Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
SIGLO XIX Se inventa la maquina de vapor, se revolucionan las formas de trabajo y los
métodos de producción. La revolución Industrial transforma los aprendices se vuelven
operadores de maquinas y los maestros capaces o mayordomos.
1938 SHEWART publicó su segundo libro sobre Calidad “Métodos Estadísticos” desde el
punto de vista de Control de Calidad.
1939 Durante la segunda guerra mundial (1939–1945) los Estados Unidos fabrican
materiales como apoyo a los aleados europeos. Para ello se crearon mundiales básicos
de Calidad para la armada (MILITAR STANDAR) desarrollados por HAROLD DOGGE y
HARRY ROMING y MARY TORREY.
1942 Estados Unidos entra a la segunda guerra mundial y utiliza las tablas de muestreo
DODGE-ROMING en la fabricación de pertrechos de guerra.
1951 Deming visita Japón por segunda vez e imparte la conferencia “Control de Calidad
e investigación de Mercados”
1980 El control total de Calidad ingresa a México a través de las empresas Gillette,
Ericson, Champión y algunas industrias automotrices.
William Edwards Deming nació en 1900 en Wyoming, E.U., se dedicó a trabajar sobre el
control estadístico de la calidad. Japón asumió y desarrollo los planteamientos de
Deming, y los convirtió en el eje de su estrategia de desarrollo nacional. En 1950 W.
Edward Deming visitó Japón, dando conferencias sobre Control de Calidad. A dichas
conferencias asistieron un grupo numeroso y seleccionado de directivos de empresas
para crear las bases sobre las que instaurar el Premio Deming, premiando a aquellas
instituciones o personas que se caracterizaran por su interés en implantar la calidad.
Nació en Japón en 1909, Shigeo Shingo tal vez no es tan conocido en Occidente como
Ishikawa y Taguchi, aunque la incidencia de su trabajo, especialmente en Japón, ha sido
inmensa. Después de graduarse en Ingeniería Mecánica en la Escuela Técnica
Yamanahsi en 1930, se incorporó a la Fábrica de Ferrocarriles Taipei, en Taiwán, donde
introdujo los métodos de gestión científica.
Es interesante advertir que los sistemas poka-yoke, al utilizar dispositivos que evitan la
aparición de defectos, obvian la necesidad de medición. En general, los sistemas poka-
yoke comprenden dos fases: el aspecto de detección y el aspecto de regulación.
Estos requerimientos de calidad del cliente los interpreta el ingeniero del producto
quién establece las especificaciones y marca las tolerancias. La ingeniería del proceso
es la responsable de la especificación de las operaciones así como del diseño y
consecución del equipo, lo cual hará que el producto cumpla con las especificaciones.
El departamento de fabricación utiliza este equipo para producir y la función de control
de calidad asegura que el producto se fabrique conforme a las especificaciones.
La calidad es una medida relativa de la bondad del producto y los estándares de calidad
pueden fluctuar dependiendo de los requerimientos del consumidor. la calidad se
puede definir como el valor que el cliente tiene por algún producto o la necesidad de la
adquisición de ese producto.
COSTOS DE PREVENCIÓN
Son el costo de todas las actividades llevadas a cabo para evitar defectos en el diseño y
desarrollo; en las compras de insumos, equipos, instalaciones y materiales; en la mano
de obra, y en otros aspectos del inicio y creación de un producto o servicio. Se incluyen
aquellas actividades de prevención y medición realizadas durante el ciclo de
comercialización, son elementos específicos los siguientes: • Revisión del diseño . •
Calificación del producto. • Revisión de los planos. • Orientación de la ingeniería en
función de la calidad. • Programas y planes de aseguramiento de la calidad. •
Evaluación de proveedores. • Capacitación a proveedores sobre calidad. • Revisión de
especificaciones. • Estudios sobre la capacidad y potencialidad de los procesos. •
Entrenamiento para la operación. • Capacitación general para la calidad. • Auditorías
de calidad a mantenimiento preventivo.
Precio por Persona. Esta técnica se utiliza básicamente para calcular el costo de tener
puestos cuya única actividad esta en función de corregir o enmendar lo defectuoso. Tal
es el caso de: administradores o personal que atiende las quejas y reclamaciones,
puestos destinados a efectuar reprocesos, entre otros.
Mano de Obra Asignada. Comprende el cálculo de las horas-hombre y otros gastos que
implica una tarea específicamente dirigida a la detección y/o corrección de defectos u
errores, por ejemplo: • El costo del tiempo empleado para rastrear errores. • El costo
del tiempo empleado para encontrar un defecto o una falla. • El costo del tiempo
empleado en explicar a un proveedor los problemas encontrados en el material
suministrado. Cuando se utiliza esta técnica para calcular el costo por mano de obra, es
importante considerar todas las erogaciones, incluyendo prestaciones y otros gastos
generales relacionados con el empleo de dicho personal.
Precio por Defecto. Esta técnica es particularmente útil cuando hay múltiples
incidentes. El precio por defecto implica tomar el costo promedio de un
incumplimiento y después multiplicarlo por el número de incumplimientos. Un ejemplo
del precio por defecto sería determinar el costo promedio que implica la captura de
información de pedidos de un cliente y después multiplicarlo por el número de
recapturas o correcciones por errores en la captura inicial.
Costos de Evaluación
Son aquellos en que se incurre por mantener niveles de calidad mediante medición y
análisis de datos con objeto de detectar y corregir problemas, es decir, son los costos
en que incurre la empresa, destinada a medir, verificar evaluar la calidad de materiales,
partes, elementos, productos, y/ o procesos, así como para mantener y controlar la
producción dentro de los niveles y especificaciones de la calidad, previamente
planeados y establecidos por el sistema de calidad y las normas aplicables.
Costos de Prevención.
Son aquellos que se generan en un esfuerzo por evitar que haya productos que no
cumplan con las normas y que no lleguen al cliente, es decir, son aquellos en que
incurre un empresa, destinados a evitar y prevenir errores, fallas, desviaciones y/ o
defectos, durante cualquier etapa del proceso de producción y administrativo.
Se define como la relación entre los individuos o grupos de individuos que reciben o se
benefician con un proceso, (Clientes); y aquellos que originan resultados que
representan entradas o recursos a dichos procesos, (Proveedores).
De esta forma se definen los clientes / proveedores internos y externos del Sistema a la
Sociedad.
4. El contrato entre las partes debe contemplar: Calidad, Cantidad, Precio, Condiciones
de entrega y Forma de pago.
9. Las partes deben controlar eficientemente las actividades comerciales tales como
pedidos, planeación de la producción y de los inventarios, trabajos de oficina, y
sistemas, de manera que sus relaciones se mantengan sobre una base amistosa y
satisfactoria.
10. Comprador y proveedor deben prestar siempre la debida atención a los intereses
del consumidor Distinguimos dos tipos de “ cadena “:
Las empresas más avanzadas en estos modelos están relacionadas con la industria del
automóvil, pero éste es un modelo extensible a cualquier sector de actividad:
solamente se requiere asumir los principios que inspiran las nuevas reglas del juego en
las actuales relaciones cliente-proveedor
Datos por mediciones. Técnicamente se les domina datos continuos. son datos que
provienen de mediciones afectadas, por ejemplo, pesos, densidades, longitudes,
espesores, rendimientos, resultados de venta, son valores dentro de un rango lógico
establecido.
Datos por conteo. Técnicamente se les domina datos discretos. son datos que
provienen de conteos, por ejemplo, burbujas de una botella de vidrio, defectos en un
trozo de tela, errores del sistema de nomina etc. no se pueden definir por fracciones o
números decimales, guardan relación estricta con números enteros.
La Hoja de Control u hoja de recogida de datos, también llamada de Registro, sirve para
reunir y clasificar las informaciones según determinadas categorías, mediante la
anotación y registro de sus frecuencias bajo la forma de datos. Una vez que se ha
establecido el fenómeno que se requiere estudiar e identificadas las categorías que los
caracterizan, se registran estas en una hoja, indicando la frecuencia de observación. Lo
esencial de los datos es que el propósito este claro y que los datos reflejen la verdad.
Estas hojas de recopilación tienen muchas funciones, pero la principal es hacer fácil la
recopilación de datos y realizarla de forma que puedan ser usadas fácilmente y
analizarlos automáticamente. De modo general las hojas de recogida de datos tienen
las siguientes funciones:
¿Qué es? El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del
economista italiano Vilfredo Pareto (1848–1923) quien realizo un estudio sobre la
distribución de la riqueza, en el cual descubrió que la minoría de la población poseía la
mayor parte de la riqueza y la mayoría de la población poseía la menor parte de la
riqueza. Con esto estableció la llamada “Ley de Pareto” según la cual la desigualdad
económica es inevitable en cualquier sociedad.
El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce como
la regla 80/20.
Según este concepto, si se tiene un problema con muchas causas, podemos decir que
el 20% de las causas resuelven el 80% del problema y el 80% de las causas solo
resuelven el 20% del problema.
Por lo tanto, el Análisis de Pareto es una técnica que separa los “pocos vitales” de los
“muchos triviales”. Una gráfica de Pareto es utilizada para separar gráficamente los
aspectos significativos de un problema desde los triviales de manera que un equipo
sepa dónde dirigir sus esfuerzos para mejorar. Reducir los problemas más significativos
(las barras más largas en una Gráfica Pareto) servirá más para una mejora general que
reducir los más pequeños. Con frecuencia, un aspecto tendrá el 80% de los problemas.
En el resto de los casos, entre 2 y 3 aspectos serán responsables por el 80% de los
problemas.
Las Gráficas de Pareto son especialmente valiosas como fotos de “antes y después”
para demostrar qué progreso se ha logrado. Como tal, la Gráfica de Pareto es una
herramienta sencilla pero poderosa.
¿Cómo se utiliza?
2. Reunir datos. La utilización de un Check List puede ser de mucha ayuda en este paso.
7. trazar la escala del eje vertical izquierdo para frecuencia (de 0 al total, según se
calculó anteriormente)
8. de izquierda a derecha trazar las barras para cada categoría en orden descendente.
Si existe una categoría “otros”, debe ser colocada al final, sin importar su valor. Es decir,
que no debe tenerse en cuenta al momento de ordenar de mayor a menor la
frecuencia de las categorías.
9. trazar la escala del eje vertical derecho para el porcentaje acumulativo, comenzando
por el 0 y hasta el 100%
11. dar un título al gráfico, agregar las fechas de cuando los datos fueron reunidos y
citar la fuente de los datos.
Otra dificultad es que se necesita más de la mitad de las categorías para sumar más del
60% del efecto de calidad, por lo que un buen análisis e interpretación depende en su
gran mayoría de un buen análisis previo de las causas y posterior recogida de datos.
En cualquiera de los casos, parece que el principio de Pareto no aplica. Debido a que el
mismo se ha demostrado como válido en literalmente miles de situaciones, es muy
poco probable que se haya encontrado una excepción. Es mucho más probable que
simplemente no se haya seleccionado un desglose apropiado de las categorías. Se
deberá tratar de estratificar los datos de una manera diferente y repetir el Análisis de
Pareto.
Esto nos lleva a la conclusión que para llevar a cabo un proceso de Resolución de
Problemas /Toma de Decisiones (RP/TD) es necesario manejar cada una de las
herramientas básicas de la calidad, tanto desde el punto de vista teórico como desde
su aplicación.
Decidimos cual va a ser la característica de calidad que vamos a analizar. Por ejemplo,
en el caso de la mayonesa podría ser el peso del frasco lleno, la densidad del producto,
el porcentaje de aceite, etc.
Indicamos los factores causales más importantes y generales que puedan generar la
fluctuación de la característica de calidad, trazando flechas secundarias hacia la
principal. Por ejemplo, Materias Primas, Equipos, Operarios, Método de Medición, etc.:
Incorporamos en cada rama factores más detallados que se puedan considerar causas
de fluctuación. Para hacer esto, podemos formularnos estas preguntas:
¿Por qué hay fluctuación o dispersión en los valores de la característica de calidad? Por
la fluctuación de las Materias Primas. Se anota Materias Primas como una de las ramas
principales.
¿Por qué hay variación en la cantidad agregada de aceite? Por funcionamiento irregular
de la balanza. Se registra la rama Balanza.
¿Por qué la balanza funciona en forma irregular? Por que necesita mantenimiento. En
la rama Balanza colocamos la rama Mantenimiento.
Así seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las
causas posibles de dispersión.
Finalmente verificamos que todos los factores que puedan causar dispersión hayan
sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar claramente
establecidas y en ese caso, el diagrama está terminado.
UTILIDADES:
El Histograma es especialmente útil cuando se tiene un amplio número de datos que es
preciso organizar, para analizar más detalladamente o tomar decisiones sobre la base
de ellos.
• Es un medio eficaz para transmitir a otras personas información sobre un proceso de
forma precisa e inteligible.
• Permite la comparación de los resultados de un proceso con las especificaciones
previamente establecidas para el mismo. En este caso, mediante el Histograma puede
determinarse en qué grado el proceso está produciendo buenos resultados y hasta qué
punto existen desviaciones respecto a los límites fijados en las especificaciones.
•Proporciona, mediante el estudio de la distribución de los datos, un excelente punto
de partida para generar hipótesis acerca de un funcionamiento insatisfactorio.
1.10 DIAGRAMA DE DISPERSIÓN
A veces interesa saber si existe algún tipo de relación entre dos variables. Por ejemplo,
puede ocurrir que dos variables estén relacionadas de manera que al aumentar el valor
de una, se incremente el de la otra. En este caso hablaríamos de la existencia de una
correlación positiva. También podría ocurrir que al producirse una en un sentido, la
otra derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable x,
se reduzca el de la variable y. Entonces, se estaría ante una correlación negativa. Si los
valores de ambas variable se revelan independientes entre sí, se afirmaría que no
existe correlación.
VENTAJAS
Se trata de una herramienta especialmente útil para estudiar e identificar las posibles
relaciones entre los cambios observados en dos conjuntos diferentes de variables.
Suministra los datos para confirmar hipótesis acerca de si dos variables están
relacionadas. Proporciona un medio visual para probar la fuerza de una posible
relación.
1.11 ESTRATIFICACIÓN
Es un método consistente en clasificar los datos disponibles por grupos con similares
características. A cada grupo se le denomina estrato. Los estratos a definir lo serán en
función de la situación particular de que se trate, pudiendo establecerse
estratificaciones atendiendo a: Personal. Materiales Maquinaria y equipo. Áreas de
gestión. Tiempo. Entorno. Localización geográfica. Otros.
Consisten esencialmente en la determinación de la capacidad para una sola operación
del proceso, relacionada siempre con la característica de calidad en particular de la
pieza.
Es una medición que corresponde a la precisión inherente de un proceso
de manufactura, es decir, es la eficiencia en el rendimiento de la
CONCEPTO calidad de un proceso, con determinados factores establecidos y
bajo condiciones normales de la operación bajo control.
Pero si el equipo del proceso no puede cumplir en forma consistente con la meta de calidad se
obtendrán costos elevados, desperdicios y remaquinado de materiales.
VALOR DEL CP CLASE DE DECISIÓN
PROCESO
CP >1.33 1 Más que adecuado
1 < CP <1.33 2 Adecuado para el trabajo, pero requiere de un control
estricto conforme se acerca el CP a uno.
0.67 < CP <1 3 No es adecuado para el trabajo, por lo que un análisis
del proceso es necesario, y así una buena probabilidad
de éxito.
CP <0.67 4 No adecuado para el trabajo, poR lo que requiere de
modificaciones serias.
Entre las técnicas de mayor utilidad desarrolladas para estos trabajos, se cuentan los estudios
de capacidades del proceso
2) CONDICIONES DEL PROCESO.- un estudio sobre la capacidad del proceso, éste debe tener
sus mediciones normalmente distribuidas y permanecer bajo un estado estadístico del
control.
5.2 EMPLEO DE LOS ESTUDIOS DE LA CAPACIDAD DE LOS PROCESOS
INDICE CP.
Si para que un producto elaborado por un proceso se pueda considerar de calidad, las
mediciones de cierta característica o parte de la misma deben ser iguales a cierto valor nominal
o ideal (N), o al menos tienen que estar dentro de cierta especificación inferior (EI) y superior
(ES), entonces una medida de la capacidad potencial del proceso para cumplir con tales
especificaciones la da el índice de capacidad del proceso Cp.
Cp = ES – EI
6σ
1) Modificar el proceso.
2) Modificar las tolerancias.
3) Inspeccionar el 100 % de los productos.
Pero por el contrario, si hay capacidad excesiva, ésta se puede aprovechar, por ejemplo:
1) Vendiendo la precisión.
2) Vendiendo el método.
3) Reasignando productos a maquinas menos precisas.
4) Acelerando el proceso.
5) Reduciendo la cantidad de inspección.
INDICE CPK
Estima la capacidad potencial del proceso para cumplir con tolerancias, pero una de sus
desventajas es que no toma en cuenta el centrado del proceso, sin embargo, se puede
modificar el Cp para que además de tomar en cuenta la variabilidad, también evalúe dónde se
localiza la media del proceso respecto a las especificaciones, por lo tanto al Cp modificado se le
llama índice de capacidad real Cpk.
CpK = MC
3σ
El índice Cpk se ve igual al Cp cuando la media del proceso se ubique en el punto medio de las
especificaciones, si el proceso no está centrado entonces el valor del índice C pk será menor que
el Cp , de manera que la longitud del C Pk relativa al Cp sea una medida directa de qué tan
centrado está operando el proceso.
Valores de CPk > 1= el proceso está fabricando artículos que cumplen con las especificaciones.
Valores de CPk < 1= el proceso está fabricando artículos fuera de especificaciones.
Valores de CPk = 0 o negativos = la media del proceso está fuera de especificaciones.
Para calcular el CP y el CPk para un proceso concreto es necesario conocer la media (µ), y la
desviación estándar (σ) de la característica de calidad, pero en caso de no conocerlas se puede
utilizar la información de una gráfica de control, sustituyéndolas por X y R/ d 2 donde d2 es una
constante que depende del tamaño de muestra.
El uso de ésta técnica facilita predecir, los límites de variación dentro de los cuales las máquinas
y los procesos operan, por tanto, proporciona un medio de la medición de la capacidad de la
máquina y el proceso y los comprar contra la tolerancia requerida por la especificación.
Toda máquina y todos los procesos están sujetos a una variabilidad que les es inherente, así
por ejemplo, un torno que fabrica alguna pieza con diámetro exterior de 1.000 pulgadas, no
produce todas las flechas con la dimensión exacta que se menciono anteriormente, es decir, la
mayoría está cerca de esa dimensión, pero habría algunas con 0.998 y otras con 1.002, por lo
que se dice que cada máquina tiene su propio patrón de variación:
Los análisis de capacidad de máquinas y procesos permiten establecer dicho patrón con base
en mediciones reales, en condiciones controladas.
Tomando como base este patrón de comportamiento es posible anticipar que serán capaces de
producir las máquinas y los procesos, por lo cual, si la amplitud del patrón es inferior a las
toneladas, la máquina podrá producir piezas dentro de las tolerancias fijadas, y si la amplitud
es mayor, la máquina deberá ser reemplazada por otra más precisa o el proceso tendrá que ser
modificado.
0.998
0.999
1.000
1.001
1.002
Una de las características en las fabricaciones modernas, es que no es posible producir dos
piezas exactamente iguales, aunque, las variaciones podrán ser muy pequeñas, como en el
caso de bloques de calibración, que están garantizados a dos millonésimos de pulgada.
Pero ya sean grandes o pequeñas, las variaciones existen en los elementos manufacturados en
cualquier proceso de fabricación, ya sean en máquinas CN, tornos manuales, prensas de
estampado, hornos para recocido, máquinas para pintar, envasar o encapsular, etc.
De los diferentes tipos de variación entre las piezas, de utilidad para propósitos analíticos son
tres clasificaciones:
1) Variaciones dentro de una misma pieza, por ejemplo, en una flecha que en uno de sus
extremos se encuentra ovalada y en el otro extremo esté dentro de sus tolerancias.
2) Variaciones entre piezas producidas durante un mismo periodo, como las variaciones en las
longitudes de los pasadores producidos durante un periodo de cinco minutos en un torno
automático.
3) Variaciones entre las piezas producidas en diferentes periodos, como aquellas variaciones
en las longitudes de los pasadores producidos al principio de un turno, comparadas con las
producidas al final del turno.
EJEMPLOS:
1) En una armadora de autos, en el área de pintado una característica de calidad
es el espesor de la capa antipiedra en la zona trasera de los arcos de rueda, que
debe tener un espesor mínimo de 100 micras. Para asegurar el cumplimiento de
esta especificación se lleva una carta de control X – R, en la que se mide el
espesor de 3 productos consecutivos de manera periódica. De acuerdo con la
información proporcionada por esta carta, el proceso esta en control
estadístico, y se tiene que la media es de 105 micras y el rango medio de 11
micras. Calcular el índice de capacidad del proceso correspondiente
Resultado:
Proceso de una sola especificación:
EI= 100, x = 105, R = 11
x EI
C Pi
3
En donde = R /d2
Por lo tanto :
CPi = (105 – 100) / (3*6.49)= 0.2565 .
Es probable que la actividad más reconocida en general del control de calidad sea el control de
la materia prima, de los lotes de producción y de las piezas de ensambles durante el proceso de
manufactura, por lo que a las Proporciona
gráficas demejor
controlinformación sobrecomo
se les considera la calidad, no así
“ la principal sobre la
ayuda
variabilidad,
estadística para controlar todos y se yusa
estos trabajos cuando debidoparticulares”.
sus modificaciones a circunstancias particulares del
proceso, no se puede utilizar el otro.
CICLO CEP
Una empresa que cuenta con Control Estadístico puede mejorar sus procesos, reducir
retrabajos y desperdicios, lo que genera una reducción de costos ya que el C.E.P.
involucra más que solo crear el producto perfecto, implica además asegurar que los
procesos internos son llevados apropiadamente, que el equipo se le da el
mantenimiento adecuado y que los recursos suministrados son los adecuados.(Greg
Kitson, 2003).
Se usa con más frecuencia, porque con él se logran muestras más homogéneas
y porque proporciona una referencia del tiempo para localizar las causas
especiales de variación
VENTAJA
LCS
ZONA A
ZONA B
ZONA C
ZONA C
PRUEBAS QUE SE REALIZAN PARA VERIFICAR SI UNA GRÁFICA ESTÁ O NO BAJO CONTROL
ZONA BESTADÍSTICO
ZONA A
Estas pruebas se han derivado bajo el supuesto de normalidad e independencia en los datos,
por lo que de no cumplirse, las pruebas deben verse con reservas.
PATRÓN 1
CAMBIOS (BRINCOS) EN EL NIVEL DEL PROCESO. LCI
Cuando en la carta o gráfica se registran pocos puntos que están fuera o muy cerca de los
límites de control, o cuando una gran cantidad de puntos caen de un solo lado de la línea
central, ejemplo de ello es al introducir nuevos trabajadores, máquinas, materiales o métodos
de inspección, o a una mayor o menor atención de los trabajadores.
Un cambio en el nivel del proceso ha ocurrido cuando se cumple una de las siguientes cuatro
pruebas:
El cumplimiento de al menos una de éstas tres pruebas indica que ha entrado al proceso una
causa especial que ha provocado que el proceso esté operando con otro nivel, y tal cambio
pudo darse de manera paulatina hasta que alcanzó una magnitud considerable y la carta lo
registró.
En ocasiones, cuando alguna de las tres pruebas anteriores, lo que se hace además de
investigar la causa, es tomar datos de inmediato para confirmar el cambio y monitorear más de
cerca lo que está pasando en el proceso.
LCS
Cuando se dan ocho puntos consecutivos por debajo de la línea central en una LCIgráfica R,
entonces se ha dado una reducción definitiva en la variabilidad del proceso, sino ocurre en una
gráfica de atributos, entonces se ha dado una reducción más definitiva en el nivel promedio de
piezas defectuosas del proceso.
Si además de la prueba 4 se cumple alguna de las tres primeras, eso será aún mayor evidencia
de que un cambio especial ha ocurrido.
CAMBIOS DE NIVEL
LCS
PATRÓN 2
TENDENCIAS EN EL NIVEL DEL PROCESO
La recomendación básica en éste caso sería que, en el momento en que se vea un flujo largo y
creciente de puntos que parezca no aleatorio, entonces, es una señal de alerta para vigilar más
de cerca el desempeño del proceso, para que en su caso se pueda identificar el proceso del
mismo.
LCS
LCI
PATRÓN 3
CICLOS RECURRENTES O DE PERIODICIDAD
Prueba 7.-ocho puntos consecutivos en ambos lados de la línea central con ninguna en
la zona C.
MUCHA VARIABILIDAD EN EL PROCESO
LCS
LCI
PATRÓN 5
FALTA DE VARIABILIDAD ESTRATIFICACIÓN
Una señal de que hay algo anormal en el proceso es el de que prácticamente todos los puntos
se concentran en la parte central de la gráfica, es decir, que los puntos reflejen poca
variabilidad.
Algunas de las causas que pueden afectar a las gráficas de control son una equivocación en el
cálculo de los límites de control, agrupando en una misma muestra datos provenientes de
universos con medias bastante diferentes.
Prueba 8.-quince puntos consecutivos en la zona C, arriba o debajo de la línea
LCScentral.
FALTA DE VARIABILIDAD EN UN PROCESO
Una reducción en la variabilidad se refleja en la gráfica X de ésta manera, pero en la gráfica de
rangos se apreciarán muchos puntos por debajo de su límite central. Si ha ocurrido una
reducción en la variabilidad, lo que se debe hacer es recalcular los límites de control.
Cuando alguna de las ocho pruebas anteriores es positiva, entonces el proceso está fuera de
control estadístico.
Cabe señalar que si el proceso está fuera de control estadístico no significa que no se pueda
seguir produciendo con él, sino que el proceso está trabajando con variaciones debidas a
alguna causa específica como es:
Material heterogéneo.
Cambios de operadores.
Diferencias significativas entre máquinas.
Desgaste o calentamiento del equipo.
2.1.3 PRE-CONTROL
Las gráficas de control fueron propuestas por primera vez por Walter Shewhart en los
laboratorios Bell en la década de los años veinte, él fue el primero en distinguir las causas
comunes de las especiales en la variación del proceso, y creó el concepto de la gráfica de
control para separarlas.
El proceso de las gráficas de control es el elemento que pone de manifiesto, de acuerdo con los
hechos, el concepto del obrero de separar las variaciones de los elementos en “normales y
anormales”, esto es, establecer la comparación de la variación de las piezas en su fabricación
real con los límites de control que se hayan establecido para esas piezas.
Cuando hayan sido calculados estos límites y se consideran aceptables para implantarse en la
fabricación, las gráficas de control comienzan a desarrollar su misión principal “auxiliar en el
control de la calidad de la materia prima, de lotes de producción, de los elementos aislados o
de los ensambles durante su fabricación actual”
Las gráficas de control están definidas por el eje central, el límite superior de control y el límite
inferior de control, los cuales se relacionan con el valor esperado, y la varianza de las medidas
estadísticas que se grafican.
Así el personal de la planta ha agrupado las variaciones de las piezas manufacturadas en dos
categorías:
Por lo tanto el obrero ya conoce los limites de variación normal en las piezas o proceso con los
que ya esta familiarizado. Si los límites exceden durante la manufactura de los elementos, el
obrero reconoce que se ha presentado algo anormal y que se requiere una corrección.
Un proceso que trabaja sólo con causas comunes de variación se dice que esta en control
estadístico (o estable), independientemente de su variabilidad sea mucha o poca, pero es
predecible en un futuro inmediato.
Un proceso en el que están presentes causas especiales de variación se dice que esta fuera de
control estadístico (o es inestable), este tipo de procesos es impredecible en el futuro
inmediato porque en cualquier momento pueden aparecer esas situaciones que tienen un
efecto especial sobre la variabilidad.
1. Gráficas para mediciones o por variables (la más generalizada la denominada gráfica
X, R, s) y tienen su empleo en el caso de que se efectúen mediciones,
es decir, se aplican a variables o características de calida de tipo continuo, y que
intuitivamente son aquellas que requieren un instrumento de medición para medirse
(pesos, volúmenes, voltajes, longitudes, resistencias, temperaturas, humedad, etc.)
X DE PROMEDIOS
R DE RANGOS
S DE DESVIACIONES ESTÁNDAR
X DE MEDIDAS INDIVIDUALES
2. Gráficas para datos que provienen de calibradores de pasa/ no pasa o por atributos
Aquí se emplean las gráficas de fracción defectuosa o de porcentaje defectuoso
(conocidas como las gráficas p), es decir, cuando muchas características de calidad no
son medidas con un instrumento en una escala continua o al menos en una escala
numérica.
c NÚMERO DE DEFECTOS
Hay dos condiciones diferentes bajo las que se usan estas gráficas de control:
1. Las gráficas usadas para investigar el estado de control de un proceso, tal vez uno que
no hay sido examinado previamente, o uno al que se le han hecho grandes cambios en
el proceso, o uno que se examina para el estado de control continuo des pues de que
un análisis preliminar de distribución de frecuencias demostró control inicial.
2. Las graficas de control donde la tendencia central y los calores de dispersión han sido
establecidos inicialmente y por lo tanto esta condición se denomina de estándar dado
2.2.1 GRAFICOS X – R
2.2.2 GRAFICOS X – S
CARTA DE INDIVIDUALES
En estos casos la mejor alternativa es usar una carta de individuales, donde cada
medición particular de la característica de calidad que se obtiene se registra en una
carta. Para estimar la variabilidad de estas mediciones se acostumbra usar el rango
móvil de dos observaciones consecutivas, por lo que, al graficar estos rangos, se
obtiene una carta de rangos móviles. Aspectos como consumo de agua o energía
también pueden evaluarse con este tipo de cartas.
Ejemplo
Para controlar de manera adecuada tal característica de proceso se usa una carta de
control, y evidentemente aquí no tiene sentido tomar una muestra de tamaño cuatro,
por ejemplo, ya que si se miden las temperaturas del horno de manera consecutiva,
entonces éstas serán prácticamente las mismas; y si las mediciones no se hacen de
manera consecutiva y se hacen, supongamos, cada hora, entonces habrá que esperar
cuatro horas para poder graficar un punto en la carta de control, y así poder analizar el
proceso. De esta manera resulta más práctico hacer una medición de la temperatura
en el horno de manera periódica, y en cuanto se obtiene el dato graficarlo en la carta
para evaluar el desempeño del proceso. Es decir, resulta más práctico llevar una carta
de control para individuales.
Para investigar si la temperatura tuvo una variabilidad estable primero analizamos los
rangos móviles, en cuyo caso los límites de control se obtiene igual que la carta R
ordinaria, pero las constantes D3 y D4 siempre se van a tomar considerando el tamaño
de muestra n = 2, dado que el rango se obtiene de entre los datos de dos mediciones
consecutivas de temperatura. De esta manera, los límites de control para la carta de
control de rangos móviles de orden 2 están dados por
donde las constantes son D3 = 0 y D4 = 3.267, como se puede ver en la tabla 1 del
Apéndice, con lo que los límites de control para los datos de la tabla son
Aplicando lo anterior, los límites de control para las temperaturas del horno son los
siguientes:
LCS=126.97+ (3 x 2.287/1.128)=133.05
LCI=126.97- (3 x 2.287/1.128)=120.97
Los responsables del proceso identificaron tal tendencia como una señal de que ya era
necesario el mantenimiento periódico que se le da al horno. También en la misma carta
se aprecia que el proceso estuvo descentrado, ya que la temperatura promedio fue de
126.97°C, y no de 125 como se desea; esto también pudo ser causado por la necesidad
de mantenimiento.
La decisión que se tomó fue dar mantenimiento al horno y volver a tomar datos para
establecer los nuevos límites de control.
Por otra parte, en cuanto a la capacidad del proceso para cumplir con las
especificaciones de temperatura, lo primero que debemos notar es que los límites de
una carta de individuales coinciden con los límites naturales del proceso, por lo que la
capacidad puede ser investigada directamente de los límites de esta carta. En
particular, en el problema que nos ocupa, tenemos que el límite superior está fuera de
la especificación superior (130), mientras que el límite inferior sí está dentro de la
especificación inferior. Por lo tanto, el proceso estuvo operando con temperaturas
ligeramente mayores a las toleradas. Si después del mantenimiento se centra el
proceso, pero no se reduce la variabilidad, entonces se reducirán los problemas un
poco por el lado superior, pero parte de ellos se trasladarán al lado inferior. En todo
caso, después del mantenimiento se debe analizar cómo está la capacidad.
2.3.1 GRÁFICO P
Esta carta muestra las variaciones en la fracción o proporción de artículos defectuosos
por muestra. Es ampliamente usada para recortar la proporción (o porcentaje) de
productos defectuosos en un proceso. En esta carta se revisa cada uno de los artículos
de una muestra (o subgrupo), y cada uno de estos tiene una calidad aceptable o no, es
decir, un articulo pasa o no pasa.
En la carta p se toma una muestra o subgrupo den artículos, que puede ser la totalidad
o una parte de las piezas de un pedido, un lote, un embarque o cierta producción. Se
revisa cada uno de n artículos y se encuentra cuales son defectuosos; entonces, en la
carta p se gráfica se gráfica la proporción pi de los artículos defectuosos, que se
obtiene al dividir la cantidad de artículos defectuosos encontrada en cada muestra
entre el tamaño de muestra.
Cuando se esta haciendo un estudio inicial para establecer los limites de control en una
carta p, entonces, lo que se tiene que hacer es estimar la media y la desviación
estándar de la variable que se gráfica en la carta; que en el caso de la carta p, es pi.
Considerando esto, y de acuerdo con la distribución binomial, si se toman varias
muestras (aproximadamente 20), los limites de control para una carta p están dados
por:
LCS = p+ 3[p(1-p)/n]
Línea central = p
LCI = p - 3[p(1-n)/n]
Ejemplo:
En una empresa del ramo metal-mecánico se fabrican válvulas. Después del proceso de
fundición se hace una inspección y las piezas que no cumplen con ciertas
características son rechazadas. Las razones por las que pueden se rechazadas son
diversas: piezas incompletas, porosas, mal formadas, etc. Para evaluar la variabilidad y
la magnitud de la proporción de las piezas defectuosas en el proceso de fundición se
decide implantar una carta p.
2.3.2 GRÁFICO NP
En ocasiones, cuando el tamaño de muestras en las cartas es constante, es mas
conveniente usar la carta np en la que se gráfica el numero de artículos defectuosos
por muestra (Di ), en lugar de la proporción.
Ejemplo:
Los limites de control variaran así de una muestra a otra. Cuanto mayor sea el numero
de unidades en una muestra mas angostos serán los limites.
Si cada muestra consta de una sola unidad, los limites para el diagrama u vienen dados
por UCL = û + 3(û)0.5 , LCL = û - 3(û)0.5 . pero si el numero de unidades en una
muestra es k, en tal caso la desviación estándar del numero promedio de defectos por
unidad es (û)0.5 / (k)0.5 = (û / k)0.5 . de esta forma para una muestra de k unidades, los
limites vienen dados por
UCL = û + 3(û)0.5 ,
(1a)
LCL = û -- 3(û)0.5
El primer paso consiste en calcular el numero promedio de defectos por 100 yardas
cuadradas (nuestra unidad), para los seis lotes de inspección
Esto se hace fácilmente sumando el numero total de defectos en cada lote y dividiendo
entre el numero total de unidades de 100 yardas cuadradas inspeccionadas.
Si deseamos trabajar con estas cifras deberemos tomar un promedio ponderado. Esto
es, tendremos que ponderar 2.5 por 2.00, 2.8 por 2.50, 3.0 por 1.00 y así
sucesivamente.
La línea central de nuestro diagrama será u. Los limites para cada muestra vendrán
dados por la formula (1a), la cual de lo siguiente véase la siguiente figura.
Diagramas u con muestras de tamaño variable (solo aparece el limite superior de
control)
Solo se puede construir una curva CO para un diagrama u con una muestra de tamaño
constante. Cuando el numero de unidades varia de una muestra a otra podemos, si asi
lo deseamos, construir una curva CO para el numero promedio de unidades. Esta seria
la curva CO para el diagrama de control con limites promedios.
2.3.4 GRÁFICO C
Construcción y operación de un diagrama C con una muestra de tamaño constante
El numero total de defectos para los 25 grupos es de 1 393 y el numero promedio por
unidad (es decir, por grupo de 5 radios) es C = 1 393 / 25 = 55.7. como estimación
preliminar tomamos el numero de defectos promedio del proceso por unidad (c') como
igual a C, por tanto, tomamos como estimado de ´c la cantidad c = C = 7.5. de aquí 3c
= 3C = 22.5, y el limite superior de control pasa a ser C- 3 C= 55.7 – 22.5 = 33.2 .
estos dan la línea central y los limites superior e inferior para nuestro diagrama
preliminar de control.
Cuatro puntos están por arriba del limite superior y cinco por debajo del limite inferior.
Supongamos que se encuentran causas atribuibles para todos menos uno de dichos
puntos. Digamos por ejemplo que los puntos altos 17 y 18 son debidos a cierto
material defectuoso utilizado en la producción de estos equipos; el punto alto 4 se
determino como correspondiente a un trabajador incompetente; el punto alto 14 a una
maquina vieja que no funcionaba adecuadamente. Eliminemos todas estas causas de
mala calidad. Los puntos bajos 16, 20, 22 y 25 se determina que correspondieron a un
inspector que acababa de aprender su tarea. Supongamos que no advirtió muchos de
los efectos reales en los radios que inspecciono, y excluyamos estos puntos bajos de
entre los demás. No se han encontrado causas atribuibles para el punto 24, de manera
que éste será el único de los puntos situados fuera de los limites de control que
mantendremos. Después de eliminar los puntos 4, 14,16,17,18,20,22 y 25 para los
casos restantes se determinan como 943 / 17 = 55.5. esto esta tan cercano al valor
anterior que podemos tomar la línea central anterior y los limites anteriores.
Una estadística es una característica de una muestra, los estadísticos emplean letras
latinas minúsculas para denotar estadísticas y muestras. 2. - Tipos de muestreo Los
autores proponen diferentes criterios de clasificación de los diferentes tipos de
muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos de
muestreo probabilísticos y métodos de muestreo no probabilísticos. Muestreo de
aceptación Es la manera de evaluar una parte de los productos que forman un lote
con el propósito de aceptar o rechazar el lote completo. Su uso es recomendado
cuando el costo de inspección es alto o la inspección es monótona y causa errores
de inspección o cuando se requieren pruebas destructivas.
El plan de muestreo consiste en seleccionar aleatoriamente una parte representativa
del lote, inspeccionarla y decidir si cumple con nuestras especificaciones de calidad,
para llegar a esto se deben de consultar tablas y fijar los niveles de calidad que son
aceptables (NCA) para nosotros y nuestros clientes o proveedores. Para definir esto de
manera mas practica, hay que ver el siguiente ejemplo: Tenemos un lote de 9000 (N)
piezas, el plan de inspección dice que se deben tomar 300 (n) piezas y se considera un
número de aceptación © de 2 piezas. Esto significa que en el lote de 900 piezas se
inspeccionaron 300 piezas escogidas aleatoriamente, si 3, 4 o más piezas están
defectuosas, se rechazara todo el lote (las 900 piezas), si al realizar la inspección no se
encuentran piezas defectuosas o se encuentran 1 o 2 el lote tiene que ser aceptado. El
muestreo de aceptación se lleva en diversas situaciones en donde existe una relación
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 compañía 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 características de calidad son variables de
atributos, entonces un plan simple de muestro de aceptación esta definido por: N -------
Tamaño de lote n ------ tamaño de la muestra c ------ numero de aceptación Se debe
tener claro que el muestreo de aceptación , al ser una forma particular de inspección,
simplemente acepta y rechaza lotes, pero no mejora la calidad. Es decir el muestreo de
aceptación no es una estrategia de mejora de la calidad, es mas 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: Cuando la aplicación de una prueba implica la destrucción del
producto (ej. Prueba de un fusible eléctrico). Cuando el costo es alto para hacer una
inspección del 100% es muy elevado, comparado con el costo que implica pasar una
unidad no conforme. Cuando son muchos y similares las unidades que se van a
inspeccionar, el muestreo produce una mejor opción que el inspeccionar al 100%.
Cuando no se dispone de información sobre la calidad de producto, ejemplo, la grafica
X, R, p, o c. Cuando el lote lo forman una gran cantidad de artículos que habria que
inspeccionar y la probabilidad de error en la inspección es suficientemente alta, de tal
manera que la inspección al 100% podría dejar pasar más unidades defectuosas que un
plan de muestro. Cuando no se dispone de una inspección automatizada. Cuando es
necesario asegurar la confiabilidad del producto, aunque la capacidad del proceso
fabricante del lote sea satisfactoria. En situaciones donde historicamente el vendedor
ha tenido excelentes niveles de calidad y se desea una reducción de la cantidad de
inspección, pero la capacidad del proceso no es suficientemente buena como para no
inspeccionar.
DEINICIONES IMPORTANTES
LTPD (Lot Tolerance Percent Defective): Peor nivel de calidad que el consumidor
desearía aceptar en un lote Individual
Curvas tipo A y tipo B Curvas tipo B: para su construcción se supone que provienen de
un lote grande o secuencia de lotes provenientes de un proceso continuo distribución
valida: Binomial (si es posible se puede aproximar por Poisson, si p < 0.1).
Curvas tipo A: para lotes aislados y finitos distribución valida: Hipergeométrica (si es
posible se puede aproximar por la Binomial, si n/N _ 0.1).
Distribución Hipergeométrica:
p = D/N
Que puede definirse como: El porcentaje de unidades que no cumplen con los
requisitos en un lote para el cual, con propósitos de muestreo de aceptación, el
consumidor desea que se restrinja la probabilidad de aceptación a un valor bajo
especificado. Las tablas que usan el NCL como índice están orientadas al muestreo con
alto énfasis sobre la calidad de lotes individuales. Típicos de las tablas NCL son los tipos
de tolerancia de porcentaje defectuoso en el lote (TPDL), nivel de calidad rechazable
(NCR) y nivel de calidad inaceptable (NCI).
La curva CO puede ser indexada para NCA con una probabilidad de aceptación
designada Pa, y para NCL con una probabilidad de rechazo o inaceptabilidad designada
Pr.
2. Las tablas que ofrecen protección de “lo almacenado “, o sea la calidad promedio de
un gran numero de lotes del mismo material, después de su inspección. El tipo de la
meta de la calidad asociado con esta serie de planes, es el del límite del promedio de la
calidad final (LPCF).
Defecto y unidades defectuosas (conceptos) Defecto es cualquier disconformidad con
las prescripciones de calidad establecidas. Defecto crítico es aquel que puede generar
inseguridad física en las personas que pueden llegar a impedir la función para la que la
pieza fue concebida. Defecto principal es aquel que no siendo critico puede reducir
substancialmente la utilidad de la pieza para el fin para la que fue concebida. Defecto
secundario es aquel que no reduce la utilidad del producto. Unidad defectuosa es un
artículo que tiene al menos un defecto. Unidad defectuosa crítica es la que tiene al
menos un defecto crítico pudiendo tener o no defectos principales o secundarios.
Unidad de defecto principal es la que no teniendo ningún defecto crítico tiene al
menos un defecto principal pudiendo tener o no defectos secundarios. Unidad
defectuosa secundaria es aquella que no teniendo defectos críticos ni principales
contiene al menos un defecto secundario.
(CMS) Cuando se aplica el muestreo rectificante, es decir, cuando los lotes rechazados
son inspeccionados al 100% y las piezas defectuosas son sustituidas por otras sin
defectos, se llama Calidad Media de Salida (CMS) a la calidad que se obtiene al
considerar conjuntamente los lotes aceptados (que pueden contener piezas
defectuosas) y los lotes rechazados (que salvo error de los inspectores no poseen
piezas defectuosas). Es, por tanto, la calidad media en el almacén después de aplicarse
el muestreo rectificante.
Con los lotes aceptados se pueden introducir piezas defectuosas en el almacén del
comprador. En concreto, por cada lote aceptado entrar p. (N-n) piezas defectuosas lo
que ocurre con una probabilidad Pa que es la de aceptar lotes. Con los lotes
rechazados entrar 0 piezas defectuosas, y esto ocurre con una probabilidad de 1 –Pa
que es, precisamente la probabilidad de rechazar un lote.
En consecuencia, el número mínimo de piezas defectuosas por lotes recibidos es Pa.p.
(N-n) + (1- Pa). 0 y, consecuentemente, la proporción media de piezas defectuosas en el
almacén serán:
Es decir:
Se puede definir como: La máxima calidad esperada de la calidad final sobre todos los
niveles posibles de calidad de recibo, siguiendo el uso de un plan de muestreo de
aceptación para un valor dado de la calidad del producto recibido. Las tablas que usan
LPCF como índice están orientadas a asegurar que el promedio a largo plazo de la
calidad aceptada no será peor que el valor LPCF; supone la separación y reemplazo de
unidades mal conformadas en los lotes que no se aceptaron. Este es el índice básico
para planes de muestreo continúo.
PROMEDIO DE CALIDAD FINAL (PCF)
Se define como:
El valor esperado de la calidad del producto final después del uso de un plan de
muestreo de aceptación para un valor dado de calidad del producto recibido.
Todo plan de muestreo que de protección en una de las dos formas anteriores,
también proporcionara cierto grado de protección en la otra. Además, cada una de
estas dos formas de tablas de muestreo, ofrece beneficios en sus aplicaciones
particulares. No se puede asegurar que una tabla sea “mejor “que la otra.
Cuando la recepción de los lotes individuales de material por una planta, no se hace en
forma frecuente, las tablas mas apropiadas serán las de protección por calidad del lote.
Cuando se estén inspeccionando gran número de lotes y el promedio de la calidad del
material que se pasa a los talleres sea el factor principal, entonces la protección por el
promedio de la calidad final será la indicada.
Cuando se requiere una tabla que proporcione protección por la calidad del lote, las
dos de mayor uso de que se dispone son:
TABLAS NCL
Existe un 10% de riesgo del productor de que los lotes que coinciden con este nivel de
calidad le sean rechazados. Por tanto, para este plan en particular, el nivel aceptable de
calidad es del 4%, con un 10% o como riesgo para el productor. Para estas curvas CO,
tanto cuando cl NCL y el riesgo del productor (a) y también el NCL y el riesgo del
consumidor (p) están especificados, el plan de muestreo esta completamente
determinado cuando se toman muestras de tamaño n. La necesidad de que n sea un
entero requiere de la decisión de indexar o no el plan para mantener el riesgo (a) del
plan o el riesgo (p). Para muestras dobles o múltiples (n1 , n2 -,,), la relación entre estas
muestras debe identificarse.
Cuando se requiera una protección por el promedio de la calidad final (PCF), las tablas
por el límite del promedio de la calidad final (LPCF) serán las que deban emplearse.
Estas tablas aseguran a un fabricante que el porcentaje defectuoso promedio de la
calidad final, deberá ser igual o menor que un determinado nivel, pero para esto, se
requiere que los lotes que sean rechazados bajo este plan, se inspeccionen 100% y que
las unidades defectuosas contenidas en estos lotes, sean sustituidas o reparadas. La
condición del 4% de defectuosos tolerables en el lote, con n = 60 y c = 0, servirá para
explicar la forma del plan de muestreo por LPCF. Los lotes que contuvieran el 1% de
mal conformados se aceptarían el 56% de las veces. Por tanto, el 44% de los lotes se
deberán de inspeccionar 100%, y las unidades mal conformadas que se encuentren
serán sustituidas o reparadas. El promedio de la calidad después de esta inspección, o
PCF, para estos lotes, será de 44% x 0% + 56% x 1% =0.56%. Si se sometieran a
inspección lotes que contengan el 1.5% de mal conformados se ve que el 43% será
aceptado y el 57% de los lotes será rechazado, para una inspección 100%; eliminando
todos los mal conformados el nuevo PCF será de 43% >s16 < s16 1.5%,s16 o sea
0.645%. Para lotes presentados con 2% mal conformados el PCF resulta de 0.64%. Este
valor del PCF va siendo progresivamente mas pequeño para lotes con 2.5% de mal
conformados, 3% de mal conformados, etcétera.
3.1.4 NÚMERO ESPERADO DE PIEZAS INSPECCIONADAS
inicia como normal, esto se mantiene hasta que los siguientes procedimientos de
modificación exijan un cambio:Nivel de inspección Normal: Toda inspección
se da cuando 2 de 5 lotes consecutivos han sido rechazados.De normal a rigurosa:
Este cambio de nivel
cuando 5 lotes consecutivos se aceptan dentro de la inspección original.De rigurosa a
normal: Este cambio se da
cuando 1 lote resulta rechazadoDe normal a reducida: Este cambio se da
Formación de lotes y selección de la muestra Los lotes deben de ser homogéneos, todo
producto que figure en un lote deberá producirse por la misma maquina, el mismo
operador, el mismo material de entrada y las mismas condiciones de operaciones
durante la fabricación del lote. La selección de las muestras que se vayan a emplear en
la inspección deberán ser representativas de todo el lote. Nuestro plan de muestreo
busca que cada una de las unidades del lote tengan la misma posibilidad de ser
escogida para ser inspeccionada. Los NCA de las latas El NCA (también conocido como
AQL, que es lo mismo pero en ingles) es fijado tomando en cuenta algunos aspectos
estadísticos como las curvas de características de operación (CO) y curvas de cantidad
media de la muestra (CMM), la ayuda de esta curva es evitar el conflicto entre el
cliente y el fabricante, ya que este siempre desea la aceptación de todos los lotes
aceptables y el consumidor desea el rechazo de todos los lotes inaceptables. Nuestro
plan de muestreo ha fijado un AQL de (se define en un convenio cliente – proveedor)
para defectos críticos, (se define en un convenio cliente – proveedor) para defectos
mayores y (se define en un convenio cliente – proveedor) para defectos menores. En el
anexo 2, encontraras la clasificación de estos defectos. Recuerda que los críticos anulan
la funcionalidad de los productos, los mayores ponen en riesgo su funcionalidad y los
menores por lo general afectan solo a la apariencia. Número esperado piezas
inspeccionadas La carta de control que propone Quesenberry, es la de Shewhart,
basada en una muestra de observaciones de una distribución Geométrica, 1 2 , ,…, n x x
x . Una de ellas monitoriza directamente el número de unidades inspeccionadas hasta
encontrar una unidad no conforme ( i x ) y utiliza a la distribución Geométrica exacta
para la definición de los límites inferior (LI) y superior (LS) de control. Estos límites son:
El primero es llamado error tipo I, y ocurre cuando rechazamos un lote que cumple con
las especificaciones de calidad; el segundo es llamado error tipo II, y ocurre cuando
aceptamos un lote que no cumple con las especificaciones de calidad.
Afortunadamente, es posible controlar la probabilidad de ocurrencia de estos errores,
de manera que puedan mantenerse bajas; la clave para reducir la probabilidad de
ocurrencia de estos errores es el tamaño de la muestra (es decir, el número de
productos inspeccionados en la muestra), tal como veremos más adelante. Por esta
razón, se sabe también que el muestreo de aceptación es más eficiente cuando el lote
es grande.
El plan original, el Miltary Standard 105 fue diseñado en 1950. La última revisión, el
plan Military Standard 105E data de 1989. Existe una versión civil de este plan militar,
el plan ANSI/ASQC Z1.4, pero supone sólo pequeñas modificaciones de éste. Este
estándar ha sido también adoptado por la International Organization for Standarization
bajo la denominación ISO 2859. Este estándar cubre tres tipos de muestreo: simple,
doble y múltiple. Para cada tipo de muestreo existen planes específicos dependiendo
del nivel de calidad que el comprador espera del vendedor. En este tema nos
ocuparemos sólo de los planes simples. Para un mismo tamaño de lote y un mismo
nivel de calidad aceptable (NCA o AQL o valor pA) se especifican tres planes de
inspección:
1. Normal: para aquellos casos en los que la calidad que se espera del proveedor es
similar al NCA
2. Reducido: para aquellos casos en los que la calidad esperada sea muy alta (p < pA).
En este tipo de muestreo, el tamaño muestral es inferior al plan normal.
Existen una serie de reglas que determinan el plan de muestreo anterior. Estas reglas
pueden resumirse en los siguientes puntos:
El plan MIL STD 105E varía también en función del coste del muestreo, existiendo
varios niveles según el coste de inspección. Estos niveles son:
Coste de inspección alto: Nivel I. Coste de inspección estándar: Nivel II. Coste de
inspección bajo: Nivel III. Niveles especiales (por ejemplo, en ensayos destructivos):
Niveles S-1 a S-4
3.2.3 Simple
1. Decidir el AQL o pA.
MIL STD 105E. Reglas para el cambio de nivel de muestreo Ejemplo tabla militar MIL
STD 105-E Supongamos que N=100 y el PDTL = pL = 0.10. Entonces D = N pL = 100(0.10)
= 10 La tabla 10–6 da entonces f = 0.21, que corresponde al valor mas cercano a D= 10.
El Plan de muestreo deseado es entonces n = 0.21(100) = 21 c = 0 Así, dicho plan
consiste en seleccionar, al azar 21 artículos del lote de tamaño 100, y en rechazar el
lote si se encuentra 1 o mas defectos. Ejemplo de tabla: 3.2.3 SIMPLE
3.2.4 Doble
La idea de este muestreo es tomar una primera muestra de tamaño pequeño para
detectar los lotes muy buenos o lo muy malos, y si en la primera muestra no se puede
decidir si aceptar o rechazar porque la cantidad de unidades defectuosas ni es muy
pequeña ni es muy grande, entonces se toma una segunda muestra, para decidir si
aceptar o rechazar tomando en cuenta las uniades defectuosas encontradas en las dos
muestras.
3.2.5 Múltiple
• Se usa el mismo principio que en muestreo doble excepto que pueden necesitarse
más de dos muestras Una forma particular de muestreo múltiple es conocida como
muestreo secuencial.
Z = (x – μ) / [S / √ n]
Existen dos tipos generales de procedimientos de muestreo por variables; planes que
controlan la fracción defectuosa del lote o el proceso, y planes que controlan un
parámetro (normalmente la media) del lote o el proceso. Procedimiento 1 Se obtiene
una muestra aleatoria de n artículos del lote y se calcula la estadística. Observemos
que en (11–1) ZLIE expresa exactamente la distancia entre la media maestral x y el
límite inferior de especificación en unidades de desviación estándar. Cuando mas
grande sean los valores de ZLIE, tanto mas lejos se encuentra la media muestral x
respecto del limite inferior de especificación y, por consiguiente, tanto mas pequeña es
la fracción defectuosa p del lote.
Muestreo para Aceptación que busca responder a la cuestión cuanto a la calidad de los
artículos que se adquiere en base a la inspección de una muestra aleatoria de ítems del
lote del producto terminado conduce necesariamente a una decisión, aceptar o
rechazar el lote. Sabemos por anticipación que cualquier decisión involucra riegos
(Tomar la decisión correcta o equivocada) y que por regla general cuanto más
información tenemos sobre el problema, menores son los riesgos de tomar la decisión
equivocada.
x x n - x P(X = x) = Cn p (1 - p)
MIL STD 414 (ANSI/ASQC Z1.9) Es un plan de muestreo para aceptación por variables,
se introdujo en 1957, su punto focal es el nivel de calidad aceptable, que varia de 0.04
a 15%. Existen cinco niveles de inspección, donde el nivel IV se considera “normal”.
Utiliza letras códigos para los tamaños de muestra, los tamaños muéstrales son una
función del tamaño del lote y del nivel de inspección. En esta norma se pueden
emplear dos procedimientos: para el caso de limites unilaterales se aplica el
procedimiento 1 o 2. Si hay limites bilaterales, se utiliza el procedimiento 2. Esta norma
se divide en cuatro secciones: • Sección A.- es una descripción general de los planes de
muestreo, incluyendo ediciones, letras código para el tamaño de la muestra, y curvas
CO para varios planes de muestreo. • Sección B.- ofrece planes de muestreo por
variables que se basan en la desviación estándar de la muestra, para el caso en el cual
se desconoce la variabilidad del lote o del proceso. • Sección C.- presenta planes de
muestreo por variables que se basan en el método de la amplitud muestral. • Sección
D.- proporciona planes de muestreo por variables para el caso en el que se conoce la
desviación estándar del proceso. La MIL STD 414 proporciona información para un
cambio a la inspección estricta o a la reducida, cuando ella se justifica. Se usa la media
del proceso como base para determinar cuando se realizara dicho cambio. Como
media del proceso se toma el promedio de las estimaciones muéstrales del porcentaje
defectuoso, calculadas a partir de los lotes sometidos a la inspección original.
Normalmente la media del proceso se calcula a partir de la información de los 10 lotes
anteriores. Debe implantarse la inspección estricta siempre que la media del proceso
exceda al NCA, y cierto numero de los lotes (mayor a un valor T en los que se basa la
media del proceso tenga estimaciones del porcentaje defectuoso mayores que el
NCA.La tabla 11.6 presenta los valores de T. Se utiliza la inspección reducida cuando: 1.-
los 10 lotes anteriores han estado bajo la inspección normal y no se ha rechazado
ninguno.
2.- el porcentaje defectuoso estimado para cada uno de dichos lotes es menor que un
limite inferior especificado, para el cual se proporciona una tabla especial, o en ciertos
planes, cuando el porcentaje defectuoso estimado es igual a cero para un numero
especificado de lotes consecutivos.