CONTROL DE CALIDAD (H El Control de Calidad es 1a actividad técnica y administrativa mediante la cual se miden las caracteristicas de calidad de_up producto, se comparan con especificaciones o requisito y se toman accfones correctivas apropiadas “and existe una discrepancia entre el funcionamiento real y el estindar. = = Jere ~ Calidad es aptitud para el usd (deben satisfacer los requisitos de los usuarios) 6 en un ambito universal adecuacién al uso. Las empresas existen con el cometido de proveer productos y servicios. Estos son adecuados siempre y cuando satisfaga a los consumidores, en cuanto a plazo de entrega, precio y aptitud para el uso. - NOTA: Los principios de aseguramiento de la calidad se aplican a articulos fabricados y servicios ~. Las organizaciones que proven servicios son ms sensibles al concepro de adecuacién al uso, porque existe didlogo entre el cliente y el proveedor del servicio, lo cual facilita un acuerdo entre lo que puede ofrecer el proveedor y lo que necesita el cliente, Sin embatgo, las organizaciones que venden bienes © articulos no son tan sensibles al concepto de adecuacién al uso, porque esa cadena de relacién entre quien lo requiere y quien lo provee no es tan directa. Estas se deben adecuar a'las necesidades generales de .g 108 consumidores. Los servicios tienen caracteristicas que los diferencian de los productos, or ejemplo, ich, ge? son intangibles (no pueden tocarse), perecibles (acabar), relativamente heterogéneos (diversas y re naturalezas), no se pueden inspeccionar (ya que en los servicios es inseparable la produccién del consumo, g ei sentido en que se brinda a medida que se consume coe Tambien es la ce los consumidores la califiquen de alta calidad ~ Otros autores entienden que calidad es producir en el objeto y con minima varlanza-IKx, de azicar, se producen 1002gr.-. eyes cia] Cali subi oor com ts espe eaciones: : ~ Para Pirsig Ia calidad no se puede es como el arte moderno, si bien no lo entendemos, Io reconocemos apenas lo vers. ‘I centro del concepto de calidad esté en la Semms —e Sebre Kees fares, os racteristicas de Calidad on fue ua si son satisfechas es probable que so: anyon 180° SEP tool tagevile 4 Gs -mentos que describen conjuntamente su aptitud para el uso, Rasgos de matcrales, productos 0 Procesos, que SE nece ‘para tener adecuacidn al uso. Tenemos tres tipos, Fisicos (longitud, peso, voltaje, viscosidad, etc.), Sensoriales (sabor, presentacién, colores, etc.) y Dependientes del Tiempo (contiabilidad, conservacién, reparamiento, etc.). Calidad de Disefio y Calidad de Conformidad (éstas uparecen por el evidente desbalance entre los altos deseos humanos y las Variantes opciones de compra, que lleva a la produccién de articulos y servicios de diferente calidad. Es logico pensar que mayor calidad le diseo, mayor precio; yvievers) . foe duct seeseatian emtetones Coneinerses Ouranto etapa del disefio del producto o del proceso, afin de asegurar el cumplimiento satisfactorio de ciertos requisites funcionales. Mayor calidad de ‘alidad de conformidad adecuada impliga menores costos y descartes, mayor aceptacién; hay un ro de ambas partes. Un ejemplo es un auto lujoso y uno barato, si bien el cometido de transportur es e} mismo, uno tiene una mayor calidad en el transporte que el otro. r ‘Parimetro de la Calidad - Los servicios tienen que estar presentes siempre y cuando los requiramos (UTE, antel, etc). Su definicién matemitica es el tiempo en estado operativo (0) sobre el tiempo en estado operativo tmas el tiempo en estado no operativo (O+NO) D=0/0+NO) Csafiabilidad-Ps la probablidad de que un producto o servicio ealice sin fll las espcifcaciones ondiciones dadas, y por un periodo determinado de tiempo. #8 un parimetro de adecuacién al uso que indica la facilidad con que el mantenimiento puede Hegar a producirse +--¢Produeibilidad>Mide la extencién con que el producto puede elaborarse ficilmente con las instalaciones y OCESOS disponibles. ~ (SeVicio Es la medida en que el fabricante y la cadena de produecién responden en caso de falas. Deben slr organizaciones que presenten claos contratos de servicio, tener adecuadas instalaciones de equipo, suministro de partes sueltas, entrenar personal para pronosticar y remediar posibles fallas, dar prontas respuestas a las llamadas y conducir las reparaciones con cortesia e integridad. Epes feaciones: 2 imprescindble es ver cuales son las necesidades del consumidor, requerimientos de ~tas autoridades, capacidad del proceso-cuan capaz es el proceso de darnos productos dentro de ls especificaviones, que no sean defectuosos- y precaverse de no fijar especificaciones innecesariamente esirictas, La calidad ha surgido como estrategia administrativa importante. Esto se debe a varias razones, incluyendo: 1) Aumento en el interés por la calidad por parte del consumidor, y una fuerte orientacién de esta hacia el concepto calidad-rendimiento. 2) Responsabilidad por el producto, 3) Aumento de los costos de mano de obra, energia, etc. 4) Mayor competenc 5) Notables mejoras en la productividad gracias a programas tecnolégicos de calidad eficaces. ‘alidad Investigacién del mercado: srmina Jo que los consumidores requieren, Desarrollo del producto: Los expertos crean una imagen del producto que pueda satistncer las neces de los consumidores, Ingenierfa de manufactura: Los disefiadores redactan las especificaciones teniendo en cuenta especificaciones anteriores, y también se indican procesos e instrumentos capaces de medir la calidad de Jos productos. Actividad dle compra: Los encargados de comprar dentro de una organizacién deben adquirir materia prima con las ealidades especificadas porque sino se producirin productos no adecundos. Actividad de producir: Todas las personas involucradas deben entrenarse en el logro de la calidad adecuada, Inspeceién: Incluye la inspeccién de materias primas, productos en proceso y productos finales. Si son buenos, cae dentro de calidad y viceversa ~ Marketing: Los encargados de vender indican los productos y sus cualidades.emer 1 Implicitas: Son tan Obvias que el cliente no aecesita ser llevad, Sino estin genean insatisfaccin, esta indlerenein 2 caput: Son ncesidades que el cliene ‘espera y considera importantes Si estin _generan saisficci6n, sino insatisfacicn, Seduccién: Se Iluman lo concientes pero reales. Si esin generanstistaceién, sino indiferencia ‘Baja Calidad ‘Conceptos de Gsstidn de ls Calidad: [Be Capacitacin a todo nivel en la organizacign (C- Orientacién de mercado (foco en el cliente) D- Programas de mejora del ealided A) El nimero no en ls organizacién iene una importania fundamental en a calidad, Tienen wna sere de tareas: = Misién de la comparia (consist en dejar en claro para que exist la misma) ~ Formula la visién indie que es lo que la organizacién desea obtener y donde le gustaria estar en el aro) ~ Politica de Calidad: Son lineamicntos que guiarén la accidn dei organizacién en el rbito de la aldad, Por ejemplo, vers la empresa quiere ser lier en el precio 6 en el mereado 6 no quiere ser lider, slecidir su postura fente alos clientes (edmo quiere que ses Visto su producto), establecer alin tipo de ‘elacién con las proveedares, el person; toda lo que cansdere positive para mejorar la calidad. Lt ppliica de calidad debericoncretar las ideas y ot etivas, los cuales deben ser de largo plazo, abareadores,relevantes,trascendentes para la organizacin, También deben expresarse en terninos Sencillo, que todos dentro dela organizacién accedanficilmente al mismo, Ser breves ya que esto segura de que sea leido, Serin tansmitidos en forma de orden ya que el que firma es responsable de ‘cualquier siniesto. Tends tes secciones, una establece por qué es necesara, segundo la fora levarla adelante y tercero describ Ia vsin en i ~ _ Debe estipular ls organizacion def actividad, definirresponsabilidades y actividades referents ala calidad ') 1 Seminars par si direscién superior (sobre como se puede mejorar la calidad y por lo tanto la renabiidad dela oxganizacign) Talleres para los gerentes 53° Entrenamiento para los espciaisas de geterminadas Areas 4" Entrenamiento para el resto del personal (es conveniente que el funcionrio se sienta importante en la produccién, motverlo para un trabajo bien hecho) ©) Se focalizan y se orientan al cliente. Los mismos be identificany se reewerdan sus necesidades ant las Evaluara los proveedores, en especial su eapacidad para entregar mercaderia de la calidad deseada ~ _ (Auditorias de calidad, para evaluar y revisar los procedimientos y ls planes relacionados con la calidad y determinar si son adecuados 0 no > Gestidn y administracién destinados w ditigir y organizar las actividades relacionadas a la calidad ~ Cursos de capacitacién, Planear y realizar programas para sensibilizar al personal por la calidad lidad mn se plantea hacer algo, por lo que se'B) Son costos de actividades de control dirigidos a materias primas, procesos y productos finales, en fin de Costos de descartes, articulos totalmente defectuosos que no pasan los requerimientos de calidad y no pueden ser reprocesados Costos de reprocesamiento, para satisfacer los requerimientos de calidad y que la pérdida no sea tanta Costos de reinspeccién, los mismos no serian necesarios en caso de no haber fallas Costos por inactividad en el lapso de tiempo que se revisan y verifican fallas internas ~ _ Costos por sobrellenado de envases, debido a la variabilidad en el proceso. Con el fin de lograr un 99% de efectividad en 1Kg. de aziicar, centralizamos el proceso en 1060gr., es una pérdida irremediable 'D) Son costos asociados a fallas en productos detectados por el cliente. Algunos costos por fallas externas son: = Costos de devolucién. Son los asociados al recibo y reemplazo del material defectuoso ~ Costos por estudio y recepcién de quejas, productos que no satisfacen sus expectativas. En base a esas uejas la empresa puede dar con las fallas de equis proceso. La frecuencia de las quejas es funcién del costo del producto, si el mismo es de alto valor, gran cantidad de quejas, y viceversa = Costo por garantias contractuales (la empresa debe responder a garantias por contrato). Las otras, las _garantias comerciales, la empresa no estd obligada a responder pero generalmente lo hacen ~ Costos por bajas de precio, culpa de algunos defectos mezelados en el lote Inveniir en costos de prevencién y ver ficacién, ayuda a disminuir los costos por fallas internas y externas, que generalmente son mayores. Algunas leceiones aprendidas al poner en préctica los costos de calidad son: + El lenguaje del dinero es esencial. Es necesario articular la propuesta de calidad con el dinero, no tratar de convencer al dueiio por medio de discursos metaféricos * El significado de los costos de calidad, para algunos son costos de la mala calidad, para otros son costos necesurios para obtener calidad y para otros son costos del departamento para mantener la calidad -vitar que los costos de calidad se transformen un fin en si mismo, porque éste no mejora la calidad Il dmbito de los costos de calidad es muy limitado. Tradicionalmente la determinacién de los costds de calidad se mide a través de las quejas y en la caida de las ventas ‘+ Las categorias mencionadas tienen una gran longevidad (mas alla de los avances) Modelos de Costos de Calidad Az Clisico Dice que no se puede aleanzar un éptimo de | calidad de conformidad en un costo finito. EI minimo costo no se encuentra donde es 6ptima la calidad de conformidad, asi lo podemos observar en el grafico,‘Dados 1dos los avances que se waducen ea ‘una mejor calidad y a automatizacion que baja los costs por defects, la mixin calidad de conformided puede aleanzaise aun costo fnito, ‘en el miximo de los costos de prevencién y verificacin. ‘ay inerrogantes que no podemos contest, como ejemplo, cud seria un nivel de costos de calidad aceptable Puede ser iil comenzarintentando disminuir ls unidades defectuosas, y asi disminir los descartes y mejorar la ‘vompetencia en el mereado.Paralevarlo a eabo debemos adquirir maquinara més avanzada, mejorar tanto la «alidad dela materia prima como ls actividades de calidad. Aunque esto aumente los costos de calidad, es probable «que enfin tengamos in saldo postive ‘Comprar los costos de calidad de distintas empresas no tiene sentido, Q sea que uns compas con costos de calidad ms altos, no necesariament tiene niveles de calidad superior. Si puede comparatsedichos costos ela ‘voluciin de una eompaia, ‘Cuando una empresa no puede disminuir més os costos de eaidad, se dice que legado 2 un dptimo, PROBABILIDAD Dos enfoques: = Subjetivo: Se define la probabilidad como un grado racional de confiznza,subjetivo y personal. Ejemplo, Pla") ~ Por Frecuencias tal que OS PS1y P(A) = Teorema de advidn de probabil: + Bxcluyentes-n03 interseccin entre ellos: P( 4, + 4, +..+ A,)=P(Ay)+ P(A, tt MA) + Nocxcluyentes ene si: P(4+B)= P(4)+-P(B)- P(A) = P(AUB)= Ato B) ‘Teorema del producto de probabildades para sucesos no excluyentes eindependientes dos sucesos on independientes sia probobilidad de ocurrencia de uno no depende de la ocurrecia 0 no del otra y viceversa Pld v As yoy A)=P(A)P(A) PCA,) ‘Tovcin Combina ‘+ Ordenamientosposbles den objeto: ‘+ Permutaciones de » bjetos tomados de ax P* + Combinaciones de n objets tomados de ax C!Propiedades: O!=1 y CI=Cr, Probabilidad con y sin reposicién: Para lote con N>100 en general el muestreo con reposicién o sin ella es indistinto, Para lotes de menor tamatfo si tiene importancia la diferenciacién ya que las probabilidades difieren en forma significativa, HISTOGRAMAS ~ Poblacién: Totalidad de valores posibles de una caracteristica particular de un grupo especificado de objetos, los cuales constituyen el universo. ~ Muestra: Parte de la poblacién en estudio seleccionada segiin una regla o plan ~ Histograma: Representacién grifica de datos numéricos que permite ver tres propiedades de los mismos: * Forma en la que se distribuyen las observaciones Tendencia central La frecuencia relativa se puede interpretar como probabilidades, donde la altura de cada banda indica la probabilidad de que pertenezca a esa clase. La probabilidad de extraer una unidad perteneciente a un intervalo, se obtiene integrando la densidad de probabilidad -s el limite de la densidad de frecuencia relativa-. La frecuencia acumulada indica la probabilidad de que al tomar una miedida la misma se encuentre en ese subintervalo o en anteriores. - Ventajas: + Simplicidad + _Posibilidad de trabajar conjuntamente con los limites de especific ~ Desventajas ‘+ Pérdida de la individualidad de las observaciones én + Laevolucién de las caracteristicas en el proceso puede no ser revelada = Precision y Exactitud 1) Preciso exacto 2) Preciso inexacto 3) Impreciso exacto 4) Impreciso inexacto ~ _ Especificaciones: Valor deseado para una caracteristica determinada de tn proceso Al fijarse una tolerancia (V7) surgen los limites de especficacién: LIE=E-V Limite Inferior de Especificacién ISE= E+ Limite Superior de Expecifica cin Obs.: Si hay tolerancia hacia un solo lado se tendra un Gnico limite:Producto dentro de los limites: CONFORME (cumple) Producto fuera de_los limites: NO CONFORME (no cumple) » » 3) 4) 9 6) n 8) =Valor méx—Valor min Rango=R ‘Niimero de Clases =NC=Jn Ancho de Clases = AC = R/NC Limites de Clases: LL, =valor min+(i-1}A4C (Limite Inferior de la i-ésima clase) © L6,=LI,, (Limite Superior de la i—ésima clase, coincidien do con el LI de la clase sigu Mediatriz de Clase = M; = (LS, +LI.,)/2 Frecuencia absoluta = F,, = cantidad total de valores en la i—ésima clase(# en cada clase) Frecuencia relativa = F,,{%)=(F,,/2)-100 Frecuencia acumulada = FO=DF, (%) MEDIDORES DE TENDENCIA CENTRAL Y DISPERSION Medidor de tendencia central: Valor num 1) Media; Media Poblacional:| 2 2) Mediatriz: M rico que sirve para describir la ubicacién central de los datos Media Muestral: 3) Moda: Valor que mas se repite en una serie de valores -NOTA: 2, 2, 1,3, 3 moda = 2,3 4) Mediana: Valor que ocupa la posicién NOTA: Silaserie mes par ([fediana nntral al ordenat la serie en forma creciente 0 decreciente X, +X, Medidor de Dispersién: Valor numérico que describe el grado de dispersién de los datos respecto a su valor central 1) Rango: [R= X yay —X wa 2). Desviacidn Estindar: Poblacional: 3). Varianza: ° Muestral:rey GENOVA KM DEEL: TiKetyee , vO 78 22 BK wv BHCMP eat) DISTRIBUCION DE PROBABILIDAD! ~ Variable Aleatoria (VA): Variable que toma ciertos valores con determinadas probak + Discrets: Toman valores e un conjunto dscreto. Kj: Tira un dado, et. + Contiouas: Tomn cualquier valor teal en un interval de los reales, Ej.: Altre, volume, ee + Distibucidn de Probablidades: Modelo matemstico que relaciona cada valor posible de ins VA con su probabiidad de ocurrencia + Discretas: Disuibuciones de VA’s dscretas + Continuas: Distribuciones de VA's comtinuss ~ Funcién de probabildades (VA ditrtm: Es una fincin que cad valor posible de una VA le asigna probabil: py (F)= PX Secumpe:~ p,(r)20 vr - Let ‘+ Distibucidn Binomial a) Lote de tamatoN +b) Seextra una muestra den unidades eon repasicion D ©) p= traccién de unidedes defectuosas ene ote N Si X s"niimero de unidades defectuoscasen la muestra=> X ~ Bink Funcin de Probabitided: [p«(k)= P(X =4)=C}- p' -(1- bY" ” nell) OBS:: Si p<0.1y-np<10=9 se aproxima a Poisson de pardmetro np Sinp >10y0.18 p809=> X~ Bin(n,p)seaproxinaa Z, = + Distrib Sn Hipergeomsri: 2) Lede tamafo N 8) Seextae una mesa dem uid sin epsicién ©) D = cand de nies detectoss ene ote Si X'="mimerode nidades defocus en la nuestra => X ~ H(,N,D) Si% $0.1 = se eproximaa Binomial + pr Binomial ‘© Distibucidn de Poison: 8). Se tiene un proceso que genera cierto producto 'b) Cada unidad puede rener uno o mis defeetos ©) 2 mimera promedio de defpstos por unidad Si XS"mlimero de defacos en una unidad” => X~ P(2) eee lag (k)= PUK =k)= oe GP =2 OBS: SABIS= seaproxima a una Normal2 Distribucién Geométrica: a) Se tiene un proceso que hace ciertos hallazgos b)_ Repetimos hasta hallar el primer éxito Q P= éxito 1 -P = fracaso ‘Si X ="mimero de repeticion es hasta obtener el primer éxito" => X ~ Geo(P) :[pe)=P(X =r)=P-l= PY" =P + Distribucién Binomial Negativa (o Pascal a) Se tiene un proceso que hace b) Repetimos hasta hallar r Exitos ©) P=éxito__ P= fracaso Si Y ="mimero de repeticion es hasta obtener el r—ésimo éxito" => X ~ BN(r,P) CHP (l= PY tal que k =r} jertos hallazgos OBS.: Si X ~ BN(1, P)=> X ~ Geo(P) ~ Funeion de Distribue menor o igual que ese valor: F,(r)= P(X Sr) tal que: - Fy: 8 [0,1] ~ F, es mondtona ereciente, es continua por derecha y tiene limite por izquierda - lim Ry ()=0 lim Fy (r)=1 Funcién que a cuda valor posible de una VA le asigna la probabilidad de que la variable sea Fy es continua en r => P(X =r)=0 (en caso de ser discontinua el valor del salto es P(X = r)) ~ Funcién de densidad de Probabilidad (VA’s continuas): Bs una funcién que permite calcula la probabilidad de que tuna VA continua se encuentre en un cierto intervalo: Plas X N(1,07).con eR, o>0 ~N(0)) esta tabulada, ‘@(—x) por simetria fica por Z, aaquel valor para el cual (Z, ) ~Ufa,6], con a, be R fem relat] 0 2=1asa promedio de falllas = cte Densidad de Probabilidad: . o o=l Sic (t)=A-exp™ 1 la funci6n de distribucién de Z se denota por "@(, J’, 12 I: Su cometido es modelar tiempos de duracién de un componente o sistema Puncién de Distribucién: ,a20) * Distribucién Chi-cuadrado: La distribucién z? resulta cuando (muimero de grados de libertaa) variables independientes idénticamente distribuidas (iid) N(0,1) son elevadas al cuadrado y sumadas XXX q HANOM => Yo XP 4X2 4..4K2 ~ 77 Densidad de Probabilidad: wr >0 conP(a)= fre! exp dt ° u«+ Distibueidn “1” de Student ‘La distribucin “r” surge de l siguiente operacién: ¥ ~ 2? con"m" grados de libertad, X ~ N(0,1) independientes => 1 = Vm uno + Distibucion “#" Its datribuctn “Fe obtiene a partir de dos variables aleatorias independientes con disibucién Chir Xe "a Cer... Yet)= 5 | | EOF cuadiado: X~ 22, Y~ x2 independientes = Fy grades de libertad para cl numerador y“n” para el denominador. Densidad de Probabiidad:| #53 X es VA Diserets © Si Xes VA Continua - Varinnza de une V+ Medida dela dispersin de Ia distibuein de probabiidud de laVA (s- 2) pels) # Si X es VA Discrete + sixesVA Continua|ar(x)=07 = (sa) Fels) nora: [Yar(X) = £07)-[EQOF“O48 > teva aT Neg Ao sifted? Wz ‘TEOREMA CENTRAL DEL LIMITE x=G71 > alaned Aen feel + Xp Xayer Xq lid ~ F tales one Consideremos la variable: X. Definimos: 7, -a2l () _ (x) Paes 0a) teat cae (es varlx, o Var(Z,) Jn n=) —#! _, n7(0,1)| = a vor ag ue INTERVALO DE CONFIANZA ~ Consideramos X;,X,...,.X, lid ~ F, fijamos a € (0,1) por ejemplo (@ = 0.10, @ = 0.01, eic). Un intervalo de confianza al nivel a para F es un intervalo de la forma (Xs. X,.)= [L(X jeer X, hU(X) snes Xtal que POE 1(X,,... X,))=l-a. Caso Bilateral: Construimos un intervalo de confianza para p de la forma 7, -6,X, +6] determinamos € de la Sotiatn pelt —aT +a)micanett ec pata eleecpoe see hy a {8 8) 1c.paa 2 Bilateral: Unilaera:|} S22 ‘eaters Sob os TESTDE 18 ipdtesis: Emunciado sobre el valr de un parkmetr poblacional i: 40= ay Chipdesis mula) Tomaremos: - Ln: 4 sy (hipdtesis altemativa) ~ _Bsiadisticn del Test. 8 ey” + JOE nivel de signiticacié + “irae de la muestra = Criterio de rechazo—> —Reeghaza | NO Rechon [Rech Tipos de erores: ‘Tipo I: Desidimos Hy cuando Ho es verdadera (0 rechazar Hp cuando es verdaders) ‘+ Tipo I: Decidimos H, cuando H, es verdadera (0 no rechazar H, eutnda es fls). Denotamas: vudi 1. [@=ABroripo =P AR] t1sgo Cloduchor zlrederar Ho \ Ho “4 : ew AT] vig 9 ce sent dat —> dye de tet Hel A aac nde gE nd) -Of Ef] ‘P{rechazar H., cuando es falsa)| y 3. Power=1—, Q Ralanoe Muccson slase SF Jesyioson olovdey forladow! T \bvonre muerlve( _s* i aeblodencl ge Vounreo ) eeeAxquetipos de Test: (CR: "Criterio de Rechazo’) 4 con 0” conocide > vn Me » Estadistico: [2 PEMEZS Heo? fer pe TEONLDAD ve ot Estadistico: lene (net (meen) Se cael Noy Sp = Apis) Sig test) Pet VS, x (Mitne -2) et. Big ee 16j fuged: : Few, 42,A4. 5) HY sh con o; #03 y desconocidos Estadistico: YO _ ~ Estadistico: ‘TEST DE NORMALIDAD ~ Shapiro - Wilk py ee Hy iP tiene distribucién nora ° no tiene distribucién normal 1" Prescribo los datos de menor a mayor: X},XJyu., XJ ns (ayy Estadistico: = & sins par tal que b, = ¥'a,-( xi), 4} parte entera de nl “— sinesimpar Criterio de Reehazo:|IV7, Sa (n)} ns50; ¢,(n)y a, se adquieren de Tabla n> 50: Nota: Ver Tabla ~ Método del papel Normal DNA 1® Prescribo los datos de menor a mayor: XP. X Jj XT Grafico G contra los datos ordenados en pape DNA tm 7‘Niimero consecutivo J 7 23 48 9-17 18-36 37239 60-79 30-90 91-95 96-99 100, El grafico del test de normalidad en el papel normal DNA es simular al dvisado en la figura pero con unas ‘nts berrumientas mis. A través de la reeta que aproxima los puntos es como interpreamos la listibaciin dels dats (es deve, si tenenditribucin normal o no) Pr lo visto podramos desir qe tun poco ms separados los puntos, nos estaria dando una distibucién no normal de los datos.NORMAS ISO 9000 ‘Se considera una Norma Técnica (NT) a una especificacién técnica que establece requisitos que aseguren la aptitud para el uso de un producto o un servicio. Las condiciones o contexto de una NT son: ~ Participacién de todos los sectores involucrados (técnicos, fabricantes, clientes, organizaciones de control - publicas o privadas-) ~ Aprobada por consejo ~~ Objetivo el beneficio de la comunidad ~ Estar a disposicién de todos los interesados ~ Ser elaborada y publicada por un organismo de normalizacién reconovido Los otjetivos de las NT son establecer los requisitos que deben cumplir los productos o servicios para asegurar su ‘ptitud para el uso, compatibilidad, inter cambiabilidad, clasificacién de variedades, seguridad, proteccién de! medio ambiente, proteecién del producto, etc. Se entiende por requisito a una necesidad 6 expectativa establecida, generalmente implicita u obligatoria. Puede referirse a un producto, a un proceso o a un sistema. Una NT de requisites se convierte en obligatoria para una empresa u organizacién cusindo: ~ Se cite explicitamente en un contrato entre la organizacién y el cliente (que cumpla con una/s obligacién especial) ; ~ La organizacién busque y gane la certificacién-registro por terceros- (la produccién de la empresa debe estar certificado por las norma respectivas) ~ Cuando se trata de una NT legal (disposiciones legales de la empresa) Las NT abarcan varias teméticas, como por ejemplo: = Productos, su definicién o sus especificaciones téenicas (qué es un bomberito, de qué esté compuesto?) = Vocabulario y definiciones (se trata de definir un ensayo, planos de piezas, etc.) > Métodos de ensayo (fiundamentos del procedimiento, cémo se hace, calcula c informa, ete.) ~ ag, Sistema de calidad (sistema de gestién-lugar donde se definen las ISO 9000- ). Algunos de los términos relativos a gestion son: 4. Sistema: conjunto de elementos mutuamente relacionados o que interactian 5. Sistema de gestién: método para establecer la politica, los objetivos y la forma para lograr dichos objetivos 6. Sistema de gestién de calidad: procedimiento para dirigir y controlar una organizacién con respecto @ {a calidad (no significa que sus productos estén certificados, sino que la empresa se gestiona con dicbas normas) - Medio ambiente (ISO 14000) Los diferentes niveles de NT tienen su escalén mais bajo en las especificaciones (normas) de empresa, seguida por normas de asociacién (elaboran las normas para trabajar en determinados sectores; por ejemplo: SAE-normas automovilistica de BEUU-, ASME, ASTM, API, etc.), normas nacionales (UNIT, BS, DIN, AFNOR, UNE, IRAM, ABNT, INTN, ete.), normas regionales -para regiones con intereses comunes-(0 sub. regionales, como'el MERCOSUR)(COPANT, CEN, CENELEC, AMN, etc.) y normas internacionales (ISO, IEC, ITU -normas referidas «as telecomuicaciones- etc.) Algunos de los tantos beneficios de las NT es que aseguran una mejor adaptacién de los productos y servicios a los fines que se destinan, faciitan la transferencia y cooperacién tecnolégica, aumenta la competitividad de las empresas / mejoran y clarifican el comercio nacional, regional e internacional. La Organizacién Intemacional de Normalizacién (ISO) es una asociacién de ambito internacional que agrupa como tniembros a los diferentes organismos de normalizacién del mundo. Es una federacién mundial de organismos acionales de normalizacién que cuenta con msde 140 miembros. UNIT es el organismo nacional miembro por Uruguay en nuestro pais. Es el responsable de ISO en Uruguay. Las normas ISO 9000 es una designacién global para una serie de normas de sistemas de calidad que la orgenizacién 1SO publieé por primera ver (primera versién) en 198? -en sus iniciaciones trabejaba mas en el aseguramiento de calidad que en las normas de calidad-. En 1990 el Comité ISO/TC 176 elaboré un plan para la revisién, titulado versién 2000, que se preveia en dos etapas: 7. Frevisién en 1994 sin grandes cambios 8. 2" revisién mas profunda que dio lugar a la versién 2000. Esta revisién tiene cambios estructurales y estratégicos importantesTas normas de familia ISO 9000 tanto guias como requisitos estin escritas en téminos de qué caracteristicas han de estar presentes en el sistema de gestion de una organizacién, pero no prescribe cémo han de aplicarse las coracteristicas. Es decir, cada organizacién es libre de determinar su propia estructura de gestién, eada organizacién determina cémo deben incorporarse a su sistema las caracteristicas de calidad definidas en las normas de sistemas de calidad. Sistema de gestién de la calidad, concreta los fundamentos y el vocabulario, LaNor es una NT que especifica los reguisitos para el sistema de gestién de la calidad, que Pueden utilizarse para su aplicacién interna por las organizaciones, para certficacién o con fines contractusles. El organisino certificador otorga un certificado que establece que el sistema de gestién de la-calidad de una mn ha sido evaluado y cumple o es “conforme” a lo establecido en Ia Norma 9001. sto es muy distinto de ‘én, que es el procedimiento por el cual un organismo con autoridad reconoce formalmente que ‘organismo o individuo es competente para llevar a cabo tareas especificas. Cuando sea apropiado, la orgenizacién debe idemtticar el producto por medios adecuados. Identficar el estado del producto con respecto a los requisitos de Seguimiento y medicién, Cuando la trazabilidad-capacidad para seguir la historia, la aplicacién o la localizacin de todo aquello que esti bajo consideracign como, el origen de los materiales y las partes, la historia del procesamiento ¥, Ia distribucién y localizacién del producto después de su entrega- sea un requisito, ta organizacidn debe control y registrar la identificacién tnica del producto, ‘La Norma 10 9004:2000 es una NT guia que establece orientaciones y secomendaciones para el logro de la mejora ontinua, directrices para la mejora del desempefio. No fue concebida para su uso en certificacién con fines comtractuales. Directrices para la auditoria ambiental y de la calidad. Como auditoria podemos encontrar dos ties, conformes -cumplimiento de un requisito- y no conformes -incumplimiento de un requisito-. Las clasiticamos en aucitorias internas -de primera parte- y auditorias externas -de segunda, tervera, etc. parte- Las Nonnas ISO adoptadas por UNIT se han aprobedo como UNIT-ISO. \ diferencia entre acciones comrectivas y preventivas es que las primeras se refieren a acciones tomadas para & K= 0,007 Una caracteristica de calidad medible, como dimensién, peso o volumen, se llama variable. Los diagram control para variables se usan ampliamente. Suelen permitir el uso de procedimientos de control mas eficientes, y proporcionan més informacién respecto al rendimiento del proceso que los diagramas de control por atributos. A)" LCeon f1_y & conocido: a . « : © LIC=4,-3 a va Se produce un cambio en el promedio fj, => 4, PB pint} probabilidad de Detectar el cambio = P poe Pave SOBRRRO xe 5 ? ‘Si aumentamos n la probabilidad de detectar un cambio es mayor (recordar que la potencia del test-la probabilidad de detectar el cambio cuando si hay un eambio-es P=1— 2, y fF si depende de m 2) LC cuando no se conocen }! yO > ¥, R 0 Diagrania X, Ry Con el diagrama de control de X, R se vigila el nivel de calidad REI promedi del proceso, Por tanto las muestas deben selecionarse de modo de qe se a maximicen las oportunidades de que ocurra una diferencia entre promedio muestsales. Por lo ' / a z e488 | Mo=% ie (is ¥ : promedio agregado o gran promedio a ROY NE Vetecracow + Lictx)=*-42-R brio ea) CAO ny Eecisio.: Nota: Ver que los Kites de control son para los X y no pura cada.¥'en particular. Asi, por AUS ae jemplo, en algin subgrupo m, tl vez, n esté fuera de los LC, pero sin embargo el 3) 1B [ -e promedigyde los n, dentro de m, estén dentro de los LC. BEL z oe (22) 17P 4.” Dingsama de R: ste es el que indica que In vribilidad del proceso est bajo control. Saco DS = ' Nea Natu ec dee) pla-pd a4 R=rango=Xns,—Xoin ¥ + Rpt Re = Amplinud Media ; ma s m 240 0; 3) Bap) ia) * L8C(R)=D4-R isc(R)= & + VL Neloget So a- ‘ t i Lite @- BEG, th LIC({R)= D3-R “7 Sitesper GeakT N) (pol ee —— Lae ‘1 A CO pace KeF Yor derdeyeenesosra: pe ag (LSM a 4 (see) 42, D3 y D4: Constante de tablas, depériden de ny & para limites de control +30. Los diagramas de X,, R- proporcionan informacién sobre la capacidad de funcionamiento del proceso. Graficos de valores individuales con limites +3o7. Grifico X, R Movil: Para n = 1 unidades que componen la muestra o subgrupo racional. MR : Rango Medio. + LIC(R)=D3-MR d2, D3 y D4: Constante de tablas, se hallan segin e! nimero n de muestras que se comparen para calcular MR. Graficos Xs : Se usan cuando el tamafio de la muestra es moderadamente grande, n> 100 12. o usctt)=¥+43-5 / s uct) ge 222 o Lc(x)=¥-A3-5; J 7 + LIC(s)=83-s 43, B3 y B4: Constante de tablas, dependen de ny es para limites de control +30" ‘Toma de muestras o subgrupos racionales “ Si se desea detectar saltos en el proceso, lo indicado seria tomar cada muestra consistente de unidades consecutivas que fueron producidas al mismo tiempo (o casi al mismo tiempo, lo mas préximo posible). . Si se desea tomar una decisién de aceptacién sobre las unidadés producidas en el periodo, lo indicado seria tomar eada muestra consistente de unidades del producto que son representativas de todas las unidades producidas en el periodo. Es una muestra de unidides tomadas al azar en la salida del proceso en el intervalo de muestreo. =~ Cuando la salida del proceso proviene de Varias maquina u operadores, lo mas légico seria aplicar GC a cada salida individual. fidad de los GC para detectar un cambio en el proceso se puede describir por una curva operativa, Es una medida del poder del GC para detectar cambios. La CCO muestra para una m dada, la probabjlidad fF de no detectar un cambio en fancién del salto que se produjo en el parimetro desde el valor cuando estaba en estado de control estadistico, . Congidere la CCO para un diagrama de X , con la desviacién estindar o conocida y constante. Si la media cambia de un valor bajo control, digamos 4p, hacia otro valor #4, = fly + ko*, la probabilidad de no detectar dicho cambio en la primera muestra subsiguiente, 0 el riesgo B, lo podemos ver en tabla, La tabla representa la CCO para el diagrama de Y con limites de +30. 23CeEre: jado oe al (A AANA el proves etl eo ECE y ls mites de contol son +30 aie (1~/2)= 010027}, uri una fas slarma cada 370 muestras tomas, En la prctica es as| porque el ARL tiene distribucién geomética, esti sesgida y Ta dispersin de los valores alrededor de valor medio es alta. nde + free é nde falta de contol "Regla {= Un punto exe fuera de los LC Regla 2:2 de 3 valores sucesivas esti, del mismo lado dela pea central y mis de 20" alejados de ln linea central Regla 3:4 de 5 valores sucesivos estin, del mismo lado de la linea central y mis 10 alejados de kt Vinen central Regla 4 & valores sucesivos del mismo lado de la nea central Regla 5 6 valores sucesivos esti en linea creciente o deereciene Rela 6: Variaci Sistemstcn; 14 valores sucesives alterando arriba y abajo de la nen entra) Regla 7: Estratificacién: 15 6 mis valores sucesivos caen a ambos lados de la nea central dentro de to Rega 8: Mezcla: 86 mis valores sucesivos caen a ambos lados de fs linea central pero estin lejados mis de lo (Chambers: Ningin conjunto de datos podria soportar todas las reglas de deterininacidn conjumtamente (oumentaria ce muehisimo), ‘Burr recomend eglas Ly 4 Ott revomienda regs 1,2 y 4. flson 1 uso de las reylas cumbia los valores de cy del ARE. Por ejemplo, si se api ‘ecomienda reglas 1, 4,5 y 6. Para determinas si el subogrupamiento es alec recomiends 7 y Si y ise desea mayor Seasbilidad las reglas 2 y 2 sreglas 1.2.3 yd conjuntamente determinaran un valor de ARL de 90 subgrupos que podria estimarse aectad, TE eoncapo mg nopando es tim ; ; ‘BHOERBSESJSTECEB Pas conocer een capuchod de proceso permite Wicadores que se uilizan: adenine det Ei coe Pondera cuantas veces cabe 6 veces Oe las especiticuciones del proceso: donde LSE y LIE son ls limites superior inferior respectivamente, Clsfieacign (solo i el proceso esti en > cashaned SiC, =1 se producen 2700 partes por millon (pm) defeewosas 2 1=") cel indie de desemperio actual w performance del proceso: > At cappader Sevmasio * aAmA ECE 5 Rel = Reece Tg Coe "= min{(y4—LIE)/30°,(LSE ~ 11)/30} 1 pracesoesrviracentado => C, Sino io esti C,; Cam 6s el indice de Pearn:|Cyan GRAEICOS DE CONTROL POR ATRIBUTOS. Un atributo es una caracteristica de calidad que no se mide numéricamente sino que adopta dos estados: conforme 6n0 conforme. Una no conformidad surge cuando una caracteristica de calidad no cumple con el requisito Dilidal A dif wore co Bdfn, yoo parimenos sol =P = al-j Limites de control: Be ‘+ Tamafio de muestra fijo: Az Si se conoce el valor de p 0 es un vi lo (valor objetivo): ee B- Sino se conoce el valor de p, debe Estimmarse a través de m muestras preliminares (cuando se emplean muestras preliminares se obtienen limites de prueba. Si hay indicaciones de falta de control estadistico, deberin investigarse esos punto8 y eliminar las causas asignables; luego se recalculan los LC con las muestras restantes. Se-repite el procedimiento y se adoptan como definitivos para controlar la produccién futura aquellos limites obtenidos en el iltimo paso. En caso de haber muchas indicaciones de falta de control, es importante determinar si el proceso esté en realidad bajo contol para otro valor de p 6 n0) de m elementos, caleulande: necesario determinar la nea central y amplitud de los limites, el tamafio de la muestra y la frecuencia de muestreo. La seleccién del tamafio de la muestra (debe ser de 50 o mas) se puede formar de alguna de los siguientes modos: ~ Sip es muy pequefo, elegir n suticientemente grande para que la probabilidad de encontrar ¥ por lo menos una unidad no conforme en la muestra sea alta 4 op teh ly Cruvec®2Y.H.: p=0.01 f¥ =0.95=> P, 20.95=> P, <0.05=> vamos a la distribucién 3.00 _ 3.00 de Poisson y vemos que np =3.00=>n 300 Pp 001 ~ Otro criterio es elegir n de manera que la probabilidad de detectar un cambio determinado en psea 0.50. Oy p, = 0.05 = 0.05 = LSC =>=0.05~0.01=0.04=3- Fp = ~ Otto criterio itil es elegir n de forma que LIC>0. Esto nos permitiri tener puntos por debajo del limite inferior de control, los cuales pueden constituir oportunidades de mejora, A=) 3y 3 i Esp 20.05 = p-3-,[2=a) =(3) -p--p)={ 4.) -0.05-0.9: Fj.: p 20.05 => LIC = p > 0=n (3) p-(l-p) (a ii- Tamaio de muestra variable: El grifico de p puede usarse con n variando muestra a muestra. Uni aplicacién comiin se tiene cuando las muestras consisten en toda la produccién de un cierto tiempo (hora, turno, etc.). A- Usat limites individuales para cada muestra: Este se utiliza cuando la variacién de n es importante, superior al 25% ag dard Ea o LG=p o LIC, =p-3 [o-=o) Yon B- Usar limites aproximados basados en el n promedio Este se utiliza cuando la variacién de n no es demasiado grande, inferior al 25% o LSC=p+3- jpl=p) ” o LC=p sMricapes(2Uae) n Obs.: en ambos casos, si no se tiene un valor de p, estimarlo con muestras preliminares: x4 So, Las causas asignables que estin por debajo del LSC, son causas que en principio determinaria una disminucién de la fraceién defectuosa, entonces es una causa asignable que deberiamos repetir. Las causas asignables que esijn por debajo del LC, pueden representar una causa para mejorar. d, :cantidad. de no cor formidades2.Grifico de Control np (n>50) ‘Se considera el nimero de unidades no conformes por muestra: = d/n Limites de Contr: Sip no es conocido estimarlo a partir de muestmas preliminares: = P+ = se obtienen limites de che 3.Grifico de Control c (1 0 mis defeetuosas por muestra y, todas les muestras son iguales) ‘Se controla el nimero de-no conformiddes por muestra Sean: = _X:Snimero de no conformidades en una muestra de tumato = _c:"niimero promedio de no conformidades por muestra” Sise cumplen las hipéesis de Poisson: ~ n*ilimitado para ls ocurrenca de no conformidades en la muestra = _ probabiidad de ocurencia de una no conformidad es pequetsy constante Entonces 1 tendr una distribucidn de Poisson de parimeto c. Al ser Poisson se cumple que “ ©, por lo tanto los limites de contol: = $4 En cis6 de no ener un valor de cextindar,estinaro con muss preliinares: 2= $2 > se ‘obtienen limites de prueba, 4.Grifico de Control w ‘Se contra el nimero de no conformidades por unidad de inspec, entendiendo por unidad de ‘nspescin a ln entidad que se considera apropiada para registrar no conformidades, 'Niimero promedio de no conformidades por unidad de inspeccién: u = , siendo m el niimero de ‘unidades de inspeccién en la muestra. Sino se tiene un valor estindar de w estimarlo eon muestra Dretiminares: « = E1— => se obtienen limites de prucba, El nimero de muestraspreliminars suele Sn, estar ene 20 y 30 A. Sines constants los LOson Sacra e o Li 21Be Si mes variable: > Si varia poco usar limites aproximados hallados con 7 = ° uscanss. fi : o LC=u Lf > Si varia mucho usar limites inidividuales: o LSC, =u+3-[% 2, ° LC i o LIC: o LIC, un3- [2 1 todos los casos, cuando se trabaja con la.n promedio (hallada a partir de las muestras preliminares) y un punto ‘cue cerca de los limites aproximados, es conveniente usar los limites exactos antes de tomar decisiones. necesario precaverse de tamatios de muestras excesivamente pequefias 0 grandes. Puede proporcionamnos: ilusorias sensaciones en los limites de control (recordar que todos los LC dependen de 2) Curva Caracteristica Operativa Para un grafico p: representacién grafica del error tipo Il en funcidn de p. B= P(p las probabilidades se hallan con la Poisson. ‘diferencia entre GC por Variables y GC por Atributos |. La excelencia de la informacién de calidad es mayor por V que por A IL. Por V se puede evaluar solo una caracteristica, mientras por A se puede evaluar inuchas caracteristicas UL. El tamafo de la muestra es mayor por A (50 0 mis, hasta 600) que por V.(4, 5, 10) IV. En A hay que buscar que cada muestra tenga al menos un defecto, en V no es necesario V. La complejidad de la inspeccidn por V es mayor que por A . VI. El costo de inspeceionar por V es mayor al de inspeccionar por A 7 BRECONTROL (PC) Metodologia para controlar procesos (similar a los GC pero difiere en los intervalos, el PC los divide en cuatro partes). Es adecuado solo cuando el indicetde capacidad C, >1 Consiste en dividir el intervalo de especificacién en 4 partes iguales y, extraer 2 unidades de un proceso.‘Supongamos que se extraen dos unidades A y B entonces las reglas de decisin son: > Continuamas el proceso siz Ay Beaen en verde = Aen verde y B en amarillo (jzquierda o derecha) Z_ + A en amarillo (izquierda o derecha) y B en verde > Ajustames el proceso y 4) = Ay Ben amarillo derecha Son A LoS catos Posi@ued 2) = Ay Ben amarillo izquierda > 2 ~ Aen amarillo derecha y B en amarillo izquierda 4) = Aen amarillo izquierda y Benamarillo derecha Observacién: + SiAyBcaen en amarillo del mismo lado, presumimos que cambé la media * SiAy.B.caen en amarillo y una de cada lado, presumimos que cambio la variabilidad > Detenemos el proceso si: ~ AyBeaen en rojo a ; LSE-LIE i Ahora supongamos que el indice de calidad de un proceso es 1=> C, = Jo AI ESE-LIE=60 = zona amarilla izquierda esté entre—3a y —1.50; zona verdeentre —1.5c'y 1.50% zona amarilla derecha en — wel.So y3a=> P(A caiga en verde)= % ‘mientras P(A caiga en amarillo)= a Probabilidad de continuar con el proceso: 12 4 1 14 © P(4 y B caigan en verde)= 12 © P(Aen amarillo y Ben verde)= y J9g3 Pere sr: 4 los casos posibles => P(amarillo y verde): re 48 i 9% * — P(continuar = P(A y B en verde)+ P(amarillo y verde) Probabilidad de ajustar el proceso: alaytly 3 pero son 4 los casos posibles => P(amarillo y verde) °o PA illo y Ben amarill. =o P(Aen amarillo y Ben amarillo Tanaeios {La frecuencia de medicién esta dada por el tiempo que es necesario para ajustar la maquina dividido 6. Entonces ~ M/6. Queda calificado el proceso cuando 5 unidades consecutivas eaén en zona verde, luego de esto recién puedo comenzar a extraer las dos muestras, ' Propasito: . * GC: Determinar si el proceso esti funcionando de forma estable, con minima variabilidad, en ECE * PC: Impedir la produccién de unidades glefectuosas de decision: * GC: Las 8 reglas nombradas anteriormente en GC + PC: Las reglas nombradas anteriormente en PC Rex‘Tama de subgrapo: { + SC:PorV 45,010, por A ere $0 600 ides + PC: Siempre 2 CCalificacin del proceso * GC: Por lo general se toman 25 subgruposy si las unidades estin dentra de 10s LC, se puede operat con = PC: 5 unidades conseeutvas en zona verde recto de la capacidad del proceso: * GC:Si 6c > LSE LIE yo tiene ningin efecto * PC:Si 60> LSE—LIE => hay mayor tendencia de que ls rojas Eto de una unidad fuera de los LC: * GC:Ninguno * PC: Cac en zona rj, absolutamente necesaio paras para coregit Riesgo ar ‘ * GC: Lo fijamos nosotas ' PC! Cuando el indice de capacidad aumenta el riesgo a disminuye Rieuo * GC: Por lo general es muy grande * PC: También es muy grande. El miximo /¥ es cuando la media se desplaza 0.850" y el LSE=LIE= 66, sea cuando C, dads caigan ella zones amarilas © REO PARA ACEPTACION LOTE POR LOTE 5 Procedimiento de inspeecién de uns o mis muestras representativas de un canjunto de unidades(lote) que tiene ‘como objetivo sentencier(aceptar o rechazar) a dicho conjunte. El muesreo de aceptaciém, simplemente ate © echaca Jotes, aunque todos estos tengan la misma calidad, el muestreo acepiaré algunos y rechazar ots, sin que necesiriamente sean mejores las aceptadas que ls rechazados. ‘Sus objetivs son: comprender los conceptos del muestreo para aceptacién (téenices para el muesieo simple, ble ¥ multiple; curva caractetstica operativa de un plan de muestreo; nivel aeptable de calidad (QL), poccentaje de ‘efectos tolerado en el lote(LTPD), tamafo promedio de la muestra (ASN); planes de mucstreo con rectiticuesn, Plow dob le 30 Lo que te falta para aprobarRiesgo.@_y_f: El muestreo por aceptacién se caracteriza por el hecho de que siempre existe la posibitidad de aceptar Jotes de mala calidad (que se quieren rechazar) y rechazar lotes de buena calidad (que se quisiera aceptar). Se define: © @w=riesgo del productor o proveedor = P(lote de buena calidad sea rechazado por el plan) © B=riesgo del conumidor = P(lote de mala calidad 0 no conforme sea aceptado por el plan) Curva Caracteristica Operativa (CCO): Representa la probabilidad de aceptar el lote (P,) contra la fraceién defectuosa muestral (p). Cada plan tiene su propia CCO. La CCO representa el poder discriminatorio del plan de ‘muestreo, Muestra la probabilidad de que un lote con cierta fraceién de articulos defectuosos sea aceptado 0 rechazado. Al aumentar n aumenta la pendiente de la CCO, se aproxima a la CCO ideal. La €CO ideal seria, si ‘P=Po ¢s la maxima fraccién defectuosa que se considera aceptable en un lote, entonces, el productor quisiera que todos los lotes con <=po fueran aceptados por el plan, y el comprador quisiera que todos los lotes con p>py fucran ;__Techazados por el plan. Al aumentar ¢ aumenta la pendiente de la curva, se core hacia la izquierda, se obtiene mayor poder discriminatorio a niveles mas altos de calidad. | Curvas tipo A y tipo B: i > Tipo A: Para lotes aislados y finitos (tamatio de la muestra similar al lote. Distribucién vilida: Hipergeométrica (n,N,D) (se puede aproximar por la Binomial si n/N'< 0.1) % Tipo B: para su construccién se supone que proviene de un lote grande 0 ” X secuencia de lotes provenientes de un proceso continuo. Distribucién valida jinomial (se aproxima por Poisson si p $0.1 y np $10), } > fh > Cob cP” p \eedF cae eigclaned? cat 2 NC => Aods padele Vidal \ Puntos especificos de la CO: be Mhejant cn 2g \ AOL (Accepable Quaith LUM KEGEA de calidad ube consunidor considera ceptable como luna media del proceso del vendedor. Es una fraccién defectuosa, Es un nivel de calidad que el consumidor quisiera aceptar siempre, pero por efectos del muestreo no siempre se aceptars. Es un indice de buena calidad. LIPD (Lot Tolerance Percent Defective): Peor nivel de calidad que el consumidor desearia aceptar en tun lote individual. Es una fraccién defectuosa. Es un nivel de calidad que el consumidor quisiera rechazar siempre, pero por efectos del muestreo no siempre se rechaza. Es un indice de mala calidad 10 (Indifference Quality): Es la fraccién defectuosa que tiene asociada una P, =50% mediante el plan considerado. Es la calidad que debe tener un lote para tener P, = P. Es una caracteristica del plan i de muestreo, Disefio de un plan simple con una CCO especiticada: » Un método comin para disefiar un plan de muestteo es hallar los parémetros del mismo de forma que su curva operativa re or dos puntos especificos, el AOL y LIPD. Se busca disefiar un plan simple que a lotes con: - [p= AQL les haga corresponder una P, =1-ay - [p=LTPD les haga corresponder una P, =p a través del Nomograma Binomial o de Larson 6 aproximacién a al Binomial (ver diapositivas). Por tapteo usando la distribucién de Poisson como unayles & Kper = IM de wie (YM 5 BTR ee mceer yh em ay: zy He > ler = tue (WAAD. DPA ee ll “hana! 3B lhe S ap itengan” pal =m th OF be re), (Regt) OCR A> oe, eae N.CON ean IR) “4 —e 100% a los lotes rechaza pe ny ode I inde efecto aon on remplazadas por otras aptas. Cee ene tae Lie Su objetivo es mejorar la calidad promedio de salida. La reetificacién garantiza que la ealidad de salida promedio va'a ser mejor que a la entrada PLAN DE MUESTREO SIMPLE: Procedimiento en el que se toma una muestra aleatoria de m unidades del lote para su apreciacién y se determina el destino del lote con base en la informacién contenida en la muestra. Ejemplo, una muestra de tamnaiio ny un mimero de aceptacién c, si hay ¢ 0 menos articulos defectuosos en la muestra se acepta el love y si hay més de ¢ de ellos en Ia nuestra se rechaza e! lore tendrin los lotes a la salida de la actividad de IR: Se usa cuando se inspeeciona la calidad de tin producto que eS un insumo de la misma organizacion. Ver grifico en diapositivas © AOOL (Average Outgoing Quality Limit): Peor calidad promedio que puede tener los lores ala sald de ka uctividad de inspeccion, Significa que existe una calidad de entrada para la cual la calidad promedio de salida seri la peor posible. = ATI (Average Total Inspection): Némero de unidades que el programa de muestreo requiere que s¢ inspecefonen en promedio por lote (ae trat de un nGmero medio de aniculos que se inspeceionan para ‘muchos lotes con una fracein defectuosa determinada). Para un plan simple: [477 =P, -n-+(1—P, N= n+1=P,. XN—a)| ver en fico en diapositiva= pt el a y es Sones) om run pemuesns fou.) ®, t7i-7¢ thc a 4 Tr 0 Pes Fo pas Pep, Stetina de feces memes clo Sommer ah apc LD Después de una muestra incial se toma una decisiénbasada en la informacidn de esta muestra. Las ventjes son al de ispeccinrequerde y se pueden tener menores costs de inspec. Sus ciertas crcnstaneias, mas inspeecin total, es mis complicade SW (Average Serpe Nunbe) Cam Je nas queen promedio debe inpecionada pra senenciar lot, Enel meso dole a selec el anata de lnesia depot Jest ele ee ASN =m -R¥(r4 +m YI-R =n tms(—F hat ue 7 wh § A: P(decidir en la primera muestra)= Placeptar en la 1°}+ P(rechazar en la 1*). Ver grifico en diapositivas. bom arcs dea IR: Consist en a ipecin 100% de os lots ehenden yn stan pies oe i seginis mons ) BE p(N—n,)+ P2-pN—n, —m, Pie. 400 = oF oll Yate Penta muestra P,enla 2” muestra + ‘Sites iad deci se empazan por apt @, [ATI = Pin, + Plo, +m,)+ N(V-P,) Neloveme Late ‘ise akan eT 4OQy cA paras ieee poten ls AOQ y ATT pra el plan debe con recifeacin conespondiente PLat 20 MULTIPLE: Extensin del concepto de muestreo doble, Puede necestarse més de dos ‘muestras para llegar auna deisinacerea dela suerte del lot. Los tamales muestalessuelen ser menores que en €l ‘vestro simple o dobl. La iltima extensn del muesteo miltipe es el muesteo secueneal en el que se ‘eleccionan artculs del ltey sein la inspecsién de cada unida se tora una deisin par aceparo rechazar loteo sleccioar ot arteuo. {a formacién de lot debe ser homogénea, son preferibeslotesprandesen vez de pequeos. Los lots deben ‘adccuase a los sistemas de manejo manipulacén de aerials, ‘Muesteo Aleatorio: las unidades de un lotedebenelegise al azar paral inspecein y estas unidades deben ser eprsentativas de todos los artiulos de ote. ‘VER: Repartdo ydiapostvas de NORMA. UNIT 472-15 INSPECION POR ATRIBUTOS. @® ATL” Aon + (4 -Fa) (rac) 3