Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Toluca
Departamento de Ingeniera Industrial
Antologa
Control Estadstico de la Calidad
ndice
INTRODUCCIN................................................................................................5
Captulo 1. Teora general de la calidad y herramientas bsicas
1.1. Evolucin de la calidad.................................................................................6
1.2. Conceptos e Importancia de la Calidad .......................................................9
1.2.1. Gurs de la calidad..............................................................................9
1.3. Costos de Calidad.........................................................................................27
1.4. Cadena Cliente- Proveedor .........................................................................28
1.5. Recoleccin de datos ...................................................................................30
1.6. Hojas de registro o inspeccin .....................................................................31
1.7. Diagrama de Pareto .....................................................................................34
1.8. Diagrama Causa- Efecto ..............................................................................38
1.9. Histograma ...................................................................................................40
1.10. Dispersin..................................................................................................43
1.11. Estratificacin.............................................................................................45
1.12. Habilidad y capacidad del proceso ...........................................................48
Captulo 2. Grficas de control
2.1. Conceptos y principios del CEP: ..................................................................57
2.1.1. Tamao y Frecuencia de Muestreo ....................................................57
2.1.2. Patrones de Comportamiento .............................................................58
2.1.3. Precontrol ...........................................................................................60
2.2. El plan de control (control plan) por grficos de variables ...........................62
2
2.2.1. Grafico
.......................................................................................63
2.2.2. Grfico
.......................................................................................65
INTRODUCCIN
El control estadstico de la calidad es una actividad de vital importancia para
cualquier organizacin, ya que permite visualizar la posicin respecto a la
planificacin inicial de las actividades y en funcin de sta tomar las decisiones
pertinentes a cada caso. Las actuales tendencias del mercado han generado la
necesidad de prestarle mayor atencin al cliente, de manera tal que el mismo se
transforma en la razn de ser de las organizaciones; es por ello que la bsqueda de
la satisfaccin de los clientes es el norte de toda empresa.
Con base a esta meta se han diseado una gran cantidad de herramientas que
permiten el control y anlisis de los procesos, con el fin de optimizarlos y asegurar la
satisfaccin del cliente mediante productos o servicios de calidad.
En la siguiente antologa que se presenta a continuacin se encuentran temas de
valioso valor para cumplir con los objetivos del control estadstico de la calidad.
En el primer captulo de sta antologa se tratan temas de conceptualizacin del
control estadstico de la calidad, sus precursores, su evolucin, su relevancia e
importancia dentro de una empresa, adems de la ilustracin de algunas
herramientas tradicionales o clsicas, tales como: hojas de registro, diagrama de
Pareto, diagrama causa-efecto e histograma.
Dentro del presente trabajo es importante sealar que se hizo uso de software
estadstico como MINITAB y Microsoft Excel para simplificar el trabajo tanto de
clculos matemticos como del trazado de grficos, los cuales se ven aplicados
especialmente en el capitulo dos grficas de control. En el capitulo mencionado se
tratan temas de conceptualizacin acerca del muestreo y posteriormente se
describen ejemplos de aplicacin de los grficos de control tanto de variables como
de atributos.
En el tercer captulo se aborda la conceptualizacin relacionada con los planes de
muestreo de aceptacin y subsiguientemente se desglosan los dos tipos de de plan
de muestreo de aceptacin, tanto por variables como por atributos haciendo uso de
herramientas como la Military Standard 105 en sus derivaciones simple, doble y
mltiple.
Finalmente la antologa se complementa con una serie de anexos que pueden ser de
gran utilidad al momento de realizar los ejercicios puntualizados.
Para un producto
Se considera a la calidad como una caracterstica medible. Las diferencias de calidad
significan diferencias en la cantidad de una caracterstica que posee el producto.
Esto concede una percepcin jerrquica de la calidad, ya que segn la cantidad del
atributo deseado que contenga el producto, podemos ordenar los productos de
mayor o menor calidad. Solo ser posible una clasificacin libre de ambigedades si
tenemos una clasificacin equivalente valida para todos los compradores, segn la
caracterstica en cuestin.
Importancia de la calidad
La calidad de los materiales que se obtienen para la produccin de bienes es de gran
importancia para la empresa ya que segn la calidad de sus materias primas dar
como resultado un producto final de calidad. (Mariana Cuesta G.)
Gurs de la Calidad
PHILIP B. CROSBY
Crosby desempe las funciones de vicepresidente corporativo de calidad en ITT y
es el fundador del colegio Crosby de Calidad, que ha impartido cursos seminarios
para ms de 15,000 directivos. Es tambin el autor de muchos libros, entre los que
se puede citar" La Calidad es gratis: El arte de asegurarse de la calidad ", que
constituye un texto de aceptacin universal. La idea esencial del movimiento de
9
Determinacin:
Surge cuando los miembros de un equipo de trabajo deciden que no estn
dispuestos a tolerar por ms tiempo una situacin inconveniente y reconocen que
sus propias acciones constituyen el nico instrumento que permitir cambiar las
caractersticas de la organizacin. Toman conciencia de los cuatro principios
absolutos, que son el fundamento conceptual del proceso de mejoramiento de la
calidad.
La calidad implica cumplir con los requerimientos:
10
Este principio nos dice que para mejorar la calidad todo personal debe estar
consciente de que deben hacer las cosas bien desde la primera vez, pero para que
esto se lleve a cabo, los directivos tienen que establecer claramente los requisitos
que deben de cumplir los empleados; suministrar los medios necesarios para que el
personal cumpla con los requisitos, y dedicar todo su tiempo a estudiar y ayudar al
personal.
La calidad proviene de la prevencin (las enfermedades se previenen con vacunas):
Este principio seala que es ms fcil y menos costoso prevenir las cosas que
corregirlas. La prevencin se basa en la comprensin del proceso, por lo tanto hay
que observar el proceso y determinarlas posibles causas de error.
El estndar de calidad es cero defectos:
Crosby cre el concepto de cero defectos, por que afirma que el personal debe saber
precisamente lo que se espera de ellos. Por lo que no deben establecerse niveles de
calidad o estndares de trabajo, sino ms bien un estado ideal del trabajo. Cero
defectos es hacer lo acordado en el momento acordado, es hacer bien las cosas
desde la primera vez, es tomar en serio los requisitos Los errores son ocasionados
por dos causas: la falta de conocimientos y la falta de atencin.
Siempre hay una forma mejor de hacer las cosas
La medicin de la calidad es el precio de la inconformidad:
Aqu se menciona una forma de evaluar la calidad dentro de la empresa, costeando
las actividades que se tengan que realizar por haber hecho las cosas mal
(incumplimiento de requisitos). Desde Correcciones hasta reprocesos, el pago de
garantas y reclamaciones e incluso la entrega de nuevos productos por defectuosos.
Medicin
Por variables
Educacin:
Una vez que en la empresa hay la determinacin de conseguir la calidad de sus
productos y terminar con sus problemas, se requiere de un programa de educacin
continuo para todo el personal. La educacin tiene que ser un proceso cotidiano para
que todos comprendan los cuatro principios absolutos, el proceso de mejoramiento
11
problemas, para que se estimule entre ellos y los empleados la certeza de alcanzar
cero defectos.
14. Hacerlo nuevamente
En el momento en que se ha alcanzado cierta madurez en el proceso, el equipo de
mejoramiento de la calidad, debe transferir todas sus responsabilidades a uno nuevo
que revitalice el proceso e inicie innovaciones para obtener aun mayores mejoras.
14
15
c) Instruir a los subordinados en los mtodos estadsticos simples para que puedan
tomar decisiones operativas adecuadas.
Instituir liderazgo en la supervisin:
a) Definir y dar a conocer los objetivos de la supervisin y las responsabilidades
inherentes:
Mejorar la eficacia de operarios y mquinas;
Aumentar produccin en cantidad y calidad;
Reducir la carga del operario, buscando darle mayor inters, satisfaccin y orgullo
por su trabajo.
b) Motivar a los supervisores para que mantengan informada a la administracin de
las condiciones operativas y humanas que requieran ser corregidas y tomar las
acciones oportunas.
c) Utilizar los mtodos estadsticos para que los mismos operarios valen el alcance
y la efectividad de la supervisin.
Eliminar el miedo:
a) Disear y dar a conocer procedimientos para que los operarios puedan conocer
sin dificultad las respuestas a los problemas que les conciernen.
b) Crear un clima de compresin y libertad para que el personal pueda expresar sus
inquietudes.
c) Utilizar los mtodos estadsticos adecuados para deslindar causas de pobre
calidad (sistema u operario).
Romper las barreras entre reas funcionales:
a) Promover el conocimiento de los problemas de operacin por el personal de
investigacin, diseo, compras, ventas, recursos humanos, estableciendo relaciones
cliente/proveedor entre todos ellos.
b) Formar equipos multidisciplinarios para conocer y atacar problemas comunes,
como: diseo del producto, calidad, reduccin de costos, servicios a clientes.
Eliminar los slogans, las exhortaciones y las metas para la fuerza laboral:
a) Descartar cuotas, slogans, posters que intenten motivar a aumentar productividad,
reducir defectos, responsabilizarse por los resultados del propio trabajo.
b) Proporcionar en cambio, a los operarios un camino por el cual pueden ellos
contribuir a las mejoras.
Eliminar estndares de trabajo, trabajo a destajo y cuotas numricas:
a) El estndar de trabajo que no considera calidad aumentar cantidad a expensas de
la calidad.
17
b) El estndar de trabajo que toma en cuenta calidad puede ser injusto sino asigna
correcta e indiscutiblemente la responsabilidad por mala calidad.
c) Considerar la relacin entre estndares de trabajo y la satisfaccin de hacer bien
el trabajo.
Eliminar las barreras que estorban al operario:
a) Proporcionarle instrucciones claras y completas.
b) Valuar a los supervisores por su capacidad de supervisin/educacin, no por la
produccin bruta de sus departamentos.
c) Instruir y supervisar adecuadamente a los inspectores para que puedan valuar
correctamente la calidad.
d) Implantar un programa de mantenimiento del equipo que tome en cuenta la
calidad del producto que se fabrique y no solo las necesidades de cantidad.
Instituir un programa intenso de EDUCACIN y adiestramiento: (es el principal,
formacin integral del individuo, el aspecto (desarrollo) cultural es lo que hace la
calidad elevarse)
a) Prever el cambio en los requisitos de adiestramiento de los operarios: reduccin
del nmero de inspectores necesario.
b) Estudiar las nuevas tecnologas no solo de fabricacin sino de medicin, de
tcnicas estadsticas, de administracin y disear programas de adiestramiento.
c) Disear e implementar programas y mtodos de educacin y adiestramiento en
tcnicas estadsticas para todo el personal.
Tomar medidas para lograr la transformacin.
Comprometer a la direccin (y a todo el personal) a un esfuerzo permanente de
calidad y productividad.
KAORU ISHIKAWA
La calidad empieza y termina con la educacin
18
21
Este diagrama muestra una relacin entre las caractersticas y los factores causales,
por lo cual se ha denominado de causa-efecto. Es necesario entenderlo que es el
control de procesos, adueamos del proceso (que es un conjunto de factores
causales) e incorporar dentro del proceso maneras de hacer mejores productos, fijar
mejores metas y lograr efectos. Aunque los factores causales son muchos, los
verdaderamente importantes no lo son.
GENICHI TAGUCHI
Taguchi trabaj como director de la Academia Japonesa de Calidad entre 1978-1982.
Recibi los premios Deming de 1960 por sus contribuciones en el desarrollo de
tcnicas para la optimizacin industrial. Ha desarrollado mtodos para el control de
calidad en lnea, que constituyen la base de su enfoque al aseguramiento del control
de calidad total.
En 1989, Taguchi fue condecorado por el emperador de Japn con la orden MITI de
listn prpura, por su contribucin a los estndares industriales del Japn. Es ahora
consultor internacional en aseguramiento y control de calidad.
Los mtodos de Taguchi incorporan el uso de tcnicas estadsticas. Estas tcnicas
estn planeadas para que los diseadores e ingenieros optimicen las bases de
productos ms duraderos. Estos mtodos estadsticos constituyen una herramienta
de eliminacin de impedimentos y resolucin de problemas en las primeras etapas
del ciclo de desarrollo de un producto. Adems de las variables de control que se
manejan, los mtodos de Taguchi permiten que los ingenieros/diseadores
identifiquen las variables de ruido que, de no controlarse, pueden afectar la
fabricacin y el desempeo del producto.
Taguchi define la calidad de un producto cmo la prdida que dicho producto imparte
a la sociedad desde el momento que se despacha. La prdida puede incluir varias
cosas tales como quejas del cliente, costos adicionales de garantas, deterioro de la
reputacin de la compaa y prdida de penetracin en el mercado.
22
23
24
JOSEPH M. JURAN
Abogado de profesin orientado a la estadstica de costos de la "no calidad".
La filosofa de Juran, as como de los dems filsofos de la calidad est enfocado a
que las empresas consigan y mantengan por consiguiente, el liderazgo en la calidad,
definir los papeles de los altos directivos para conducir sus empresas hacia ese
objetivo y disponer los medios que han de utilizar los directivos para ese liderazgo.
Juran basa su teora acerca de la calidad a partir de las observaciones hechas a los
japoneses y sus estrategias utilizadas, las cuales incluan:
Ocupacin de la alta direccin
Formacin para todas las funciones y en todos los niveles
Mejora de la calidad a un ritmo continuo y revolucionario
Participacin de la mano de obra a travs de los crculos de control de calidad
Para Juran la calidad incluye ciertos elementos que conviene definir:
Producto: Salida de cualquier proceso el cual consiste en bienes y servicios, los
primeros son cosas fsicas y los servicios; trabajo realizado para otra persona.
Incluido el software que es el programa de instrucciones para ordenadores o
informacin general (planes, advertencias).
Cliente: Cualquier persona que recibe el producto o proceso o es afectado por l.
Los clientes externos son afectados por el producto pero no son miembros de la
empresa que los produce; los clientes internos son afectados por el producto y son
miembros de la empresa que los produce.
Satisfaccin del producto: es el resultado que se obtiene cuando las
caractersticas del producto responden a las necesidades del cliente, generalmente,
es sinnimo de satisfaccin del cliente.
25
Aportaciones
La gestin de la calidad se hace por medio del uso de los procesos llamado Triloga
de Juran
Planificacin de la calidad.
Esta es la actividad de desarrollo de los productos y procesos requeridos para
satisfacer las necesidades de los clientes y que implica los siguientes pasos:
Determinar quienes son los clientes
Determinar las necesidades de los clientes
Desarrollar las caractersticas del producto que responden a las necesidades de los
clientes
Desarrollar los procesos que sean capaces de producir aquellas caractersticas del
producto
Transferir los planes resultantes a las fuerzas operativas
b) Control de calidad
Este proceso consta de los siguientes pasos:
Evaluar el comportamiento real de la calidad
Comparar el comportamiento real con los objetivos de calidad
Actuar sobre diferencias
c) Mejora de la calidad
Es el medio de elevar la calidad a niveles, sin precedentes, la metodologa consta de
los siguientes pasos Universales:
26
Casi todas las funciones de una empresa pueden contribuir a los costos de la
calidad. Para clasificarlos pensemos en los costos por fallas. Cualquiera puede ser
responsable de errores de emisin o comisin que provoquen que un trabajo deba
repetirse o rehacerse. La generacin de costos de calidad no est ni siquiera
totalmente determinada por la propia empresa: los proveedores, los subcontratistas,
agentes, comerciantes, clientes pueden influir en el volumen y el nivel de los costos
relacionados con la calidad.
Los costos de calidad, o los costos relacionados con la calidad son aquellos
relacionados con todas las actividades llevadas a cabo cuando los productos y/o
servicios no salieron bien desde la primera vez, son los costos por corregir errores,
desviaciones o anomalas, los retrabajos, reprocesos, desperdicios. Pero tambin
son los costos asociados con las actividades de inspeccin y prueba con aquellas
con las que nos cercioramos o verificamos que un producto o servicio cumpla sus
requisitos de calidad. Y por ltimo, todas las actividades que realicemos para
prevenir que un producto o servicio no cumpla con sus requisitos de calidad
acumulan costos de calidad. De ah, la siguiente clasificacin de los costos de
calidad.
Costos de cumplimiento
Costos de no cumplimiento
Internos: desperdicios, accidentes, ausentismo, prdida de imagen
Externos: garantas, devoluciones, prdida de clientes
29
30
Desv. Registros
Frecuencia
31
5
Especificaci
n
10
15
20
-10
-9
-8
-7
-6
-5
X
1
-4
X X
2
-3
X X X X
4
-2
X X X X X X
6
-1
X X X X X X X X X
9
8.300
0
X X X X X X X X X X X
11
1
X X X X X X X X
8
2
X X X X X X X
7
3
X X X
3
4
X X
2
5
X
1
6
X
1
7
Hoja de registro
Especificaci 8
n
Producto:
Fecha:
Etapa de9manufactura: Insp. Final
Seccin:
10
Tipo de defecto:
rayones, incompleto,
Nombre del inspector:
Total rajado, deformado
Nmero total inspeccionado: 1525
Nmero del lote:
Observaciones:
Nmero
de una
orden:
Cuando
se elabora se
un inspeccionaron
histograma, estodos
doble trabajo
recoger
gran cantidad de
losy tems.
datos
despus hacer una grfica que muestre la distribucin de frecuencias. Una
manera ms sencilla es clasificar los datos exactamente en el momento de
recogerlos. La figura 2.1 es un ejemplo de un formato que puede prepararse con
anterioridad. Se coloca una cruz en la casilla correspondiente cada vez que se
realiza una medicin, de manera que el histograma est listo cuando se acaben de
hacer las mediciones. Cuando se quiera estratificar y se use una sola hoja de
registro, es mejor usar diferentes colores o smbolos, de manera que la diferencia
puedaTipoRegistroSubtotalRayas
reconocerse ms tarde. Superficiales
Rajaduras
Ejemplo
2.2. Hoja de Registro de tems defectuosos
Incompleto
La figura
2.2 muestra una hoja de registro utilizada en la inspeccin final de cierto
producto de plstico moldeado. El inspector hace una marca en el registro cada vez
Deforme un defecto. Al finalizar el da de trabajo puede calcular de inmediato el
que encuentra
nmero total y el tipo de defectos que ocurrieron.
Otros IIII IIII IIII II
IIII IIII I
IIII IIII IIII IIII IIII I
III
IIII17
32
11
26
3
5Total62Total rechazadosIIII IIII IIII IIII IIII
IIII IIII IIII II
42
defectuosas. Sin embargo, el nmero total de defectos fue 62 porque algunas veces
se encontraron dos o ms defectos en una misma pieza.
Ejemplo 2.3. Hoja de registro de localizacin de defectos
Los defectos externos, tales como los rayones y las manchas, se encuentran en toda
clase de productos y en muchas plantas se estn haciendo esfuerzos para reducir
este tipo de defecto. La hoja de registro de la localizacin de defectos tiene un papel
importante en la solucin de este tipo de problema. Generalmente, muchas hojas de
registro de este tipo tienen diagramas o ilustraciones ampliadas en las cuales se
hacen los registros, de manera que pueda observarse el sitio de la ocurrencia del
defecto.
La figura 2.3 muestra uno de estos ejemplos, utilizado por un fabricante de
maquinaria en la inspeccin de partes metlicas, para aceptarlas o rechazarlas
segn sus caractersticas de porosidad. En el pasado se le informaba al proveedor
nicamente sobre el rechazo o la aceptacin de cada lote y el nmero de defectos
por lote, perola calidad no mejoraba en absoluto.
Despus de haber utilizado hojas de registro como la de la figura, que sirvieron como
informes de inspeccin que indicaban donde seria ms probable que se presentar la
porosidad, la calidad mejor notablemente porque resultaba ms fcil encontrar las
causas de los defectos. Esta hoja de registro lleva fcilmente a la accin y es
indispensable para el diagnstico del proceso, porque frecuentemente es posible
encontrar las causas de los defectos examinando las lminas en las cuales se
presentan y observando cuidadosamente el proceso para determinar porque los
defectos se concentran en estos lugares.
Ejemplo:
La siguiente tabla muestra los registros de los defectos observados en el ensamblaje
de los paneles o componentes de las puertas de automviles.
Los datos fueron recabados del 3 al 13 de febrero de 2007, inspeccionando N=4700
pzas.
En base a la informacin de la tabla construya el diagrama de Pareto de
defectos y el diagrama de Pareto de costos.
Tipo de defecto
Valores
Rajaduras
Carpeta de tela suelta
Vinil suelto
Vidrios desajustados
Manchas
Ralladuras
Vinil mal cortado
Nmero total de defectos
Nmero total de pzas. defectuosas
39
26
119
21
36
20
49
310
295
Tipo de defecto
Valores
Vinil suelto
Vinil mal cortado
Rajaduras
Manchas
Carpeta de tela suelta
Vidrios desajustados
Ralladuras
Nmero total de defectos
119
49
39
36
26
21
20
310
650
5000
1100
286
2145
560
320
ri
ni
100
d
Donde:
ri = porcentaje relativo de defectos
ni = numero de defectos
d = numero total de defectos
Se calcula el porcentaje relativo acumulado hasta el tipo de defecto i
Ri r1 r2 ... ri
Se hace un resumen de la informacin obtenida de los pasos 1, 2 y 3 en una tabla:
Tipo de defecto
Numero
defecto
Ni
Vinil suelto
Vinil mal cortado
Rajaduras
Manchas
Carpeta de tela suelta
Vidrios desajustados
Ralladuras
TOTALES
119
49
39
36
26
21
20
310
de
Porcentaje
Porcentaje
Porcentaje
absoluto de relativo
de relativo
defectos
defectos
acumulado
ai
ri
Ri
2.50
1.03
0.82
0.76
0.55
0.44
0.42
6.52
38.39
15.81
12.58
11.61
8.39
6.77
6.45
100
38.39
54.19
66.77
78.39
86.77
93.55
100.00
36
350
300
100
250
80
200
60
150
40
100
20
50
Tipo de defecto
Porcentaje
Nmero de defectos
to
el
su
do
ta
as
as
lta
os
as
ur
ur
ch
ad
ue
r
t
d
d
n
s
l
a
la
co
ja
us
a
ni
M
al
el
aj
al
Ra
t
R
Vi
s
lm
de
de
ni
s
i
a
V
et
rio
id
rp
a
V
C
Valores
119
49
39
36
26
21
20
Percent
38.4
15.8
12.6
11.6
8.4
6.8
6.5
Cum %
38.4
54.2
66.8
78.4
86.8
93.5 100.0
Tipo de defecto
10000
100
8000
80
6000
60
4000
40
2000
20
s
s
s
s
do
l ta
lto
ra
ra
do
ha
a
e
e
t
u
u
a
c
u
u
r
d
d
s
s
st
an
co
ja
il
ll a
la
ju
a
M
n
a
i
e
a
al
R
t
s
R
V
m
de
il
de
n
s
ta
io
Vi
pe
dr
i
r
V
Ca
Percent
Pareto de costos
320
286
3.2
2.8
97.2 100.0
37
del lado derecho. Los lmites de especificaciones para sta variable (caractersticas
de calidad) estn dados por 4.6 mm. y 6.6 mm.
39
1.9. Histograma
Los siguientes datos representan el espesor medido en pulgadas de 50 lminas de
acero.
0.053
0.049
0.048
0.044
0.043
0.041
0.038
0.033
0.032
0.023
0.027
0.031
0.034
0.039
0.040
0.045
0.044
0.050
0.051
0.055
0.028
0.035
0.039
0.042
0.043
0.046
0.052
0.048
0.032
0.029
0.036
0.040
0.038
0.043
0.046
0.048
0.054
0.037
0.039
0.040
0.047
0.045
0.034
0.038
0.040
0.042
0.039
0.037
0.035
0.039
rango + variacin
n
0.32 0.01
50
0.0046
0.005
40
Tabla de frecuencias
Tabla de frecuencias
Intervalos
0
1
2
3
4
5
6
7
8
Front. Inf.
0.0175
0.0225
0.0275
0.0325
0.0375
0.0425
0.0475
0.0525
0.0575
Front. Sup.
0.0225
0.0275
0.0325
0.0375
0.0425
0.0475
0.0525
0.0575
0.0625
Mi
0.020
0.025
0.030
0.035
0.040
0.045
0.050
0.055
0.060
Conteo
--||
|||||
||||| |||
||||| ||||| |||||
||||| |||||
||||| ||
|||
---
fi
0
2
5
8
15
10
7
3
0
fr
0.00
0.04
0.10
0.16
0.30
0.20
0.14
0.06
0.00
fa
0
2
7
15
30
40
47
50
50
FRECUENCIA ABSOLUTA
14
12
10
8
6
4
2
0
0.023
0.028
0.033
0.038
0.043
INTERVALOS
0.048
0.053
0.058
41
fra
0.00
0.04
0.14
0.30
0.60
0.80
0.94
1.00
1.00
0.023
0.028
0.033
0.038
0.043
INTERVALOS
0.048
0.053
0.058
0.020
0.025
0.030
0.050
0.055
0.060
42
1.10. Dispersin
Un diagrama de dispersin es una grafica en la que cada punto trazado representa
un par de valores observados; cada punto codifica dos caractersticas mediante las
variables X y Y . El diagrama de dispersin es la grfica de puntos ( X I YI ) en donde
I es igual 1, 2, 3, , n. Los valores de cada punto son obtenidos por parejas, es
decir, cuando en la variable X se observ el valor X I en la variable y se registro la
medicin YI como se ilustra a continuacin.
x1
y1
x2
y2
x3
y3
x4
y4
xn
yn
Hojas de registro
Operario
XI
YI
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
90
30
50
20
100
70
20
80
30
90
60
50
20
60
100
50
80
30
40
90
20
90
1.0
0.5
1.5
0.5
0.5
1.5
2.0
1.0
2.5
1.5
1.0
1.0
2.0
1.0
0.5
1.0
0.5
2.5
2.5
1.0
2.0
1.0
n xy x y
n x 2 x 2
x x y
n
rxy
i 1
i 1
xi x
i 1
2
n y 2 y
yi y
44
1.11. Estratificacin
Cuando los datos se clasifican en grupos con caractersticas semejantes se dice que
se han estratificado.
Por ejemplo si se tienen artculos defectuosos en un proceso de produccin, estos se
pueden clasificar segn:
La maquina en la que fueron producidos (automtica os semiautomtica,
modelo a o modelo b y otras caractersticas).
Operario (capacitado o no capacitado, segn s experiencia, turno, edad,
sexo y estatura.
Material (proveedor a, b, c y la comparacin de materiales.
Mediciones: calibrador, inspector y otros instrumentos de medicin
Mtodo de operacin (velocidad de la lnea y medio ambiente)
45
Ejemplo:
Los anteriores histogramas contienen informacin sobre las mediciones de ciertas
partes para automvil estratificadas de acuerdo con las experiencias de los
operarios.
Estos histogramas nos indican que los estratos operarios entre 2 y 5 aos de
antigedad y operarios entre 5 y 10 aos de antigedad en los que encontramos
mediciones que estn dentro de los lmites de especificacin sin tendencia a salirse.
En el estrato operario con ms de 10 aos de antigedad se observan mediciones
dentro de los lmites pero con una tendencia hacia fuera de especificacin.
El sector operario con menos de 2 aos de antigedad es en el cual se presentaron
mediciones fuera de especificacin.
Una vez realizada la estratificacin y si se determina que en alguno (os) de los
estratos se presentan caractersticas de calidad que deberan de estudiarse se
pueden emplear diagrama de Pareto, diagrama causa-efecto, histograma o alguna
otra tcnica estadstica para realizar el anlisis de la calidad.
Al finalizar el estudio se decidi realizar pocos cambios de jugadores en el equipo y
tomar medidas como las siguientes. Ms personal de medicina deportiva, campaa
de dietas, ms atencin a los auxiliares de bateao y actividades de integracin. El
haber identificado estas caractersticas facilito la bsqueda de soluciones.
46
47
Tipos de procesos
El concepto de capacidad del proceso puede ser comprendido mejor con la
exposicin de algunos de los conceptos mas frecuentes. La figura siguiente presenta
el caso ideal de un proceso en estado de control estadstico, pero esta no ser
siempre la condicin que se presente cotidianamente.
48
a.
b.
c.
d.
e.
49
Donde
= Recorrido o intervalo medio de los 10 subgrupos.
d2 = Constante parar convertir los recorridos en desviaciones estndar, para el
tamao particular de subgrupos, 5 en este caso.
Si el proceso evidencia falta de control, el analista puede:
Descartar los datos, tratar de eliminar la causa que provoca la condicin de fuera de
control y repetir el estudio de capacidad del proceso.
Aceptar el clculo como una buena aproximacin de la capacidad del proceso.
50
R
d2
Donde:
= Promedio de los rangos de la carta de control.
d2 = Constante de calculo.
El ICP puede asumir varios valores, que los analistas clasifican entre valor 1 y valor 4
segn sea la habilidad del proceso para cumplir con las especificaciones:
ICP
ICP>1.33
Clase de
Decisin
proceso
Ms que adecuado, incluso puede exigirse ms en
1
trminos de su capacidad.
51
1<ICP<1.33
0.67<ICP<1
ICP<0.67
3
4
a.
Especificacio
nes
Frecuencias
Promedio Aceptable
Desviacin estndar
aceptable. Cpk > 1
Medidas
Frecuencias
Medidas
Frecuencias
Especificacio
nes
b.
Especificacio
nes
52
c.
Medidas
Promedio aceptable
Desviacin estndar
muy grande
Cpu y Cp1 < 1
d.
Especificacio
nes
Frecuencias
Medidas
e.
Frecuencias
Especificacio
nes
Medidas
Cpk
Otra medida para la cuantificacin del ndice de capacidad de proceso es el Cpk, que
esta definido come el menor valor encontrado entre el Cpu y el Cpl, que se define
como:
Cpu
LSE X
3
Cpl
X LIE
3
Donde:
Cpu: Capacidad de proceso teniendo en cuenta nicamente la
especificacin superior del proceso.
LIE: Limite de especificacin inferior de la variable
LSE: Limite de especificacin superior de la variable
X :
Cpu y Cpl solo evalan la mitad de la distribucin de los datos teniendo en cuenta
solo 3. Es til cuando la especificacin de la variable, solo se expresa como un
53
54
Inicio
Definir variables
de proceso a
medir
Definir plan de
mediciones
Realizar
las
mediciones
de
acuerdo
al
plan
establecido
Evaluar
el
comportamiento
con
grficos de control
No
Proceso
en control
estadsticoSi
?
Evaluar la capacidad
del proceso
Decisin
gerencial
No
Identificar
causas
asignables
de
variacin
Eliminar
causas
asignables
de
variacin
ICP>1
?
Si
ICP>1.33
?
Si
Decisin
gerencial
No
Verificar
centrado
del proceso
Programas
de
mejoramien
to
del
proceso
56
2.1.2
Patrones
comportamiento
de
Una regla prctica para decidir que un proceso est bajo control es que no exista
ms de un punto fuera de los lmites considerando 35 muestras o ms de 2
considerando 100 muestras.
Tambin podemos decir que un proceso est dentro de control siempre que todos los
puntos se encuentren dentro de los lmites de control y que stos puntos no
muestren ninguna tendencia. Podemos considerar varios tipos de tendencia:
1. CORRIDA
58
Puntos ascendientes o descendientes dan tendencia que puede ser normal o no,
pero si es continua, los puntos fuera de lmites darn corrida.
3. ADHESIN DE LOS PUNTOS LMITE DE CONTROL
Si dos puntos consecutivos caen dentro del tercio cercano a los lmites es proceso
anormal
4. ADHESIN A LA LNEA CENTRAL
60
2.1.3. Precontrol
El precontrol es una tcnica que se usa para detectar corrimientos o alteraciones en
el proceso que pueden resultar en la produccin de unidades disconformes. La
tcnica difiere del control estadstico de procesos en que las cartas de control
convencionales se disean para detectar corrimientos en los parmetros del proceso
que son estadsticamente significativos, y el precontrol no requiere la construccin de
grficas ni la realizacin de clculos. El precontrol usa la distribucin normal para
determinar los corrimientos en la media o en la desviacin estndar del proceso que
podran resultar en la produccin incrementada de unidades disconformes. Slo se
necesitan tres unidades para proporcionar informacin de control.
Para ilustrar el proceso, suponer que la caracterstica de la calidad tiene una
distribucin normal y que los lmites de tolerancia natural ( 3 ) coinciden
exactamente con los lmites de la especificacin. Adems, el promedio del proceso
est a la mitad de las especificaciones, de tal modo que el proceso est
produciendo una porcin cada fuera del 0.27%. Se construyen dos lmites de
precontrol (llamados las lneas PC superior e inferior), cada uno de los cuales se
localiza a una cuarta parte de la distancia del lmite modificado, como en la figura 932. Puesto que la distribucin de la caracterstica de la calidad es normal, cerca del
86% de la salida del proceso se localizar dentro de las lneas PC, y cerca del 7% se
localizar en cada una de las regiones entre la lnea PC y el lmite de la
especificacin. Esto significa que slo uno de 14 artculos se localizar fuera de una
lnea PC si la media y la desviacin estndar del proceso estn en los valores
objetivo.
Si la probabilidad de que una unidad est fuera de una lnea PC es de un catorceavo,
la probabilidad de que dos unidades consecutivas estn fuera de una lnea PC es
1
1 1
1
200 .
14 14
196
1
200
61
63
2.2. Grficos
X R
381,
404,
407,
387,
403,
390,
408,
405,
397,
493,
64
Xbar-R Chart of C1
450
Sample Mean
440
430
UCL=425.36
420
410
_
_
X=400.87
400
390
380
LCL=376.38
370
Sample Range
10 11
Sample
12
13
14
15
16
18
19
20
120
110
100
90
80
70
60
50
40
30
20
10
17
UCL=89.8
_
R=42.5
LCL=0
1
10 11
Sample
12
13
14
15
16
17
18
19
20
65
G
H
I
126
111
119
686
801
604
50
92
64
Determinar:
n
n x
x
nk
i i
n S
i 1
n
nk
2
i
n
i 1
A1
3
n
3
n
2n
k
3
D3 1
2n
LSC x x A1S
k 1
D4 1
LICx x A1S
LSCS D3 S
LICx D4 S
67
2.2.3. Grfico de
lecturas
o
individuales
control de
mediciones
Cuando las grficas por x-R y x-S son mal comprendidos es conveniente trazar las
grficas de mediciones individuales, para calcular el lmite superior de control se les
suman 3 desviaciones estndar a la media de las mediciones individuales, y el lmite
inferior de control es el resultado de la diferencia x-3S.
sta grfica es mejor que no llevar estadsticas; sus inconvenientes se reducen a
que son pocos sensibles a los cambios y no nos proporcionan un cuadro completo de
las variaciones en el proceso ni es posible determinar la tendencia central de los
elementos que se analizan.
Al llevar ste tipo de grfico es importante tomar en cuenta que el rango que se
utiliza es movible, que resulta de la diferencia entre 2 datos consecutivos (n=2). No
podemos obtener conclusiones consistentes si se emplean menos de 100 datos y
como en los grficos anteriores sus anlisis constan de la obtencin de datos,
clculos de lmites de control e interpretacin.
68
Ejemplo
Un artculo electrnico al someterse a una prueba de alto voltaje produce un ruido
durante varios segundos que sirve para determinar la duracin de vida del artculo si
se le da el uso para el que fue fabricado. Como el costo de produccin de cada
artculo es alto y al someterlo a prueba no existe forma de reprocesarlo, se ha optado
por probar solo 2 de los producidos durante una jornada de trabajo. Las 20 primeras
lecturas en milsimas de segundo se expresan a continuacin.
N. de lecturas Lecturas
(ms.)
X1
1234
X2
1200
X3
1192
X4
1215
X5
1198
X6
1203
X7
1240
X8
1180
X9
1196
X10
1193
X11
1245
X12
1253
X13
1197
X14
1210
X15
1225
X16
1235
X17
1190
X18
1185
X19
1134
X20
1201
34
8
23
17
5
37
60
16
3
52
8
56
13
15
10
45
5
51
67
x
11
n
n 1
R xn xn 1
R
i 1
n 1
69
E2 2.66
3
2n
3
D3 1
2n
LSC x x E2 R
D4 1
LICx x E2 R
LSCR D4 R
LICR D3 R
GRAFICO DE INDIVIDUALES
1300
I ndividual Value
UCL=1279.8
1250
_
X=1206.3
1200
1150
LCL=1132.8
2
10
12
Observation
14
16
18
20
UCL=90.3
Moving Range
80
60
40
__
MR=27.6
20
0
LCL=0
2
10
12
Observation
14
16
18
20
70
de Porcentaje
de
productos
especificaciones
0.027 o 2700 partes por milln
64 partes en cada milln
fuera
de
71
5
6
72
Ejercicio 1.
x
R
205.1260 cm.
0.3000
x
R
205.1260 cm.
10.2560
20
0.3000
0.015
20
73
d 2 constante 2.326
R 0.015
6.44103 0.006448
d 2 2.326
'
1.5625
6 '
6(0.0064)
Cp
x
R
0.3000
0.015
20
'
R 0.015
6.44103 0.006448
d 2 2.326
Cp
1.1718
8 '
8(0.0064)
Cp
0.9375
10 '
10(0.0064)
.06
6 '
74
0.006
6 1.666
6 1.66
10
1
6
6
'
Con 10 :
LSE LIE 10.28 10.22
0.0036
10 1.66
10 1.66
'
Ejercicio 2.
La salida de alto voltaje en la fuente de potencia de una mquina tiene
especificaciones de 350 5 volts. Se ha llevado una grfica de control, tomando
muestras de tamao 4 cada una y el proceso est en control estadstico, la grfica
muestra lo siguiente
x 349.308
R 2.512
Especificacin: 350 5 volts.
Es el procesos realmente hbil para 3 ?
Es el procesos realmente hbil para 4 ?
Cul es la mxima desviacin respecto al centro de las especificaciones que
pueden tener el proceso para ser realmente hbil para 4 ?
Cp
LSE LIE
6
R
d2
2.512
1.22
2.059
Cp
355 345
6 1.22
si
d 2 cte 2.059
1.366
75
Cpk Cp 1 k
m
2 m
2 3.49.808 350
LSE LIE
355 345
LSE LIE
350
2
2
Cp
8(1.22)
1.0245
Cpk Cp 1 k
1.33
1 0.2988
1.024
2 m
2 350
0.29
LSE LIE
355 345
0.29 10 350
2
350 1.45
351.45
76
2.3. Grficos
atributos
de
control
por
Negativo
No pasa
No conforme
Ausente
No
Rechazado
Ejemplo
Durante 4 meses de inspeccin dara al 100% de una sola caracterstica crtica de
una parte de un aparato elctrico e llevaron porcentajes para la fraccin defectuosa
diaria, al final de cada mes se calculo el promedio de la fraccin defectuosas y se
establecieron los limites de control para aplicaciones futuras.
Fecha
Numero
de
inspeccio
nados (n)
fraccin de
Numero de
unidades
defectuosos
nxp
defectuosa
(x)
s p= x/n
LSC
LIC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
TOTALES
3350
3354
1509
2086
1572
2190
2678
3382
3252
2993
2679
4642
915
3694
3052
1830
2441
2992
3043
3477
3380
4053
1624
1573
3043
3478
1620
1961
3782
2995
82640
31
113
28
1
22
20
35
17
68
3
35
339
9
14
8
9
3
3
70
27
17
44
12
22
35
27
6
3
6
6
0.0183
0.0183
0.0211
0.0198
0.0209
0.0196
0.0189
0.0182
0.0183
0.0186
0.0189
0.0174
0.0235
0.0180
0.0185
0.0203
0.0192
0.0186
0.0185
0.0182
0.0182
0.0177
0.0208
0.0209
0.0185
0.0182
0.0208
0.0200
0.0179
0.0186
0.0067
0.0067
0.0039
0.0052
0.0041
0.0054
0.0061
0.0068
0.0067
0.0064
0.0061
0.0076
0.0015
0.0070
0.0065
0.0047
0.0058
0.0064
0.0065
0.0068
0.0068
0.0073
0.0042
0.0041
0.0065
0.0068
0.0042
0.0050
0.0071
0.0064
0.0093
0.0337
0.0186
0.0005
0.0140
0.0091
0.0131
0.0050
0.0209
0.0010
0.0131
0.0730
0.0098
0.0038
0.0026
0.0049
0.0012
0.0010
0.0230
0.0078
0.0050
0.0109
0.0074
0.0140
0.0115
0.0078
0.0037
0.0015
0.0016
0.0020
31
113
28
1
22
20
35
17
68
3
35
339
9
14
8
9
3
3
70
27
17
44
12
22
35
27
6
3
6
6
1033
0.0125
n1 n2 ... n30
82640
78
2754.6667
No. muestras
30
p 1 p
p 1 p
LIC p p 3
ni
ni
Los lmites de control que vamos obteniendo se anotan en la hoja de registro
colocando la media ( p ) en ella de tal modo que nuestra hoja quedara:
LSC p p 3
Proportion
0.06
0.05
0.04
0.03
0.02
UCL=0.01859
_
P=0.0125
0.01
LCL=0.00641
0.00
3
12
15
18
Sample
21
24
27
30
np
n
np
LSC np 3 np (1 p)
LSC np 3 np (1 p )
Lote
no.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
No. Defectuosos
(np)
4
2
6
2
6
3
0
1
7
3
2
1
2
2
4
p
testada
0.1333
0.0667
0.2000
0.0667
0.2000
0.1000
0.0000
0.0333
0.2333
0.1000
0.0667
0.0333
0.0667
0.0667
0.1333
Lote
no.
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
No. Defectuosos
(np)
2
2
1
5
3
2
4
7
5
3
2
3
4
5
0
p
testada
0.0667
0.0667
0.0333
0.1667
0.1000
0.0667
0.1333
0.2333
0.1667
0.1000
0.0667
0.1000
0.1333
0.1667
0.0000
80
Sample Count
7
6
5
4
__
NP=3.1
3
2
1
0
LCL=0
3
12
15
18
Sample
21
24
27
30
81
Ejemplo
Los 50 datos recopilados que se presentan a continuacin nos proporciona el
nmero de errores de alineacin en la inspeccin final de un modelo de aeroplano
82
c1 c 2 ... c50
50
LSCc c 3 c
LICc c 3 c
No. de
aeroplano
No. De
defectos
No. de
aeroplano
No. De defectos
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
7
6
6
7
4
7
8
12
9
9
8
5
5
9
8
15
6
4
13
7
8
15
6
6
10
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
7
13
4
5
9
3
4
6
7
14
10
11
11
11
8
10
8
7
16
13
12
9
11
11
8
Para elaborar este grafico de control, se realizaron dos graficas de control, para lo
cual se dividi la muestra de 50 aeroplanos, en dos de la siguiente manera:
Para el grafico C1:
No. de
aeroplano
No. De defectos
1
2
3
4
5
6
7
8
7
6
6
7
4
7
8
12
83
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
9
9
8
5
5
9
8
15
6
4
13
7
8
15
6
6
10
84
EMBED
MtbGraph.Document
16
Sample Count
14
12
10
_
C=8
8
6
4
2
0
LCL=0
2
10
12 14
Sample
16
18
20
22
24
No. De defectos
7
13
4
5
9
3
4
6
7
14
10
11
11
11
8
10
8
7
16
13
12
9
85
48
49
50
11
11
8
Sample Count
15
_
C=9.12
10
LCL=0.06
0
2
10
12 14
Sample
16
18
20
22
24
2.34 Grfico u
86
Ejemplo
Despus de una inspeccin durante 20 das consecutivos de las abrazaderas
metlicas listas para envi en el departamento de calidad certificada de la plata de
productos metlicos, se estim la media del proceso considerando los defectos que
se registraron
u u ... u20
u 1 2
20
u
LSCU u 3
n
LICU u 3
u
n
NO.
No. De defectos
8.00
8.00
9.00
11.00
7.00
8.00
7.00
9.00
8.00
7.00
7.00
6.00
8.00
4.00
8.00
9.00
6.00
7.00
6.00
8.00
7.00
17.00
14.00
17.00
21.00
16.00
14.00
23.00
13.00
15.00
12.00
14.00
24.00
12.00
11.00
13.00
18.00
11.00
12.00
11.00
0.88
2.13
1.56
1.55
3.00
2.00
2.00
2.56
1.63
2.14
1.71
2.33
3.00
3.00
1.38
1.44
3.00
1.57
2.00
1.38
87
U Chart of defectos
4
UCL=3.514
3
_
U=2.01
1
LCL=0.506
0
2
10
12
Sample
14
16
18
20
10 11 12 13 14 15
88
np
43
2.86667
13
1 np
1 2.86667
100
98.85
250
n
Ch 100
3 99.73
1 np
99.73 100
99.73
1 250 0.675
10
np
Ejemplo 2
Los datos que siguen, muestran el nmero de unidades defectuosas en varias
muestras de un componente electrnico. El tamao de las muestras vara y el
proceso ha estado en control estadstico, usando una grfica P los datos de las 10
muestras ltimas muestras son:
Muestra i
tamao
Unidades
defectuosas
1
2
3
4
5
6
7
8
9
10
580 610 590 575 630 620 570 625 605 595
4
89
58
0.009666667
6000
Ch 100 1 P 99.033333
99.033333 99.73
El proceso no es hbil para 3
Ejemplo 3.
Un proceso a estado en control estadstico mediante una grfica C , se registra el
nmero de defectos menores que muestran hojas de lmina para un estampado
metlico.
El nmero de defectos para las ltimas 15 hojas inspeccionadas
Muestra i
1
Unidades
1
defectuosas
2
2
3
0
4
0
5
3
6
1
7
2
8
1
9
0
10 11 12 13 14 15
0 1 2 2 0 0
0.9810
0.019
LSE 3
90
15
1
15
1 0.9810 0.019
Por lo que el 1.9% esta fuera de especificacin por lo tanto tenemos ms de 0.135%
fuera de especificacin y el proceso no es hbil
Para que el proceso se ha hbil para 3 , es necesario que exceda el lmite superior
de especificacin sea menor a 0.135% o lo que es equivalente que el % del producto
aceptable sea mayor a 0.99865 de manera que manteniendo la misma medida del
proceso, C 1 , el menor valor de x queda un valor mayor a 0.99865 en la tabla x 5
(0.9994) Por lo que el proceso se ha hbil para 3 necesitamos que LSE sea igual
a 5 sea 5 defectos por lmina
Cuando se compara el muestreo para aceptacin con una inspeccin al 100%, tiene
las ventajas siguientes:
Desventajas:
Existe el riesgo de aceptar lotes, y rechazar lotes buenos.
Se genera normalmente menos informacin sobre el producto o el proceso de
fabricacin del mismo.
El muestreo para aceptacin necesita planeacin y documentacin del
procedimiento, mientras que una inspeccin al 100% no lo requiere.
92
3.1.
Conceptos
bsicos
de
muestreo
3.1.1. Nivel aceptable de calidad
El proveedor suele estar interesado en saber cul es el nivel de calidad del lote o
proceso que produce una alta probabilidad de aceptacin.
Por ejemplo:
El proveedor podra estar interesado en el punto de aceptacin con una probabilidad
del 0.95. Esto indicara el nivel de la proporcin cada fuera del proceso que podra
experimentarse y seguir teniendo una oportunidad del 95% de los lotes sera
aceptados.
Recprocamente, al consumidor podra interesarle el otro extremo de la curva OC
(curva caracterstica de operacin). Es decir que el nivel de calidad del lote proceso
produce una probabilidad de aceptacin bajo.
NCA representa el nivel de calidad ms pobre del proceso del proveedor que el
consumidor considerara aceptable como promedio del proceso. La curva OC del
NCA es simplemente un estndar contra el cual juzgar los lotes. Se espera que el
proceso del proveedor operara con un nivel de proporcin cada que sea
considerablemente mejor que el NCA. El consumidor tambin estar interesado en el
otro extremo de la curva OC, es decir, en la proteccin que se obtiene para los lotes
individuales de calidad pobre. En una situacin as, el consumidor puede establecer
una tolerancia del porcentaje defectuoso de un lote TPDL O LTPD. La TPDL es el
nivel de calidad ms pobre que el consumidor est dispuesto a aceptar en un lote
individual, que es un nivel de calidad del lote especificado por el consumidor. Es
posible disear planes de muestreo de aceptacin especficas
Algunos nombres alternativos de TPDL son: nivel de calidad rechazable (NCR o
RQL) y nivel de calidad limite (NCL o LQL).
3.1.2
Limite
tolerado
porcentaje de defectuosos.
del
promedio. Suponer que el tamao del lotes es N y que todas las unidades
defectuosas se remplazan con unidades satisfactorias. Entonces en lotes de tamao
N, se obtiene:
n con artculos en la muestra que, despus de la inspeccin, no contiene unidades
defectuosas, debido a que todas las unidades defectuosas descubiertas se
reemplazan.
N n artculos que, si el lote es rechazado, tampoco contienen unidades
defectuosas.
N artculos que, si el lote es aceptado contienen p(N n) unidades defectuosas.
Por lo tanto, los lotes en la etapa de salida de la inspeccin tienen un nmero
P p N n
esperado de unidades defectuosas igual a a
, que puede expresarse como
una fraccin defectuosa promedio llamada la calidad de salida promedio o
AOQ
Pa p N n
N
10000
0.0093
Es decir, la calidad de salida promedio es de 0.93% de artculos defectuosos.
Obsrvese que cuando el tamao de lote N se hace grande en comparacin con el
tamao de la muestra n, la ecuacin puede escribirse como
AOQ ; Pa p
La calidad de salida promedio variar cuando la fraccin defectuosa de los lotes de
entrada vare. A la curva que grafica la calidad de salida promedio contra la calidad
del lote de entrada se le llama curva AOQ. En la figura. Se muestra la curva AOQ
para el plena de muestreo n = 89, c = 2. Por el examen de esta curva se observa que
cuando la calidad de entrada es muy buena la calidad salida promedio tambin es
muy buena.
95
es Pa entonces la inspeccin promedio total (ATI, por sus siglas en ingls) por lote
ser
ATI n 1 Pa N n
Para ilustrar el uso de la ecuacin, considrese que N = 10 000, n = 89, c = 2 Y P =
0.01. Entonces, puesto que Pa = 0.9397, se tiene:
ATI n (1 Pa )( N n)
89 (1 0.9397)(10 000 89)
687
Recurdese que este es un nmero promedio de unidades inspeccionadas en
muchos lotes que tienen una fraccin defectuosa p = 0.01.
Es posible trazar una curva de la inspeccin promedio total como una funcin de la
calidad del lote. En la siguiente figura se muestran las curvas de inspeccin promedio
total del plan de muestreo n = 89, c = 2, para tamaos del lote de 1 000, 5 000 Y 10
000.
97
Formacin de lotes
La manera en que se forme el lote puede influir en la efectividad del plan de
muestreo de aceptacin.
Los lotes debern ser homogneos. Las unidades del lote debern producirse por las
mismas mquinas, los mismos operadores y con materias primas comunes,
aproximadamente en el mismo tiempo. Los lotes no homogneos tambin hacen ms
difcil emprender una accin correctiva para
eliminar la fuente de los productos
defectuosos.
Son preferibles los lotes grandes a los pequeos.
Los lotes debern ajustarse a los sistemas de manejo de materiales usados en las
instalaciones del proveedor y del consumidor.
98
de
LA CURVA OC
Es una medida importante del desempeo de un plan de muestreo nico es la curva
de operacin caracterstica (OC). En esta curva se grfica la probabilidad de aceptar
el lote contra la fraccin defectuosa del lote.
99
P d artculos defectuosos f d
n!
nd
pd 1 p
d ! n d !
n!
nd
pd 1 p
d 0 d ! n d !
Pa P d c
100
89!
d
89 d
0.01 0.99
d 0 d ! 89 d !
Pa P d 2
87
89!
89!
89!
0
89
1
88
2
0.01 0.99
0.01 0.99
0.01 0.99
0!89!
1! 89 1 !
2! 89 2 !
87
89!
89!
89!
0
89
1
88
2
0.01 0.99
0.01 0.99
0.01 0.99
0!89!
1!88!
2!87!
87
89!
89 x88!
89 x88 x87!
0
89
1
88
2
0.01
0.99
0.01
0.9
9
0.01
0.99
0!89!
1!88!
2!87!
0.4088 0.3262 0.1633 0.9397
Probabilidad de aceptacin,
Pa
0.005
0.0 10
0.020
0.030
0.040
0.050
0.060
0.070
0.9897
0.9397
0.7366
0.4985
0.3042
0.1721
0.0919
0.0468
0.080
0.0230
0.090
0.0109
101
Figura 14-2
n!
nd
p1d 1 p1
d 0 d ! n d !
1
c
n!
nd
p2 d 1 p2
d 0 d ! n d !
Aun cuando podran utilizarse dos puntos cualesquiera en la curva OC para definir el
plan de muestreo, en muchas industrias se acostumbra usar los puntos AQL y LTPD
para este fin. Cuando los niveles de calidad del lote especificados son pl = AQL y p2
= LTPD, suele hacerse referencia a los puntos correspondientes en la curva OC
como el punto de riesgo del productor y el punto de riesgo del consumidor,
respectivamente. Por tanto, a se llamara el riesgo del productor y P se llamara el
riesgo del consumidor
Se saca con el nomograma uniendo de p1 a 1 y de p2 a
102
Lotes
aceptados
Es sencillo desarrollar una frmula para la calidad de salida promedio (AOQ).
Entonces en lotes de tamao N, se tiene:
n artculos en la muestra que, despus de la inspeccin, no contienen unidades
defectuosas, debido a que todas las unidades defectuosas descubiertas se
reemplazan.
N- n artculos que, si el lote es rechazado, tampoco contienen unidades defectuosas.
N - n artculos que, si el lote es aceptado, contienen p(N - n) unidades defectuosas.
103
Por tanto, los lotes en la etapa de salida de la inspeccin tienen un nmero esperado
de unidades defectuosas igual a Pa p(N n), que puede expresarse como una
fraccin defectuosa promedio, llamada la calidad de salida promedio o
AOQ
Pa p N n
N
Pa p N n
N
0.9397 0.01 10000 89
AOQ
10000
0.0093
AOQ ; Pa p
La calidad de salida promedio variar cuando la fraccin defectuosa de los lotes de
entrada vare. A la curva que grfica la calidad de salida promedio contra la calidad
del lote de entrada se le llama curva AOQ. En la figura se muestra la curva AOQ para
el plan de muestreo n = 89, c = 2. Por el examen de esta curva se observa que
cuando la calidad de entrada es muy buena, la calidad de
Acept
ar
el lote
d 1 c1 = 1
d 1 > c2 = 3
1 < d1 3
Recha
zar
el lote
Acept
ar
el lote
d 1 + d 2 c2 = 3
d 1 + d 2 > c2 = 3
Acept
ar
el lote
Ventaja:
Dar una segunda oportunidad a un lote. Esto puede tener cierto atractivo para el
proveedor.
Desventajas:
El muestreo doble puede requerir ms inspeccin total de la que se necesitara en un
plan de muestreo nico que ofrezca la misma proteccin.
105
CURVA OC
Curva OC para el plan:
n1 =50
c1 =1
n2 =100
c2 = 3
I
II
Pa y Pa denotan la probabilidad de aceptacin en la primera y en la segunda
muestra respectivamente
Entonces:
I
II
Pa = Pa + Pa
Curvas OC primaria y complementaria para el plan
n1= 50, c1= 1, n2= 100 y c2= 3
106
1.
Pa
I
50!
d ! 50 d ! p 1 p
d 1 0
d1
50 d1
0.27943
50!
50!
(0.05) 0 (1 0.05)50 0
1 (0.95)50 0.07694
0!(50 0)!
1!50!
50!
49!50
(0.05)1 (1 0.05)501
(0.05)1 (0.95) 49 0.20249
1!(50 1)!
1!49!
2.
d1 3
d2 0
P d1 3, d 2 0 P d1 3 P d 2 0
50!
(0.05)3 (1 0.05)503
3!(50 3)!
47!(48)(49)(50)
P d1 3
100!
(0.05) 0 (0.95)100 0.0059
0!(100 0)!
P d1 3, d 2 0 P d1 3 P d 2 0
P d 2 0
(0.220)(0.0059)
0.001
ASN
Curva del nmero promedio de las muestras. En el muestro doble el tamao de la
muestra seleccionada depende de si la 2da muestra es necesaria o no
ASN n1
P n , j n P n ,c
c2
j c1 1
2 L
c2 j 1
PM n2 1, c2 j 2
p
Comparacin de las curvas del nmero promedio de las muestras para la inspeccin
completa y cercenada del plan de muestreo doble y del nmero promedio de las
muestras que se usara en el muestreo nico con n = 89, c =3
n1= 60
c1= 2
n2= 120
c2=3
108
p1 ,1
p2 ,
Donde:
p1 ,1
p2 ,
Son los dos puntos de inters de la curva OC
Inspeccin con rectificacin
Calidad de salida promedio AOQ es la calidad del lote que resulta de la aplicacin
de la inspeccin con rectificacin. Es el valor promedio de la calidad del lote que se
obtendra en una secuencia larga de lotes de un proceso de fraccin defectuosa p
Cuando se lleva a cabo la inspeccin con rectificacin con un muestreo doble, la
curva AOQ est dada por:
AOQ
PaI N n1 PaII N n1 n2 p
N
3.2.1.3.
mltiple
Planes
de
muestreo
Un plan de muestreo mltiple es una extensin del muestreo doble por cuanto
pueden requerirse ms de dos muestras para dictaminar un lote. Se presenta a
continuacin un ejemplo de un plan de muestreo mltiple con cinco etapas.
109
110
Cambio de inspeccin
EJEMPLO:
Un producto se recibe en lotes de 2000 unidades. El AQL es 0.65%. Se desea
disear un plan de muestreo de nivel II para inspeccin normal, reducida y rigurosa.
Solucin:
Paso 1.
El valor se obtiene del problema: El AQL es 0.65%.
Paso 2.
El valor se obtiene del problema: Se desea disear un plan de muestreo de nivel II
Paso3.
Buscar valor en la tabla de cdigos (ver anexo)
Paso 4.
Determinar el plan de inspeccin (normal, riguroso y reducido). El ejemplo dice que
realicemos los 3.
Paso 5
Con el cdigo de inspeccin y el plan de inspeccin, acudir a la tabla correspondiente
y encontrar el plan de muestreo. (ver tablas de muestreo normal, riguroso y reducido
anexadas)
Paso 6
Tomar la muestra y ejecutar la inspeccin. Con el resultado evaluar un posible
cambio de plan. (Aceptamos o rechazamos con valores exactos de tabla)
112
3.3.3.
Muestreo
aplicando el Military
105E
mltiple
Standard
En caso de 3 muestras:
50+50+50=150
Lo mismo que el doble pero con mas muestras hasta encontrara el valor exacto de c
en la tabal o decidir si aproximamos.
114
PROCEDIMIENTO 1: METODO K.
Se toma una muestra aleatoria de n artculos del lote y se calcula el estadstico
z LSL
x LSL
PROCEDIMIENTO 2: MTODO M
Se usa ZLSL para estimar la fraccin defectuosa del lote o proceso como el rea bajo
la curva normal estndar. Sea p la estimacin de p obtenida de este modo. Si la
estimacin p excede un valor mximo especificado M, el lote se rechaza; en caso
contrario se acepta.
115
Cuando hay un solo Lmite de Especificacin, puede usarse cualquiera de los dos
procedimientos. En el caso de un Lmite Superior de la Especificacin, se calculara
ZUSL
USL x
EJEMPLO
Se requiere que la densidad de una pieza de plstico usada en un telfono celular
sea de al menos 0.70g/cm3. Las piezas se suministran en grandes lotes y va usarse
un plan de muestreo por variables para dictaminar los lotes. Quiere tenerse p 1= 0.02,
p2=0.1, =0.10 y =0.05 . No se conoce la variabilidad del proceso de manufactura
pero se estimar con la desviacin estndar muestral.
Encontrar un plan de muestreo por variables apropiado, utilizando el procedimiento 1.
Suponer que se tom una muestra del tamao apropiado, y x=0.73, S=1.05x10-2.
El lote ser aceptado o rechazado?
Utilizando nomograma
116
LSL= 0.70
p1=0.02
p2=0.10
=0.10
=0.05
b) Dado que n=35 y k=1.7 se calcula el valor de la abscisa de la siguiente manera
117
1
x
k n
1.7 35
1
(n 1)
34 0.35
2
2
Esto indica que M = 0.040 suponer ahora que se toma una muestra de n=35, y se
observa x=0.73 y S=0.0105. El valor de ZLSL es
z LSL
2.85
S
0.0105
Conclusin
P<M
118
0.0005<.04
SE ACEPTA EL LOTE
VENTAJAS:
Permite obtener las misma curvas de operacin caracterstica con un muestra
menor.
Brinda la misma proteccin requiriendo menos muestreos.
Los datos de mediciones proporcionan ms informacin acerca del proceso
de manufactura o del lote.
Cuando los niveles de calidad aceptables son muy pequeos los tamaos de
la muestra para el plan de muestreo para atributos son muy grandes.
DESVENTAJAS:
Es necesario conocer la distribucin de la caracterstica de la calidad.
Se debe emplear un plan de muestreo separado para cada caracterstica de la
calidad que se esta inspeccionando.
Es posible que el uso de un plan de muestreo por variables lleve a rechazar
un lote aun cuando la muestra real inspeccionada no contenga artculos
defectuosos.
Variabilidad
desconocida-mtodo
de
la
desviacin
estndar
Variabilidad
desconocida-mtodo
del rango
Lmites
de
especificacin
unilaterales
Procedimiento
1 (mtodo k)
la
Variabilidad conocida
Lmites
de
especificacin
bilaterales
Procedimiento
2 (mtodo M)
la
Procedimiento
2 (mtodo M)
EJEMPLO
Un embotellador de refrescos compra envases de vidrio no retornables de un
proveedor. El embotellador ha establecido una especificacin inferior de 225psi para
la resistencia al estallamiento de los envases. El embotellador quiere usar el
muestreo por variables para dictaminar los lotes y ha decidido que el AQL sea 1%.
Encontrar un conjunto apropiado de planes de muestreo normal y riguroso del
estndar. Suponer que un lote se somete a inspeccin, y los resultados muestrales
producen
x 255
S 10
Determinar el destino del lote utilizando el procedimiento 1. El tamao de lote es
N=100000 con un nivel 4.
120
z LSL
3
S
10
Si buscamos en las tablas de MIL STD 414 (ver anexo) encontramos que k normal es
igual a 2 y k rigurosa es igual a 2.14 como ambas son menores que ZLSL se acepta
el lote.
121
ANEXOS
Gua prctica para grficos de
control de MINITAB
1. Grafico X-R
a. Insertar los datos del problema en la columna C1:
b. Una vez insertados los datos, seleccionar en el men STAT. Dentro de este
men, seleccionar Control Charts, y despus Variables Charts for subgrups, y
en este dar click en Xbar-R
122
123
2. Grafico de individuales
a. Insertar los datos del problema en la columna C1:
b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Variables Charts for Individuals y en este
dar click en I MR:
124
125
3. Grafico p
a. Insertar los datos (n) del problema en la columna C1 y los datos defectuosos
(x) en la columna C2:
b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en P:
126
127
4. Grafico np
a. Insertar los datos del problema en la columna C1:
b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en
NP:
128
129
5. Grafico c
a. Insertar los datos del problema en la columna C2 (25 datos) y C5 (los 25 datos
restantes)
b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en
C:
130
6. Grafico u
a. Insertar los datos del problema en la columna C1 (TAMAO DE LA
MUESTRA):
131
b. Una vez insertados los datos, seleccionar en el men STAT. En este men,
seleccionar Control Charts, despus Attributes Charts y en este dar click en
U:
132
133
2. una vez que obtienes los datos repites el valor de x , LSC x , LIC x , en otra
columna, segn el numero de datos que tienes, (en el caso de la grafica x-r,
son 20 promedios de x):
134
135
8. en el cuadro valores das click sobre el botn que se encuentra junto al numero
{1}, y se despliega la siguiente ventana, donde seleccionas el valor de la
columna con tus x o medias:
136
9. das click de nuevo sobre el botn, para volver a la pantalla principal, y le das
nombre a la serie en el cuadro nombre. Una vez escrito el nombre das click en
siguiente:
137
11. das click en siguiente, y abre una ltima ventana, donde te pregunta donde
deseas insertar la grafica. (Puedes escoger cualquier opcin segn el formato
que desees dar):
13. este grafico lo puedes editar segn tus gustos. Por ejemplo:
138
139
Formulas estadsticas
MEDIDAS DE TENDENCIA CENTRAL
Para datos NO agrupados
n
Media aritmtica:
Mediana
i 1
n 1
impar
x% 2
n n
promedio y
1 par
2 2
Desviacin Media:
DM
x x
i 1
i 1
Varianza:
x x
n
n
Desviacin estndar
xi x
i 1
DATOS AGRUPADOS
Tabla de frecuencias
Rango+Variacin
Nmero de intervalo
lim. sup. - lim. inf. + variacin
(cuando hay limite de clase)
Tamao de intervalo=
140
Rango+Variacin
o n
Tamao de intervalo
Marca de clase ( M i ) : Punto medio del intervalo
# de intervalos =
Media aritmtica:
fM
i 1
k: Nmero de intervalos
fi: frecuencia de i-nsimo intervalo
Mi: Marca de clase del intervalo
1
Moda: x L
c
1 2
L= lmite real inferior del intervalo que contiene la moda.
1 =Diferencia entre la frecuencia del intervalo que contiene la moda y la
frecuencia del intervalo anterior.
2 = Diferencia entre la frecuencia del intervalo que contiene la moda y la
frecuencia del intervalo siguiente.
c= tamao del intervalo que contiene la moda
NOTA: se considera el intervalo se mayor frecuencia para saber en que
intervalo se encuentra la moda.
n
2 Fa
Mediana x% L
c
fx
Fa= frecuencia acumulada del intervalo anterior al que contiene la moda
fx= frecuencia del intervalo que contiene a la mediana
c= tamao del intervalo que contiene a la moda
141
MEDIDAS DE DISPERSIN
n
Desviacin Media:
DM
Varianza:
f M
i 1
f
i 1
Mi x
n
n
n
Desviacin estndar
f M
i 1
142
143
144
145
Niveles de inspeccin
especiales
Niveles de
inspeccin generales
NIVEL NIVEL
NIVEL I
II
III
S-1
S-2
S-3
S-4
2a8
9 a 15
16 a 25
26 a 50
51 a 90
91 a 150
151 a 280
281 a 500
501 a 1200
1201 a 3200
3201 a 10000
10001 a 35000
35001 a 150000
150001 a
500000
500001 en
adelante
146
147
148
149
150
Fuentes de informacin
1. Programa Ford ITESM, Modelo 3 del Centro de Calidad, Control estadstico
del proceso para proveedores y la industria nacional.
2. Douglas C. Montgomery, Control estadstico de la calidad
3. Gutirrez / de Lavara (2004), Control estadstico de la calidad y 6 sima.
4. D.S. & R. Consultores Asociados, S.C., Control estadstico del proceso, Gua
del participante.
5. Meet MINITAB Versin 14 para Windows. Septiembre 2003, Manual de
usuario.
6. LEYVLA CONSULTORES S.C. del Manual de Referencia de control estadstico
de LOS procesoS (SPC-1):1992
7. http://www.aiteco.com/hhvv.htm
8. http://www.geocities.com/Eureka/Office/4595/muestreo.html
9. http://www.infocomarsa.net/mipsis%20inspection/mipsisinspection.html
10.http://metodosestadisticos.unizar.es/menu_e/contenidos/mapa/mapa.htm
11.http://www.xlstat.com/products-xlstat-spce.htm
12.http://www.hkbu.edu.hk/~samho/tqm/tqmex/gurus.htm
13.http://www.gestiopolis.com/recursos/documentos/fulldocs/ger1/teocalidad.h
tm
14. http://www.sqconline.com/mil-std
15.105.htmlhttp://www.itl.nist.gov/div898/handbook/pmc/section2/pmc231.ht
m
16.http://www.variation.com/spa/index.html
17.http://estio.ujaen.es/Asignaturas/Eps/
18.http://www.samplingplans.com/modern3.htm#EVALUATE
19.http://www.geocities.com/researchtriangle/facility/1075/default.htm
20.http://www.qualitydigest.com/oct97/html/excel.html
151