tesa ‘TECNOLOGICO DE ESTUDIOS SUPERIORES ie NaclONAL De MEXICO CHIMALHUACAN Analisis de datos experimentales Ingenieria quimica Hernandez Martinez Hugo 31Q11 Dra. Maria del Rocio Santamaria Cuéllar Evidencias tercer parcial 28/06/2023 Escaneado con CamScanneri a ae ae Andlisis de datos experimentales. ingenieria Quimica Unidad 4. Andisis estadistico. | Intreduccién ty El disefio estadistico de experimentos es la forma eficaz de hacer pruebas. El disefio de experimentos! Consiste en planear y realizar un conjunto de pruebas para generar datos que, ol ser analizados| estadisticamente, proporcionen evidencias objetivas que permitan responder las interogantes|| planteadas por el experimentador sobre determinada situacién. El disefio y andlisis de experimentos puede aplicar en ‘Comparar materiales para determinar el que cumpla mejor con los requerimientos. Comparar instrumentos de medicién para verificar si operan con Ia misma precision y exactitud. Determinar los factores de un proceso que impactan en las caracteristicas del producto. Obtener las condiciones de operacién (temperatura, velocidad, humedad, entre otros.) que reduzcan las no conformidades 0 mejoren el desempefio del proceso. 5. Reducir el tiempo de ciclo del proceso. 4 Hacer el proceso robusto a cambios de variables ambientales. 7. Apoyar el disefio 0 redisefio de nuevos productos o procesos. aeye I Disefio de Experimentos (DDE) es un conjunto de técnicas activas, para que proporcione Ia informacién que se requiere para la mejora; que en combinacién con conocimientos del proceso por parte del investigador y una actitud proactiva es capaz de observar oportunidades de mejora en ef proceso y en los datos donde otra persona no ve nada. EIDDE se emplec en el campo de [a investigacién cientifica o aplicada, puesto que el objetivo también. es generar nuevas ideas o mejores respuestas sobre el objeto de estudi Los métodos estadisticos se aplican en los procesos para generar conocimientos y aprendizaje eficiente, siendo este interactivo como se aprecia en Ia figura 1. Teoria, modelos, hipstesis, supuestos. , Reolidad, hechos, fenémenos, datos. | Figura 1. Proceso interactivo de la experimentacién Fuente, Gutiérrez, 2012. 8 disefio estadistico de experimentos {ue usado por Ronald Fisher en la primera mitad del siglo XX en Inglaterra en el sector agricola, su aportacién consistio en establecer métodos pare evaluar los resultados experimentoles y disefiar experimentos con infivencia de varios factores, Otros investiga: han contribuido de manera significativa sobre el disefio de experimentos, entre ellos se encuentran F. Yates, G.£,P. Box, R. C. Bose, O Kempthome, W, G. Cochran y Douglas C. Montgomery. (Montgomery, 2008). Pero al otro lado del mundo, Genichi Taguchi contribuyé a hacer mds conocida esta técnica debido a las grandes mejoras que se obtuvieron en la Industria manufacturera en Japén, al desarroliar una técnica de disefio de experimentos de tal manera que pudiera ser aplicada en este sect industrial. Definiciones basicas Elaboré: Maria del Rocio Santamaria Cuellar. a Escaneado con CamScannerAndlsis de datos experimentales. Ingenieria Quimica 7” c |] Uricad 4. Andis estoditico, Experimento En un proceso intervienen variables factores . e muestra en le figures 2 Factores no controlables (ruldo) ° = ea a not he — n.* Pad crocs) MPL Variables de Proceso _ t { t We Va we Ve no oe Causes Factores controlables (disefio) ae Cn a Figura 2. Modelo general de un proceso con factores y variables Variable de res, Factores contr Factores no controlables o de a TE Frctores estuslados: Son vob ave 3 hihi SA coe ae un disefio, Niveles y tratamientos: Los diferentes valores que se asignan a cada factor exhudodo on nce experimental se llaman niveles. Una combinacién de niveles de todos los factores es ma, tratamiento o punto de disefio. Smee aca enn ass S mS Eaboré: Maria del Rocio Santamaria CuellarCE SS STSSSSCCCC Cid id ds estadistico. fa Quimica Unidad 4. An« Andlisis de datos experimentales. Inger Siempre que se realizo un estudio experimental, parte de Io varlabiidad observada en la respuesta no se podré explicar por los factores estudiados. Siempre habrd una variabilidad natural del proceso, existe _ un error aleatorio y uno experimental. ‘Algunos objetivos del experimento son 1. Determinar las variables que tienen mayor influencia en la respuesta y. 2. Determinar e! mejor valor de x que influye en y, de modo que tenga casi siempre un valor cercano al nominal. 3. Determinar el mejor valor de x que influye en y, de modo que la variabilidad y sea minima: Determinar el mejor valor de x que influye en y, de modo que se minimicen los efectos de las, Voriables incontrolables 2) 2, .. 2. 4 Principios basicos ia de disefio de experimentos comprende un conjunto de técnicas icos y de Ingenieria, que permiten entender mejor los stuaciones complejas de relacién causa-efecto. El punto de partida es la planeacién a través de la aplicacién de los principios basicos del disefio de experimentos: (Gutiérrez, 2008) Aleatorizacién: independencic de los errores se cumpla, requisito para Ia validez de los pruebas estadisticas. También es una manera de aseguror que las pequefias diferencias ocasionadas por materiales. equipo y_ factores no controlados, se repartan de manera homogénea en todos los tratamientos. { Este principio aumenta Ia probabilidad de que el supuesto. Repeticién (replicas): Es correr més de una vez un tratamiento 0 una combinacién de factores. Repetir es volver a realizar un tratamiento, que permitan distinguir mejor qué parte de la variabilidad total de los datos se debe al error aleatorio y cudl a los factores. Bloqueo: 1 Sorsoneene 4 bloquear, se supone que el subconjunto de datos que se obtengan de- c ada blogue {nivel particular del factor bloqueado), debe resultar més homogéneo que el conjunto total de datos. Permite incrementar la precision de experimento. Estos principios tienen que ver directamente para que los datos obtenidos sean utiles para responder a las preguntas planteadas. i Disefio de experimentos de un factor. Disefio completamente al azar y ANOVA Suponiendo que se tienen k poblaciones o tratamientos, independientes y con medias peronceasy Hisl2,"~ le. CON varianzas también desconocidas pero se suponen que son iguales. El raecrae ‘tratamientos k es determinado por el investigador. El numero de observaciones por tratamiento oo debe escogerse con base en Ia variabilidad que se espera observar en los datos. Los datos generad. por un disefio completamente al azar para comparar dichas poblaciones se pueden presentar com se indica en la tabla |. Babore: Maria de! Rocio Santamaria Cuellar. Let Lo ee Escaneado con CamScannerAnalisis de datos experimentales. Ingenieria Quimica Unidad 4. Andis estacistico, Tabla 1. Disefio completamente ol azor. Tratamiento: i Yu Ys L Ya Ya ‘ Yin [Yan Yen You Total | 7s. ‘Media| Ys. | Hipétesis a probar: Donde es la j-ésima observacién del tratamiento i-ésimo. 7, es el total de las nk observaciones. Andlisis de varianza (ANOVA) Elobjetivo del ANOVA es probar Ia hipotesis de igualdad de ientos con ala media corespondiente a Ia variable de respuesta, en Ia tabla 2 se resume el ANOVA. Tabla 2. Andis de varianza (ANOVA) para un disefio de experimentos de un factor. Fuentede | sumade | Grados de |__variacién__| cuadrados | _ libertad Tratomientos Error Los formulas pare determinar las sumas de los cuadrados son: SST= Fi, Lar VG - a SSA = Hen e SSE = SST-SSA ee Lc hipétesis nula Ho se rechaza en el nivel de significancia @ cuando: fi > fa, ((k-, k(n) icbors: Maria del Rocio Santamaria Cuellar. aae I T Tas se Escaneado con CamScannerAndis de datos experimentales. Ingenieria Quimica Unidad 4, Andtsisestadistico. j Disefio de bloques completes aleatorizados f stos tienen la particularidad de que no se incluyen en i Seccnes jento poraue interese et su efecto, sino como medio para estudiar de manera adecuada Y eficaz al factor de interés. Las factores de bloque entran al estudio en un nivel de importancia secundaria con respecto al factor de interés y, en este sentido, se puede afirmar que se estudia un solo factor. La palabra completo en el ri Cada bloque se prueban todos los tratamientos, 0 sea, los bloques estén completos. La aleatorizacién se hace dentro de cade bloque: por lo tanto, no se realiza de manera total como en el disefio| completamente al azar. E/hecho de que existan bloques hace que no sea préctico o que incluso seo. imposible cleatorizar en su totalidad Los factores de bloqueo que aparecen en la préctica son: tumo, lote, tipo de material, linea de produccién, operador, maquina, método, entre otros. La imposibilidad de alectorizar de bloque o logue se aprecia claramente cuando se bloquean factores como dia o tumo, ya que no tiene sentido pensar en seleccionar al azar el orden de los dias 0 los turnos porque es imposible regresar el tiempo. El disefio més directo de bloques aleatorizados es uno en el que asignamos al azar cads tratamiento une vez o cada bloque. Tal disposicién experimental se llama disefio de bloques completes alectorizades, cada bloque constituye una sola réplica de los tratamientos. Una dispasici6n tipica de esie disefio, con el uso de tres mediciones en cuatro bloques es el siguiente: Bloque | Bloque 2 Bloque 3 Bloque 4 & th ty te a a & a es &, ie ty Una vez que el experimento termina. los ien registrar de forma general en ‘experimental con k tratamientos y b bloques., considerando una repeticién en cada combinacién de tratamiento y bloque: como se muestra en Ia fobla 1 f Donde ¥, es la medicién que comesponde al tratamiento iy al bloque j: son valores de variables cleatorias independientes que tienen distribuciones normales con medias jx; y vorianza comin o*. Hipétesis a probar Lo hipétesis de interés es la misrna para todos los disefios comparativos. y esté dada por: Ho: ay ina | | Ha (Hi): No todas las 4, son iguales. ? Son las variables adicionales al foctor de interés que se incorporan de manera expicita en un experimento comparetivo para no s0390r la comparacin. 2 Son los foctores que provocan ic variabilidad en los datos. Elaboré: Maria del Rocio Santamaria Cuellar. Lo ied al eer Le deka TT r meni = ast al Escaneado con CamScanner‘Andlisis de datos experimentales. Ingenieria Quimica . ed Unidad 4. Andis Tombién es equivalente o probar la hipétesis como: Ho: eo ened | Ha (Hi): Al menos una de las 1; no es igual a cero, H En cualquiera de estas hipétesis la afirmacién a probar es que la respuesta media Con cada fratamiento es a mismia pora los k ratamentol y Ue, peri fan, ede eGBiiana ated 1 es igual a la media global poblacional 4. De manera altemativa, es posible afirmar que ata | tfectos de tratamiento sobre la variable de respuesta son nulos, porque cuando el efecto t, = mya! 0, entonces necesariamente la respuesta media del tratamiento es igual a fa media global (uy) Tabla 1. Areglo k x b para un disefo de bloques completos ol azar. ‘Andlisis de varianza (ANOVA) ti La hipétesis anterior se prueba con un andlisis de varianza con dos criterios de clasificacién, porque Controlan dos fuentes de variacién: el factor de tratamientos y el factor de bloque. En la tabla 2 muestra el ANOVA para el DBCA. Table 2. Andlisis de vorianza (ANOVA) pora un disefio en bloques completos ol zor. Tratamientos Bloques SSB b-1 Error Elaboré: Moria de! Rocio Santamaria Cuellar. at = Sie et tt ee) ee a Escaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerAndilsis de Datos Experimentales: Ingenieria Quimica Unidad 5. Andlisis de disefios de factoniatess ¥] _EXPERIMENTOS FACTORIALES- ) or ‘eeueron to factorial se entiende que ee ja ensayo 0 réplica completa del experimento se investigan todas las combinaciones posibles de los niveles de los factores. Por ejemplo se hay dos factores Ay B con a niveles del factor Ay b niveles del factor B, entonces cada réplica contiene todas | las ab combinaciones posibles. | El efecto de un f fine como el cambio. El efecto principal del factor A, es la diferencia entre la respuesta promedio del nivel alto de A y la respuesta promedio del nivel bajo de A: A= Pyr= Fae De manera similar, el efecto principal de B es: B = Py+ — Cuando |a interaccién es grande, los efectos principales correspondientes tienen escaso significado. Disefio Factorial 2* Ciertos tipos de disefios factoriales son muy utiles en el desarrollo y mejoramiento de Disefio 2? & diseho 2 més simple es el 2%, es deci dos factores Ay B eada uno con dos niveles (bajo y alto En Io siguiente figura se muestra el disefio 22, obsérvese que el disefio puede representarse geométricamente como un cuadrado 2? = 4 corridas que forman los vértices del cuadrado. 2 ab g « ] Factor B © a «) (2) Factor A [PEt generat na cont una letra esté presente, En el disefio 22 z Reet anal los efectos de interés son los efectos principales de A y B, y Ia interaccién de los dos Elaboré: Maria del Rocio Santamaria Cuellar, eee oS ee Escaneado con CamScannerAndilsis de Datos Experimentales: Ingenieria Quimica Unidad 5. Andilisis de disefios de factoriales, Efecto principal A= Pyr— Yq le +ab—b-(1)) Efecto principal B= y+— Ye = L{b+ab—a-(1)] Interaccién AB = 2 ~ = Slab + (1) a~b] an an Saag renin ocyccloom entree Dar Los signos de los efectos de este disefio se presentan en la tabla 1. Tabla 1. Signos positivos y negativos para el diserio 2 comida | Combinacién eck ere detratamientos | | A 5 AB 1 ) + : e + 2 a + + E : 3 2 + E + 7 4 ab + + + + Fuente: Montgomery, 2008 Por tanto, si hay dos factores A y Bcon a niveles del factor A y b niveles del factor B, entonces cada réplica tiene todas las ab combinaciones posibles. [contraste}? mntes de los contrastes)* [a+ab-b- (FP SSA = Zz [b + ab -a~-(1)P ‘SSB —— rn [ab + (1) -a-b)? “ SSAB = = so Yn Be | SSE = SST — SSA — SSB — SSAB a | |_ELANOVA (AnGlisis de Varianza) se completa con: 4 SST con 4n-1 grados de libertad. [se con 4(n—1) grados de libertad. Para SSA, SSB y SSAB, se considera | grado de libertad.Escaneado con CamScannerEscaneado con CamScannerUnidacl 6 Telos eaitAnilisis de Datos Experimental | Unidod 6. Control Estadistico de datos Introduccién Lo reduccién de la variabilidad es una parte importante del mejoramiento tinic incustia. El control estadiitico de procesos (SPC, por ws sofas en Ingles} es ura hers be eh meeeiee para reducirla variabilidad a través del uso de la carta de control! para detector causas asignables, ces estas causas se eliminan, la variabilidad del proceso se reduce y el desempeno del proceso se mejor, bey SPC, uno vez que el proceso se encuentra en estado bajo control, tendré a mantenerse en él por un perce, de tiempo relativamente largo sin necesidad de hacer ajustes continuos sobre ld marcha, Lag) ‘Auna caracteristica de la calidad que se mide en una escala numérica se le llama variable. Ejemplo son: el diémetro de un rodamiento, la temperatura y volumen. Las cartas de control para variables son de uso generalzado. Las cartas de control ¥ y R se usan para monitorear la media y voriabiidad del proceso. En ocasiones las caracteristicas de calidad no pueden representarse con valores numnéricos, en tales casos cada articulo inspeccionado se clasifica como conforme o disconforme respecto a las especificaciones critetios de calidad. En estos casos, si el producto no tiene la calidad deseada no se permite que pase a a Siguiente etapa del proceso, ademés; es segregado y se le denomina arficulo no conforme (defectuoso)2. A las caracteristicas de la calidad de este tipo se le llama atributo, Elemplos son la ocurrencia de bielas torcidas para motores de automévil en la produccién de un dia y la proporci6n de chips se semiconductores no funcioncles en una comida de produccién. Las cartas de control para atributos son diagramas que se oplican al moritoreo de caracteristicas de calidad del tipo "pasa, ono pasa”, o donde se cuenta el nimero de no conformidades que tienen los productos analizados; tienen aplicaciones en las industrias de servicios y en el mejoramiento de calidad, esto es: * De cada ote, embarque, pedido o de cada cierta parte de la produccién, se toma una muestra 0 subgrupo de m articulos, que puede sera totalidad o una parte de las piezas bajo andiiss. * Las , piezas de cada subgrupo son inspeccionadas y cada una es catalogada come defectuosa ‘ono. Las caracteristicas 0 ctributos de calidad que son evaluadas como disconformes, pueden ser més de una. Una vez determinados los atributos bajo andlisis, es necesario aplicar criterias y/o andilsis establecidos y estandarizados. * Sidelos m, piezas del subgrupo f se encuentra que d; son disconformidades (no pasan). entonces enla carta p se gréfica y se analiza la variacién de la proporcién p; de unidades disconformes por subgrupo, Cara p (Carta de control para la fraccién disconforme) En esta carta se muestran las variaciones en la fraccién o proporcién de articulos defectuosos por muestra 0 subgrupo. La carta p es ampliamente pora evalvar el desempeyio de una parte o de todo un proceso. tomando en cuenta su variabilidad con el propésito de detector causas 0 cambios especiales en el Proceso. Los principios estadisticos fundamentales de la corta de control p tiene su base en Ia dstibucion oe probabilidad binomial. Suponer que el proceso de produccién esté operando de forma estable. de tal mone que Ia probabilidad de que cualquier unidad deje de cumplir con las especificaciones es_P,¥ Que las Ghidodes sucesivos producides son independientes, Entonces, cada unidad producida es une realizacion $¢ cee vohable oleatoria de Bemouli con parametfo p. Sise selecciona una muestra aleatoria de» unidades dal producto, y des el nUmero de unidades del producto que son disconformes. entonces d tiene un Gistribucién binomial con pardmetros ny p; es decir. Pod =2)(")p= py" para x= OA, mim Con media np y varianza np(1~ p). TGrétice que sive pare observary analzarla variabiidad y el comportamento de un proceso através Ge HOMES. a, 2 unproreto que no redne clertos aibutos, por lo que no se permite que pase 2a siguiente etapa det eT Mario del Rocio Santamaria Cuellar. Escaneado con CamScannerAndlisis de Datos Experimentales | Unidad 6, Control Estadistico de datos Para calcular los limites de control se parte del supuesto de que la cantidad de piezas defectuosas por subgrupo sigue una distribucién normal, y a partir de esto se aplica el esquema general, que sefiala que los limites estan datos por 4 +34, la media mas menos tres desviaciones estandar del estadistico que se grafica en la carta. La fraccién disconforme se define como el cociente del numero de articulos discontormes de Ia poblacién y elntimero total de articulos que componen dicha poblacién. Asi, la fraccién disconforme muestral (subgrupo) es el cociente del nimero de unidades disconformes en la muestra d, y el tamafio de la muestra (subgrupo) ™: a maa Y el promedio de estas fracciones disconformes muestrales es: Donde n es el tamafio de subgrupo (muestra) y m el numero de muestras. De acuerdo a esto, los limites de control de la carta p con tamafo de subgrupo constante, estan dados por: Limite de Control Superior = LCS = UCL = p+3 be a) Linea Central = LC =CL= p pa-~ Limite de Control Inferior = LCI = LCL = p-3 Cuando el tamafio de subgrupo (muestra) n_no se mantiene constante alo largo de las muestras se tienen dos altemativas: + Usor el tamafio promedio de subgrupo 7, en lugar de n. * Construir una carta de control con limites variables, es decir para cada subgrupo. Carta np (Carta de control para el némero de disconformidades) En ocasiones, cuando el tamafio de subgrupo o muestra en as cartas p es constante, es conveniente Usor la corta mp, enlo que se gratica el numero de disconformidades por subgrupo dj, en lugar de Ia proporcion. Los limites de control de Ia carta np estan dados por: Limite de Control Superior = LCS = UCL = np + 3/np—P) Linea Central = LC =CL= np Limite de Control Inferior = LCI = LCL = np -3/np—P) Cartas de control ¢ y u para disconformidades (detectos) por unidad un articulo disconforme es una unidad del producto que no satisface una o més de las especificaciones pare: ese producto, Cada punto especifico en el que no se satislace una especificacién resulta en un defecto 0 Sieconformidad. Es frecuente que al inspeccionar una unidad {representa un articulo, un lote de articulos, Gna medida lineal -metros, tiempo-, una medida de drea o de volumen) se cuente elnimero de defectos Escaneado con CamScanner‘Andlisis de Datos Experimentales Unidad 6. Control Estadistico de datos que tiene en lugar de limitarse @ concur que es 0 no defectuosa. Algunos ejemplos de unidades inspeccionan son: ey Numero de soldaduras defectuosas en 100 m de oleoductos. Numero de remaches rotos en el ala de un avidn. Nimero de defectos funcionales en un dispositivo légico electrénico. Discontormidades en x m de rollo fotografico. Numero de defectos en un zapato. Defectos en un sartén de teflon. Numero de defectos en una prenda de vestir. Metros cuadrades de pintura Numero de errores por trabajador. Cantidad de accidentes. Numero de quejas por mal servicio. Errores tipogréficos por pagina en un periddico. Numero de fallas de un equipo. Imperfecciones en la cubierta de una computadora. Coda una de estas unidades puede tener mds de una discontormidad y no necesariamente se catalogs como defectuoso. Ejemplo, es un mueble que quiz4 tenga algunos defectos en su acabado pero puede cumplir con relativa nommalidad Ia funcién para la que fue fabricado. Aunque se detecten disconformidades €n Ia operacién intermedia de un proceso, a unidad inspeccionada podria pasar a Ia siguiente etapa, caso contrario de lo que ocurre en las cartas py np. Es posible desarrollar cartas de control para el nUmero total de disconformidades en una unidad 0 bien para el nimero promedio de disconformidades por unidad. En estas cartas de control por lo general se supone que lo distribucién de probabilidad Poisson es un modelo apropiado de la ocurencia de disconformidaes ‘en muestras de tamofio constante, ademés la unidad de inspeccién debe ser la misma para cade muestra. Carta c (némero de disconformidades) H objetivo de lo carta ¢ es analizarla voriabilidad del ndmero de defectos por suogrupe. cuanco el famane Ge éste se mantiene constante. En esta carta se grafica ¢ que es igual al nimero de defectos eventos en 11 ésimo subgrupo (muestra). Los limites de control se obtienen suponiendo que el estadistico « sigue un Gistribucion Poisson; porlo tanto, las estimaciones de la media y la desviacién esténdar estén dades Por Total de defectos ~ Total de subgrupos Bes = ¥ Porlo tanto, los limites de control de la carta ¢ con tres sigma’ se obtienen con las expresiones. Limite de Control Superior = LCS = UCL = ¢+3VE Linea Central = LC = CL = & Limite de Control Inferior = LCI = LCL = ¢~ 3Vé Escaneado con CamScannerAndlisis de Datos Experimentales Unidad 6. Control Estadistico de datos Carta u (némero promedio de disconformidades) Cuando el tamafo del subarupo no es constante, se usa lo carta u, que analiza lo variacién del numero promedio de defectos por articulo 0 unidad, en lugar del total de defectos en el subgrupo. Asi, en esta carta, un subgrupo lo forman varias unidades. De manera que para cada subgrupo se grafica, x waa donde x, son las disconformidades totales en una muestra de n, unidades. Para determinar los limites es necesario estimar la media y la desviacidn estandar del estadistico u, que sigue una distribucién Poisson, Total de defectos Den Total de articulos inpecctonados Total de subgrupos Por lo tanto, los limites de control dela carta w son: Limite de Control Superior = LCS = UCL =u +3 am la in Linea Central = LC = CL Limite de Control Inferior = LCI = LCL =u —3 sm Cuando n no es el mismo en todos los subgrupos, se sustituye por el tamafo promedio de subgrupo. # Plan de control En el plan de control se registra informacién de control‘ importante principalmente para los coracteristicas ctiticas de calidad. El propésito de los planes de control, es proveer un resumen documentado del sistema: parc minimizar ia voriacién del producto o proceso. Por tanto, los planes de control describen las acciones requeridas en cada fase del proceso, incluyendo recepcién de materia prima, proceso de fabricacién, aimacenamiento y envio, con el objetivo de asegurar que tanto los inputs como los outputs del proceso son controlados. Los planes de control son mantenidos y usados en todo el ciclo de vida del producto. con el propésito de ser una guia de fabricacién de cémo se controla el proceso y asegurar la calidad del producto: el pian de control refleja los métodos de control y los medios empleados en el sistema de control del proceso. Para desarrllar un plan de control se requiere de un equipo de trabajo multituncional,utilizande informacion disponible en: © Diogramas de proceso. * Disefio/proceso/producto de AMEF. ‘* Revisiones de disefio. Métodos de optimizacién como QFD (casa de la calidad), DOE (disefio de experimentos), entre otros. Implementar un plan de control reduce el desperdicio y mejora la calidad de los productos en las etapas de. disefo, fabricacién y ensamble; asimismo identifican las caracteristicas de los procesos y ayuda a identificar las fuentes de variacién del producto o proceso, Los planes de control son documentos que identifican y describen los cambios en las caracteristicas de los productos y procesos, métodos de control y en el propio sistema de manufactura. £1 control se puede definir como un grupo de acciones encaminad: intener una situacién en un estado deseado. oe re no ree Cea Escaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScannerEscaneado con CamScanner