Cartas de control para variables _ PLAN GENERAL DEL CAP{TULO Sl INTRODUCCION 53 CARTAS DE CONTROL PARA ¥ YS 52 CARTAS DE CONTROL PARA ¥ YR 5-31 Consinuccién y operacin de las cxttas ¥ 5.2.1 Fundamentosestadisticos de las ys cartes 5-32 Las cartas de contol ¥ y $contamato de $-2.2 Desarrollo y uso de ls catas oera vena Fyk 5.33 La cara de control $? 5-2.3 Cartas basadas en valores 5-4 LA CARTA DE CONTROL DE SHEWHART esténdares PARA MEDICIONES INDIVIDUALES $24 Ineipstcién dela catas © YR 5.5 pesuMEN DE PROCEDIMIENTOS PARA LAS 52 Bl efecto del incumplimiento de le CARTAS F, RYS sormalidad en las cartas ¥ y R ae eaivadere ace 5.6 APLICACIONES DE LAS CARTAS DE. eons CONTROL PARA VARIABLES 5-2.7 La longitud promedio de ta corrida para la carta VISION BREVE DEL CAP{TULO Avuna catacteristica do la calidad que se mide en una escala numérica se Ie lama variable, Ejesn- pilos ineluyen dimensiones tales como el largo y cl ancho, Ia temperatura y el volumen, En este Capitulo se presentan fas cartas de control de Shewhart para estos tipos de caracteristicas de la calidad. Las certas de control X y R se usan ampliamente para monitorear la media y la variabili- dad de las variables. Se presentan asimnismo algunas variantes de las cartas ¥ y R, incluyendo un52 CARTAS DECONTROL FARA FY 297 brocedimiento para adeptarlas a mediciones individuals, El eapftalo concluye con aplicaciones | Lipicas de las eartas de control para variables. | } 5-1 INTRODUCCION Muchas caracterfsticas de Ta calidad pueden expresarse on términos de una medictén numérica, Por ejemplo, el didmetio de un rodamiento podria medirse con un micrémetro y expresaise en ‘ilimetres. A. una ceracterfstica particular medible de la calidad, tal como una dimensién, peso 0 Volume, se le Hams vartable, Las eartas de control para variables son de uso generalizado. | Cuando se trata con una caracterfstica de Ia calidad que es wna variable, por lo general es necesario monitorear tanto el valor medio de la caracterfstica de la calidad como su variabilided. El Control del promedio del proceso, o nivel de calidad medio, suele hacerse con la carta de eon-xol ara medias, o carta %. La vatabiidad del proceso puede monitorearse con una carta de contro para la esviaciGn estindar, llamada carta S, 0 bien con una carta de control para el rango, llamada carta R. La Carta R se usa con mayor frecuencia. Generalmente, se llevan cartas X y R separadas para cada caracterfatica do Ja calidad de interés, (Sin embargo, cuando las carecterisicas do la calidad estén estrechamente relacionadas, este enfoque en ocasiones puede Hlevar a resultados engaiiosos; refe- Fitse al capitulo 11 de ta pare I) Las cartas X y R (oS) se encuentran ene las técnica estas. | ticas de monitoreo y control de procesos en linea més importantes y ities. Obsérvese que es importante mantener bajo control tanto la media del proceso como Ia variabi- lidad del proceso. Fn la figura 5-1 se iusta la salida de un proceso de producci6n. En la figura 5-la 1a media 1 y Ia desviaci6n esténdar o estén bajo control en sus valores nominales (por ejemplo, Hy y ©); por consiguiente, 1a mayor parte de la salida del proceso se localiza dentro de los limites dela especificacién. Sin embargo, en In figura 5-16 la media se ha corido a un valor > fy dando como resultado una ftaccién mayor de productos disconformes. Hn la figura 5-1c la desviacién estdndar del proceso se ha corrido a un valor 6, > 6, Esto también resulta en una poreidn caida det Proceso mis alta, aun cuando la media del proceso se encuentra atin en el velor nominal, 5-2 CARTAS DE CONTROL PARA ¥ YR 5-2. Fundamentos estadisticos de las cartas Suponer que una caracterfstica de la calidad tiene una di cin estindar 6, donde tanto t como « son conocides. Si entonces el promedio de esta muestra es tribucién normal con media 1 y desvi ve, €8 una muestra de tamaiio n, 4 ¥ se sabe que X sigue una distribucién normal con media 41 y desviacién esténdar 9, =o/4fn. Ademés, la probabilidad es de 1 ~ of para que cualquier media muestral se localice entre WZ G19)208 ‘CAPITULO 5 CARTAS DE CONTROI. PARA VARIABLES Lune ere — * c speitectin espocteacion a He » ie Ue near Lint eupror ‘ola ‘sole axpectcatén cspectcacén o Figura S-1_La necesida ds contolar tnt le red ‘como la variabildd del proceso. o)La mei ya det- avn etindar en sus valores nominle,b) La media el proceso, > Hye) La desviacién esa dl peo y M~Zeny =i Zan Fe G-1b) Por lo tanto, si ty oF son conocidas, las ecuaciones S-1a y S-1b podrian usarse como limites de ‘control superior c inferior en une catta de control para lis medias mucstrales. Como so sefial6 en et capitulo 4, se acostumbra sustitur Z,, con 3, a finde trabajar com limites tres sigma, Sila media de ‘una muestra se localiza fuera de estos limites, se trata de tn indicio de que la media del proceso ha dajedo de ser igual a pt. ‘Se he supuesto que la distribucién de fa caracteristica de Ia calidad es normal. Sin embargo, los resultados anteriores siguen siendo aproximadamente vlido incluso cuando Ia distribucién funda- mental no ¢s normal, debido al teorema de! limite central. En fa seccidn 5-2.5 se discute el efecto del supuesto de normatidad sobre las cartas de control para variables. En la préctica, generalmente no se conocen los valores de jty 6. Por lo tento, deben estimarse a partir de muestras 0 subgrapos preliminares tomados cuando se considera que el proceso esté bajo contol, En genera, estas estimaciones deberin basarse en al menos 20 0 25 muestras. Suponer que52 CARTAS DECONTROLPARAF YR 209 Se cuenta con m muesras, cada una de Is cuales contene observaciones de a aracerstice de la calidad. De manera tipic, n serd pequeta, con frecuencia ya sca 4, 50 6, Estos tamafos pequetis | de 1a muestra suelen resultar de la construccién de subgrapos racionales y del hecho de que os | estos de muestreo ¢ inspeccién asociados con la medicién de las variables por lo general son | relativamente altos. Sean %;,%, ..., Yq los promedios de cada muestre. Entonces el mejor estima- dor de jt, el promedio dei proceso, es el gran promedio; por ejemplo, HARA, a m Por tanto, 7 se usarfa como la linea central (CL, por sus siglas en inglés) en la carta ¥, Para construr los limites de control, es necesaria una estimacién de la desviacién estinder 0. Recnérdese por el capftulo 3 (seecién 3-2) que & puede estimacse sea a partir de las desviaciones estindar 0 bien por los rangos de las m muestras. Por el momento, nos concentraremos aqui en el método del rango. Si x;,,, ...%, 68 una muestra de tamatio n, entonces el rango de la muestra es la diferencia entre las observaciones menor y mayor; es decir, Re Kye Scan Ry, Ry... R, 10s rangos de las m muestras. Fl rango promedio es RAR tot Ry m 63) Ahora pueden darse las formulas para constmir los ifmites de control de la carta ¥. Estos son los siguientes: Limites de control de Ia carta ¥ 4) En la tabla VI del apéndice, se tabula la constante A, para varios tamafios de la muestra dados,210 CAPITULO S$ CARTAS DE CONTROL PARA VARIABLES 1La variabilidad del proceso puede monitorearse graficando los valores del rango muestral R en ung carta de control. La Iinea central y los limites de control de la carta K son Jos siguientes: 65) Ra la tabla VE del apéndice, se tabutan las constantes D, y D, para varios valores de n. Desarrollo de las ecuactones 5-4 y 5-5 El desarrollo de las ecunciones para calcular los limites de conteot de las catas de control % y Res relativamente sencillo. En el capitulo 3 (secci6n 3-2) se sefal6 que existe una relacién bien definida entre el rango de una muestra de una distribucién normal y la desviacién estindar de esa distribucién. ‘Alla variable aleataria W = Rio se le llama el rango relative. Los patémetros de Ia distribucién de W son tna funciGn del tamavio de la muestra n. La media de W es d,. Por consiguiente, un estimador de Ges 3 = R/d,.Ln la tabla VI del apéndice se presentan los valores de d, para varios taraafios de Ie rmwvestra, Por lo tanto, si Res el rango promedio de las m muestra preliminares, puede usarse 66, @ Sl para estimar 6. Se trate de un estimador insesgado de 0. Si se usa ¥ como estimador de j1y R/d, como estimador de 6, entonces los pardmmetros de la carta ¥ son UCL =¥+- 3 aan Lfnea central = ¥ 3 on LCL =. adn52 CARTASDECONTROL PARA ¥R 211 Si se define 3 adn a centonces la ecuacién 5-7 se reduce a ln ecuaciéa $4, Consideremos ahora le carta R. La linea central sent, Para determiner ls limites de control se necesita ua estimador de cg. Suponiendo quo la caractertstica de Ia calidad tiene una disti- bbucién normal, 6, puede encontrarse a partir de la distribucion del rango relativo = Ro, La desviacién estindar de 17, por ejemplo d,, es una funciOn eonocida de n, Por tanto, ya que RaW Ia desviacién estindar de R es o,= 46 Puesto que os desconocida, ¢, puede estimarse con R 6, = d,— = z 69) te, los parkmetros de la carta R con los limites de control tres sigma usuales son UCL =R+36, R34, Linea central = E 6-10) i k Leis R36, =R—a4, 38,2 R ay y sise hace. y d, D=1432 d, a eouacién 5-10 se reduce’ la ecuaci6n 5-5. Linnltes de control de prueba ‘Cuando se utilizan muestras preliminares pare construir las eartas de control x y R, se acostumbra Iratar a los limites de control obtenidos de les ecuaciones 5-4 y 5-5 como Iimites de control de prueba. Permiten determinar si el proceso se encontraba bajo control cuandg se selescionaron las ‘m muestra iniciales, Para probar la hip6tesis del control pasado, se graican los valores de ¥ y R de cada muestra en las cartas y se analiza la representacién resultante, Si todos los puntos se loca- fizan dentro de los limites de control y no es evidente ningiin comportamiento sistemético, se212 5.2.2 CAP{TULO 5 CARTAS DE CONTROL PARA VARIABLES concluye entonces que el proceso estaba bajo control en el pasado, y los limites de control de prueba son apropiados para controlar la produccién actual o futura, En ocasiones se hace referencia a este anflisis de datos pasados como un andisis de fase 1. Fs altamente deseable contar con 20 9 25 muestras 0 subgrupos de tamafiom (\fpicamente el valor de n esté entre 3 y 5) para caleular tog mites de control de prueba, Es posible, desde luego, trabajar con menos datos, pero los Ifites de control no son tan confiabies. ‘Suponer que uno o mAs de tos valores de ¥ 0 de R se localizan fuera de control cuando se ‘comparan con los limites de control de prueba, Evidentemente, silos Ifmites de control para la produccién actual o futura deben ser significativos, deben basarse en datos de vn proceso que esté bajo control. Por lo tanto, cuando Ja hip6tesis del control pasado se rechaza, es necesario revisar los limites de control de prueba. Esto se hace examinando cada tno de los pantos fuera de control y buscando una causa asignsble, Sino se encuentra una causa asignable, él punto se deseas- tay los limites de control de prucba se calculan de nuevo utilizando tnicament los puntos restan- tes, Después estos puntos restantes vuelven a examinarse para el control. (Obsérvese que los puntos que inicialmente estaban bajo control quiz estén ahora fuera de control, ya que por lo ‘general Jos nuevos Ifmites de control de prucba serdn més estrechos que los anteriores.) Este proce- 50 se continda hasta que todos los puntos se localicen bajo control, punto en el cual los Ifmites d> control de prueba se adoptan para uso actual En algunos casos, quiz no sea posible encontrar una causa asignable para un punto que se localiza fuera de control. Hay dos cursos de acci6n posibles. Hl primero es eliminar el punto, como si se hubiera encontrado una causa asignable. No existe ninguna justificacién analtica para elegir este accién, de no ser que los puntos que estén fuera de los limites de control posiblemente se hayen sacado de una distribucin de probabilidad caracterfstica de un estado fuera de control. La alternative es conservar el punto (o puntos) considerando los limites de control como apropiados para el contol actual, Desde luego, si el punto en realided representa una condici6n fuera de control, los limites de control resultantes serén may anchos. Sin embargo, si sélo hay uno o dos de estos puntos, esto no istorsionard significativamente la carta de control. Si muestras futuras continan indicando contro, centonces los puntos no explicados probablemente pueden omitirse sin peligro, casionaimente, cuando tos valores muestrales iniciales de X y R se grafican contra los lit tes de control de prueba, muchos puntos se focalizarén fuera de control, Evidentemente, si st comiten de manera arbitraria los puntos fuera de control, se tendré una situacién insatisfactoria, ya {que quedarén pocos datos con los cuales volver & calcular limites de control confiables. Sospecka- ‘mos asimismo que este enfoque ignorarfa much informacién til contenida en los datos. Por ott parte, es poco probable que la bésqueda de una causa asignable para cada punto fuera de contol sea exitosa. Hemos encontrado que cuando los valores muestrales iniciles se localizan fuera de control contra los ifmites de prueba, es mejor concentrarse en el patrén que forman estos puntos Casi siempre existiré este patr6n. Generalmente, es muy sencillo identificar 1a causa asignable asociada con el patrén de puntos fuera de control La eliminacién de este problema con el proceso sutele sesultar en tin mejoramiento importante del mismo. Desarrollo y uso de las cartas ¥ y R Br la seccién anterior se presentaron los fundamentos estadfsticos de las cartas de control ¥ y Re Se ilustra ahora la construcci6n y aplicacién de estas cartas. Se discuten asimismo algunos lines ‘mientos para usar esta cartas en la préctca52 CARIASDECONTROL PARA rR — 213] HJEMPLO 5-1 +++ Los avillos para pistones de un motor de automévil se producen mediante un proceso de fundicién. Quiere establecerse el control estadistico del didmetro interior de'los anillos fabricados con este proceso uutitizando cattas & y R. Sc toman 25 muestras, cada una de tamatio cinco, cuando so considera que el proceso esté bajo control En le tabla 5-1 se muestran los datos de Ia medicién del | didmetro interior de estas muestras. | Cuando se establecen las cartas de control Z y R, es mejor erapezar con Ia carta R, Debido que los limites de contol de la carta X dependon de Ia variabilidad del proceso, a menos que la variabilidad del proceso esté bajo control, estos limites no tendrén mucho sentido, Utilizando los datos de Ja tabla 5-1, se encuentra que la linea central de Ia carta R es ‘Tabla $1_Mediciones det diimetc interior (om) de ails fundies pee pstotes, ejemplo 5-1 Nimaero de muestra Observeciones 5 R 7 74030 74002 ~—~74019~—~«73:992_—«74008-—=—«CAOTO.—COB 2 73995 73992 74001-74011 74,004 74.001 O09 3 73988 = 74024 -=— 7402174005 74.002. 74.008 «0006 4 74002 73996 = 73.993 TAOIS. «74.009 74,003, 0.022 5 7399 74007 «7401S. 73.989 74.014 74,003 0.026 6 74009 © 73994 «7399773985 73.993 73.996 0024 7 73998 74006 73.994 = 74.000» 74.005. 74.000 00012 8 73985 74003«= 73.993 74.015 73.988 «73997 0.030 ® 74008 © 7399S —74009««74.005 «74.004 74.004 «O04 ' 73998 74.000 73.990 74.007 73.995 73.998 O17 I u T3994 73998 73.994 73.995. 73.990 73.994 0,008 | 2 74.004 74.000 74.007 74.000 73.996 74.001 OL | B 73983 74002 73.998 3.997 74.012, -73.998 0.029 | 6 74.006 73967 = 73.994 74.000 73.984 73.990 0.039 | 1s 74012 74016 «73.998 73.999 74.007 74,006.06 6 74.000 73.984 74.005 73.998 73.996 73.997 021 | "7 7309) 74012.—«S 738.986.7405 74007 74.001 0026 18 74.006 74010-74018 74.003 74.00 74.007 018 19 73.984 = 74,002 74,003. 74.005 73.997 73.998 0.021 | 20 74000 7401074013 74.020 © 74.003 74.009 0020 a 73.982 74,001 7401S 74.005 73.996 74.000 0083 2 7400473999 73.990 74.006 © 74009 74,002 019 23 7401073989 73.990 74.009 THI. 74,002 0025 4 74015 74.008 73.993 74.000 © 740010 74.005. 0022 25 7398273984 73.995 4017_—TAOI3_—73.998 (0035 B= 1850028 0.58 F= 74001 R= 0023214° carfrULo'5 CARTAS DE CONTROL PARA VARIABLES Para muestras con n= 5, en la tabla VI del apéndice se encuentea que D, tanto, os limites de control para la carta R son, al utilizar Ia ecuacién 5-5, Oy D,~2.115. Por lo LCL= RD, ~ 0.0230)=0 | UCL = RD, = 0.022.115) = 0.049 En la figura 5-2 se muestra la carta R. Cuando los 25 renigos muestrales se grafican en esta carta, no | hay indicios de una condicién fuera de control. \ Poesto que la carta indica que ln vaiabilidad del proceso esté bajo control, puede construire | ahora la carta, La linea central es 2, 2 2." 1850028 5 = 74.001 Para encontrar los limites de control de la carta Z, se usa 4, = 0.577 de la tabla VI del epéndico para muestras de tamafio m= 5 y la ecuacién 5-4 para encontrar ucL= A,B = 74.001+ (0.577)(0.023) = 74.014 LcL A,B = 74.001 ~(0.577(0.023) = 73.988 Lacarta ¥ so muestra cn la figure 5-3. Cuando los promedios muestrales preliminares se grafican en esta carta, no se observa ningin indicio de una condicién fuera de control. Por fo tanto, puesto aque las cartas ¥ y R indican control, se conchuisia que el proceso esti bajo control en Jos nivelen 0.06 o.05 | Yok =0.049 ® a.) ona! 0.02] 001 1224867 GO lOLTZsiAlslelTIBIOzALZIAsaNeS wimoro ao mesa Figura 5:2. Cua R poe el ejemplo 5132 CARTAS DECONTROL PARA #¥R 215 740154 vet =74014 a rar] 74.08] 74.000] 73.995| 73.990|- 72.985 ey 1254567 8 9 wolniaisusieinisiaeizeie ima de muesta Migura $3. Carta xperacl gemplo $1. establecidos y se adoptan los limites de control do prucba para usarios en el control estadistico 74.050} 73.950 ~ 74.001), | gf 74050 — 0.0089 0.0089 (-5.15)+1-0(4,04) =0+1-0.99998 0.00002 Es decis, aproximedamente 0.002% [20 partes por millén (ppm)] de los anillos para pistones Droducidos estan fuera de las especificacions. tra manera de expresar Ja eapecidad del proceso es en términos del indice de eapactaad del proceso (PCR, por sus siplas en inglés) C,, que para ina caractrfstica de la calidad con 4aites tanto superior como inferior de fa especificaciGn (USI y LSL, respectivamente) es USL-LSL, oS on) Odservese que Ia extensin 60 del proceso es la definicién bésica de la capacidad del proceso, Puosto que por to general « es desconocida, debe susttuirse con una estimacién. Se use con frecuencia = Rd, como estimacién de o, de donde se obtiene la estimaci6n C, deC,. Para cl Broceso de los anillos para pistones, pues que R/d, =6=0.0089,se encuentra que 68 Esto implica que los Ifmites de tolerancia “natural” en el proceso (tres sigma arriba y abajo de la media) estén muy adentro de tos Ifmites inferior y superior de la especificacién. Por consiguien. te, se produciré un némero relativamente pequefio de anillos para pistones disconformes. Fl PCR$2 CARTASDECONTROLPARAZYR 217 “, 7, tone otra interpretacibn. La cantidad “(eh simplemente el porcentaje de Ia banda de las especificaciones que utiliza el proceso, Para el toceso de los anillos pare pistones, una estimacién de P es In | (sis}10m 168 359.5% Es decir, el proceso utiliza un 60% de Ia banda de las especificaciones, Tin Ia figura S-S se ilustran tres casos de interés respecto del PCR C, y las especificaciones del proceso, Bn la figura 5-Sa el PCR C, es mayor que la unidad. Esto significa que el proceso utiliza mucho menos del 100% de la banda de tolerancia. Por consigniontc, en este proceso se Droduciri un niimero relativamente reducido de unidades disconformes, En la figuca 5-5 se mues. tra un proceso para ol que PCR C, = 1; es decir, el proceso uliliza toda la banda de tolerancia, ge unt ri UT ie ost a > eat ae ph ° ‘igurn $5 La porcén eats del proses y ot indice de ‘capacidd del proceso C,218 CAPITULO 5 CARTAS DE CONTROL PARA VARIABLES. Para una distibucién normal esto implicate corea dé 0.27% (0 2700 pprn) de unidades din, formes, Por timo en la figure $-5c se presenta un proceso para el que el PCR C. 10 0 12— probablemente sea mejor utilizar una carta de control para S o $® en lugar de ta carta R. En les secclones 5-3.1 y 5-3.2 se presentan los detalles para constuir estas caras. Desde el punto de vista estadfstic, Ins curvas de operaci6n caractertstica de las cartas ¥ y R pueden ser itiles para elegir el tamafio de la muestra, Permitirén al analista hacerse una idea de 18 ragnitud del cortimiento en el proceso que seré detectado con una probabilidad establecida para ‘cualquier tamafo de la muestra n, Bn la seccién 5-2.6 se discuten estas curvas de operacién carac- teristica, El problema de elegic el tamaiio de la muestra y la frecuencia del muestreo es un esfuerzo de asignacién del muestreo, En general, el responsable de tomar la decisi6n contaré tan sélo con un niimero limitado de recursos para asignatlos al proceso de inspeeci6n. Las estrategias disponibles serén en general tomar muestras pequetias y frecuentes 0 bien tomar muestras més grandes con menor frecuencia, Por ejemplo, la eleecién puede ser entre muestras de tamatio 5 cada media hora ‘o muestras de tamatio 20 cada 2 horas, Es imposible decir cul de las dos estrategias es la mejor en todos los casos, pero Ta préctica actual en Ia industria se inclina por las muestras pequefis y frecuentes. Rl sentir general es que si el intervalo entre las muestras ¢S muy grande, se producisén 4 para la distribucién gamma con r= 4, por oposicién al valor teérico de 0.0027 para ta istribucién normal, ‘Mientras que el uso de los limites de control tres sigma en la carta X producirén ua riesgo ot 40 0.0027 sila distibuci6n fundamental es normal, no es el caso para la carta R. La distibueién de muestreo de R no es simétrica, aun cuando el muestreo se haga de Ia distibucién normal, ¥ la cola larga de la distibucién esté en el lado alto 0 positivo, Por tanto, los limites simétricas tres sigma son s6lo una aproximacién, y el riesgo 0: de esia carta R no es 0.0027. (De hecho, paca n = 4, es & 0.00461.) Por otra parte, Ia carta R es ms sensible alas desviaciones de Ta normalided que la carta T, La funcidn de operacién caracterfstica La habilidad de las cartas. ¥ y R para detectar corrimientos en la calidad del proceso se describe por sus eurvas de operaciGn catacterstica (OC). En esta seccin se presentan estas curvas QC para las cartas usadas para el control en linea de wn proceso. Considérese la curva OC de una carta ¥ con desviaci6n esténdar ¢ conocida y constante. Si la redia se corte del valor bajo control —por ejemplo, j},— a otto valor ft, = Hy + &0, Ia probabilidad de no detectar este corrimiento en la primera muestra subsecuente, 0 el riesgo 8, es P(LCLS¥ S UCL. Hy + ko} (6-18) Pacsto que ¥ ~ Nu, on), y los Mmites de control supetiore inf evior son UCL = pig +Lo/ fa y LCL =}l)~ Lo/-Yn, la ecuacién 5-18 puede eseribirse como eg) UCEn tHe +40) |_ gf ECL=(hy + ko) pea lyn lf on | cg Mattotyn (ty +h0)|_ gf Ho ~Lo/Vn~ (iy +ko) ln ol vn234 CAPATULOS CARTAS DE CONTROL PARA VARIABLES donde ® denota Ia funci6n de distribucién normal estindar acumulada. Fsta expresién se reduce a B= @(—kn)-@(-L-kn) 6-19) | aca ilustear Ia aplicacién de la ecuaci6n 5-19, suponer que se esté usando una earta con L = 3 (los ifmites tres sigma usuales), que el tamafio de Ia muestra n = 5 y que quiere determinarse la probabilidad de detectar un corrimiento a p, = Hy + 26 en la primera muestra después del coni- miento, Entonces, puesto que L= 3, k= 2y n-=5, se tiene Be o[3-2/5]-Of-3-245] =0(-1.47)~(-7.37) 0.0708 Se trata del riesgo B, 0 1a probabilidad de no detectar este corrimiento. La probabilidad de que este corimiento se detectard en la primera muestra subsecuente os 1 — B = 1 ~ 0,0708 = 0.9292. Para construir Ia curva OC de la carta x, se grafica el riesgo B contra Ie magnitud del corri- :icnto quo quiere detectarse expresado en unidades de desviaci6n esténdar para vatios tamailos de Ja muestra n, Estas probabitidades pueden evaluase directamente con Ia ecuacin 5-19. Esta curva ‘OC se muestra en la figura 5-15 para el caso de Jos limites tres sigma (L = 3). OS Vo Ls 20 28.30 35 40 45 BO + Figura $15 Coras de opraetn cvttoritica de la cata ‘ conlinites tes sigma. =P (oo deectar un coriento de ks Ja media en la primera muestra despits del coritat)5:2 CARTAS DECONTROL PARA ¥YR 235 1a figura 5-15 indica que para los tamatios de fa muestra tipicos de cuatro, cinco y ses, la carta x no es particularmente efectiva para detectar un comrimiento pequetio —por ejemplo, aquellos en el ‘orden 1.56 0 menos—en Ia primera muestra después del corrimicnto. Por ejemplo, si el cambio os 1.06 y n= 5, entonces por la figura 5-15 se tiene B= 0.75, aproximadamtente. Por tanto, Ia proba- bilidad de que el corrimiento se detectaré en Ia primera muestra es tan s6lo 1 ~ B= 0.25. Sin ‘embargo, la probabilidad de que el corrimiento se detecte en la segunds muestra es BL ~ B) = 0.75(0.25) = 0.19, mientras que la probabitidad de que el corrimiento se detecte en la tercera nuestra es (1 — 8) = (0.758)025 =0.14. Por tanto, fa probabilided de que el corrimiento se detectard en la r-dsima mnestra subsecuente es simplomente 1 — B veces la probabilidad de no detectar el corriméento en cada una de las r— 1 muestras iniciales, 0 B'd-B) En general, el nimero esperado de muestras tomadas antes de que se deiccte el comrimiento es simplemente Ia longitud promedio de la corrida, 0 ARL= SBP) Por lo tanto, en el ejemplo tratado aqut se tiene En otras palabras, el nimero esperado de muestras tomadas para detectar un corrimiento de 1.00 con n= Ses 4, a discusiéa anterior proporciona un argumento en apoyo det uso de tamatios de la muestra pequefios en Ie caria ¥, Aun cuando los tamafios de la muestra pequefios resultan por lo general en un riesgo Bi relativamente ato, debido & que les muestras se colectan y prueban de manera peri6di- a, existe una buena oportunidad de que el corrimiento se detectard con prontitud razonable, eun- «que quiz no en la primera muestra después del corrimiento, Para construi Ia curva OC de Ia carta R se emplea le distribucién del rango relativo IV = Ra, ‘Suponer que el valor bajo control de la desviacién estindar es G, Entonces en la curva OC se grafica Ia probebilidad de no detectar un corrimiento a un nuevo valor de o —por ejemplo, 6, > 0;—en Ia primera muestra después del corrimiento. Fn fa figura 5-16 se presenta la curva OC, en la que B se srafica contra 2 = o,/0, (el cociente de la desviaci6n estindar nueva y la anterior del proceso) para varios valores de ‘Al examinar la figura 5-16, se observa que la carta R no es muy efectiva para detectar Ios corrimientos en ef proceso para tamaiios de Ia muestra pequefios. Por ejemplo, si la desviacién cstindar del proceso se duplica (i.e, 2~ 04/0, = 2), que es un corrimiento bastante grande, enton ces las muestras de tamafio cinco s6lo tienen tna oportunidad del 40% de detectar este corrimiento en cada muestra subsccuente, La mayorla de los ingenieros de calidad sienten que la carta R no es ‘sensible alos corrimientos de pequetios a moderados para los tamafios usual del subgrupo de n= 4, 5.06.Sin> 100 12, generaimente deberd usarse la carta S que discute en la seccidn 5-3.1 en vex.de Ta carta &. En las curves OC de las figura 5-15 y 5-16 se supone que tas cartas Ty R se usen para el control en linea del proceso. En ocasiones es coiveniente estudiar Ia curva OC de Ia carta usada para analizar datos pasado. Esto puede dar cierto indicio de la manera en que el niimero de subgrupos236 5-2.7 CABEIULO 5 CARTAS DE CONTROL PARA VARIABLES 1.09) 090 0.80 070 Teeter ie 2=0,/04,coclente dela deevlecén esting nov ya enter dat proceso Figura £16 Curvas de opercia caracterstica de a cate R con Iinites tes sgam, (Adapiacén de A.J-Duncan, “Operating CCharastesses of & Chart" en dustrial Quay Cont, Vl 1, No.5, pp. 40-41, 1951, con permiso de fa Amaia Sockety fe Quality Conta) preliminares usados para establecer le carta de control afecta Ia habilided de tn carta para detectar ls condiciones fuera de control que existian cuando se colectaton los datos. Fs a partir de estos studios analiticos, asf como de la experiencia préctica, que ha evolucionado la recomendacin de usar aproximademente 20 0 25 subgrupos preliminares para establecer las cartas ¥ y R. La longitud promedio de la corrida para la carta ¥ ‘Anteriormente se sefial6 que para cualquier carta de control de Shewhart, la ARL puede expresarse como o bien 1 (un panto se localice fuera de control) (6-20)52 CARTAS DE CONTROL PARAZ YR 237 pare Ia ARL bajo control y (621) pata la ARL fuera de control. Estos resultados en reatidad son muy intuitivos. Si tas observaciones _graficadas en la carta de control son independientes, entonces el nimero de puntos que deben graficarse ‘hasta que ocurra el primer punto que exceda wn limite de control es una variable aleatoria geométrica con pardmetro p (ver el capitulo 2). La media de esta distribucién geométtica es simplemente Up, a longitud promedio de la corsida . Puesto que es relativamente sencillo desarrotlar una expresién general para B en la carta de control ¥ pare detecter un corimiento en la medin de ke (ver la ecuaciéa 5-19), enlonces no es dificil construir un eonjunto de curvas ART. para Ja carta %, En la figura 5-17 se presentan estas ccurvas ARL para la cata de control ¥ con los tamatios de la muestra de n= 1,2,3, 4,5, 7,9y 16, | done ls ARL etd expresada en téminos del nimero esperado de mucsrastomada para deecar ¢l corrimiento, Como ilustracién del uso de la figura 5-17, obsérvese que si quiere detectarse un | conimiento de 1.56 wtilizando un tamatto de la muestra de n= 3, enfonces el mimero promedio de | ‘muestras requerido serd ARL, = 3. Obsérvese asimisrao que podria reducirse la ARL, a aproxima- damente I si el tematio de la muestra se inerementera a 1 = 16, i Recuérdese la discusién del capitulo 4 (seccién 4-3.3) donde se indicé que las ARL son objeto de ciertascriticas como medidas del desempefio de cartas de control, Se sefialé ahi (y también mit, AR Longtudpromedio dea conga (muestra) para 7 ara 0 0S to 1s 20 25 30 ett e. Figura $17. Longtud promedo dee cosda (ruesrs) en la ‘arta ¥ con limites ues sigma, donde I media del procera se eo- sme en ko, (Adaptacién de Modern Methods for Quality Control ‘rd Inpravemen, de H.M. Wadeworb, K. 8. Stephens y A. By GGoaey, John Wiay & Sene, 1986)238 CAPITULO 5 CARTAS Ds CONTROL PARA VARIABLES seonrca Y que puede tretarse de ura distibuca con un ego ‘muy pronunciado, por lo que Taunt Gn valores infladas de ARL, y ARL,, Por ejemplo, super use ln, central dela cara s rae, Petectamente, pero que la desvinitin estindar del proceso ced sobrestimada en 10%. Bay Freultiten ARL, = 517, valor que excede con mucho el valor nosed “‘tebrico” de 370. Ahor | Ugo, Para un proceso que tine una disibucién normal ep igualinens posible que se subestime i Cesviacidn estindar del proceso en 10%, y esto tesla ce ARL, = 268, un valor considerable sees Tanke qe 370. El promedio es (268 + 517V/2 = 392, ef dual sugiero que los etrores f ‘stint Ie desvincin esténdar dl proceso resultan en ARL que estin sobrestimadas, 407-——, -- rt, : i bg / j 5 05 ie a5 Migura 518 Longindpromedio de a ced (anaes ind ‘ius dolar ¥ con nites te sigma, donde la medica boise cme en ko. (Adpacn de Mader Mello fy Quay Contel end inprovemeny, de H. M. Wadeworty Kg, ‘Stephens y A.B. Godicy, John Wiley & Sos, 1986)5.3. CARTAS DE CONTROL PARA ¥ Y 53.1 53. CARTASDE CONTROL PARA ¥ YS 239 Puede ser itl también expresar Ja ARL en términos del némero esperado de wniciades individuales rmuestreadas —por ejemplo, J en vez de usar ef mimero de muestas tomadas para detectar tn corrimiento, Si el tamafio de la muestra es n, a relacida entre Jy ARL es 1=nARL (5-23) En la figura 5-18 se presenta un conjunto de curvas en las que se grafica el nimero esperado de uunidades individusles J que deben muestrearse para que fa carla x detecte un corrimiento de ko. Pata ilustrar ef uso de fa curva, obsérvese que para detectar un co con n= 16 requeriré el muestreo de aproximadamente 16 unidades, mientras que si el tamao do Ja muestra es 1 = 3, slo se necesitarin aproximadamente 9 unidades, en promedio, ‘Aun cuando es muy comtin la utilizacién de las cartas ¥ y R, en ocasiones es descable estimar la desviacién esténdar del proceso directamente en vez de indircctamente mediante el uso del rango R, Esto Hleva a las cartas de control para ¥ y S, donde S es la desviaciéa estindar muestra! En general, las cartas ¥ y S son preferibles a sus contrapartes ms familiares, las cartas XR, cuando 1. Eltamafio de Je muestra n es moderadamente grande —por ejemplo, n > 10.0 12. (Recuér- dese que el métado del rango para estimar 6 pierde eficiencia estadistica para muestras de moderedas a grandes.) 2, Hl tamatio de la muestra 1 es variable, En osta soccién se ilustra la construcoién y operacién do las cartes de control ¥ y S. Se indica asimiomo cémo tratar un tamafio de la muestra variable y se discute una alternativa de la carta S. Construceién y operacién de las cartas ¥ y S Bslablecer y operarcartas de control ¥ y S requiere aproximadamente la misma secuencia de pasos que para las cartes ¥ y R, excepto porque debo caleularse el promedio muestral % y la desviecién caténdar muestral S de cada muestra, Por ejemplo, en Ia tabla 5-3 para el ejeraplo 5-3 se presentan las rmediciones del diémetro interior de los anillos para pistones usados en el ejemplo 5-1. Obsérvese que se ha calculado el promedio muestral y la desviacién estindar muestral de cada une de las 25, muestras, Se usarén estos datos para ilustrar la constracci6n y operacion de las cartas X y S, Algunos antores hacen ceferecia ala earta$ omo I cate,