Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
GRFICOS POR
VARIABLES
1
Qu es calidad?
Calidad de diseo: corresponde a la
medida en que el producto satisface las
necesidades del cliente.
Calidad de conformidad: se refiere al
grado en que el producto o servicio
concuerda con los requerimientos de
diseo.
2
Qu es calidad? (cont)
Normalmente la calidad se asocia con una
caracterstica medible del producto, la
cual se denomina caracterstica de
calidad. As, la calidad de diseo se
tranforma en especificaciones adecuadas.
Frecuentemente no se diferencia entre la
calidad de diseo y la de conformidad, sin
embargo el rea de produccin suele
centrarse en la segunda.
3
El papel de la estadstica en
el aseguramiento de calidad
Para mejorar es necesario hacer cambios.
Nos gustara tener buenos datos sobre los
cuales realizar los cambios.
Necesitamos herramientas que nos permitan
convertir datos en informacin (es decir, que
nos permitan responder preguntas).
La estadstica es la ciencia que soluciona
ambos problemas.
4
Herramientas para el
aseguramiento de calidad
Se trata de herramientas estadsticas y
analticas de uso general
Diagramas causa-efecto.
Diagramas de flujo de procesos.
Plantillas para recoleccin de datos.
Histogramas y diagramas de Pareto.
Diagramas bivariantes.
Control estadstico de procesos.
5
Control de procesos
Histricamente ha evolucionado en dos
vertientes:
Control automtico de procesos (APC)
empresas de produccin continua (empresas
qumicas)
Control estadstico de procesos (SPC) en
sistemas de produccin en serie (empresas
metalmecnicas).
Control estadstico de
procesos
Los objetivos son:
Monitorear y vigilar el desempeo del
proceso en cuanto a las caractersticas de
calidad crticas del producto, para as
minimizar la produccin defectuosa
Grficos de Control.
Estimar los parmetros del proceso para
comparar la produccin con las
especificaciones Estudios de Capacidad.
Causas de la variabilidad en
un proceso
Causas Comunes
Causas Asignables
Grficos de control
Se trata de diagramas en los que se
representa el comportamiento de un
proceso en el tiempo a travs de los
valores de un estadstico asociado con
una caracterstica de calidad del producto.
Desde el punto de vista estadstico, estos
grficos permiten realizar continuamente
pruebas de hiptesis sobre una de las
caracterstica del proceso.
10
LS
C
3.
3
3.
1
Carcteisdal
2.
9
2.
7
LI
C
2.
5
Tie m
po
13
LIC E (W ) 3 V (W )
LSC E (W ) 3 V (W )
14
10
1 n
X i xij
n j 1
1 k
X Xi
k i 1
1 k
R Ri
k i 1
22
11
E( X i )
SD( X i )
E X
E ( Ri ) d 2 SD( Ri ) d 3 E R d 2
donde d2 y d3 son constantes que dependen
solo de n y pueden encontrarse en tablas
como la que se presenta a continuacin.
23
n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
d2
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
3,173
3,258
3,336
3,407
3,472
3,532
3,588
3,640
3,689
3,735
3,778
3,819
3,858
3,895
3,931
A2
1,880
1,023
0,729
0,577
0,483
0,419
0,373
0,337
0,308
0,285
0,266
0,249
0,235
0,223
0,212
0,203
0,194
0,187
0,180
0,173
0,167
0,162
0,157
0,153
d3
0,853
0,888
0,880
0,864
0,848
0,833
0,820
0,808
0,797
0,787
0,778
0,770
0,763
0,756
0,750
0,744
0,739
0,734
0,729
0,724
0,720
0,716
0,712
0,708
D3
0,000
0,000
0,000
0,000
0,000
0,076
0,136
0,187
0,223
0,256
0,284
0,308
0,329
0,348
0,640
0,379
0,392
0,404
0,414
0,425
0,434
0,443
0,452
0,459
D4
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
1,744
1,716
1,692
1,671
1,652
1,636
1,621
1,608
1,596
1,586
1,575
1,566
1,557
1,548
1,541
24
12
LSC A
LC
LIC A
Rangos
LSC D2 R
LC d 2
donde
3
A
D1 d 2 3d 3
n
LIC D1 R
D2 d 2 3d 3
25
LSC X A2 R
LC X
LIC X A2 R
LC R
LIC D3 R
LSC D4 R
donde
3
A2
d2 n
D3 1 3
d3
d2
D2 1 3
d3
d2
26
13
27
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Observaciones en la muestra
33.00 29.00 31.00 32.00 33.00
33.00 31.00 35.00 37.00 31.00
35.00 37.00 33.00 34.00 36.00
30.00 31.00 33.00 34.00 33.00
33.00 34.00 35.00 33.00 34.00
38.00 37.00 39.00 40.00 38.00
30.00 31.00 32.00 34.00 31.00
29.00 39.00 38.00 39.00 39.00
28.00 33.00 35.00 36.00 43.00
38.00 33.00 32.00 35.00 32.00
28.00 30.00 28.00 32.00 31.00
31.00 35.00 35.00 35.00 34.00
27.00 32.00 34.00 35.00 37.00
33.00 33.00 35.00 37.00 36.00
35.00 37.00 32.00 35.00 39.00
33.00 33.00 27.00 31.00 30.00
35.00 34.00 34.00 30.00 32.00
32.00 33.00 30.00 30.00 33.00
25.00 27.00 34.00 27.00 28.00
35.00 35.00 36.00 33.00 30.00
Promedios:
Media
31.60
33.40
35.00
32.20
33.80
38.40
31.60
36.80
35.00
34.00
29.80
34.00
33.00
34.80
35.60
30.80
33.00
31.60
28.20
33.80
33.32
Rango
4.00
6.00
4.00
4.00
2.00
3.00
4.00
10.00
15.00
6.00
4.00
4.00
10.00
4.00
7.00
6.00
5.00
3.00
9.00
6.00
5.80
28
14
0 Rangodeprtulab5 10 15 28 30 Apertuaomdilbe32 34 36 38 40
L C =3 3 .
32
LI
C =2 9 .
98
10
15
20
M
ues t
r a
LS
C =1 2 .
27
L C =5 .
80
10
15
20
30
M
ues t
r a
15
0 Rangodeprtulabe5 10 15 28 30 Apertuaomdilbe32 34 36 38 40
L C =3 3 .
21
LI
C =3 0 .
33
10
15
20
M
ues t
r a
LS
C =1 0 .
57
L C =5 .
00
10
15
20
32
M
ues t
r a
16
Grficos de medias y
desviaciones estndar ( X s)
El utiliza el mismo grfico de medias
anterior, pero ahora se estudia la
dispersin usando un grfico de las
desviaciones standard de cada subgrupo.
La desviacin muestral es un mejor
estimador de la variabilidad, pero ms
difcil de calcular. Se prefiere en procesos
con subgrupos racionales grandes (10 o
ms) o en procesos automatizados.
33
Si
xij X i
j 1
n 1
1 k
X Xi
k i 1
1 k
S Si
k i 1
34
17
E( X i )
SD( X i )
E X
n
E ( S i ) c 4 SD( S i ) 1 c42 E S c 4
LSC A
LC
LIC A
LSC B6 R
3
n
LC c4
B5 c4 3 1 c42
LIC B5 R
B6 c4 3 1 c42
36
18
LSC X A3 S
LC X
LIC X A3 S
LSC B4 S
A3
3
c4 n
LC S
LIC B3 S
1 c4
1 c4
B3 1 3
B4 1 3
c4
c4
37
c4
A3
B3
B4
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
0,7979
0,8862
0,9213
0,9400
0,9515
0,9594
0,9650
0,9693
0,9727
0,9754
0,9776
0,9794
0,9810
0,9823
0,9835
0,9845
0,9854
0,9862
0,9869
0,9876
0,9882
0,9887
0,9892
0,9896
2,6590
1,9540
1,6280
1,4270
1,2870
1,1820
1,0990
1,0320
0,9750
0,9270
0,8860
0,8500
0,8170
0,7890
0,7630
0,7390
0,7180
0,6980
0,6800
0,6630
0,6470
0,6330
0,6190
0,6060
0,0000
0,0000
0,0000
0,0000
0,0300
0,1180
0,1850
0,2390
0,2840
0,3210
0,3540
0,3820
0,4000
0,4280
0,4480
0,4660
0,4820
0,4970
0,5100
0,5230
0,5340
0,5450
0,5550
0,5650
3,2670
2,5680
2,2660
2,0890
1,9700
1,8820
1,8150
1,7610
1,7160
1,6790
1,6460
1,6180
1,5940
1,5720
1,5520
1,5340
1,5180
1,5030
1,4900
1,4770
1,4660
1,4550
1,4450
1,4350
38
19
N um
er o
6
de
39
e le m
ent
os
20
Para w = 2
21
i j i w1
i j i w1
k w1
Se estiman
1 k los parmetros1 poblacionales
X xi
R
Ri
k i 1
k w 1 i 1
43
LSC X 3R d 2
LC X
LIC X 3R d 2
LSC D4 R
LC R
LIC D3 R
22
46
23
Interpretacin de los
grficos de control
Necesitamos determinar si el proceso est
bajo control, lo cual se traduce en que los
puntos mostrados estn dentro de los
lmites de control y presenten un
comportamiento aleatorio.
Para esto se utilizan una serie de reglas
empricas, cuya presentacin se facilita si
el rea dentro de los lmites de control se
divide en regiones iguales.
47
Interpretacin de los
grficos de control (cont)
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
48
24
Interpretacin de los
grficos de control (cont)
A las reglas empricas que se utilizan para
determinar si un proceso est bajo control
se les suele denominar reglas de parada.
Corresponden a sucesos que tienen muy
baja probabilidad de ocurrir si el proceso
est bajo control.
Cada una de ellas provee informacin
sobre el tipo de causa asignable que
puede estar afectando al proceso.
49
Reglas de parada
Un punto fuera de la zona A.
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
50
25
Reglas de parada
Siete puntos en fila, todos crecientes
o decrecientes. Se presenta cuando hay
cambios paulatinos en la media, debida a
desgastes en herramientas o personal.
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
51
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
52
26
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
53
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
54
27
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
Zo n a
1 01 52 02 5
M
ues t
r a
55
28
Interpretacin de los
grficos de control (cont)
El calculo del nivel de significancia para
las reglas de parada que se establezcan
es importante para un correcto anlisis.
Un punto que incumple una regla de
parada es una ALARMA pero no
necesariamente significa que nuestro
proceso est fuera de control, ya que si
no podemos ligarlo a una causa asignable
puede tratarse del azar.
57
Ejemplos adicionales
Ejemplo 3.- Dentro de
un proceso de moldeo de
PVC las piezas elaboradas
pueden presentar o no
defectos superficiales.
Cada da se toman 100
piezas al azar de la lnea
de produccin y se cuenta
el nmero de piezas
defectuosas.
Da
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Defectos
9
16
5
6
7
9
3
9
10
4
7
10
6
6
7
Da
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Defectos
9
5
6
4
11
3
1
3
0
4
6
1
6
5
4
58
29
Evento
5
10
Reemplazo de la mezcladora.
Nuevo empleado asume la operacin del
proceso.
Se comenz a utilizar resina (materia
prima) de otro proveedor.
Sustitucin del sistema de enfriamiento, lo
que permiti un incremento en la
temperatura de inyeccin de PVC.
18
22
59
LS
C =0 .
132
L C =0 .
060
LI
C =0 .
000
5
10
15
20
25
30
D ia
60
30
31
Tolerancias y capacidad
La literatura suele distinguir entre dos
tipos de tolerancias:
Tolerancias de diseo: las cuales son fijadas
por el departamento de ingeniera. Estn
relacionadas con el concepto de calidad en el
diseo.
Tolerancias de naturales: que vienen dadas
por las caractersticas de la mquina o
proceso.
63
Tolerancias y capacidad
(cont)
Si las tolerancias naturales de un proceso
son ms estrictas que las tolerancias de
diseo entonces es fcil obtener calidad
de conformidad.
Sin embargo, si las tolerancias de diseo
se vuelven incompatibles con las
tolerancias naturales de nuestro proceso,
muy difcilmente lograremos elaborar
productos que las satisfagan.
64
32
Tolerancias y capacidad
(cont)
Mercado
Tolerancias naturales
Tolerancias de diseo
Estudios de capacidad
Su objetivo es cuantificar la variabilidad
inherente a un proceso o a una parte del
mismo (determinar tolerancias naturales)
y analizar dicha variabilidad en relacin
con las especificaciones del producto
(tolerancias de diseo).
No tiene sentido hablar de capacidad para
procesos que no se encuentran en estado
de control.
66
33
34
35
Indices de capacidad
Si los procesos estn centrados:
Capacidad de mquinas C LST LIT
m
Capacidad de procesos
8
LST LIT
Cp
6
36
Para procesos:
LST X X LIT
C pk min
,
3
3
73
C pk C p
37
75
Capacidad y falta de
normalidad
Si la distribucin de los datos no es
normal, es posible que aparezcan ms
defectos de los que se esperan bajo un
ndice de normalidad.
Una forma de corregir el problema es
hallar lmites universales (desigualdad de
Chebyshev), pero estos tendern a ser
demasiado amplios.
Otra forma es ajustar una distribucin.
76
38
Ejemplos
Ejemplo 5: Se tienen datos sobre la
resistencia a la presin interna de botellas
para gaseosas en 20 muestras de 5
observaciones cada una. Los grficos de
control correspondientes pueden verse a
continuacin. Las especificaciones para el
proceso establecen que la resistencia
debe ser superior a 200, y no se
establecen valores mximos.
77
20 250Medias 30 350
Ejemplos (cont)
1
2
3
4
5
6
7
8
9
1
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
2
9
0
-10 0 Rangos 10 20
1
2
3
4
5
6
7
8
9
1
1
0
1
1
1
2
1
3
1
4
1
5
1
6
1
7
1
8
2
9
0
x
78
39
Ejemplos (cont)
De las grficas es claro que el proceso
est bajo control. Por tanto podemos
estimar la variabilidad natural del proceso
debida a causas comunes como:
R
77,3
33,23
d 2 2,326
y la localizacin del proceso como
X 264,06
79
Ejemplos (cont)
Ntese que el lmite de especificacin es
unilateral (botellas con mucha resistencia
no son de ningn modo defectuosas). As
pues:
LIT 264,06 200
C pkl
0,64
3
3 33,23
Lo cual es un valor muy bajo, especialmente
si consideramos que se trata de un
parmetro relacionado con la seguridad.
80
40
0 7 Frecuniabsolt14 21 28 35
Ejemplos (cont)
LI
E
11
6
2
8
0
2
0
0
2
2
0
2
4
0
2
6
0
3
8
0
3
0
0
3
2
0
3
4
0
6
00
R e s is t
e n c ia
in t
er na
Ejemplos (cont)
Este es un ejemplo de un proceso bajo
control (estable) pero que funciona a un
nivel de calidad inaceptable (capacidad
insuficiente).
La produccin de artculos defectuosos en
este caso no puede ser controlada por el
operario ya que solo estn presentes
causas comunes. Es necesaria la
intervencin de la gerencia.
82
41
Ejemplos (cont)
De hecho, es fcil calcular el nivel de
variabilidad aceptable para el proceso. Si
se desea un ndice de capacidad de 1,33
entonces
LIT 264,06 200
16,055
3 1,33
3 1,33
es decir, se hace necesario cortar la
dispersin a menos de la mitad.
83
42