Professional Documents
Culture Documents
Las variaciones del proceso se pueden rastrear por dos tipos de cusas
1) Común o (aleatoria), que es inherente al proceso
2) Especial (o atribuible), que causa una variación excesiva.
Si todos los puntos de la grafica se encuentran entre los dos limites de control se
considera que el proceso esta controlado. Una señal fuera de control aparece cuando un
punto trazado cae fuera de los límites, lo cual se atribuye a alguna causa asignable y
entonces comienza la búsqueda de tales causas.
Limite de control
superior
Valores observados
de X
Línea
central
Limite de control
inferior
Número de subgrupos
(muestra)
El término atributos se utiliza en literatura sobre control de calidad para describir dos
situaciones:
1. Cada pieza producida es defectuosa o no defectuosa (cumple las especificaciones o no).
2. Una sola pieza puede tener uno o mas defectos y el numero de estos es determinado.
Grafica p.- Se clasifica la unidad de observación en una de dos categorías alternas, por
ejemplo pasa o no pasa, cumple con las especificaciones y no cumple con las
especificaciones; Se puede rastrear la producción de unidades defectuosas en la
muestra de observación.
Grafica C.- Cuando una observación consiste en la cantidad de defectos por unidad de
observación, se rastrean la cantidad de los defectos.
Ejemplo:
Se selecciona una muestra de 100 tazas de una figura especial de loza, durante cada
uno de 25 días sucesivos, y cada una se examina para ver si tiene defectos. Los números
resultantes de tazas no aceptables y sus correspondientes proporciones muestrales son los
siguientes:
Estadística y Control de Calidad Unidad IV
Supóngase que el proceso estuvo en control durante este periodo, establezca límites de
control y construya una grafica p. se tiene que ∑ pˆi = 1.52, dando:
= 1.52/25=.068 y
__________________
LCL = 0.0608 - 3√ (0.0608) (0.9392)/100 = 0.0608 - 0.0717 = -0.0109
__________________
UCL = 0.0608 + 3√ (0.0608) (0.9392)/100 = 0.0608 + 0.0717 = 0.1325
Por lo tanto el LCL se iguala a 0. la grafica de control muestra que todos los puntos están
dentro de los limites de control. Esto es congruente con la suposición de un proceso en
control.
Estadística y Control de Calidad Unidad IV
p^i
0,1325
0,1125
0,0925
0,0725
0,0525
0,0325
0,0125
-0,0075
0 5 10 15 20 25 30
Grafica p
Del mismo modo Y tiene aproximadamente una distribución normal cuando θ es grande
(θ≥10 será suficiente para la mayoría de los casos). Si Y 1, Y2, …, Yn son variables
independientes de Poissson con parámetros
θ1, θ2,… si θn. θ1=… = θn = θ (la distribución del numero de defectos por pieza es la misma
para cada pieza), entonces el parámetro de Poisson es =גnθ.
Numero de defectos en una unidad
__ __
LCL = √ג3 - ג UCL = √ג3 + ג
Con xi igual al numero total de defectos en la i-esima unidad (i= 1, 2, 3, …), se trazan puntos
con alturas x1, x2, x3, … en la grafica.
Estadística y Control de Calidad Unidad IV
Por lo general, el valor de גdebe estimarse de los datos. Como E(Xi) = ג, es natural utilizar la
estimación = ^גx testada (con base en x1, x2, xk).
La grafica c para el numero de defectos en una unidad tiene su línea central a una altura y
___
LCL = – 3 √
___
UCL = + 3 √
Ejemplo.
Una empresa fabrica paneles metálicos, a veces aparecen fallas en el acabado de estos
paneles, por lo cual la compañía desea establecer una grafica de control para encontrar el
número de fallas. Los números de fallas de cada uno de 24 paneles a los que se les hizo el
muestreo a intervalos regulares de tiempo son los siguientes:
1 1 1 1 1
7 0 9 2 3 6 3 7 5 1 8 10
1 2 1 1 1 1
3 9 1 0 6 8 3 2 7 1 4 10
Con Σxi = 2.35 y 9.79 = 235/24 = = ^ג
Los límites de control son
__________
LCL = 9.79 – 3 √ 9.79 = 0.40
___________
UCL = 9.79 + 3√ 9.79 = 19.18
El punto correspondiente al decimoquinto panel se encuentra arriba del UCL, tras una
investigación se encontró que la pasta empleada en ese panel tenia una viscosidad baja, al
eliminar esta observación del conjunto de datos resulta = 214/23 = 9.30 y los nuevos
limites de control
__________
LCL = 9.30 – 3 √ 9.30 = 0.15
___________
UCL = 9.30 + 3√ 9.30 = 18.45
Estadística y Control de Calidad Unidad IV
25
20
15
10
0
0 5 10 15 20 25 30
Grafica c
Estadística y Control de Calidad Unidad IV
4.3 GRÁFICAS X yR
Los pasos para crear las gráficas se irán detallando paso a paso con un ejemplo de
contenido de plomo en agua.
Toma de muestras
Periódicamente se toma una pequeña muestra (por ejemplo, de cinco unidades) del proceso,
y se calculará el promedio (X) y el rango (R) de cada una. Debe recolectarse un total de al
menos 50 medias individuales (esto es, diez muestras de cinco cada una) antes de calcular
los límites de control. Éstos se establecen a +3o para los promedios y rangos muestrales.
Los valores de X y R se grafican por separado contra sus límites a +3o.
Por ejemplo:
Se ha obtenido una gráfica del contenido de plomo en partes por billón de 5 muestras de
agua registradas diariamente por un periodo de 5 días, que se muestra a continuación:
Muestras de agua
Día 1 2 3 4 5
1 13 8 2 5 8
2 0 6 1 9 15
3 4 2 4 3 4
4 3 15 8 3 5
5 5 10 5 4 0
6 9 5 13 7 7
7 0 4 4 3 9
8 9 3 0 6 0
9 14 0 0 5 3
10 3 9 5 0 2
11 5 8 0 7 8
12 3 2 2 7 4
13 5 11 14 8 3
14 13 5 5 12 7
15 7 0 1 0 6
16 12 7 10 4 13
17 9 4 4 8 9
18 6 1 1 3 13
19 7 0 5 7 2
20 10 0 10 12 7
Estadística y Control de Calidad Unidad IV
21 3 7 5 10 12
22 3 0 10 5 4
23 3 3 0 6 9
24 0 2 3 6 7
25 2 3 5 4 10
26 3 1 4 2 4
27 2 4 5 13 4
28 0 16 7 2 11
29 3 5 9 8 6
30 9 7 10 13 0
Estos datos servirán para el desarrollo de las gráficas X y R. Éstos deberán ser introducidos
en una hoja de Excel como se muestra en el cuadro.
Aplicando este conocimiento a nuestro ejemplo, se calculan los valores de los rangos
muestrales de la siguiente forma:
Muestras de agua
Día 1 2 3 4 5 Ri
1 13 8 2 5 8 11 M=13 y m=2: entonces 13 – 2 =11
2 0 6 1 9 15 15 M=15 y m=0: entonces 15 – 0 =15
3 4 2 4 3 4 2 M= 4 y m=2: entonces 4 –2 = 2
4 3 15 8 3 5 12 M=15 y m=3: entonces 15 – 3 =12
5 5 10 5 4 0 10
M=10 y m=0: entonces 10 – 0 =10
En el ejemplo se tiene que n = 30 porque cada uno de los 30 días se hizo 1 muestra; la suma
de los rangos deberá dividirse, entonces, entre 30. Esto puede calcularse con la función de
Excel PROMEDIO seleccionando la columna de datos correspondiente a Ri. Se recomienda
crear un apartado en el diseño de la hoja de Excel que se esté utilizando donde se guarden
estos valores, ya que se necesitarán para cálculos posteriores.
Muestras de agua
Día 1 2 3 4 5 Ri
1 13 8 2 5 8 11
2 0 6 1 9 15 15
3 4 2 4 3 4 2
El valor de R = 9.167, que es valor del Límite
4 3 15 8 3 5 12
Central para la Gráfica R, y es la línea
5 5 10 5 4 0 10
central de nuestras observaciones
6 9 5 13 7 7 8
individuales.
7 0 4 4 3 9 9
8 9 3 0 6 0 9
9 14 0 0 5 3 14
* Añádase este valor al listado de valores
10 3 9 5 0 2 9 importantes.
11 5 8 0 7 8 8
12 3 2 2 7 4 5 Cálculo de Límites Superior e Inferior de los
13 5 11 14 8 3 11 Rangos Muestrales
14 13 5 5 12 7 8
15 7 0 1 0 6 7 Como ya se ha explicado, los límites superior
16 12 7 10 4 13 9 e inferior nos ayudan a deducir si nuestro
17 9 4 4 8 9 5 gráfico se encuentra dentro o fuera de
18 6 1 1 3 13 12 control. Por esto es necesario ubicar su lugar
19 7 0 5 7 2 7 en el histograma ( que se hará
20 10 0 10 12 7 12 posteriormente) con ayuda de las siguientes
21 3 7 5 10 12 9
fórmulas abreviadas:
22 3 0 10 5 4 10
23 3 3 0 6 9 9
24 0 2 3 6 7 7 Limite de control superior = D4 R
25 2 3 5 4 10 8 Limite de Control Inferior = D3 R
26 3 1 4 2 4 3
27 2 4 5 13 4 11 Donde D3 y D4 son constantes aplicadas en
28 0 16 7 2 11 16 nuestro ejemplo, y que se encuentran en la
29 3 5 9 8 6 6 siguiente tabla:
30 9 7 10 13 0 13
Número de Factor para la
observaciones estimación de R:
en una muestra A2 D3 D4 d2=R/s
2 1.880 0 3.268 1.128
3 1.023 0 2.574 1.693
4 0.729 0 2.282 2.059
5 0.577 0 2.114 2.326
6 0.483 0 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.97
10 0.308 0.223 1.777 3.078
11 0.285 0.256 1.744 3.173
12 0.266 0.284 1.717 3.258
13 0.249 0.308 1.692 3.336
14 0.235 0.329 1.671 3.407
15 0.223 0.348 1.652 3.472
* Estos valores se usarán en la elaboración del gráfico. Agregue una columna del mismo
número de filas de muestras (en este caso, 30) por cada valor obtenido, es decir, 1 columna
de 30 filas con el valor 19.38 (en cada una de las filas) y otra columna de 30 filas con el valor
0. Esto es para crear una línea indicativa de los límites en la creación del gráfico. Si lo desea,
haga lo mismo con el valor del límite central de R.
Crear el Gráfico R
En Excel, con ningún valor seleccionado y las columnas ya creadas, siga los siguientes
pasos:
Gráfico R
25
20
15
10
5
0
0 5 10 15 20 25 30
En base a la primera tabla de datos, se realizará ahora un gráfico X, que es muy parecida a
la anterior; la diferencia radica en que en lugar de tomar R como valores de Y, se toma el
valor del promedio de X.
En la tabla de datos se agrega una columna y se realiza el cálculo de los promedios, que es
la suma de los elementos de la primera muestra m entre el número de elementos, esto es,
X = (m1 + m2 + ... + mn)/ n. En Excel puede utilizarse la fórmula (=PROMEDIO(m1:mn)),
adecuado a cada ejercicio en particular.
Aplicándolo al ejemplo, se tiene que el valor de n=5 porque son 5 muestras en total,
obteniendo los valores de X :
Muestras de agua
Día 1 2 3 4 5 Xi
1 13 8 2 5 8 7.2 = (13+8+2+5+8)/5 = 7.2
2 0 6 1 9 15 6.2 = (0+6+1+9+15)/5 = 6.2
3 4 2 4 3 4 3.4
= (4+2+4+3+4)/5 = 3.4
4 3 15 8 3 5 6.8
= (3+15+8+3+5)/5 = 6.8
5 5 10 5 4 0 4.8
= (5+10+5+4+0)/5 = 4.8
6 9 5 13 7 7 8.2
= (9+5+13+7+7)/5 = 8.2
Por esto se recomienda que una vez calculado, se enmarque o copie este valor en la misma
hoja de Excel pero en un espacio especial para facilitar la resolución de dichas fórmulas.
Muestras de agua
Día 1 2 3 4 5 Xi
1 13 8 2 5 8 7.2
2 0 6 1 9 15 6.2
3 4 2 4 3 4 3.4 El valor de es de 5.59, que es el
4 3 15 8 3 5 6.8 valor del Límite Central para la
5 5 10 5 4 0 4.8 Gráfica X.
6 9 5 13 7 7 8.2 * Añádase este valor al listado de
7 0 4 4 3 9 4 valores importantes.
8 9 3 0 6 0 3.6
9 14 0 0 5 3 4.4
10 3 9 5 0 2 3.8
11 5 8 0 7 8 5.6
12 3 2 2 7 4 3.6
13 5 11 14 8 3 8.2
14 13 5 5 12 7 8.4
15 7 0 1 0 6 2.8
16 12 7 10 4 13 9.2
17 9 4 4 8 9 6.8
18 6 1 1 3 13 4.8
19 7 0 5 7 2 4.2
20 10 0 10 12 7 7.8
21 3 7 5 10 12 7.4
22 3 0 10 5 4 4.4
23 3 3 0 6 9 4.2
24 0 2 3 6 7 3.6
25 2 3 5 4 10 4.8
26 3 1 4 2 4 2.8
27 2 4 5 13 4 5.6
28 0 16 7 2 11 7.2
29 3 5 9 8 6 6.2
30 9 7 10 13 0 7.8
* De la forma anterior, estos valores se usarán en la elaboración del gráfico. Agregue una
columna del mismo número de filas de muestras (en este caso, 30) por cada valor obtenido,
es decir, 1 columna de 30 filas con el valor 10.88(en cada una de las filas) y otra columna de
30 filas con el valor 0.30. Esto es para crear una línea indicativa de los límites en la creación
del gráfico. Si lo desea, haga lo mismo con el valor del límite central de X.
Crear el gráfico X
Gráfico X
12
10
0
0 5 10 15 20 25 30
Estadística y Control de Calidad Unidad IV
Se colocan las gráficas para X y R una encima de la otra de manera que el promedio y el
rango para cualquier subgrupo se encuentren en la misma línea vertical. Observe si alguna
de ellas o ambas indican una falta de control para ese subgrupo.
Las X fuera de los límites de control son seña de un cambio general que afecta a todas las
piezas posteriores al primer subgrupo fuera de los límites. El registro que se guarda durante
la recolección de datos, la operación del proceso y la experiencia del trabajador deben
estudiarse para descubrir la variable que pudo haber causado que saliera de los límites de
control. Las causas comunes son un cambio en el material, el personal, la preparación de la
máquina, el desgaste de las herramientas, la temperatura o la vibración.
Las R fuera de los límites de control indican que la uniformidad de proceso ha cambiado. Las
causas comunes son un cambio en el personal, un aumento en la variabilidad del material o
desgaste excesivo en la maquinaria del proceso.
Una sola R fuera de control puede ser causada por un cambio en el proceso ocurrido
mientras se tomaba la muestra del subgrupo.
Se buscan patrones poco usuales o no aleatorios. Nelson (1984, 1985) proporciona ocho
pruebas para detectar esos patrones en las graficas de control usando límites de control a 3
σ:
Prueba 1. Un punto fuera de la zona A.
Prueba 2. Nueve puntos seguidos en la zona C.
Prueba 3. Seis puntos seguidos con aumento o disminución estables.
Prueba 4.Catorce puntos seguidos alternando arriba y abajo.
Prueba 5. Dos de cada tres puntos seguidos en la zona A o más allá.
Prueba 6. Cuatro de cada cinco puntos seguidos en la zona B o más allá.
Prueba 7. Quince puntos seguidos en la zona C (arriba y debajo de la recta central).
Prueba 8. Ocho puntos seguidos a ambos lados de la recta central.
Las técnicas estadísticas pueden ser útiles en el ciclo de un producto, incluyendo las
actividades de desarrollo previas a la manufacturas, para cuantificar la variabilidad del
proceso, para analizar esta variabilidad respecto de los requerimientos o especificaciones del
producto y para ayudar al personal de desarrollo y manufactura a eliminar o reducir en gran
medida esta variabilidad. A esta actividad general se le llama análisis de capacidad del
proceso.
El análisis de capacidad del proceso se define como el estudio de ingeniería para estimar la
capacidad del proceso. La estimación de la capacidad del proceso puede estar en la
condición de una distribución de probabilidad que tenga una forma, centro (media) y
dispersión (desviación estándar) especificados. De manera alternativa, la capacidad del
proceso puede expresarse como un porcentaje fuera de las especificaciones. Sin embargo,
las especificaciones son necesarias para realizar el análisis de capacidad del proceso.
Por tanto, el análisis de capacidad de proceso es una técnica que tiene aplicación en muchos
segmentos del ciclo del producto, incluyendo el diseño de producto y procesos, la fuente de
proveedores, la planeación de la producción o la manufactura, y la propia manufactura.
Una razón importante para cuantificar la capacidad del proceso es poder calcular la
capacidad del proceso de mantener las tolerancias del producto. Para procesos que se
encuentran un estado de control estadístico, una comparación de la variación entre 6 σ y los
límites de tolerancia permite un cálculo rápido de porcentaje de unidades defectuosas,
mediante la teoría estadística.
Quienes planean intentan seleccionar procesos que tengan 6 σ de la habilidad del proceso
dentro de la amplitud de tolerancia. Una medida de esta relación es la tasa de capacidad:
Un proceso que cumple bien con los límites de especificación (rango de especificación = +3
σ ) tiene un Cp de 1.0. Lo crítico de muchas aplicaciones y la realidad de que el promedio del
proceso no permanecerá en el punto medio del rango de especificación sugiere que Cp debe
ser al menos 1.33.
ICP Decisión
La capacidad del proceso, según se mide con Cp, se refiere a la variación en un proceso
alrededor del valor promedio.
Así, el índice Cp mide la capacidad potencial, suponiendo que el promedio del proceso es
igual al punto medio de los límites de especificación y que el proceso está operando bajo
control estadístico; como con frecuencia el promedio no se encuentra en el punto medio, es
útil tener un índice de habilidad que refleje ambas variaciones y la localización del promedio
del proceso. Tal índice es Cpk.
El índice Cpk refleja la proximidad de la media actual del proceso al límite de especificación
superior (LES) o bien, al límite de especificación inferior (LEI). Cpk se estima mediante:
X - L E LI E -SX
Cˆ p k = m i n ,
3 s 3 s
Si el promedio actual es igual al punto medio del rango de especificación, entonces Cpk = Cp.
Entre más alto sea el valor de Cpk, más baja será la cantidad de producto que esté fuera de
los límites de especificación.
Un artículo disconforme es una unidad del producto que no satisface una o más de las
especificaciones para ese producto. Cada punto específico en el que no se satisface una
especificación resulta en un defecto o disconformidad. Sin embargo dependiendo de su
naturaleza y gravedad, es muy posible que una unidad contenga varias disconformidades y
no se clasifique como disconforme. Hay muchas situaciones prácticas en las que es
preferible trabajar directamente con el número de defectos o disconformidades en ves de
usar la fracción disconforme.
2. En sola pieza puede tener uno o mas defectos y el numero de estos es determinado.
Gráficos np
Fundamentos teóricos
BASADOS: en el número de elementos en una muestra o subgrupo que son juzgados como
disconformes en base a una definición operacional.
Las fórmulas para calcular los límites de control, la media proporcional y la línea central del
gráfico son las siguientes:
_________
* UCL = np- + 3√ np- (1 – p-)
___________
* LCL = np - 3√ np- (1 – p-)
-
Creando un gráfico np
Estadística y Control de Calidad Unidad IV
Una manufacturera de esponjas de gasa toma una muestra de 600 esponjas diariamente, las
inspecciona y registra el número de esponjas defectuosas. En total hay 9 muestras de
esponjas, representados en la siguiente tabla:
A continuación, se sustituyen los valores en las fórmulas para calcular los valores de los
límites. Así, se tiene que
p- = 0.0385
Estadística y Control de Calidad Unidad IV
_________
UCL = np + 3√ np- (1 – p-)
-
* Estos valores se usarán en la creación del gráfico np. Para realizar el histograma, siga los
pasos del subtema “4.3 GRÁFICAS X Y R”, en la sección ‘Crear el gráfico R’. Los pasos son
básicamente los mismos, sólo basta sustituir el valor de los elementos disconformes en lugar
de los valores de R como eje x, y los valores de los límites nuevos.
La gráfica resultante es
40
30
20
10
0
1 2 3 4
Número 5muestral
6 7 8 9
Gráficos p
Fundamentos teóricos
Las fórmulas que nos permiten encontrar los valores de los límites cuando el tamaño de la
muestra es igual son:
_________ _________
*LCL = p - 3 √
_p (1-p) *UCL = p + 3 √ _p (1-p)_
n n
_________
*Sp = √ _p (1-p) (conocido como Error estándar de la proporción)
n
Creando un gráfico p
En base al ejemplo anterior de las muestras de gasas, se creará un nuevo gráfico siguiendo
los pasos para un gráfico p.
Para este tipo de gráfico de disconformidad, la diferencia radica que en lugar de tomar el
número de elementos disconformes como Y, se utiliza la proporción disconforme de la tabla
en cada observación.
Los límites se obtienen con las fórmulas correspondientes, obteniendo
LCL = -0.015 Sp = 0.0078
UCL = 0.062
Estadística y Control de Calidad Unidad IV
Proporción 0.08
0.06
0.04
0.02
0
1 2 3 4 5 6 7 8 9
Muestras
Hay algunos casos en los que el tamaño de las muestras es distinto cada vez. En esos casos
se utiliza la fórmula de n- (mencionada anteriormente) para sacar un promedio del tamaño
muestral, y posteriormente se hace la sustitución en las fórmulas.
Estadística y Control de Calidad Unidad IV
Problemas Que Acarrea Una Mala Interpretación De La Relación Entre Los Límites Del
Gráfico De Control Y Los Límites De La Especificación
Siempre que se introduce un gráfico de control de X en operaciones de producción,
aparece una fuente de confusión. Cuando las especificaciones se aplican a valores
individuales, los límites de la especificación tienden a confundirse con los límites del gráfico
de control. Esta confusión existe en muchas mentes del personal de taller, inspectores, e
incluso ingenieros directores, lo cual conduce a una diversidad de problemas.
totales, los valores que aparecen en el gráfico no son comparables con los límites de
especificación; de ahí que, en este punto, la probabilidad de confusión queda muy reducida.
Este tipo de gráfico no es si no un gráfico X convencional, con la escala aumentada n
veces. Los valores de los límites y de la línea central, son los valores_ del gráfico X
multiplicados por n. Cualquier conclusión que se saque del gráfico X, puede hacerse
también a partir de los gráficos de los totales.
Este tipo_ de gráfico puede ser mejor que nada, pero es mucho menos satisfactorio que
un gráfico X convencional, basado en un tamaño de subgrupo de 4 o 5. En general este tipo
de gráfico es inferior a los gráficos de control convencionales porque no ofrecen una
panorámica clara de los cambios que tienen lugar en el proceso, ni siquiera una prueba
rápida de la existencia de causas atribuibles de variación.
Aquí los gráficos de control son simplemente una prueba de homogeneidad. Esta
homogeneidad puede haberse obtenido por un sistema de causas constantes durante la
producción.
El análisis con gráficos de control puede también aplicarse a los datos que ya se tienen
disponibles y que no se obtuvieron teniendo en mente el gráfico de control, siempre que haya
alguna base racional para establecer los subgrupos. Aquí los gráficos de control también son
una prueba general de homogeneidad.
Para describir los límites de los gráficos de control de X, R y σ se utilizan dos puntos de
vista.
Uno de ellos, es que la fijación de los límites debe basarse en el valor numérico de una
probabilidad, que debería ser aquella que, sin que se produzca ningún cambio en la
Estadística y Control de Calidad Unidad IV
población, un punto cayera dentro de los límites de control. Los partidarios de esta teoría,
normalmente han adoptado como = valor de esta probabilidad en los gráficos X, 0.998.
Esto ha conducido a unos límites de X , de ± 3.09σ X .
La segunda postura considera que, aún cuando la probabilidad asociada a los límites se
pudiera conocer exactamente, este valor solo es de interés en casos accidentales. Lo
importante es que exista u criterio definido para el establecimiento de los límites y que dicho
criterio constituya una guía adecuada para las acciones que deberán basarse en los gráficos
de control.
Bajo tales circunstancias, tal vez se quiera representar los valores X en lugar de
suavizar las fluctuaciones de un día a otro, mediante la representación de medias móviles.
Aunque en un caso así, la X móvil no se emplea, es preciso utilizar en cambio, la amplitud
móvil como medida de la dispersión del proceso. El “A.S.T.M. Manual on Quality Control of
Materials” recomienda un tamaño de subgrupo de dos para el gráfico de amplitud móvil en
relación a uno para valores individuales.
Gráfico X Para Medias De Universo Que Presentan Una Tendencia Con Una Desviación
Estándar Constante
La línea central y los límites de control para el gráfico X , en este caso, deben ser
pendientes y no horizontales. La pendiente de la línea central o la media del universo, y σ ’,
estimada a partir de R, se determinan de las mediciones mismas. Una vez que se conocen,
es posible determinar el ajuste inicial y la longitud de la corrida que juntas darán el periodo
máximo entre los ajustes de maquinaria consistentes con las tolerancias especificadas.
Estadística y Control de Calidad Unidad IV
Para mantener el mismo nivel de sensibilidad con respecto a los cambios que tienen lugar
en el proceso, el gráfico de control de la fabricación rechazada necesita un tamaño de
muestra sustancialmente mayor que el gráfico X. Si el gráfico p ha de ser un instrumento
efectivo en el control de un proceso en el que se tiene que mantener un elevado nivel de
calidad, en la determinación del tamaño de la muestra existen dos aspectos que requieren
una adaptación especial de dicho gráfico. Primero hay que esperar que en la muestra
aparezcan varios elementos rechazados.
Segundo, cuanto mayor sea el tamaño de la muestra, tanto más probable es que, durante
la extracción de la misma, se produzca un cambio. El resultado sería una mayor probabilidad
de que los cambios que tuvieran lugar entre la toma de dos muestras no se detectaran.
En casos en que sea necesario hacer uso de la inspección por atributos, e interese
detectar pequeños cambios en el proceso, las circunstancias pueden requerir el empleo de
muestras pequeñas. Aquí, la única manera en que un gráfico p o un gráfico con np pueden
utilizarse de manera provechosa es crear un nivel de mal calidad falso, mediante la
aplicación de normas de aceptación, que sean mucho más rigurosas que las impuestas por
las especificaciones. Esto es, puede establecerse una definición especialmente severa de un
“defectuoso”, que solo se emplee para efectos de control de proceso a través del gráfico de
control. De esta forma, un tamaño de muestra pequeño no es obstáculo para el uso de un
gráfico de control basado en una inspección por atributos.
La gráfica CUSUM no es una gráfica de control, ya que carece de los límites de control
estadístico. Hay dos formas de representar CUSUMS, La CUSUM tabular (o algorítmica) y en
la forma máscara V de la CUSUM.
Estas gráficas de control se diseñaron para identificar cambios pequeños, pero sostenidos,
en el nivel de un proceso, con mucha mayor rapidez que las gráficas X normales. Debido a
que da una alerta temprana de cambios de procesos, es consistente con el principio
administrativo de hacerlo bien la primera vez, y no permitir la producción de artículos con
defecto.
La gráfica de suma acumulada abarca todos los datos anteriores, al graficar sumas
acumuladas de las desviaciones de los valores de la muestra respecto a un valor meta; es
decir:
St =∑(xi - x0 )
Donde xi es el promedio del i-esimo subgrupo, x0 es el valor normal, o de referencia, y St
la suma acumulada cuando se efectúa la i-ésima observación. Nótese que cuando n=1 , xi
es el valor de la I-ésima observación.
Estadística y Control de Calidad Unidad IV
La mascarilla se coloca en la gráfica de tal manera que la punta, P, quede en el último punto
graficado. La distancia d y el ángulo θ son los parámetros de diseño de la mascarilla.
Si no hay puntos anteriores fuera de los límites de control, se supone que el proceso está
bajo control. Si, por ejemplo, hay un desplazamiento en el promedio del proceso sobre el
valor de referencia, cada nuevo valor que se añade a la suma acumulada hará que S t
aumente y ocasionará una tendencia hacia arriba, en la gráfica. Finalmente, un punto puede
quedar fuera del límite superior de control, lo cual indica que el proceso se ha salido de
control. Si el promedio se desplaza hacia abajo, sucede lo contrario.
Prepare una grafica CUSUM bilateral para X para los datos de la siguiente tabla
del
subgrupo R
X
1 199.2 11 -1.3 -1.3
2 198 14 -2.5 -3.8
3 198.6 10 -1.9 -5.7
4 201 18 0.5 -5.2
5 197.6 11 -2.9 -8.1
Suponga que las especificaciones para este articulo son 190.5 y 210.5 utilice el valor nominal
de 200.5
X 0 como normal y un grado de riesgo de 0.027 correspondiente a limites 3- Sigmas
en una grafica de control de Shewhart. La magnitud del desplazamiento, D, que se debería
de tratar casi con certidumbre es de 7.8 ms. Utilice un factor de escala y =5
Estadística y Control de Calidad Unidad IV
RESPUESTAS
Formulas
2
σ
D
d = E (α)
n tan θ =
D 2y
Datos
α = 0.0027
E (α) = 13 .215
X 0 = 200 .5
D = 7.8
y =5
d 2 = 2.326 ( porquen = 5)
n =5
Procedimiento
277
R = = 11 .08
25
σ R 11 .08
= = = 2.13
n d 2 n ( 2.326 ) 5 ( )
2
2.13
d = 13 .215 = 0.985 unidades
7.8
7.8 7.8
tan θ = = = tan −1 ( 0.78 ) = 37 °57 '
( 2)( 5) 10
En donde Ε (α ) = factor que es función de la probabilidad aceptable de error Tipo I para los
diversos valores de α que se dan a continuación. Ε (0.0027) corresponde a la probabilidad
del error Tipo I (α ) relacionada con los límites 3-sigmas normales de Shewhart.
Estadística y Control de Calidad Unidad IV
1/2 α
(prueba 0.00135 0.005 0.01 0.025 0.05
unilateral)
α (prueba 0.0027 0.01 0.02 0.05 0.1
bilateral)
Ε( α ) 13.215 10.597 9.21 7.378 5.991
R σR σ RMS s
d2 = d3 = c2 = c4 =
σ σ σ σ