Professional Documents
Culture Documents
DEL PROCESO
DISTRIBUCION NORMAL
La notacin para una variable aleatoria que se distribuye normalmente es x N (
, 2 ), la forma de la distribucin es simtrica, unimodal y en forma de campana.
Las reas entre diferentes desviaciones estndar son:
1 68.26%
2 95.46%
3 99.73%
-3
Fig. 2.1
+3
(2.1)
Z
0
P (x >= a) = 1 P (x <= a)
(2.2)
alcancen
una
calificacin
de
500.
Si
las
30 Qu porcentaje de
500 485
0.5
30
P ( X 500)
3 0 .8 5 %
Z.0 5
la solucin
Ejemplo 2.2:
Encuentre las probabilidad siguiente usando la tabla Z,
P(-1.23 < Z > 0).
-1.23
0
Solucin: Buscamos el valor Z 1.23 en las tablas siendo este = .89065. restando .
89065-.05 = .3905, este valor es la probabilidad de 0 a 1.23 que es
exactamente la misma de 1.23 a 0 por simetra. Por lo tanto la probabilidad es
.3905
Algunas veces en vez de encontrar la probabilidad asociada con un valor particular
de una variable aleatoria, se requiere encontrar lo opuesto, es decir un valor de z
que donde se encuentre un cierto valor de probabilidad.
Ejemplo 2.6: si x N (10, 9). Se desea encontrar el valor de x
= a, tal que P(x > a) = 0.05.
En la tabla se encuentra que para P( z<= 1.645) = 0.95, por
tanto:
(a 10) / 3 = 1.645
a = 14.935.
TEOREMA DEL LMITE CENTRAL
La distribucin normal tiene muchas propiedades tiles, una de estas se refiere a
la combinacin lineal de variables aleatorias independientes. Si x 1, x2 x3,..., xn son
(2.4)
[y -
i 1
i ]
i 1
2
i
(2.5)
PRUEBAS DE HIPTESIS
Se pueden cometer dos tipos de errores cuando se prueban hiptesis:
Z c X 0
(2.6)
Para encontrar la probabilidad de error tipo II, se debe asumir que Ho es falsa y
entonces hallar la distribucin de Zc. Suponiendo que la media de la distribucin
realmente es:
1 = 0 +
con > 0
Zc N
,1
n
BAJO H0
- Z/2
BAJO H1
Z/2
Zc =
n /
n
n
Z / 2
Z / 2
(2.7)
Z 0 X 16
Se rechaza Ho si Zo
0.1
9
II
si
el
valor
verdadero
de
la
media
n
n
Z / 2
Z / 2
0.1 9
0.1 9
1.96
1.96
0
.
1
0
.
1
= (- 1.4 ) -
( -4.96 )
es
=16.1
= 0.1492
Es decir que la probabilidad de no rechazar Ho si la media es
16.1 oz. Es de 0.1492, o que la potencia de la prueba es de 1
- = 1 0.1492 = 0.8508.
De la ecuacin anterior para , se observa que es una funcin de n, y de ,
tomando como 0.05 y graficando contra d =
2. Hojas de verificacin
3. Grfica de Pareto
4. Diagrama de causa-efecto
5. Diagrama de concentracin de defectos
6. Diagramas de dispersin
7. Cartas de control
Las cartas de control fueron desarrolladas por el Dr. Walter A. Shewhart de los Bell
Telephone Labs., se denominan Cartas de Control de Shewhart y se usan para el
monitoreo del proceso en lnea. A continuacin se explica la teora de variabilidad
de Shewhart.
LIC
Tiempo
Xi
cae
dentro de los lmites de control; de otra forma se concluye que el proceso est
fuera de control y que la media del proceso tiene un valor diferente del de 0, por
decir 1, donde 1 0.
Se puede decir que las probabilidades de los errores tipo I y tipo II de la carta de
control, son esquemas de prueba de hiptesis para analizar el desempeo de las
cartas de control.
La probabilidad del error tipo I de la carta de control se presenta cuando se
concluye que el proceso est fuera de control cuando en realidad no lo est.
La probabilidad de error tipo II de la carta de control se presenta cuando se
concluye que el proceso est en control cuando en realidad est fuera de control.
La curva caracterstica de operacin (OC), con en el eje vertical, indica la
capacidad de la carta para detectar corridas de la media o rango del proceso de
diferentes magnitudes.
Ejemplo
2.8:
Para
el
caso
de
pistones,
evaluando
la
.01
0.0045
n
5
Xi
se
Si
se
escoge
arbitrariamente
Z/2
3,
se
obtienen
los
74
Tiempo
74.9865
ancho
de
los
lmites
de
control
es
inversamente
dado.,
equivalente
La
seleccin
preparar
la
de
los
regin
lmites
crtica
de
control
es
para
probar
la
hiptesis en el tiempo:
H0 : = 74
H1 : 74
Con = 0.01 conocida.
Se puede definir un modelo general para una carta de control, si w es un
estadstico muestral que mide alguna caracterstica de calidad de inters y
asumiendo que su media es w con desviacin estndar w se tiene:
LSC = w + Lw
(2.8)
LC = w
LIC = w - Lw
DISTRIBUCION
DE LOS VALORES
INDIVIDUALES =.01
DISTRIBUCION
DE LAS MEDIAS
X 0.0045
ENTRADA
PROCESO
SALIDA
SISTEMA DE
EVALUACIN
Verificacin
y seguimiento
Deteccin de causa
asignable
Implantar
Identificar causa
Accin
Correctiva
media tiende a ser seguido por otro valor arriba de la media y viceversa, esto
produce corridas lentas y largas en algn lado de la media.
4. Procesos no estacionarios: ocurren en los procesos qumicos e industrias de
proceso, los procesos son muy inestables y tienen corridas inestables alrededor
de una media fija. En estos casos se estabiliza el desempeo de los procesos por
medio de control automtico por retroalimentacin.
Las cartas de control han sido muy populares por las siguientes razones:
1. Son una herramienta probada para mejorar la productividad. Su aplicacin
exitosa ayuda a reducir desperdicios y retrabajos, que son factores que
reducen la productividad (productos buenos por hora).
2. Son efectivas como herramientas de prevencin de defectos. Apoyan el
concepto de hacerlo bien a la primera vez, es ms costoso seleccionar
productos buenos en un lote con productos defectuosos, que fabricarlos bien
desde el principio.
3. Evitan que se hagan ajustes innecesarios en el proceso. Apoyan el concepto
de si no esta mal, no lo arregles, ya que identifican las causas comunes de
las especiales, evitan que se hagan ajustes cuando slo se estn teniendo
variaciones aleatorias en el proceso.
4. Proporcionan informacin de diagnstico. Proporcionan un patrn de puntos
que permite la toma de decisiones para la mejora del proceso, al operador o al
ingeniero experimentado.
5. Proporcionan informacin acerca de la capacidad o habilidad del proceso.
Proporcionan informacin acerca de los parmetros importantes del proceso y
de su estabilidad con el tiempo, permitiendo la estimacin de la capacidad del
proceso para producir dentro de especificaciones.
SELECCIN DE LOS LMITES DE CONTROL
Abriendo los lmites de control decrece riesgo de error tipo I (falsa alarma) sin
embargo se incrementa el riego de error tipo II y viceversa. Con lmites de control
de 3-sigma la probabilidad de error tipo I es de 0.0027. Si se selecciona el nivel de
riesgo de error tipo I en 0.002 o 0.001 en cada lado, se tienen los lmites de control
a una distancia de 3.09-sigmas y los lmites de control sern:
LSC = 74 + 3.09 (0.0045) = 74.0139
LIC = 74 3.09 (0.0045) = 73.9861
Estos lmites de control se denominan lmites probabilsticos a 0.001.
ARL
1
p
(2.9)
ATS ARLh
(2.10)
En el ejemplo si se toman muestras cada hora, se genera una falsa alarma cada
370 horas.
Para evaluar que tan efectiva es la carta para detectar corrimientos en la media
del proceso, se utilizan las curvas caractersticas de operacin. Por ejemplo, si
n=5 y la media se corre de 74.015mm, la probabilidad de que un punto caiga
dentro de los lmites de control es aproximadamente 0.50, por tanto utilizando
p=0.50, se puede calcular el ARL1 para una situacin fuera de control como sigue:
ARL1
1
1
2
p 0 .5
Diseo 2
n=5
n = 10
X R
LIE
MEDIA
LSE
LIE
MEDIA
MEDIA CORRIDA
LSE
LIE
MEDIA
LSE
DESVIACION ESTANDAR
MAYOR A LA REQUERIDA
Ahora como las medias de las muestras estn normalmente distribuidas con
Xi
media
= /
Z / 2 X Z / 2
(3.1)
Z / 2 X Z / 2
X
i 1
(3.2)
(3.3)
Si R1, R2, ....., Rm , son los rangos de los diferentes subgrupos, el rango promedio
es:
R
i 1
(3.4)
(3.5)
usando:
R
d2
(3.6)
LSC X
LIC X
3R
d2 n
3R
d2 n
A2
Si de define a
3R
d2 n
(3.7)
LSC =
LIC =
+ A2
- A2
(3.8)
(3.9)
R d3
/ d2, resultando:
R
d2
(3.10)
LSC =
LIC =
+3
-3
d3
+3
d3
-3
R
d2
R
d2
[ 1+ 3
[ 1- 3
d3
d2
d3
d2
] = D4
] = D3
(3.11)
A2
D3
D4
d2
1.880
0.000
3.267
1.128
1.023
0.000
2.574
1.693
0.729
0.000
2.282
2.059
0.577
0.000
2.115
2.326
0.483
0.000
2.004
2.534
0.419
0.076
1.924
2.704
0.373
0.136
1.864
2.847
0.337
0.184
1.816
2.970
10
0.308
0.223
1.777
3.078
n
2
Eficiencia
Relativa
1.000
0.992
0.975
0.955
0.930
10
0.850
Para n >= 10 el rango pierde eficiencia rpidamente ya que ignora los valores
intermedios entre xmax y xmin sin embargo para valores pequeos de n (4,5 o 6)
empleados en las cartas de control, es adecuado. Para cuando n>10 se utiliza la
desviacin estndar en vez del rango.
LIMITES PRELIMINARES
Siempre que un proceso este siendo analizado a travs de una carta de control, es
muy importante llevar una bitcora registrando todos los cambios (tiempo y
descripcin) conforme ocurran, por ejemplo: cambio de turno, cambio de
materiales, ajuste de mquina, interrupcin de energa, arranque de mquina, etc.
X R
LSC
LC
LIC
Fig. 3.2 Patrn de anormalidad cclico
Mezclas de lotes: Se presenta cuando los puntos graficados se localizan cerca o
fuera de los lmites de control, con muy pocos puntos cerca de la lnea central,
puede ser causada por un sobre control de los operadores sobre el proceso o
cuando se toman productos de varias fuentes con diferente media.
LSC
LC
LIC
Fig. 3.3 Patrn de anormalidad con mezcla de lotes
Corrimiento en la media del proceso. Esto puede ser generado por un cambio en
mtodos, operadores, materias primas, mtodos de inspeccin, etc.
LSC
LC
LIC
Fig. 3.4 Patrn de anormalidad con corrimiento en media
LIC
Fig. 3.5 Patrn de anormalidad de tendencia ascendente
Estratificacin: Se muestra como una adhesin a la media, puede ser causado por
lmites mal calculados, tomar piezas de procesos diferentes o falta de resolucin
del equipo de medicin.
LSC
LC
LIC
Fig. 3.7 Patrn de anormalidad de estratificacin
Por lo general la carta R es ms sensible a cambios en la normalidad de los
procesos, por ejemplo cuando n = 4 el error tipo I no es 0.00027 sino 0.00461.
Cuatro de cinco puntos a ms de una sigma de la lnea central del mismo lado.
de
LICR =
LSCR =
Si
la
D3 = 0.023 (0) = 0
carta
de
control
para
se
encuentra
en
control
carta
LSC =
LIC =
X
X
+ A2
- A2
R
R
est
en
control
se
pueden
adoptar
los
lmites
X12
X13
X14
X15
Mediasa
138.1
110.8
138.7
137.4
125.4
130.08
27.9
12.1019
149.3
142.1
105.0
134.0
92.3
124.54
57.0
24.6583
115.9
135.6
124.2
155.0
117.4
129.62
39.1
16.1775
118.5
116.5
130.2
122.6
100.2
117.60
30.0
11.0515
108.2
123.8
117.1
142.4
150.9
128.48
42.7
17.7420
102.8
112.0
135.0
135.0
145.8
126.12
43.0
17.9458
120.4
84.3
112.8
118.5
119.3
111.06
36.1
15.2448
132.7
151.1
124.0
123.9
105.1
127.36
46.0
16.6649
136.4
126.2
154.7
127.1
173.2
143.52
47.0
20.1630
135.0
115.4
149.1
138.3
130.4
133.64
33.7
12.3062
139.6
127.9
151.1
143.7
110.5
134.56
40.6
15.8568
125.3
160.2
130.4
152.4
165.1
146.68
39.8
17.8672
145.7
101.8
149.5
113.3
151.8
132.42
50.0
23.1669
138.6
139.0
131.9
140.2
141.1
138.16
9.2
3.6363
110.1
114.6
165.1
113.8
139.6
128.64
55.0
23.5081
145.2
101.0
154.6
120.2
117.3
127.66
53.6
21.8355
125.9
135.3
121.5
147.9
105.0
127.12
42.9
15.9772
129.7
97.3
130.5
109.0
150.5
123.40
53.2
20.6947
123.4
150.0
161.6
148.4
154.2
147.52
38.2
14.4185
144.8
138.3
119.6
151.8
142.7
139.44
32.2
12.1146
proceso
lmites
de
se
observa
control
en
control
calculados,
se
estadstico,
contina
con
estos
corriendo
el
X12
X13
X14
X15
Mediasa
131.0
184.8
182.2
143.3
212.8
170.82
81.8
33.2801
181.3
193.2
180.7
169.1
174.3
179.72
24.1
9.0461
154.8
170.2
168.4
202.7
174.4
174.10
47.9
17.5943
157.5
154.2
169.1
142.2
161.9
156.98
26.9
9.9693
216.3
174.3
166.2
155.5
184.3
179.32
60.8
23.2220
186.9
180.2
149.2
175.2
185.0
175.30
37.7
15.2797
167.8
143.9
157.5
171.8
194.9
167.18
51.0
18.8798
178.2
186.7
142.4
159.4
167.6
166.86
44.3
17.1516
162.6
143.6
132.8
168.9
177.2
157.02
44.4
18.3454
172.1
191.7
203.4
150.4
196.3
182.78
53.0
21.5062
proceso
lmites
de
se
observa
control
en
control
calculados,
se
estadstico,
contina
con
estos
corriendo
el
X12
X13
X14
X15
Mediasa
131.0
184.8
182.2
143.3
212.8
170.82
81.8
33.2801
181.3
193.2
180.7
169.1
174.3
179.72
24.1
9.0461
154.8
170.2
168.4
202.7
174.4
174.10
47.9
17.5943
157.5
154.2
169.1
142.2
161.9
156.98
26.9
9.9693
216.3
174.3
166.2
155.5
184.3
179.32
60.8
23.2220
186.9
180.2
149.2
175.2
185.0
175.30
37.7
15.2797
167.8
143.9
157.5
171.8
194.9
167.18
51.0
18.8798
178.2
186.7
142.4
159.4
167.6
166.86
44.3
17.1516
162.6
143.6
132.8
168.9
177.2
157.02
44.4
18.3454
172.1
191.7
203.4
150.4
196.3
182.78
53.0
21.5062
Suponiendo
que
se
identificaron
las
causas
asignables
X11
X12
X13
X14
X15
Mediasa
Rangosa
131.5
143.1
118.5
103.2
121.6
123.58
39.9
111.0
127.3
110.4
91.0
143.9
116.72
52.9
129.8
98.3
134.0
105.1
133.1
120.06
35.7
145.2
132.8
106.1
131.0
99.2
122.86
46.0
114.6
111.0
108.8
177.5
121.6
126.70
68.7
125.2
86.4
64.4
137.1
117.5
106.12
72.7
145.9
109.5
84.9
129.8
110.6
116.14
61.0
123.6
114.0
135.4
83.2
107.6
112.76
52.2
85.8
156.3
119.7
96.2
153.0
122.20
70.5
107.4
148.7
127.4
125.0
127.2
127.14
41.3
Las cartas
de control
Ejemplo
3.3
Se
considera
otro
ejemplo
con
los
datos
X1
X2
X3
X4
X5
HORA
Medias
Rangos
-30
50
-20
10
30
80
50
-60
-20
30
110
-50
10
20
30
20
80
-10
-10
30
-20
50
70
20
-40
50
20
10
12
90
40
-40
20
80
20
-20
-10
-2
40
70
-30
30
-10
12
100
20
-20
10
40
10
20
30
10
50
10
24
40
40
20
20
11
16
40
30
20
30
10
40
12
26
30
30
-30
10
10
13
60
30
-10
50
-10
-30
14
80
10
-10
50
40
15
18
60
30
-10
16
40
20
20
30
30
-20
17
16
50
10
-20
50
30
10
18
16
70
50
-10
40
20
19
20
60
50
30
10
20
18
50
R
d2
=
0.023
2.326
= 0.0099
LIE = 73.950
LSE = 74.0500
Los lmites de tolerancia naturales del proceso inferior y
superior (LTNI y LTNS) se encuentran a 3-sigma del proceso
por abajo y por arriba de la media del proceso, o sea en:
LTNS =
LTNI =
X
X
LIE LTNI
Fig.
3.8
Localizacin
MEDIA
de
Lmites
LTNS
de
LSE
especificaciones
naturales
Se observa que los lmites de tolerancia naturales del proceso se encuentran
dentro de los lmites de especificacin, por tanto en principio no se observa que
haya partes fuera de especificaciones.
Otra forma de expresar lo anterior es con el ndice de habilidad potencial Cp (o
PCR) siendo:
Cp =
LSE LIE
6
(3.12)
Cp =
74.05 73.95
0.10
1.68
6(0.0099)
0.05984
LTNI LIE
LSE
LTNS
Caso 2. Si Cp es igual a 1, implica que las bandas para los lmites de tolerancia
natural y de especificaciones coinciden (aunque para el caos de 3-sigma aun
hayan 2700 ppm fuera de especificaciones).
LIE
LSE
LNTI
LNTS
Caso 3. Si Cp es mayor que 1, implica que la banda entre los lmites de tolerancia
natural del proceso, es menor que la banda permitida por las especificaciones.
LIE LTNI
LTNS LSE
(3.13)
puede
estimar
la
fraccin
de
anillos
no
conformes
0.0099
0.0099
= (-5.15) + 1 - (4.04)
0 + 1 0.99998
0.00002
de
los
especificaciones.
anillos
producidos
estarn
fuera
de
como en la carta R y
recalcular los lmites de control, para usarse en el control futuro del proceso.
LMITES DE CONTROL, DE ESPECIFICACIN Y DE TOLERANCIA NATURAL
Es importante hacer notar que no existe ninguna relacin matemtica entre los
lmites de especificacin y los de control o los de tolerancia natural.
Los lmites de especificacin son establecidos externamente al proceso por
ingenieros de manufactura, el cliente o por los diseadores del producto.
SUBGRUPOS RACIONALES
R nuevo
R ant
R ant
(3.14)
R nuevo
R ant
(3.15)
R ant
R ant
nueva
ant.
= 2.326, d2
nueva
= 74.018
= 73.984
LIM.INF.NVO.
LIMITE SUP. ANT.
CARTA
= 0.043
= 0.017
= 0.0
se tiene
LIMITE SUP.NVO.
CARTA R
es ms
pequeo con n=5 que con n=3) y se reduzca la media de R y su lmite superior en
la carta R.
LA CURVA CARACTERSTICA DE OPERACIN
La habilidad de las cartas de control
X R
= P { LIC <=
dado que
<= LSC 1 = 0 + k }
(3.16)
LSC = 0 + L /
(3.17)
LIC = 0 - L /
X
i
+
( ZLSC, x)
LSC
Xi
LC
( ZLIC, x)
LIC
-
Fig. 3.10 Clculo del error Beta o tipo II
LSC ( 0 k )
/ n
Entonces =
LIC ( 0 k )
/ n
0 L / n ( 0 k )
0 L / n ( 0 k )
/ n
/ n
(3.18)
=(Lk
)-(-Lk
X R
(3.19)
= ( 3 2
) - ( - 3 2
= (-1.47) - (-7.37)
= 0.0708
Este es el riesgo o la probabilidad de no detectar tal
corrimiento. La probabilidad de s detectarlo es 1- =
= 1 0.0708 = 0.9292.
Con
las
frmulas
anteriores
se
construyen
las
curvas
de
muestras
antes
de
que
el
corrimiento
sea
ARL =
1
1
En este caso
requieren
(3.20)
ARL
tomar
cuatro
0.25
muestras
4.
Es
antes
decir
de
que
el
detectar
se
un
Por ejemplo si = 2 con n=5, slo se tienen una probabilidad del 40% de detectar
este corrimiento en cada muestra subsecuente. Por tanto la carta R tiene poca
sensibilidad de detectar pequeos corrimientos en sigma, para cual se debe usar
la carta S con n>10.
LONGITUD DE CORRIDA MEDIA
La longitud de corrida media para la carta de Shewhart cuando el proceso est en
control es:
ARL = 1 / P ( un punto fuera de control) = ARL0 = 1 /
(3.21)
(3.22)
yS
desviacin estndar de S es
n 1
c4
1/ 2
1 c4
(n / 2)
(( n 1) / 2)
(3.18)
CASO DE n CONSTANTE
Con esta informacin se pueden establecer los lmites de control para la carta
S, cuando se conoce el valor de dado que existe un historial.
Para la carta S se tiene:
LSCs = c4 + 3
1 c4
= B6
LSCX = + A
= c 4
LCs
LICs = c4 - 3
(3.20)
LC =
1 c4
= B5
LICX = - A
Los valores para las constantes se encuentran tabuladas para diferentes valores
de n en la tabla de constantes.
En el caso de que no se conozca la desviacin estndar de la poblacin, se puede
estimar utilizando diversas muestras m con datos histricos, donde se obtenga la
desviacin estndar en cada una de ellas y se promedien.
1 m
Si
m i 1
(3.21)
__
S
c4
(3.22)
S
Como el estadstico
S 3
LSCs =
LCs =
= B4
S 3
LICs =
S
1 c 42
c4
S
1 c 42
c4
= B3
(3.23)
, cuando
LSCx =
LCx =
c4 n
+ A3
(3.24)
X
3
LICx =
S
c4 n
- A3
c4
A3
B3
B4
B5
B6
0.9400
1.342
1.427
2.089
1.964
0.9515
1.225
1.287
0.030
1.970
0.029
1.874
0.9594
1..134 1.182
0.118
1.882
0.113
1.806
0.9650
1.061
1.099
0.185
1.815
0.179
1.751
0.9693
1.000
1.032
0.239
1.761
0.232
1.707
10
0.9727
0.949
0.975
0.284
1.716
0.276
1.669
11
0.9754
0.905
0.927
0.321
1.679
0.313
1.637
12
0.9776
0.866
0.886
0.354
1.646
0.346
1.610
13
0.9794
0.832
0.850
0.382
1.618
0.374
1.585
14
0.9810
0.802
0.817
0.406
1.594
0.399
1.563
15
0.9823
0.775
0.789
0.428
1.572
0.421
1.544
16
0.9835
0.750
0.763
0.448
1.552
0.440
1.526
17
0.9845
0.728
0.739
0.466
1.534
0.458
1.511
18
0.9854
0.707
0.718
0.482
1.518
0.475
1.496
19
0.9862
0.688
0.698
0.497
1.503
0.490
1.483
20
0.9869
0.671
0.680
0.510
1.490
0.504
1.470
21
0.9876
0.655
0.663
0.523
1.477
0.516
1.459
22
0.9882
0.640
0.647
0.534
1.466
0.528
1.448
23
0.9887
0.626
0.633
0.545
1.455
0.539
1.438
24
0.9892
0.612
0.619
0.555
1.445
0.549
1.429
25
0.9896
0.600
0.606
0.565
1.435
0.559
1.420
CASO DE n VARIABLE
En el caso de tamao de muestra variable, se utiliza el promedio ponderado de las
medias y de las desviaciones estndar como sigue:
m
n X
i 1
m
n
i 1
(n
(3.25)
1/ 2
1) S
2
i
ni m
i 1
(3.26)
73.993
74.015
74.009
73.992
74.007
74.015
73.998
74.014
74.009
73.994
73.997
73.985
73.995
74.006
73.994
74.000
73.985
74.003
73.993
74.015
73.998
74.008
73.995
74.009
74.005
73.998
74.000
73.990
74.007
73.995
73.994
73.998
73.994
73.995
73.990
74.004
74.000
74.007
74.000
73.996
73.983
74.002
73.998
74.006
73.967
73.994
74.000
4
4
4
5
5
5
5
5
6
6
6
6
7
7
7
7
8
8
8
8
8
9
9
9
9
10
10
10
10
10
11
11
11
11
11
12
12
12
12
12
13
13
13
14
14
14
14
73.984
74.012
74.014
73.998
74.000
73.984
74.005
73.998
73.996
73.994
74.012
73.986
74.005
74.006
74.010
74.018
74.003
74.000
73.984
74.002
74.003
74.005
73.997
74.000
74.010
74.013
73.998
74.001
74.009
74.005
73.996
74.004
73.999
73.990
74.006
74.009
74.010
73.989
73.990
74.009
74.014
74.015
74.008
73.993
74.000
74.010
73.982
14
15
15
15
16
16
16
16
16
17
17
17
17
18
18
18
18
18
19
19
19
19
19
20
20
20
21
21
21
21
21
22
22
22
22
22
23
23
23
23
23
24
24
24
24
24
25
73.984
73.995
74.017
74.13
.
25
25
25
25
= 74.001 y la
Para la carta S
LSCS = 0.020
LCS = 0.0098
LICS = 0
n
n
si no hay mucha
25%).
ESTIMACIN DE
S
c4
Para el ejemplo:
como
S
c4
n=5.
Existe una variante de las cartas de medias-desviacin estndar denominadas
cartas de medias-varianza.
X i X i 1
MR i
X 3
LSCx =
MR
d2
__
LCx =
(3.27)
X 3
LICx =
MR
d2
n=2
Ejemplo
3.6
Se
toman
varios
datos
de
viscosidades
se
No.Lote
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
LIE
1
Reaccin de carta X-R
LSE
Reaccin de carta p
, donde
estndar
especificaciones
es
2,
para
lmites
de
3-sigma
la
fraccin
defectiva
producida
ser
aproximadamente
50
3( 2)
52
n
donde n=9,
Si se utiliza una carta p entonces el tamao de muestra
requerido para tener la misma probabilidad de detectar el
corrimiento es:
k
n
p(1 p)
es
la
magnitud
de
incremento
en
fraccin
es ms econmica de aplicar.