INSTITUTO TECNOLOGICO DE VILLAHERMOSA

Ingeniera Industrial
Materia: Control Estadstico de la Calidad Tema: Grafica de control para Variables

Catedrtico: Marco Antonio Abid Becerra

Alumna: De la cruz Snchez Arlett

Semestre: 5 Hora: 9:00-10:00 Carretera Villahermosa-Frontera Km 3.5 Cd. Industrial

ndice

Introduccin_____________________________________________________________1 Conceptos Generales y principio del control estadstico del proceso 2 Elaboracin e Interpretacin de grficas para Variables____________3 Grafico X-R______________________________________________________________7 Ejemplo de Grafico X-R_________________________________________________9 Grafico X de Individuales_____________________________________________13 Ejemplo de Grafico de X individuales________________________________14 Planes de muestreo de aceptacin__________________________________17 Plan de muestreo de aceptacin por atributos_____________________21 Planes de muestreo por variables___________________________________24 Conclusin_____________________________________________________________29

Introduccin
A los Grficos de Control por Variables se les denomina variables, ya que se aplican a caractersticas de calidad que pueden obtenerse mediante un instrumento de medicin. Por todos es sabido que una de las herramientas indispensables a la hora de estudios experimentales, es el uso de graficas, tanto por la utilidad para analizar tendencias como la visin global que permite de los datos. Por tanto es de vital importancia afianzar los conocimientos y manejo de las mismas. La tcnica de graficar es una de las ms sencillas de la ciencia o de la ingeniera, aunque para muchos sea difcil debido a la carencia de criterio. El uso del criterio y de un grupo de reglas generales permitir al estudiante hacer una grfica correcta. Por lo general el ingeniero o el cientfico estn ms interesados en la grfica de tipo cuantitativo, que muestra la relacin que hay entre dos variables en forma de una curva. (El trmino curva se aplica a las lneas rectas trazadas entre dos puntos o a las curvas suaves regulares.) Segn el problema, es posible graficar en un papel milimtrico, semi-logartmico, logartmico o de otras formas, tales como polar y triangular.

Conceptos Generales y principio del control estadstico del proceso

El Control Estadstico de Procesos (CEP) es una herramienta estadstica de la calidad que permite conocer, por medio de la comparacin continua, los resultados y la calidad de un proceso de fabricacin, identificando a travs de datos estadsticos las tendencias y variaciones ms significativas con el fin de prevenirlas, controlarlas y eliminarlas. Sirve, adems, como herramienta para distinguir entre las causas comunes y especiales de variacin, para conocer los efectos de cambios o variaciones introducidas al proceso, y para tomar decisiones de cuando se debe ajustar un proceso. El Control Estadstico de Procesos (CEP) permite monitorear el proceso de produccin, mediante datos reales y confiables. Esta informacin se agrupa bajo conceptos estadsticos y se dispone de forma tal que permita la deteccin y el anlisis de errores, reproceso y sobre costos de produccin, y as tomar medidas correctivas en el proceso, antes de iniciar uno nuevo. Es importante tener en cuenta 3 conceptos bsicos: Estadstica: Este trmino implica recoleccin, representacin e interpretacin de datos y particularmente proporciona conclusiones grficas obtenidas a partir de informacin numrica. Control: En este caso, control significa mantener el proceso dentro de los lmites, o hacer que este se comporte de la manera que se espera. El Control por s mismo no es suficiente, ya que despus de lograrlo se debe continuar con un proceso de mejoramiento. Proceso: Cualquier actividad puede ser un proceso. Una definicin ms precisa considera un proceso como la combinacin de mtodos, personas, materiales condiciones ambientales y equipo requeridos para obtener el resultado deseado.

Recopilacin de Datos Estadsticos El Control de Procesos slo es posible cuando se posee informacin que indique el estado de un proceso. Existe una cantidad de datos que pueden recolectarse en una entidad, relacionados con los productos, servicios, costos, seguridad, datos financieros, etc. Estos datos deben ser corregidos con cuidado y precisin, de acuerdo con el objetivo para el cual se rene esta informacin, que debe estar definido y claramente expuesto. 2

Despus de reconocer que los datos son necesarios para el control de un proceso, se deben establecer los mtodos correctos para la toma y anlisis de stos teniendo en cuenta los tipos de problemas que se presentan. La variacin excesiva es la principal causa de muchos problemas en la industria y para poderla controlar se debe entender primero su naturaleza y cmo medirla.

Elaboracin e Interpretacin de grficas para Variables

Desde el punto de vista del control y mejora del proceso, no basta con saber construir los grficos de control; es necesario saber interpretarlos, con el fin de averiguar lo que le est sucediendo al proceso en el transcurso del tiempo: causas de variacin especiales, sesgos, tendencias, etc. Antes de aceptar los grficos anteriores para el control futuro, es necesario comprobar que el proceso este bajo control estadstico, lo cual ocurre cuando:- Ninguno de los valores del Rango queda fuera de los lmites de control de Rango.- Ninguna de las Medias esta fuera de los limites de control de las Media.- No haya ms de seis valores de las Medias, en muestras consecutivas que estn al mismo lado dela gran media.- No haya dos Medias seguidas fuera de los limites de advertencia, (estos se toman con una amplitud de dos veces la desviacin tpica).- En siete muestras consecutivas no puede haber ms de dos Medias fuera y del mismo lado de los lmites de advertencia. Si se cumple todo lo anterior, indicara que los valores hallados son representativos del proceso y pueden usarse en el futuro para el control del mismo. Si alguna de las condiciones no se cumple, no se podran usar y habra que estudiar cual es el motivo y corregirlo. La Grfica de Control es una herramienta que permite hacer un anlisis sobre el comportamiento del proceso y poder investigar las causas de un comportamiento anormal. Son graficas poligonales que muestran en el tiempo el estado del proceso y en ella se marcan los resultados de la variable observada en un esquema previamente predeterminado.

Interpretacin del grafico Patrones del grafico: Puntos fuera de los lmites de control Interrupcin de la energa repentina, una herramienta descompuesta, un error de medicin o una operacin incompleta u omitida en el proceso. Cclico: Cambios sistemticos, tales como la temperatura, fatiga del operador, rotacin regular de los operadores y/o las maquinas, fluctuacinenelvoltajeolapresinoalgunaotravariabledelequipodeproduccin. Mezcla: Sobre control se realizan ajustes al proceso con demasiada frecuencia. Puntos en A=1/3delagrafica.

Corrimiento en un nivel del proceso: Causado por la introduccin de nuevos trabajadores, mtodos, materias primas o maquinas; por cambios en el mtodo o estndares de inspeccin; o por cambios en la habilidad, atencin o motivacin de los operadores. Ms de 7 puntos, el proceso es juzgado anormal. Tendencia (o movimiento continuo en una sola direccin): Suelen deberse al desgaste o deterioro gradual de una herramienta o de algn otro componente critico del proceso. Serie de 7 o mas puntos. Estratificacin (Tendencia alrededor de la lnea central): Colocacin incorrecta de los lmites de control. Muestras de los subgrupos tomados de varias distribuciones.

Grficas de control
4

La Grfica de Control es un tipo especial de grfica que se dirige a la posibilidad de interpretar informacin derivada de un proceso creando una imagen de las fronteras o lmites de variacin permisibles. Permite de manera objetiva determinar si un proceso se encuentra "en control" o "fuera de control". Es una herramienta til para establecer fronteras de variacin dentro de un proceso. Muestra cuando estas fronteras se sobrepasan y entonces buscar las claves que lleven a las causas para resolverlas. La experiencia ha demostrado que los grficos de control dirigen efectivamente la atencin hacia las causas especiales de variacin y a la magnitud de la variacin de causas comunes que se deben reducir mediante actuacin por parte de la direccin. Ser necesario identificar una medida clave que quiera medir a travs del tiempo o contra algn otro factor. Esta medida deber ser un indicador de calidad /productividad (cliente externo o proceso interno) que nos de informacin til para la toma de decisiones.

Tipos de grficos de control

Los grficos de control pueden ser de dos tipos segn la caracterstica del producto o servicio a analizar: Grficos de control por variables y grficos de control por atributos. En los grficos de control por variables, el control del proceso se realiza mediante variables susceptibles de ser medidas: cantidades, pesos, dimetros, espesores, frecuencias, etc. En ellos se analizarn parmetros de posicin y dispersin de la caracterstica a controlar a lo largo del tiempo. El grfico, que analiza la media muestral y el rango de una muestra predeterminada, es el ms utilizado en este mbito. En los grficos de control por atributos, el control del proceso se realiza mediante atributos de tipo dicotmico. As, se puede analizar si el producto o servicio posee o no una determinada caracterstica (atributo): color, forma, defecto, tipo, etc. Y en general se aborda dicho anlisis mediante preguntas del tipo: aceptable/no aceptable, si/no, funciona/no funciona, etc. Los principales grficos por atributos, son: los que controlan nmero de unidades defectuosas: 'p' y 'np', y los que controlan el nmero de defectos 'c' y 'u'. Su estudio se abordar posteriormente. 5

En general se prefiere el control por variables, ya que la informacin recogida es ms objetiva (son medidas de una caracterstica) y representa ms fiablemente el estado del proceso en trminos de la caracterstica que se intenta controlar; mxime, si se tiene en cuenta que para realizar el control, el nmero de 'piezas' observadas (que constituyen la muestra) es muy pequeo comparado con la poblacin de la que provienen y que permiten establecer la capacidad del proceso. As, estos grficos nos informan ms fiablemente acerca de la variacin que sufre la caracterstica que se mide a lo largo del tiempo y de la magnitud de esa variacin. Por otra parte, los grficos de control por atributos slo nos dan una indicacin de la aceptabilidad de la muestra, sin informar de la variacin producida por la caracterstica y adems, por lo general requieren para su construccin tamaos muestrales mayores. As, si la caracterstica que se pretende controlar es muy importante (por ejemplo, por ser componentes de precisin) se emplearn los grficos de control por variables.

Grficos de control por variables.

Los grficos de control por variables en general nos permitirn mediante muestras de pequeo tamao (3, 4 5 piezas) tomadas en la propia mquina, prever dentro de que lmites un proceso est dentro de control. Es decir, se trata de controlar el proceso vigilando las variables ms significativas de los productos fabricados; para ello se usan tcnicas estadsticas aceptando que los errores siguen una distribucin normal. Los grficos de control por variables se deben utilizar cuando se precise controlar una dimensin o caracterstica concreta de un producto en el que se estn produciendo defectos o cuando no estamos seguros de que el proceso con el que se fabrican estos productos sea el adecuado. El control por variables tiene como ventajas a destacar que el operario recibe informacin de la calidad de su trabajo y puede contrastarla con los objetivos perseguidos, adems se puede prever la aparicin de piezas defectuosas, as como detectar que un proceso es el adecuado para fabricar una determinada pieza analizando tambin la evolucin del propio proceso. Despus de haber tomado un mnimo de 20 muestras y calculado el porcentaje de defectos de cada una, elabore la escala en el eje vertical de la grfica . La escala debe reflejar lo que sea apropiado de acuerdo a la medida que usted ha seleccionado. Elabore el eje horizontal con un marcaje por cada fecha de la muestra.

Grafique el porcentaje de defectos. A continuacin calcule el porcentaje promedio sumando todos los porcentajes de defectos y divida el resultado entre el total de muestras sumadas. Dibuje una lnea horizontal en la grfica con el valor resultante y nmbrela 'P'. Clculo de los lmites de control. Los lmites de control le dirn si su proceso tiene un control estadstico. Piense que los lmites de control son fronteras invisibles. Mientras que los puntos se encuentren entre las estas fronteras de control, todo estar bien. Sin embargo, cuando los puntos rebasan estas fronteras se deber investigar las causas por las que se han rebasado.

Grafico X-R
El grfico X-R nos ayuda a conocer si nuestro proceso se encuentra dentro de las especificaciones. La medicin de las variables y de los rangos de estas nos indican si nuestro proceso es constante o no. Si hay una gran variacin en nuestros valores significa que el proceso est fuera de control o en otras palabras que existen variables asignables o atribuibles que estn ocasionando una variacin. Los grficos X-R se utilizan cuando la caracterstica de calidad que se desea controlar es una variable continua. Proceso de Implantacin del Grfico X - R 1. Definir caracterstica de calidad (Variable). Seleccin de la caracterstica que se deba controlar: longitud, rea, dureza, etc. 2. Controlar condiciones de proceso. Eliminar todas las variables asignables o atribuibles. 3. Toma de muestras y tamao de muestra. Tomar K muestras, deben ser ms de 25 muestras (K>= 25), el tamao de muestra es el nmero de piezas que se van a tomar en cada muestra (n). El tamao ms efectivo que se ha determinado en diversas aplicaciones industriales ha sido el de 5 unidades; pero puede variar de 2 a 10 unidades. El tamao de todas las muestras debe ser constante. Las muestras deben tomarse a intervalos regulares de tiempo, y se van registrando los datos de cada una en el mismo orden en que sean seleccionadas y medidas. 4. Calcul del valor promedio y de la amplitud de la muestra. Clculo de los promedios X y del rango de las muestras R.

5. Calcul de X y R

6. Establecer los lmites de control Lmite superior de Control (LSC), Lmite Central de Control (LCC) y lmite Inferior de Control (LIC) Lmites para la grfica X

Lmites para la grfica R

7. Graficar 8. Analizar los datos y modificar los lmites en caso de que haya puntos fuera de los lmites. Analizar los promedios y las amplitudes de cada muestra con relacin a los lmites de control. Ajustar los lmites eliminando los puntos que se encuentran fuera de los lmites y volviendo a calcular estos ltimos. 9. Calcular la capacidad del proceso 10. Comparar el proceso con los lmites de especificaciones. Analizar los datos para ver si no existe un punto fuera de los lmites de control y revisar si existen variables asignables o atribuibles en el proceso.

Ejemplo Grafico X R
EJEMPLO DE GRAFICOS X-R. A continuacin se muestra la representacin del grfico () correspondiente a los datos de 25 muestras de tamao 5 de los dimetros de determinadas piezas.

Con la tabla inicial de datos los grficos que se obtienen son los siguientes:

En el diagrama X se detecta un punto fuera de control correspondiente a la muestra 24, mientras que en el R todos estn entre los lmites. Enmascarando esta muestra y volviendo a dibujar los grficos se detecta otro punto fuera de control, esta vez en el grfico R correspondiente a la muestra 13, la cual volvemos a enmascarar. Para ello seguiremos los siguientes pasos: a) Calcularemos en primer lugar los rangos de cada muestra, Ri, y el rango medio, , con la informacin contenida en la ficha de control:

Los lmites de control para los rangos vienen dados por las expresiones en funcin de D4y D3: LCSR= D4 * = 2,115 x 0,126 = 0,266 LCSR= D3 * = 0 x 0,126 = 0 Siendo los valores de D3 y D4 los correspondientes a la tabla anterior para un tamao de muestra, n, igual a 5.

b) Se comprueba a continuacin si el rango de alguna de las muestras cae fuera de los Lmites de Control. Si esto ocurre, se interpretar que la(s) muestra(s) correspondiente(s) pertenece(n) a una poblacin distinta o a un momento en el que el proceso estuvo fuera de control. En cualquier caso, dichas muestras no sern consideradas y se proceder a calcular unos nuevos R y LCR con las muestras restantes. En el presente caso, slo el rango de la muestra i=13 est fuera de los lmites, pues R13 = 0,27, por lo que debe ser eliminada en la determinacin del nuevo rango:

LCSR = D4 * = 2,115 x 0,12 = 0,254 LCIR = D3 * = 0 x 0,126 = 0 Puede comprobarse que todos los rangos (salvo R 13) estn contenidos dentro de las nuevas LCR, por lo que puede tomarse como definitivo el valor R = 0,12. Si algn R, no hubiese satisfecho esta condicin, habra que proceder de forma anloga a la anterior hasta conseguir que todos los Ri conservados queden dentro de los LCR, cuidando de que el nmero de muestras que queden sean suficientes para que los resultados sean significativos. c) Una vez fijado se calcula el valor de y LCX, utilizando nicamente las muestras no excluidas4 en el apartado anterior, por medio de las expresiones ya vistas. Asimismo, se tomar R = 0,12.

LCSX = + A2 * = 10,53 + 0,577 x 0,12 = 10,599 LCIX = - A2 * = 10,53 - 0,577 x 0,12 = 10,461 Donde A2 procede de la tabla anteriormente comentada para n = 5. No obstante algunos autores prefieren considerar todas las muestras.

10

d) Se comprueba seguidamente si alguna de las Xi cae fuera de los LC X. Si esto

ocurriese, deberan ser eliminadas, determinndose unos nuevos y LC X. Para estos ltimos se seguira empleando el mismo R (0,12 en nuestro caso), con lo que los nuevos lmites de control tendran la misma amplitud que los anteriores aunque estaran desplazados por haber cambiado. El proceso se repetira hasta con seguir que todas las conservadas queden dentro de los ltimos LC X calculados, que se tomaran como definitivos (salvo para el caso de alta precisin como ya se indic en la introduccin) junto con el ltimo valor de . En el problema objeto de estudio observamos que 24 = 10,65 est fuera de los lmites, por lo que deber prescindirse de ella:

LCS = 10,525 + 0,577 x 0,12 = 10,594 LCI = 10,525 - 0,577 x 0,12 = 10,456 Las 23 muestras consideradas caen dentro de los nuevos LC X, por lo que consideramos finalizado el proceso y procedemos al clculo de los lmites de variacin natural: LVNS = + L = 10,525 + 1,289 x 0,12 = 10,68 LVNI = - L = 10,525 - 1,289 x 0,12 = 10,37 Vemos, pues, que los LVN son ms estrechos que los lmites de tolerancia, LT, especificados por la oficina tcnica, que, de acuerdo con la ficha de control, valen: LT = 10,5 0,2 Es decir: LTS = 10,5 + 0,2 = 10,7 LTI = 10,5 - 0,2 = 10,3 Se deduce, por tanto, que el proceso es capaz de cumplir los objetivos marcados. Es interesante hacer notar que por estar la gran media X descentrada hacia arriba (10,525 en lugar de 10,5), es mayor la probabilidad de obtener piezas defectuosas por exceso 11

en la longitud, por lo que sera recomendable intentar centrar, X. Hay que recalcar, sin embargo, que el operario sabe que los errores por exceso pueden ser corregidos, no ocurriendo esto con los que son por defecto, tendiendo, por tanto, a dar valores centrales, X, ms elevados. As se obtienen los grficos finales de la fase de construccin.

Grafica X de Individuales
Es una grafica de observaciones individuales, una por una, y es til cuando solo una observacin puede ser convencionalmente obtenida, por lote o parte del material. La grafica de individuales no es tan sensitiva como la grafica X. De cualquier forma, Esta grafica elude posibles errores concernientes al promedio de los subgrupos y los lmites de Control - especificacin, para la grafica de individuales pueden ser directamente comparadas contra los lmites de especificacin. La grafica de individuales X, tambin llamada IX o solo X, es usada para monitorear y detectar cambios en la media del proceso por la evaluacin de la consistencia de mediciones individuales de una sola caracterstica. Porque los puntos graficados representan mediciones individuales, el tamao del subgrupo en uno. Las graficas IXRM son intencionadas para ser usadas para monitorear caractersticas donde solo una medicin puede representar el proceso en un periodo de tiempo dado. Algunos ejemplos son valores financieros mensuales, o lotes homogneos de un producto manufacturado tal como la concentracin en un bao qumico. La grafica de control para individuales X es una extensin de la grafica de control X y R usa la misma lnea central como la grafica X y lmites de control basados en la 12

variacin de dentro de los subgrupos racionales. La medicin de la variacin puede ser el rango o la desviacin estndar de los subgrupos.

Ejemplo Grafico X De Individuales

En una empresa se hacen impresiones de lminas de acero, que posteriormente se convierten en recipientes en productos de otras empresas. Un aspecto importante es vigilar en dicha impresin es la temperatura de horneado donde, entre otras cosas se da adherencia y se seca la lamina, una vez que esta ha sido impresa. En una fase particular de la horneada se tiene que la temperatura de cierto horno debe ser de 125 C, con una tolerancia de 5 C. Si no cumple con tal rango de temperatura se presenta problemas en la calidad de la impresin,

Para controlar de manera adecuada tal caracterstica se usa una grafica de control, y evidentemente aqu no tiene sentido tomar una muestra de tamao 4, por ejemplo, ya que si se miden las temperaturas del horno de manera consecutiva, entonces estas sern prcticamente las mismas; y si las mediciones no se hacen de manera consecutiva y se hacen supongamos cada hora, entonces habr que esperar 4 horas para poder graficar 1 punto en la grafica de control, y as poder analizar el proceso. De esta manera resulta ms prctico hacer una medicin de la temperatura en el horno de manera peridica, y en cuanto se obtiene el dato graficarlo en la grafica para evaluar el desempeo del proceso. Es decir, resulta ms prctico llevar una grafico de control para individuales.

En muchas aplicaciones de la grafica de control para unidades individuales se usa el rango mvil de 2 observaciones sucesivas como base para estimar la variabilidad del proceso. El rango mvil (RM) se define como: RMi = | Xi Xi-1 |

13

En la tabla anterior se muestran las temperaturas obtenidas en tres das, midiendo la temperatura en el horno cada hora.la segunda columna de esta tabla representa los rangos entre temperaturas consecutivas. Para investigar si la temperatura tuvo una variabilidad estable primero se analiza los rangos mviles, en cuyo caso los lmites de control se obtienen igual que la grafica R, pero con las constantes D3 y D4 siempre se van a tomar considerando el tamao de la muestra de n=2, dado que el rango se obtiene de entre los datos de dos mediciones consecutivas de temperatura. De esta manera, los limites de control para la grafica de control de rangos mviles de orden 2 estn dados por:

LCS = D4 = 3.267 X t Linea central = LCI = D3 = 0 Sustituyendo valores y viendo la tabla los limites de control consiguen a continuacin: LCS=3.267 x = 3.267 = 7.475 Linea central = = 2.287 LCI = 0

De acuerdo con la mencionada en la tabla anterior y observando la figura 2.13 la diferencia entre la temperatura de una hora a otra estuvieron fluctuando de manera estable entre 0 y 7.475 grados centgrados. Para analizar el comportamiento de la 14

tendencia central, se usa la grafica de individuales y en base a la expresin general para los lmites de una grafica de control, estimando la media con la media muestral y la desviacin estndar con los rangos promedio, se tiene que los limites para una grafica de individual: x 3x =

3 ( /d2)

Donde la constante es d2 y de acuerdo con la tabla 2.6 es igual a 1.128 y como el

tamao de la muestra es n = 2, se aplica la ecuacin anterior y los limites de control para las temperaturas del horno se tiene:

LCS = 126.97 + (3 x 2.287/1.128) = 133.05 Lmite central: 126.97 LCI = 126.97 - (3 x 2.287/1.128) = 120.97

La grafica de control obtenida en la figura 2.14 aunque no hay puntos fuera de los lmites de control, se puede ver que el proceso estuvo fuera de control estadstico en cuanto a tendencia central, ya que en las ltimas mediciones de temperatura se cumple la prueba para tendencia, se dan seis puntos consecutivos de manera ascendente. De esta forma, alguna causa especial provoco una tendencia a que la temperatura se incrementa en el ltimo da. En estas circunstancias se debe actuar de inmediato para atender y prevenir el problema.

15

4.- Planes de muestreo de aceptacin

Un muestreo de aceptacin consiste en evaluar un colectivo homogneo a travs de una muestra aleatoria, para decidir la aceptacin o el rechazo del colectivo. Por tanto es necesario tener presente en todo momento que, en un muestreo, lo que se est evaluando es toda la poblacin y no slo la muestra, por lo que la cuestin es si una poblacin, con las caractersticas inferidas a partir de los datos de la muestra observada, es aceptable o no. Bajo el punto de vista estadstico, un muestreo de aceptacin es un contraste de hiptesis en el que se evala una caracterstica (parmetro de una poblacin) a travs de unos valores mustrales.

Conceptos bsicos de muestreo de aceptacin.

El concepto de muestreo de aceptacin va asociado a inspeccin, por lo que acarrea todos los problemas que supone confiar la calidad en la inspeccin. Sin embargo, esto no es achacable al muestreo en s, ya que este mismo inconveniente lo tiene la inspeccin 100%. La primera cuestin que se plantea ante una inspeccin de recepcin es si se realiza un muestreo o si es precisa una inspeccin al 100%. Deming demuestra que la situacin ptima (mnimo coste esperado) es: Si p < k1 / k2 Aceptar sin inspeccin. Si p > k1 / k2 Realizar inspeccin 100%. donde: p: Peor fraccin defectuosa esperada del lote. k1 : Coste de inspeccionar una pieza. k2 : Coste de aceptar una pieza defectuosa. De acuerdo con este criterio, el muestreo no tiene sentido. No obstante hay que tener en cuenta lo siguiente: La inspeccin por medios destructivos no puede ser 100% por razones obvias. En el caso de lotes muy grandes la inspeccin 100% deja de ser 100% fiable debido a factores como la fatiga, etc. Adems en lotes grandes la relacin entre el tamao de la muestra requerida y el tamao del lote decrece, por lo que el empleo de mtodos de muestreo puede estar justificado. 16

El muestreo de aceptacin se lleva en diversas situaciones en donde existe una relacin ente consumidor y productor, ya sea en el interior de una empresa o entre diferentes empresas, y se puede ver como una medida defensiva para protegerse contra la amenaza del posible deterioro en la calidad. Es posible que Productor y Consumidor sean cada uno de diferente compaa o en dos departamentos diferentes dentro de una misma planta, sea como fuere, existe siempre el problema de decidir si se acepta o se rechaza el producto. En particular si las caractersticas de calidad son variables de atributos, entonces un plan simple de muestro de aceptacin esta definido por : N ------- Tamao de lote n ------ tamao de la muestra c ------ nmero de aceptacin Se debe tener claro que el muestreo de aceptacin, al ser una forma particular de inspeccin, simplemente acepta y rechaza lotes, pero no mejora la calidad. Es decir el muestreo de aceptacin no es una estrategia de mejora de la calidad, es ms bien una forma de garantizar que se cumplan ciertas especificaciones de calidad que han sido definidas, tampoco este tipo de muestreo proporciona buenas estimaciones de la calidad del lote. Donde aplicarlo: En elementos (componentes) terminados. Componentes y materias primas. Operaciones. Materiales en proceso. Materiales en almacenamiento. Operaciones en almacenamiento. Datos o Registros. Procedimientos administrativos. Cuando aplicarlo: 17

 Cuando la aplicacin de una prueba implica la destruccin del producto (ej. Prueba de un fusible elctrico). Cuando el costo es alto para hacer una inspeccin del 100% es muy elevado, comparado con el costo que implica pasar una unidad no conforme. Cuando son muchas y similares las unidades que se van a inspeccionar, el muestreo produce una mejor opcin que el inspeccionar al 100%. Cuando no se dispone de informacin sobre la calidad de producto, ejemplo, la grafica X, R, p, o c. Cuando el lote lo forman una gran cantidad de artculos que habra que inspeccionar y la probabilidad de error en la inspeccin es suficientemente alta, de tal manera que la inspeccin al 100% podra dejar pasar ms unidades defectuosas que un plan de muestro. Cuando no se dispone de una inspeccin automatizada. Cuando es necesario asegurar la confiabilidad del producto, aunque la capacidad del proceso fabricante del lote sea satisfactoria. En situaciones donde histricamente el vendedor ha tenido excelentes niveles de calidad y se desea una reduccin de la cantidad de inspeccin, pero la capacidad del proceso no es suficientemente buena como para no inspeccionar.

Ventajas: La responsabilidad por la calidad se asigna a quien verdaderamente corresponde, No a la inspeccin!, esto favorece una rpida mejora del producto. Es ms econmico, puesto que se tienen que hacer menos inspecciones, y se producen menos daos por manipulacin durante la inspeccin. Permite mejorar la tarea de inspeccin, pero en vez de tomar decisiones de pieza con pieza, las decisiones se toman de lote a lote. til en el caso de pruebas que implican destruccin.

18

 Se orienta ms al rechazo de lotes enteros ms que a la devolucin de unidades no conformes. Desventajas: Existe cierto riesgo de que se rechacen lotes conformes y/o acepten lotes no conformes. Se tiene que dedicar ms tiempo a la planeacin y a la documentacin. Se proporciona menos informacin sobre el producto aunque generalmente sta es suficiente. No hay ninguna seguridad dado que la totalidad del lote cumpla con las especificaciones.

Uso de tabla de muestreo

Un procedimiento para muestreo por atributos que incluye considerar los efectos de la inspeccin detallada del producto rechazado debe ser escogido por la persona encargada del procedimiento de muestreo y para esto debe tomar en cuenta dos cosas: el Sampling Inspection Tables por Dodge y Romig, y Sampling Inspection por el SRG de Columbia University. Las tablas de Dodge y Romig fueron utilizadas primeramente para uso interno en Bell Telephone System para reducir al mnimo la cantidad total de inspeccin, tomando en cuenta la inspeccin para muestreo y la inspeccin para seleccin de los lotes rechazados. Dodge-Romig contiene cuatro grupos de tablas: I. Tablas de tolerancias de lotes para planes de muestreo sencillo. II. Tablas de tolerancias de lotes para planes de muestreo doble. III. Tablas de AOQL para muestreo sencillo. IV. Tablas de AOQL para muestreo doble. En el grupo I todos los planes de muestreo en esta tabla tienen el mismo porcentaje de defectivo tolerable en el lote. Pero los planes tienen diferentes valores de AOQL, los cuales se presentan en la tabla para cada uno. La tabla tiene seis columnas, cada una para un valor diferente de porcentaje promedio de defectivos en el proceso. La finalidad de estas tres columnas diferentes 19

es indicar el plan que incluya la inspeccin total mnima, al considerar tanto la inspeccin de las muestras y la inspeccin de 100% de los lotes rechazados. En el grupo II sera bsicamente como el del grupo I, pero para diferenciarlos es necesario hacer una comparacin en cualquier plan de muestreo sencillo con uno doble del mismo lote y el promedio del proceso que produzca la misma proteccin de la calidad para el lote. La primera muestra del doble es ms pequea que la muestra nica en un sencillo. Dodge-Romig muestra en su obra un diagrama el cual compara la inspeccin con muestreo sencillo y doble para diversos tamaos de lotes y relaciones entre promedio del proceso y fraccin de defectivos tolerables en el lote. Una caracterstica de todos los planes de muestreo doble es que C2 es siempre de uno o ms, lo cual significa que no se rechaza ningn lote se rechazar si tiene una sola pieza defectiva. En el grupo III al contrario de que todos los planes para muestreo sencillo tuvieron el mismo LTPD, todos los planes tienen el mismo AOQL, adems se presenta el porcentaje de defectivos tolerables en el lote para cada plan. Cuanto mayor son el tamao de la muestra y el nmero de aceptacin para un AOQL determinado, menor ser el LPTD. Hay columnas para los promedios de los diversos procesos; el plan que hay en cada columna es el que da la inspeccin mnima total para el promedio del proceso que se cita en la cabeza de la columna. Por tanto, todos los planes en cualquier lnea de la tabla son iguales en proteccin de calidad y slo difieren en la cantidad total de inspeccin requerida. Si no hay base para estimar el promedio del proceso, el plan de muestreo se debe escoger en la columna derecha de la tabla. En el grupo IV las tablas que incluyen conceptos y muestreo sencillo y doble han estado disponibles en el sistema Bell para aplicarlos a todos los tipos de inspeccin. Se necesita que Dodge-Romig confirmen que las tablas AOQL para muestreo doble son las ms tiles de todas.

Plan de muestreo de aceptacin por atributos

Este plan de muestreo ser aplicable para evaluar variables discretas. La calidad de un lote clasificar cada porcin del muestreo como una caracterstica o atributo conforme/no conforme, apto/no apto, deteriorado/no deteriorado (ANEXOS 1 y 2). Aceptacin/Rechazo de un lote Si: x=c, aceptar el lote 20

Si: x>c, rechazar el lote En el caso de encontrar no conformidades consideradas de mxima importancia en cuanto a la calidad y/o inocuidad del producto se rechazar el lote sin tener en cuenta el criterio de aceptacin establecido por el plan de muestreo. Para facilitar la toma rpida de decisiones, las variables continuas analizadas en la muestra podrn ser discretizadas en funcin de los promedios estadsticos estimados. Los planes de muestreo por atributos o caractersticas suelen ser ms aplicados en microbiologa. Se pueden dividir en dos tipos:

a) Programa de atributos de 2 (dos) clases. b) Programa de atributos de 3 (tres) clases. a) Programa de atributos de 2 (dos) clases.

Las muestras se clasifican en dos clases (admisibles o rechazables), dependiendo de los resultados de los anlisis. El objetivo es poner de manifiesto la presencia/ausencia de un determinado microrganismo o tambin comprobar que el nmero de microrganismos presentes en esa muestra es mayor que el especificado en el criterio. Se define por tres nmeros: n, c y m. n: es el nmero de unidades de muestra requeridas para realizar el anlisis. c: es el nmero mximo permisible de unidades de muestra que puede ofrecer resultados insatisfactorios, como presencia del microrganismo o un recuento superior a una concentracin prestablecida, definida por la letra m. m: el valor m, sera la cifra del recuento por encima de la cual la muestra se considera insatisfactoria o deficiente, este valor no se tiene en cuenta cuando se hace una prueba de presencia/ausencia, ya que un resultado positivo es suficiente para que la muestra sea calificada como deficiente.

Ejemplo:
21

Plan de muestreo n=10, c=2 y m=10 2; plan de muestreo para analizar coliformes en un animal. Se deben analizar 10 unidades y si en 3 o ms muestras el recuento de coliformes es superior a 10 2 unidades formadoras de colonia (para coliformes) se tiene que rechazar. b) Programa de atributos de 3 (tres) clases. Fueron ideadas para situaciones en las que la calidad del producto puede dividirse en 3 categoras: aceptable, dudosamente aceptable, rechazable. Este plan no se aplica para una prueba de presencia/ausencia, sino que se usa para recuento de microrganismos. Se define por 4 nmeros: n, M, m, c. n: es el nmero de muestras que se debe analizar del lote. M: es el valor de recuento mximo, que si se sobrepasa por cualquiera de las muestras examinadas, hay que rechazar el lote. m: es el valor del recuento que separa la calidad adecuada de la marginal, es decir, de los dudosamente aceptables. c: es el nmero mximo de muestras analizadas que pueden ser clasificadas en la categora de dudosamente aceptables, antes de que sea rechazado el lote.

Sern aceptables las que estn en un valor de recuento entre 0 y m. Sern dudosamente aceptables las que estn entre m y M. Sern rechazables las que tengan un valor mayor a M.

Un plan de muestreo significa reglas particulares por medio de las cuales un lote se va a inspeccionar y a dictaminar:

EJEMPLO: Muestreo sencillo Tamao de la muestra: Nmero de aceptacin: Nmero de rechazo: 125 5 defectivos 6 defectivos 22

 Un plan de muestreo significa reglas particulares por medio de las cuales un lote Planes de muestreo variables se va a inspeccionar y apor dictaminar: Este tipo de plan de muestreo ser aplicable para evaluar las caractersticas que EJEMPLO: pueden expresarse mediante variables continuas, conociendo la distribucin de probabilidad la cual es generalmente normal (ANEXOS 3 y 4). Muestreo sencillo Aceptacin/rechazo de un lote Tamao de la muestra: 125 Nmero de aceptacin: 5 defectivos Nmero de rechazo: 6 defectivos
Los planes de muestreo por variables especifican el numero de artculos que hay que inspeccionar y el criterio para juzgar los lotes a partir de mediciones de caractersticas numricas del producto, cuya calidad hay que controlar. Estos planes se basan normalmente en la media y la desviacin tpica muestral. Cuando se conoce la distribucin dela caracterstica estudiada, se pueden disear planes de muestreo por variables que tengan riesgos especificados de aceptar y de rechazar lotes de una calidad dada. El poder discriminatorio de estos planes es superior al de los planes de muestreo por atributos, aunque el costo de obtencin de las mediciones es superior. Pero el conjunto resulta mas econmico y esto los hace especialmente tiles en pruebas destructivas. Proporcionan ms informacin que el muestreo por atributos sobre el proceso de produccin y sobre el lote. Son especialmente interesantes cuando el NCA es muy bajo, puesto que los planes de muestreo por atributos requieren tamaos muy grandes. La principal dificultad para su aplicacin es que se requiere un conocimiento previo de la distribucin de probabilidad de la caracterstica de la calidad estudiada. Se puede rechazar un lote aunque la muestra que se inspecciona no tenga ningn artculo defectuoso. Se distinguen dos tipos de planes de muestreo por variables:

(i) Planes de muestreo por variables para el control de valores de la variable de inters (ii) Planes de muestreo por variables para el control de un parmetro de la distribucin.

23

En los planes (i) se determina un lmite inferior de especificacin (LIE), o bien un limite superior de especificacin (LSE). En algunos casos, se utilizan ambos para determinar los valores aceptables del parmetro. Por simplicidad, nos referiremos al caso en que la distribucin poblacional de la caracterstica estudiada es normal con parmetros y Entonces, la media muestra, basada en una muestra de tamao n; se distribuye segun una normal con parmetros y =( ). Se consideran entonces los estadsticos

Referidos respectivamente al control de los valores bajos y altos de la caracterstica estudiada. Dichos estadsticos poseen distribuciones normales con medias definidas en trminos de la media poblacional y el limite de especificacin superior o inferior y con desviacin tpica 1=(( ). A partir de sus distribuciones y de la especificacin de

un valor crtico de la proporcin de defectuosos que no debe excederse, se determina una distancia crtica K para el ZLIE de forma que, si

se aceptara el lote y en caso contrario se rechazara el lote. De forma similar se procede para el LSE: En los planes (ii) se controla el parmetro p que define la fraccin de defectuosos. Dicho parmetro se estima mediante el tarea que queda bajo la curva a la izquierda del LIE, o bien a la derecha del LSE. Para un valor critico M determinado a partir de la distribucin del estimador de p; se procede de la siguiente forma: Si se acepta el lote y en caso contrario se rechaza.

24

EJEMPLO

25

26

27

Conclusin
Se pudo analizar que la idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una estrategia ms econmica de prevencin antes y durante del proceso industrial con el fin de lograr que precisamente estos productos lleguen al consumidor sin defectos. As las variaciones de calidad producidas antes y durante el proceso pueden ser detectadas y corregidas gracias al empleo masivo de Grficas de Control. Como se pudo observar los grficos de control ayudan en la deteccin de modelos no naturales de variacin en los datos que resultan de procesos repetitivos y dan criterios para detectar una falta de control estadstico. Un proceso se encuentra bajo control estadstico cuando la variabilidad se debe slo a "causas comunes".

28