1.0193 74.9824 73.9911 74.9877 74.0163 74.0020 74.9766 73.9530 74.0050 73.9921 74.9920 73.0062 74.0372 74.0182 73.9741 74.0218 74.0115 73.9957 73.0170 74.9967 74.9940 73. Establecer si el proceso se encuentra bajo control.9617 73.0078 74.9523 74.9862 74.9986 74.9991 73.9901 73.0044 74.0081 73.9995 74.0429 74.0034 74.0139 74.

997 74.0193 3.9979 74.0169 0.0067 .9976 74.1.002 74.255 74.66E-02 100 73.5 Aplicaciones Diagramas de control de la media y la dispersi´ n o ´ Pagina www Se realiza en primer lugar un an´ lisis de los datos en el que se observa la normalidad a de las observaciones obtenidas.03 Regresar 95% Confidence Interval for Mu Full Screen 73.0017 0.0142 74.9913 74.71E-04 -2.0055 95% Confidence Interval for Sigma 0.007 95% Confidence Interval for Mu 73.9523 73.97 73.0224 Cerrar 95% Confidence Interval for Median 95% Confidence Interval for Median Abandonar 73.99 74.461 0. Descriptive Statistics ´ Pagina de Abertura Contenido Variable: Anillos Anderson-Darling Normality Test A-Squared: P-Value: Mean StDev Variance Skewness Kurtosis N Minimum 1st Quartile Median 3rd Quartile Maximum 0.4E-01 3.95 73.01 74.0433 ´ Pagina 22 de 34 73.0042 74.

04 0.005 73. a e a Xbar/S Chart for Anillos 74.05219 Regresar S=0.025 74.045 74.965 73.01 0.06 Sample StDev 0.96 ´ Pagina 23 de 34 0.985 73.015 74.04 ´ Pagina de Abertura Contenido Sample Mean Mean=74 LCL=73.00 UCL=0.995 73. El proceso est´ bajo control (no se observan muestras fuera de l´mites o a ı ni patrones).975 73.035 74.02303 Full Screen LCL=0 Cerrar Abandonar Conclusi´ n.02 0. .5 Aplicaciones Diagramas de control de la media y la dispersi´ n o ´ Pagina www Se realiza el an´ lisis a trav´ s de Minitab utilizando los gr´ ficos X y S.03 0.1.955 Subgroup 0 5 10 15 20 25 UCL=74.05 0.

985 73.5 Aplicaciones Diagramas de control de la media y la dispersi´ n o ´ Pagina www Se realiza el an´ lisis a trav´ s de Minitab utilizando los gr´ ficos X y R.965 73.045 74.1174 Sample Range 0.955 Subgroup 0 5 10 15 20 25 UCL=74.015 74.10 Regresar 0.00 LCL=0 Cerrar Abandonar Conclusi´ n.025 74. El proceso est´ bajo control (no se observan muestras fuera de l´mites o a ı ni patrones).1.975 73.035 74. .04 ´ Pagina de Abertura Contenido Sample Mean Mean=74 LCL=73. a e a Xbar/R Chart for Anillos 74.995 73.05148 Full Screen 0.96 ´ Pagina 24 de 34 UCL=0.005 73.05 R=0.

´ Pagina www ´ Pagina de Abertura Contenido 1.6 Gr´ ficos de control de atributos a ´ Pagina 25 de 34 Regresar Full Screen Cerrar Abandonar .

Gr´ ficos de control de atributos de uso m´ s frecuente: a a • Control de la proporci´ n de disconformes: gr´ fico de control p. Abandonar .6 Gr´ ficos de control de atributos a Diagramas de control de proporciones y art´culos con defectos ı ´ Pagina www Diversas caracter´sticas de calidad se representan a trav´ s de variables discretas en ı e lugar de hacerlo utilizando variables continuas. u a • Control del n´ mero medio de disconformidades por unidad: gr´ fico de control u a u.1. En estos casos los art´culos inspeccionados se clasifican en: ı ´ Pagina de Abertura Contenido • conformes • disconformes dependiendo de si cumplen o no con las especificaciones t´ cnicas de la caracter´stica e ı objeto de estudio. o a • Control del n´ mero de disconformes: gr´ fico de control np. u a Cerrar ´ Pagina 26 de 34 Regresar Full Screen • Control del n´ mero de disconformes por unidad: gr´ fico de control c.

7 Diagrama para la proporci´ n de o defectuosos ´ Pagina 27 de 34 Regresar Full Screen Cerrar Abandonar .´ Pagina www ´ Pagina de Abertura Contenido 1.

y que los art´culos que se producen son ı ı independientes. X ∼ B(n. Si se estima a partir de m muestras: • Proporci´ n disconforme en muestra de tama˜ o n: o n p= m j=1 pi Abandonar m . . p): Contenido • N´ mero de art´culos defectuosos en muestra de tama˜ o n. . k k = 0. El diagrama de control de la proporci´ n disconforme se basa en el modelo binomial: o • Art´culo i defectuoso: ı Xi ∼ B(p). 0 < p < 1.1. u ı n P (X = k) = ´ Pagina 28 de 34 n k p (1 − p)n−k . n Si no se conoce p se estima a partir de muestras previas tomadas en el proceso bajo control. . . p= Full Screen Cerrar X . Regresar E[X] = np. 1. V ar[X] = np(1 − p). n.7 Diagrama para la proporci´ n de defectuosos o Diagrama de control p ´ Pagina www ´ Pagina de Abertura Se supone que en el proceso de producci´ n bajo control la probabilidad de obtener o un art´culo defectuoso es p.

7 Diagrama para la proporci´ n de defectuosos o Diagrama de control p ´ Pagina www Gr´ fico de control p a (p conocida) U CL = p + 3 CL = p. LCL = p − 3 Full Screen Cerrar Abandonar . n Regresar CL = p. LCL = p − 3 p(1 − p) .1. n ´ Pagina de Abertura Contenido Gr´ fico de control p a ´ Pagina 29 de 34 (p no conocida) U CL = p + 3 p(1 − p) . n p(1 − p) . n p(1 − p) .

de tama˜ o 100 cada una.1.7 Diagrama para la proporci´ n de defectuosos o Diagrama de control p. El proceso de fabricaci´ n de los chips se comporta bajo condiciones estables con una o tasa de fallo del 5%. Establecer si el proceso en estudio est´ bajo control. con los chips que no supern aron un control de calidad relativo a su velocidad. Se dispone de informaci´ n (ver tabla) o recogida para 20 muestras. Aplicaci´ n o ´ Pagina www ´ Pagina de Abertura Un proceso produce chips de ordenador. a Número muestra 1 2 3 4 5 6 7 8 9 10 Contenido Chips defectusos en la muestra 4 11 7 8 1 9 3 7 9 9 Número muestra 11 12 13 14 15 16 17 18 19 20 Chips defectusos en la muestra 5 9 8 9 11 9 5 9 11 8 ´ Pagina 30 de 34 Regresar Full Screen Cerrar Abandonar .

existe una tendencia (patr´ n) que conduce a pensar ı o que la proporci´ n de defectuosos aumenta dado que la mayor parte de las muestras o observadas presentan una media con valor superior a p = 0. El proceso est´ fuera de control.00 Regresar LCL=0 0 10 20 Sample Number Full Screen Cerrar Abandonar Concusi´ n.7 Diagrama para la proporci´ n de defectuosos o Diagrama de control p.1154 0. No se observar valores fuera de los o a l´mites de control.1. a e a ´ Pagina de Abertura P Chart for Chips Contenido UCL=0. Aplicaci´ n o ´ Pagina www Se realiza el an´ lisis a trav´ s de Minitab utilizando el gr´ fico de control p. Sin embargo.05 ´ Pagina 31 de 34 0.05 P=0. .10 Proportion 0.05.

8 Diagrama para el numero de defectos por unidad ´ Pagina 32 de 34 Regresar Full Screen Cerrar Abandonar .´ Pagina www ´ Pagina de Abertura Contenido ´ 1.

V ar[Xi ] = c. El diagrama de control del n´ mero de defectos por unidad se basa en el modelo u Poisson: • N´ mero de defectos en la unidad i: u Xi ∼ P oisson(c). . ´ Pagina de Abertura Contenido ck −c P (Xi = k) = e . 1. Regresar Si no se conoce c se estima como la media muestral observada a partir de muestras previas tomadas en el proceso bajo control.´ 1.8 Diagrama para el numero de defectos por unidad Diagrama de control c ´ Pagina www Se supone que en el proceso de producci´ n bajo control el n´ mero medio de defectos o u por unidad es c > 0 y que cada unidad producida es independiente del resto. k! ´ Pagina 33 de 34 E[Xi ] = c. . . Full Screen Cerrar Abandonar . k = 0.

´ Pagina 34 de 34 Regresar √ LCL = c − 3 c.8 Diagrama para el numero de defectos por unidad Diagrama de control c ´ Pagina www Gr´ fico de control c a (c conocida) √ U CL = c + 3 c. CL = c. √ LCL = c − 3 c. CL = c. ´ Pagina de Abertura Contenido Gr´ fico de control c a (c no conocida) √ U CL = c + 3 c. Full Screen Cerrar Abandonar .´ 1.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->