Controlestadisticodelacalidad 090304210357 Phpapp02

Carlos Viesca Gonzlez 1
Control Estadstico de
Calidad
Carlos Viesca Gonzlez

CAPTULO 1
Conceptos bsicos y
variabilidad.
CALIDAD
(ISO 9000:2000)
Grado en el que un conjunto de
caractersticas (rasgos diferenciadores)
inherentes (existen en algo, especialmente
como caractersticas permanentes) cumple
con los requisitos (necesidad o expectativa
establecida, generalmente implcita u
obligatoria).
Dimensiones de la calidad
(Garvin, 1987)
La calidad de un producto se puede evaluar de
varias formas:
1. Desempeo. Desempear el producto la
funcin para la cual fue creado?
2. Confiabilidad. Con qu frecuencia falla el
producto?
3. Durabilidad. Cunto dura el producto?
4. Disponibilidad del servicio. Qu tan fcil es
reparar un producto?
5. Esttica. Cmo se ve el producto?
6. Caractersticas distintivas. Qu ms
hace el producto?
7. Calidad percibida. Cul es la reputacin
de la compaa o de sus productos?
8. Conformancia o cumplimiento con los
estndares. Est hecho el producto
conforme el diseador lo pretenda?

Dimensiones de la calidad
(Garvin 1987)
Adecuacin para el uso
Calidad significa adecuacin para
el uso.
Calidad de diseo. Un producto o
servicio se produce con un grado o
nivel de calidad, el cual es
intencional.
Calidad de conformancia. Qu tan
bien cumple un producto o servicio con
las especificaciones de diseo. Se ve
afectada por: el proceso de manufactura,
el entrenamiento y la supervisin, el
sistema de calidad, el grado al cual se
aplican los procedimientos del sistema de
calidad y la motivacin de la fuerza de
trabajo, entre otros factores.

Adecuacin para el uso
Algunas definiciones de
calidad
Adecuacin para el uso o para la funcin.
El grado al cual un producto especfico
satisface los deseos de un cliente en
particular.
Proveer productos y servicios que cumplan
con las expectativas de los clientes a lo largo
de la vida del producto o servicio a un costo
que represente valor para el cliente.
El grado al cual un producto es conforme
a las especificaciones del diseo.
Las caractersticas o atributos que
distinguen a un artculo de otro.
Conformancia con los requerimientos de
ingeniera aplicables, de acuerdo con las
especificaciones, dibujos y dems
documentos de ingeniera relacionados.

calidad
Las definiciones anteriores no han sido
muy tiles por alguno o varios de los
siguientes aspectos:
a) Estn basados en atributos y son de
naturaleza cualitativa.
b) Estn basados en manufactura y no en
diseo (se ve la calidad hasta el final del
proceso de manufactura)

calidad
c) No establecen claramente la relacin
apropiada entre deseos, necesidades,
expectativas del cliente y la funcin
del producto. Un producto se puede
vender por un atributo pero perder
mercado por su funcin, por su
calidad.
calidad
Funcin de prdida de
Taguchi.
La prdida impartida a la sociedad
durante el uso de un producto es un
resultado de la variacin funcional y de
los efectos dainos derivados del uso
del mismo (efectos colaterales que no
estn relacionados con la funcin del
producto).
Funcin de prdida de
Taguchi.
Ejemplo de las agendas:
Longitud del corte del forro por agenda
21.7 22.3
Prdidas
menores
Prdidas
mayores
Para este ejemplo:

Valor nominal u objetivo= 22 cm
Especificaciones o tolerancias= 22 .3 cm
Lmite inferior de especificacin (LIE) = 21.7 cm
Lmite superior de especificacin (LSE) = 22.3 cm

Actualmente funcin de
prdida
Caractersticas de calidad
Valor nominal
Se comporta de forma
exponencial en las prdidas
Actualmente funcin de
prdida
En algunos estudios empricos se ha encontrado:
Valor nominal
Prdida de calidad
Caracterstica de calidad
Tendencia
Actualmente la tendencia de control
de calidad es la reduccin de
variabilidad
Variabilidad
(Devor, 1992)
No existen dos productos exactamente
iguales.
La falla de un producto para alcanzar
la funcin que se pretende, segn el
cliente, puede surgir de alguna o de
las dos siguientes fuentes:
1. Falla para lograr el desempeo nominal
requerido por el diseo.
2. Variacin excesiva alrededor del nivel de
desempeo nominal pretendido.
Variabilidad
Las fuentes de variacin son fuentes de
desperdicio e ineficiencias y por cada fuente
de variacin identificada y removida se
experimentarn incrementos en calidad y
productividad.
La variabilidad se puede describir en trminos
estadsticos y aqu es dnde encaja el uso de
mtodos estadsticos en el mejoramiento de
la calidad.
Mejoramiento de la calidad
(Montgomery, 1997)
Reduccin de la variabilidad en procesos y
productos. Excesiva variabilidad en el
desempeo de un proceso se traduce
frecuentemente en desperdicio.
Y en servicios? Reduccin de
desperdicio.
Control estadstico de la Calidad
(Besterfield, 1995)
Consiste en el acopio, anlisis e
interpretacin de datos para su uso en
el control de calidad. Dos elementos
importantes del CEC son el Control
Estadstico de Procesos (CEP) y el
Muestreo de Aceptacin.
CAPTULO 2
Grficas de Control
Grficas de control
tiempo
x
o 3 +
x
o 3
Lmite superior de control (LSC)

Lmite inferior de control (LIC)
Lnea central (LC)
Dnde el tiempo representa la muestra o subgrupo
Las grficas de control nos muestran cmo se
compara una caracterstica a travs del tiempo.
Si todos los puntos estn dentro de los lmites y
no siguen un patrn especfico, se dice que el
proceso est bajo control o bajo control
estadstico.
Los lmites de control dependen del
comportamiento de los datos.
Grficas de control
Concepto de control estadstico de Shewhart:
Se dice que un fenmeno est controlado cuando,
a travs del uso de la experiencia pasada, se
puede predecir al menos dentro de ciertos lmites
como se espera que varie el fenmeno en el
futuro.
Si un proceso no est en estado controlado, la
productividad o el xito econmico no se
garantiza.
Grficas de control
Lmites de especificacin: dependen
del diseo o del cliente.

Lmites de control: los determina el
proceso.
Grficas de control
Zonas de una grfica de
control
Zona A= media + 3o= 99% de los datos
Zona B= media + 2o= 95% de los datos
Zona C= media + o = 68% de los datos
Grficas de control
Ocho pruebas para verificar que una grfica est bajo
control estadstico:
Prueba # 1: un dato fuera del lmite de control
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Grficas de control
Prueba # 2:

Ocho puntos en forma consecutiva
por arriba o por debajo del
promedio
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Prueba # 3:

Cinco puntos consecutivos en
forma ascendente o descendente
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Grficas de control
Prueba # 4:

Catorce puntos alternndose en
forma consecutiva arriba y abajo.
Prueba # 5:

Dos o tres puntos en la zona A o
ms all
tiempo
LSC
LIC
LC
A
B
C
C
B
A
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Grficas de control
Prueba # 6:

Cuatro de cinco puntos
consecutivos en la zona B o ms
all
Prueba # 7:

Quince puntos consecutivos en la
zona C
tiempo
LSC
LIC
LC
A
B
C
C
B
A
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Grficas de control
Prueba # 8:

Ocho puntos consecutivos que no caigan en la zona C
tiempo
LSC
LIC
LC
A
B
C
C
B
A
Cuando una grfica no est en control
estadstico, se puede deber a:
Causas comunes de variacin: fuentes de
variacin dentro de un proceso que tienen una
distribucin estable y repetible en el tiempo.
Causas especiales de variacin: factores que
causan variacin y que no estn actuando siempre
sobre el proceso.
Grficas de control
Estadstica de las grficas
de control
Prueba de hiptesis:

Ho: El proceso est bajo control vs
Ha: El proceso no est bajo control

Error tipo I: Rechazar Ho cuando Ho es
verdadero. Se concluye que el proceso no est
bajo control, cuando realmente si lo est.

P(Error tipo I)= o
Error tipo II: Aceptar Ho cuando Ho es
falsa. Se concluye que el proceso est
bajo control, cuando realmente no lo est.

P(Error tipo II)= |

Para fines de clculo de o y |, suponga
que el proceso no est bajo control si
hay un cambio en la media del mismo.
de control
Frmulas:
de control
x
x
x
Z
o

=
n
x
o
o =
de control
LSC
LIC
La media cambia
El error tipo II se obtiene con la nueva media
Curva caracterstica de
operacin
Es una medida de de la bondad de una
grfica de control para detectar cambios en
los parmetros de los procesos (, o).
P
(
n
o

d
e
t
e
c
t
a
r

c
a
m
b
i
o
s
)
=
|

ARL (Average run length)
Denota el nmero de muestras que en
promedio se requieren para detectar
una seal fuera de control.
Si el proceso est bajo control:

Entre ms grande sea el ARL es mejor, ya que no se
tienen muchas falsas alarmas.
o
1
= ARL
Si el proceso no est bajo control:

Entre ms pequeo sea el ARL necesito menos
muestras para calcular el error tipo II
ARL (Average run length)
|
=
1
1
ARL
Efectos de los lmites de
control sobre y
a) si los lmites de control son ms anchos:
o se reduce
| se incrementa
b) si los lmites de control son ms angostos:
o se incrementa
| se reduce
c) si se toman muestras ms grandes:
o se reduce
| se reduce
Tasa global de error tipo II
Donde:

K= # de reglas independientes usadas como criterios
para situaciones fuera de control.
o
i
= P(error tipoI) con la regla
) 1 ( 1
) (
1
i
k
i
I tipo error de total P
o
o
=
=
H
=
Tipos de grficas de
control
Para valores continuos:
Grfica de medias y desviacin estndar.
Grfica de medias y rangos.
Grfica de observaciones individuales y
rangos mviles.

Tipos de grficas de
control
Para valores discretos (atributos):
Grfica de proporcin de artculos defectuosos (p)
Grfica de nmero de artculos defectuosos (np)
Grfica de nmero de defectos o disconformidades
(C)
Grfica de nmero de defectos por unidad (U)

Beneficios de las grficas
de control
1. Son herramientas efectivas para entender la variacin del
procesoy ayudan a lograr el control estadstico.
2. Si un proceso est en control estadstico su desempeo
es predecible y tanto el fabricante como el cliente pueden
confiar en niveles consistentes de calidad y en costos
estables para lograr la calidad.
3. Un proceso bajo control estadstico se puede mejorar a
travs de la reduccin de variacin y el centrado en un
valor objetivo; esto reduce costos y mejora la
productividad.
4. Las grficas de control proporcionan un lenguaje
comn para comunicar informacin sobre el
desempeo de un proceso entre muy diversas
personas dentro y fuera de la empresa.
5. Las grficas de control indican dnde est o
quien tiene la posible solucin de un problema,
con lo cual se minimiza la confusin, frustracin
y el costo de los esfuerzos mal dirigidos para la
solucin de un problema.
Beneficios de las grficas
de control
CAPTULO 2.1
Grficas para variables
( ) S x
( ) R x
Grfica de medias y
rangos
( ) R x
Grficas de medias y
rangos
El procedimiento es el mismo que en las
grficas de medias y desviacin
estndar.
La forma de obtener los lmites de
control y la lnea central es la siguiente:
Grfica de rangos:

Grficas de medias y
rangos
R LC=
R D LSC
4
=
R D LSC
3
=
Grfica de medias: antes de calcular
los lmites es necesario que est bajo
control la grfica de rangos.
Grficas de medias y
rangos
x LC =
R A x LSC
2
+ =
R A x LSC
2
=
o= se puede obtener a partir de los
datos recopilados, pero generalmente
se obtiene de la informacin
proporcionada por la grfica de un
proceso bajo control.
Grficas de medias y
rangos
2
d
R
= o
Interpretacin de grfica
de rangos
Esta grfica se debe analizar primero, ya
que el comportamiento de los promedios y
de los rangos de los subgrupos depende
de la variabilidad estimada de las piezas.
Se deben verificar las ocho pruebas
Verificar que no haya tendencias
de medias
Si la grfica de rangos est bajo control, la dispersin
del proceso est estable y por lo tanto se puede
analizar la grfica de los promedios; los lmites de
control de esta grfica se basan en la cantidad de
variacin de los rangos. Con la grfica de medias se
determina si el centro del proceso est cambiando
con el tiempo y si ese es el caso, entonces existen
causas especiales de variacin que estn
ocasionando esos problemas.
Grfica de medias y
desviacin estndar
( ) S x
1. Defina cul ser la caracterstica de la
calidad: Otorgar la mxima prioridad a
aquellas variables o caractersticas medibles y
expresables mediante nmeros y que causen
problemas en produccin o costos.
2. Escoja el subgrupo racional: Los elementos
que conformen cada subgrupo debern de
haberse producido bsicamente dentro de las
mismas condiciones.

Procedimiento para
elaborar una grfica x - S
3. Recolectar los datos: Recoger informacin
de 25 subgrupos con ms de 10 datos en cada
subgrupo. Regstrelos en una hoja de datos.
4. Calcular los promedios para cada
subgrupo
5. Calcular : dividiendo el total de los
promedios de cada subgrupo por el nmero de
subgrupos.

Procedimiento para
=
x
6. Calcular S: Calcular la desviacin estndar
de cada subgrupo.

7. Calcular : dividiendo el total de las S
de cada subgrupo por el nmero de
subgrupos.

Procedimiento para
1
) (
1
2
=

=
n
x x
S
n
i
i
S
8. Calcular las lneas de control:
Calcular cada una de las lneas de
control para la grfica y la grfica
S con las siguientes frmulas:

Procedimiento para
x
Grfica S:
Lnea central:
Lmite superior de control:
Lmite inferior de control:

Nota importante: En estas grficas de control la
desviacin estndar se estima con la expresin

Procedimiento para
S LC=
S B LSC
4
=
S B LIC
3
=
4
c
S
Grfica :
Lnea central:
Lmite superior de control:
Lmite inferior de control:
Procedimiento para
x
x LC =
S A x LSC
3
+ =
S A x LIC
3
=
9. Dibujar las lneas de control: Preparar una hoja de papel
cuadriculado; dividirla en dos partes iguales para las dos
grficas, colocando en la parte inferior la de desviaciones
estndar y en la parte superior la de medias; marcar cada eje
vertical de la izquierda con los valores de las media y de las
desviaciones estndar, segn sea el caso, y el eje horizontal
con los nmeros de los subgrupos. Dibuje una lnea slida
para la lnea central y una lnea punteada para los lmites.

Procedimiento para
10. Localizar los puntos: Registrar los valores
de la media y de la desviacin estndar de
cada subgrupo, por partes, segn el
nmero del subgrupo.
11. Registrar los datos que puedan ser de
utilidad: Escriba el tamao del subgrupo
(n) en el extremo superior izquierdo de la
grfica de medias.
Procedimiento para
Interpretacin de grfica S
Primero se debe analizar esta grfica, ya que
si no est bajo control estadstico los lmites
de la grfica de medias no tendrn sentido.
En caso de que no este bajo control
estadstico, se debern encontrar las causas
especiales de variacin y eliminar los puntos
fuera de control y recalcular los lmites.
de medias
Despus de haber revisado la grfica S, es
cuando se interpreta la de medias.
Nunca se deben relacionar los puntos en una
grfica de medias con los lmites de
especificacin, ya que los puntos en la grfica
son promedios y las especificaciones
corresponden a valores individuales, presentando
una variabilidad mayor que los subgrupos.
Se deben verificar las ocho pruebas
Verificar que no se presente ningn
patrn.
Datos normales.
Para ambas grficas
Lmites de tolerancia
natural
Estos lmites se basan en observaciones
individuales.
+ = (LSTN) Tolerancia de Superior Lmite
= (LITN) Tolerancia de Inferior Lmite

Capacidad del proceso
Cp
Cpk
ndices de capacidad del
proceso
Los ndices de capacidad del proceso intentan en
un solo nmero si un proceso puede cumplir
consistentemente con los requerimientos
impuestos sobre un proceso por clientes internos
o externos.
Estos ndices no tienen unidades, lo cual permite
comparar dos procesos completamente
diferentes.
La limitante principal de estos ndices es
que no tienen significado si los datos
analizados provienen de un proceso
fuera de control y la razn es que la
capacidad del proceso es una prediccin
y solo se puede predecir algo que es
estable.
proceso
Para estimar la capacidad de un
proceso, es necesario que se cumplan
dos condiciones:
Proceso bajo control estadstico
Que los datos se distribuyan normalmente
proceso
Generalmente se usan dos ndices para
evaluar la capacidad del proceso para
producir dentro de especificaciones:
Cp: ndice de capacidad potencial del proceso. No
toma en cuenta la media observada del proceso.
Cpk: ndice de capacidad o habilidad real del
proceso. Si toma en cuenta la media observada en
el proceso.
proceso
Antes de ver como calcular el Cp y el Cpk, es
necesario revisar algunos conceptos.
proceso
x
LIE
LSE
o 3 = x LITN
o 3 + = x LSTN
Dnde:
LSTN = lmite superior de tolerancia natural
LITN = lmite inferior de tolerancia natural
LSE = lmite superior de especificacin
LIE = lmite inferior de especificacin
proceso
6o se puede considerar como la dispersin
real del proceso.
Puesto que ambos lmites se disponen a una
distancia de la media 3o respectivamente,
entonces la proporcin de observaciones
entre ambos lmites es del 99.73%
proceso
La diferencia LSE LIE se puede
considerar que es la dispersin permitida
del proceso.
Si no se conoce la , la x doble barra es la
media estimada del proceso, la cual se
obtiene como la lnea central de un grfica
de medias.
proceso
La o es la desviacin estndar del proceso, la
cual si no se conoce, se estima de la grfica de
control de la variabilidad del proceso.
proceso
=
4
2
c
S
d
R
S
( ) S x
( ) R x
Lmites de especificacin o
tolerancias
Son caractersticos de una parte o
artculo determinado.
Estn basados en consideraciones
funcionales.
Estn relacionados con una medicin de
una sola parte.
Lmites de control de una
grfica de control
Son caractersticos de un proceso determinado.
Estn basados en la media y en la variabilidad de un
proceso.
Dependen de los parmetros de muestreo, como
tamao de muestra y el riesgo alfa.
Se usan para identificar la presencia o ausencia de
causas especiales de variacin en el proceso.
Clculo del Cp
o
6
LIE LSE
Cp

=
Interpretacin del Cp
Antes de hacer algo sobre ese punto,
cerciorese de que el proceso est bajo
control estadstico, si es as, entonces:
1. Cp > 1; el proceso es potencialmente
capaz de producir dentro de los lmites de
especificacin y genera un porcentaje de
defectuosos menor del .27%
2. Cp = 1; el proceso es apenas capaz, la
proporcin de defectuosos es .27%. Los
lmites de especificacin son iguales a los
lmites de tolerancia natural.
3. Cp < 1; el proceso no es potencialmente
capaz, la proporcin de defectuosos es
mayor a 27 en 10, 000.
Interpretacin del Cp
Nivel de habilidad de un
proceso
Nivel de habilidad % producto fuera de
especificaciones
3o
2700 ppm
4o
64 ppm
5o
6 partes en 10 millones
6o
Menos de 1 parte en 10
millones
* Considerando un proceso centrado y media fija
Clculo del Cpk
Es un ndice o medida del desempeo real del proceso
que toma en cuenta la media del mismo. Un proceso
con su media centrada puede tener un Cp de 2,
mientras que otro proceso con su media cercana al LSE
tambin puede tener un Cp de 2, siempre que su
disposicin sea la misma. Si se compara el desempeo
de ambos proceso con base en el Cpk, los resultados
seran muy diferentes.
Clculo del Cpk
)
`

=
o
3

LIE LSE
mnimo Cpk
Interpretacin del Cpk
1. Cpk > 1.33; el proceso es capaz y es
comnmente usado como una meta
para muchas compaas.
2. 1 < Cpk < 1.33; el proceso es
marginalmente capaz.
3. Cpk < 1; el proceso no es capaz
Grfica de observaciones
individuales y rangos
mviles
( ) Rm x
Se usa para procesos lentos que
conducen a bajas tasas de produccin o
cuando es muy costoso tomar muestras
grandes o bien, en procesos
automatizados.
individuales y rangos mviles
Grfica de rangos mviles: est
grfica no tiene interpretacin, debido a
la forma en que se obtienen los rangos.
R LC=
R D LSC
4
=
R D LIC
3
=
Grfica de observaciones individuales: para
ser interpretada necesita estar bajo control.
Grficas de observaciones
x LC =
2
3
d
R
x LSC + =
2
3
d
R
x LIC =
CAPTULO 2.2
Grficas para atributos:
p, np
C, U
Grficas para atributos
Algunas caractersticas de calidad
recolectadas como datos de atributos
slo toman dos valores:
Conforme, no conforme
Pasa, no pasa
Presencia, ausencia de algo
Tales disconformidades o defectos se
observan frecuentemente de manera visual
y ocasionan que un producto o una parte de
un producto sea considerado como
defectuoso.
En estos casos, la calidad se evala por
atributos.
Grficas para atributos
Importancia
Se pueden aplicar tanto en procesos tcnicos
como administrativos.
En muchas ocasiones se dipone de datos que
son de atributos y no se requiere incurrir en
gastos adicionales.
Si no existe informacin disponible, se
recolecta rpidamente y a un bajo costo.
Muchos reportes, resmenes que maneja la
administracin son atributos y se pueden
aprovechar ms si se analizan como grficas de
control.
El uso de las grficas de control de atributos en
medidas de calidad globales claves,
frecuentemente puede indicar a reas especficas
del proceso que pueden requerir un anlisis ms
detallado.
Importancia
Definiciones importantes
Defecto: falla o no conformidad que ocasiona que
un artculo no satisfaga los requerimientos
especificados.
Artculo defectuoso: artculo que tiene uno o
ms defectos.
Fraccin defectuosa: es la razn del nmero de
artculos defectuoso en la muestra (d), respecto al
total de los artculos de la muestra (n)
Grfica para la proporcin
de piezas defectuosas
Grfica p
La grfica p, miden la proporcin de piezas
disconformes en un grupo de artculos que
se inspeccionan.
Esto puede aplicar a una muestra de 100
piezas.
Las muestras pueden constantes o
variables.
p LC =
n
p p
p LSC
) 1 (
3

+ =
n
p p
p LIC
) 1 (
3

=
Para muestras constantes:
Para muestras variables:
= =
i
i
n
d
p LC
n
p p
p LSC
) 1 (
3

+ =
n
p p
p LIC
) 1 (
3

=
Interpretacin
Para interpretar la grfica p, se hace de la misma
manera que las otras grficas, se debe:
Verificar que los puntos no excedan los lmites de
control.
Los puntos se deben distribuir aleatoriamente dentro
de los lmites de control.
No deben mostrar tendencias
Los puntos debe apareceren orden aleatorio en el
tiempo.
Grfica para el nmero de
piezas defectuosas
Grfica np
En algunas ocasiones es conveniente hacer
una grfica de control, en la que se grafique
el nmero de defectuosos en la muestra en
lugar de la proporcin de defectuosos. Para
hacer esto se requiere que el tamao de la
muestra sea constante.
En esencia proporciona la misma informacin
que una grfica p.
piezas defectuosas
Para muchas personas este tipo de grficas es
ms fcil de interpretar que la p. La desventaja
que presenta la grfica np es que no es fcil
manejar e interpretar el nmero de dectuosos si
se desconoce el tamao de la muestra.
Tanto la grfica p y np, tienen fundamento en la
distribucin binomial, la interpretacin es la
misma que la grfica p.
piezas defectuosas
p n LC =
) 1 ( 3 p p n p n LSC + =
) 1 ( 3 p p n p n LIC =
piezas defectuosas
Grfica para proporciones
y piezas defectuosas
Cuando se tienen diferentes tamaos
de muestras se debe usar una grfica
de proporciones adecuada al caso.
Grfica de nmero de
defectos en la muestra
Grfica C
Es posible desarrollar grficas de control ya
sea para el nmero total de no
conformidades en una unidad o el nmero
promedio de no conformidades por unidad.
Estas grficas de control usualmente asumen
que la ocurrencia de una no conformidad en
una muestra es bien modelada por una
distribucin Poisson.
Grfica de nmero de
Para poder realizar esta grfica se
requiere que el tamao de la
muestra sea constante.
Grfica de nmero de
k) 1,2,..., (i i muestra la en defectos de # c
i
= = Si
c
k
c
LC
i
= =

c c LSC 3 + =
c c LIC 3 =
Grfica de nmero de
Grfica de nmero de
defectos por unidad
Grfica U
Esta grfica se basa en el nmero promedio de no
conformidades por unidad inspeccionada. Si encontramos
x cantidad de no conformidades en la muestra de n
unidades inspeccionadas, entonces podemos obtener el
nmero promedio de no conformidades por unidad
inspeccionada de la siguiente manera:
Grfica de nmero de
defectos por unidad
n
x
u =
Se utiliza para unidades de longitud, rea,
volumen, etc.
n puede ser constante o variable.
Con n variable:
n promedio
Lmites para cada n
Lmites para ciertas n
Lmites estandarizados
Grfica de nmero de
defectos por unidad
la muestra tamao de n
#def ectos c
,k , i
dnde:
n
c
u
i
i
i
i
i
=
=
=
=
2 1
u LC=
i
n
u
u LSC 3 + =
i
n
u
u LIC 3 =
Grfica de nmero de
defectos por unidad
CAPTULO 2.3
Grficas CUSUM y EWMA
Grfica CUSUM
La grfica CUSUM, se usa para
detectar pequeos cambios en la
media del proceso.
Grfica CUSUM
( )
objetivo valor
individual n observaci
u muestra una de media x
donde
x C
o
j
i
j
o j i
=
=
=
.
:
1
Construccin de una
grfica CUSUM
Proceso tabular:
Se basa en los clculos de los CUSUM
unilaterales, superior e inferior:
( ) { }
( ) { }
+
+ =
+ + =
1
1
, 0 max
, 0 max
i i o i
i o i i
C x k C
C k x C

El procedimiento se inicia haciendo:
Construccin de una
grfica CUSUM
0 = =
+
o o
C C
K es un valor de referencia o de holgura y
frecuentemente se determina como:
2
1 o
k

=
El proceso est fuera de control si C
+
o
C
-
exceden el valor de H, un valor
razonable para H es .5o.
Para esta grfica no se realizan las 8
pruebas, ya que los datos dependen
unos de otros.
Construccin de una
grfica CUSUM
Cuando el ajuste que se debe hacer en el
proceso tiene por objetivo hacer que la media
regrese al valor objetivo puede ser til
estimar la media actual del proceso.
Construccin de una
grfica CUSUM
>
> + +
=
+
+
+
+
+
H C si
N
C
k
H C si
N
C
k
i
i
i
o
i
i
i
o
,
,

Grfica EWMA
La grfica EWMA, constituye una buena
alternativa a las grficas de control de
Shewart para el caso en que interesa detectar
pequeos cambios en la media del proceso.
Se usa tpicamente para muestras de tamao
1, aun cuando se puede usar con tamaos de
muestra mayores.
La grfica EWMA para la media del proceso:
Un promedio mvil exponencialmente ponderado se
define de la siguiente forma:

donde:
0< s1 es una constante
El valor de inicio (que se requiere con la primera muestra
cuando i = 1) es el objetivo del proceso, con lo cual z
0
=
0

En ocasiones z
0
= promedio de los datos preliminares
Grfica EWMA
1
) 1 (

+ =
i i i
z x z
Los lmites de control para una grfica
EWMA estn dados por las siguientes
expresiones:
Grfica EWMA
| |
| |
i
i
L LIC
LC
L LSC
2
0
0
2
0
) 1 ( 1
2
) 1 ( 1
2
=
=

+ =
Dnde:
L es la anchura de los lmites de control, el
mltiplo de sigma. Es comn tomar L = 3,
proporciona buenos resultados sobre todo
cuando lambda es grande.
En general, cuanto ms pequeos sean los
cambios que se desea detectar, ms
pequeos sern los valores de lambda.

Grfica EWMA
La grfica se elabora colocando en el eje
horizontal el nmero de la muestra i
(tiempo) y en el eje vertical el valor de la z
que le corresponde.

Grfica EWMA
CAPTULO 3
Muestreo para aceptacin de
lotes
Muestreo para aceptacin
de lotes
Objetivos:
1. Comprender y aplicar los conceptos bsicos
del muestreo de aceptacin.
2. Identificar y diferenciar los sistemas de
muestreo de aceptacin para atributos,
particularmente el MIL - STD - 105E.
3. Comprender el funcionamiento de un sistema
de muestreo de aceptacin para variables.
Introduccin:
El muestreo para aceptacin es un campo importante del
control estadstico de la calidad, es otra herramienta
para evaluar la calidad de un producto.
Los fundamentos de muestreo para aceptacin se
desarrollaron en 1925 a 1927 en los Laboratorios Bell;
despus slo se aplica espordicamente y no es sino
hasta la Segunda Guerra Mundial cuando se incorpora en
los estndares militares de calidad. A partir de ese
momento se difunde el uso masivo del muestreo de
aceptacin, el cual se aplica hasta la fecha.
de lotes
Conceptos generales:
Aspectos importantes en el muestreo:
El propsito del muestreo de aceptacin es juzgar lotes,
no estimar su calidad.
Los planes de muestreo para aceptacin no proporcionan
alguna forma directa de control de calidad, slo admite o
descarta lotes.
El uso ms eficiente del muestreo para aceptacin no es
inyectar calidad al producto mediante la inspeccin,
sino ms bien como una herramienta de verificacin para
asegurar que la produccin o salida de un proceso est
conforme a los requisitos.
de lotes
Enfoques para juzgar un lote:
Aceptarlo sin inspeccin: til en casos en
que el proceso del proveedor es tan adecuado
(relacin de capacidad de proceso de 3 4)
que casi nunca genera artculos defectuosos, o
en los que no existe una justificacin
econmica para juzgar artculos defectuosos.
de lotes
Efectuar una inspeccin al 100%: esto es
inspeccionar cada artculo en el lote, quitar todas
las unidades defectuosas encontradas (se pueden
devolver al proveedor, retrabajarlas, cambiarlas por
artculos conformes o rechazarlas). Se usa cuando
el componente es muy crtico y dejar pasar un
artculo defectuoso dara como resultado un costo
inaceptablemente alto de una falla en etapas
sucesivas, o cuando la capacidad del proceso del
abastecedor es inadecuada para satisfacer las
especificaciones.
de lotes
Utilizar el muestreo para aceptacin: Es
muy probablemente til cuando:
1. La prueba es destructiva
2. Es muy alto el costo de una inspeccin al
100%
3. una inspeccin al 1005 no es
tecnolgicamente factible, o cuando se
necesitara tanto tiempo que la planeacin de
la produccin se vera seriamente afectada.

de lotes
4. Hay que inspeccionar muchos artculos y la tasa de
errores de inspeccin es lo suficientemente alta
como para que una inspeccin al 100% pudiera
dejar pasar un mayor porcentaje de artculos
defectuosos que un plan de muestreo.
5. El proveedor tiene un excelente historial de calidad,
y se desea alguna reduccin en la inspeccin al
100%, pero la relacin de capacidad de su proceso
es lo suficientemente baja como para que la no
inspeccin no sea una buena alternativa.
6. Existen riesgos potencialmente serios respecto a la
posibilidad legal por el producto, y aunque es
satisfactorio el proceso del abastecedor, se requiere
aplicar un proceso de vigilancia continua.
de lotes
Ventajas del muestreo por aceptacin:
Es menos costoso, pues requiere menor inspeccin.
Menor dao del producto, al haber menor manejo del
mismo.
Menos inspectores y por lo tanto menos capacitacin.
Reduccin de los errores de inspeccin.
Puede aplicarse en el caso de pruebas destructivas.
El rechazo de lotes completos, en lugar de la simple
devolucin de los artculos defectuosos, constituye una
motivacin ms fuerte para que el proveedor mejore la
calidad de sus productos.
de lotes
Desventajas del muestreo para
aceptacin:
Existe el riesgo de aceptar lotes malos y
rechazar lotes buenos.
Hay que agregar planeacin y
documentacin.
Generalmente la muestra proporciona
menor informacin acerca del producto
de lotes
Porqu es vlido el muestreo?
Una pieza da rpida informacin sobre la calidad de las
piezas de un lote. Pero adems, de la muestra se
pueden obtener conclusiones acerca de lo bien o mal
que se desarroll un proceso en el momento de
extraer una muestra (aplicacin en grficas de
control). As, el proceso puede hablar del producto.
El muestreo de aceptacin tambin es vlido para las
piezas no inspeccionadas obtenidas del mismo proceso
que las inspeccionadas.
de lotes
Razones para usar muestreo de aceptacin:
No se puede asumir que el proceso sea estable, ni es
siempre posible que a la larga lo sea.
En operaciones que se realizan bajo trabajo intensivo, las
causas asignables no siempre se pueden conocer.
An cuando se puedan conocer las causas asignables,
existen procesos que no se pueden parar y ajustar de
inmediato.
Es comn una gran variacin entre operadores y el manejo
de las grficas de control para cada operador no es tan
sencillo.
de lotes
Formacin de lotes:
El muestreo por aceptacin puede desarrollarse en
una base de lote por lote o en un flujo continuo de
productos, aunque los planes de muestreo ms
comnmente usados se basan en muestreo por
lotes.
Entre los diferentes tipos de lotes que se pueden
formar (de manufactura, de embarque, etc.), los
lotes de inspeccin son los que se utilizan en
muestreo de aceptacin.

de lotes
Frecuentemente los lotes de inspeccin se
constituyen por la forma en que el producto se
maneja o se embarca; en otras ocasiones se
puede influir en el tamao y en la forma en que
se constituyen estos lotes, en cuyo caso se
deben aplicar los siguientes dos principios:
Es deseable que haya homogeneidad dentro del lote.
Si los lotes son homogneos, son mejores lotes grandes
que pequeos.
de lotes
Si se tienen lotes grandes, los tamaos de
muestra tambin sern grandes y se
obtendr una determinacin ms confiable
de la aceptabilidad del lote, siempre que el
lote en cuestin sea homogneo.

de lotes
Muestreo aleatorio:
Las tablas de muestreo publicadas suponen que
las muestras se obtienen al azar, esto es, que
cada una de las unidades de producto no
inspeccionadas tienen la misma probabilidad de
ser la siguiente seleccionada para la muestra.
Para realizar un muestreo aleatorio, se requiere
numerar las piezas de un lote y seleccionar
nmeros aleatorios que indiquen cules unidades
sern seleccionadas.
de lotes
Seleccin de nmeros aleatorios:
Usando una tabla de nmeros aleatorios
A travs de una calculadora que incluye esta
opcin
Un recipiente de bolas o papeles numerados
El mtodo de seleccin influye en los resultados del
muestreo, buscndose obtener una muestra
representativa de un lote.

de lotes
Sesgo del muestreo:
Tomar una muestra de la misma localizacin
dentro de cajas, estantes, etc.
Echar un vistazo al producto y seleccionar slo
aquellas piezas defectuosas o no defectuosas.
Ignorar las partes del lote difciles de
muestrear.
de lotes
Clasificacin de los planes de
muestreo:
1. Planes por atributos: Un lote se acepta o se
rechaza segn el nmero de defectuosos que se
presentan en el mismo.
2. Planes por variables: Un lote se acepta o se
rechaza segn el valor de la media (por
ejemplo) de la caracterstica de calidad en la
muestra; la media se compara con un valor
admitido que define el plan.
de lotes
Errores de inspeccin:
En la implantacin de un muestreo de
aceptacin se supone que el inspector
sigue el plan de muestreo que debe aplicar
y que la inspeccin se hace sin errores.
Planes de muestreo de
aceptacin por atributos
Terminologa:
Defecto: Alejamiento de una caracterstica de la
calidad del nivel o estado deseado que se
presenta con gravedad suficiente para dar un
producto que no satisface los requisitos de
utilizacin normales o razonablemente previstos.
Disconformidad: Alejamiento de una
caracterstica de la calidad del nivel deseado, que
se presenta con gravedad suficiente para dar un
producto o servicio que no cumple con los
requisitos de la especificacin.
Clasificacin de los defectos
segn su gravedad:
1. El muestreo sea distinto para cada clase
de defecto (tamaos de muestra).
2. Sea comn el plan de muestreo. pero que
el nmero de defectos permitidos sea
diferente para cada clase, segn su
gravedad.
Tipos de planes de muestreo de
aceptacin por atributos:
Planes de muestreo simple
Planes de muestreo doble:
Curva Caracterstica de Operacin (Curva CO):
Grfica en la que se muestra la probabilidad de que el
plan de muestreo acepte el lote en funcin de la fraccin
defectuosa de un lote, con base en la cual se observa
cmo reaccionar el plan a cualquier nivel de
disconformes en el lote.
Con la curva CO para un plan de muestreo (determinado
por el valor de n y de c) se puede evaluar si este
proporciona un buen grado de control sobre la calidad
del lote; de no ser as entonces se busca otro plan que
corresponda con las necesidades del usuario.
Probabilidad de aceptar un lote:
Para calcular la probabilidad de aceptar un lote (Pa),
primero se debe definir qu tipo de plan de muestreo
se aplicar. As tenemos planes de muestreo tipo A
(planes que seleccionan piezas de lotes simples de
tamao N y que se basan en el modelo
Hipergeomtrico) y planes tipo B (planes para
seleccionar piezas de una serie de lotes, se extraen
muestras aleatorias de tamao n de una poblacin
infinita, y que estn fundamentados en el modelo
probabilstico Binomial).
Riesgos y parmetros de muestreo:
Riesgo del vendedor o del productor se
conoce como riesgo alfa y es la probabilidad de que
un buen lote (de lata calidad) sea rechazado por
el plan de muestreo. Se fija en 0.01, 0.05 0.10.
Riesgo del comprador (empresa o quin usar
un producto). Tambin llamado riesgo beta. Es la
probabilidad de que un lote malo o de baja
calidad sea aceptado por el plan de muestreo.
Planes, esquemas y sistemas de muestreo:
Plan de muestreo: Plan especfico que establece el
tamao o tamaos de muestra a utilizar y el
correspondiente criterio de aceptacin o no aceptacin.
Esquema de muestreo: Conjunto especfico de
procedimientos que, habitualmente, consisten en
planes de muestreo para aceptacin en los que se
establecen los tamaos de los lotes, los tamaos de las
muestras y los criterios de aceptacin, o el alcance de
la inspeccin y muestreo al 100%.
Sistema de muestreo:
Con el uso de un sistema de muestreo se evita el
trabajo de calcular la curva CO para diferentes
valores de n y c y seleccionar el que cumpla con
los riesgos del comprador y del vendedor
preestablecidos.
Los sistemas de muestreo incluyen las curvas
CO, con base en las cuales se selecciona el plan
de muestreo que proporcione el nivel de
proteccin que el usuario desea.
Medidas de desempeo:
Nivel de Calidad Aceptable (NCA o AQL).
El porcentaje de Defectuosos Tolerados en el
Lote (PDTL o LTPD).
El lmite de Calidad Media de Salida (LCMS o
AOQL), y
La inspeccin Total Promedio (ITP o ATI).
El Nivel de Calidad Aceptable:
El AQL es el nivel de calidad o porcentaje de
defectuosos que, para los fines de inspeccin, es
el lmite de una medida satisfactoria del proceso.
El promedio del proceso es el porcentaje promedio
de defectuosos o nmero promedio de
defectuosos por 100 unidades de producto
enviado por el proveedor para la inspeccin
original.
La inspeccin original es la primera inspeccin de
una cantidad particular de un producto. El AQL es
un valor designado del porcentaje de defectuosos,
para el cual los lotes sern aceptados la mayor
parte de las veces por el procedimiento de
muestreo utilizado. El AQL especifica un valor del
nivel de calidad del productor.

Porcentaje de unidades defectuosas
toleradas en el lote (PDTL):
El LTPD es un valor numrico especfico para
el nivel de calidad del consumidor;
generalmente se refiere a un punto en la
curva CO en el cual el Pa es 0.10 y la mayora
de los sistemas basados en el PDTL se basan
en ese valor de Pa.
El Lmite de Calidad Media de
Salida (LCMS o AOQL):
Se aplica slo al muestreo en el que a los
lotes rechazados se les hace una
inspeccin al 100% para sustituir los
artculos defectuosos encontrados por
piezas buenas, que es lo que se denomina
inspeccin rectificadora.
La inspeccin Total Promedio (ITP
o ATI):
Se puede graficar la ITP esperada para
cualquier nivel de calidad de un lote (p)
contra el valor de p y usar esta grfica
para determinar los costos asociados a la
inspeccin rectificadora.
El sistema de muestreo MIL - STD - 105E:
El manejo de normas publicadas como sta (entre las
ms comunes tambin est la ANSI/ASQC Z1.4),
presenta la ventaja de que facilita la negociacin
entre vendedor y comprador. Es el ms conocido de
los planes de muestreo que utilizan como ndice de
calidad el NCA; proporciona una gran seguridad en la
aceptacin de los lotes cuando la proporcin de
defectuosos es menor o igual al NCA.
Tipos de inspeccin:
La MIL . STD - 105E incluye planes para
muestreo de aceptacin simple, doble y
mltiple basados en el AQL.
Los AQL contenidos en los planes varan
de 0.01% hasta 10% (para el conteo de
disconformes) y de arriba del 10% hasta
1000% (para el conteo de disconformes en
100 unidades).

Dado un AQL el sistema proporciona varios
planes de muestreo con el fin de motivar al
proveedor en funcin de la calidad del
producto que enva; as, es posible aplicar
tres tipos de inspeccin para cada uno de
los tres tipos de muestreo sealados lneas
arriba: normal, estricta y reducida.
La inspeccin normal se utiliza al inicio del proceso de
inspeccin y contina aplicndose durante el tiempo que el
vendedor est produciendo aparentemente piezas con el NCA o
mejores.
La inspeccin estricta se aplica cuando hay evidencia de
que la calidad del producto se ha deteriorado, lo cual forzar al
productor a enviar productos que sean tan buenos o mejores
que el NCA.
Si la historia reciente de la calidad de un producto ha sido
excepcionalmente buena, se puede adoptar la inspeccin
reducida, con lo cual se obtiene una reduccin de costos de
inspeccin al revisarse una muestra ms pequea.
Reglas para el cambio de tipos de
inspeccin:
De normal a estricta. Si se realiza una inspeccin
normal, se establece la inspeccin estricta cuando
dos de cinco lotes consecutivos se han rechazado
en la inspeccin original.
De estricta a normal. Cuando se ha estado
aplicando una inspeccin estricta, la inspeccin
normal se establece si se han presentado cinco
lotes aceptables consecutivos en la inspeccin
original.
De normal a reducida. Se puede pasar
de la aplicacin de una inspeccin normal
a una reducida si se satisfacen las
siguientes cuatro condiciones:

1. A los diez lotes anteriores se les ha aplicado
inspeccin normal y ninguno ha sido
rechazado en la inspeccin original.
2. El nmero total de defectuosos en las
muestras de los diez lotes anteriores es
menor o igual al nmero lmite.
3. Si la autoridad responsable lo aprueba.
4. Si la produccin est en fase estable.

De reducida a normal. Se puede pasar
de la inspeccin reducida a la normal si
ocurre alguna de las siguientes
situaciones en la inspeccin original:
1. Se rechaza un lote.
2. Se acepta un lote al que se aplic inspeccin
reducida, pero el nmero de defectuosos
encontrado es mayor que el nmero de
aceptacin y menor que el nmero de
rechazo.
3. La produccin ha venido a menos o ha
sido irregular.
4. Otras condiciones que propicien el
establecimiento de la inspeccin
normal.

Los niveles de inspeccin:
En la MIL - STD - 105E, el tamao de
muestra se determina con base en el
tamao del lote, el tipo de inspeccin y el
nivel de inspeccin; existen tres niveles de
inspeccin generales para cada uno de los
tipos ya mencionados anteriormente: el I,
el II y el III.
Al nivel II le corresponde una inspeccin
normal y es el que generalmente se usa. El
nivel I se usa cuando se permite una menor
discriminacin en el proceso de muestreo y
requiere cerca de la mitad de la cantidad a
inspeccionar del nivel II.
El nivel III se adopta cuando se requiere
una mayor discriminacin y usualmente
requiere dos veces la cantidad a
inspeccionar del nivel II.
El nivel de inspeccin se establece en un
contrato o por la autoridad responsable.

Los niveles especiales S-1, S-2, S-3 y S-4 se
usan cuando se requiere tamaos de muestra
pequeos (se involucran pruebas destructivas o
muy caras) y pueden o deben tolerarse
grandes riesgos en el muestreo (menor poder
discriminatorio).
Operacin del sistema de
muestreo MIL - STD - 105E:
1. Seleccionar los planes apropiados de las
tablas publicadas en el estndar.
2. Usar las reglas de cambio del nivel de
inspeccin, cuando la calidad del lote
cambia.
Procedimiento para el uso estndar:
1. Determinar el NCA aceptable (basado en un
acuerdo entre el productor y el cliente)
2. Decidir el nivel de inspeccin a usar.
3. Determinar el tamao del lote.
4. Usar la tabla de Letras de Cdigo del Tamao
de Muestra para seleccionar la letra cdigo
apropiada (anexo).
5. Decidir el tipo de procedimiento de muestreo:
simple, doble o mltiple.
6. Usar la tabla correspondiente al procedimiento
de muestreo seleccionado y al nivel de
inspeccin para encontrar el tamao de muestra
y los nmeros de rechazo y aceptacin para el
plan.
7. Empiece usando el plan seleccionado y lleve un
registro de las aceptaciones y rechazos para que
pueda aplicar las reglas de cambio.
CAPTULO 4
Confiabilidad
Confiabilidad
Se basa en la distribucin normal,
exponencial y weibull.
tiempo
Etapa de madurez
Confiabilidad
La confiabilidad se define como la probabilidad
de que un producto desempee la funcin para
la cual fue elaborado , bajo condiciones dadas
y durante un periodo de tiempo
determinado.
La confiabilidad es un aspecto de la calidad que
especficamente considera el comportamiento de
la calidad a lo largo del tiempo.

Confiabilidad
Sistema en serie: todos los
componentes estn relacionados de
manera que el sistema deja de
funcionar si alguno de sus componentes
falla.
i
n
i
o
R R
1 =
H =
Sistema en paralelo: todos sus
componentes estn relacionados de
manera que el sistema deja de
funcionar si todos sus componentes
fallan.
Confiabilidad
( )
i
n
i
o
R R H =
=
1 1
1
Ejemplo:
Confiabilidad
A
B
R
A
= .90
R
B
= .95
( ) ( ) ( ) ( )( ) ( )
995 .
95 . 90 . 95 . 90 .
=
+ = B A P B A P
Entonces la confiabilidad del sistema es:
Distribucin del tiempo de
falla
1. Los artculos de mala
calidad son eliminados.
2. Periodo de vida til.
3. Etapa de reemplazo.
tiempo
2.- Etapa de
madurez
1.- periodo
inicial
3.- envejecimiento
Tiempo entre fallas
t= variable aleatoria que representa el
tiempo de vida del producto, tiempo entre
fallas de un producto.
f(t)= funcin de probabilidad o funcin de
densidad.
}

=
>
0
1 ) (
0 ) (
dt t f
t f
F(t)= funcin de probabilidad o densidad
acumulada (probabilidad de que un producto
falle hasta antes del tiempo t)
Tiempo entre fallas
( )
}

= < =
t
dt t f t T P t F ) ( ) (
Confiabilidad (R(t))= confiabilidad de que
un producto no falle antes del tiempo t.
Tiempo entre fallas
}
= > = =
t
dt t f t T P t f t R ) ( ) ( ) ( 1 ) (
f(t) tiene una varianza y una media.
Tiempo entre fallas
Media: puede ser el tiempo media
hasta que el producto falla (MTTF) es
decir, que no se puede reparar.
Tiempo medio entre fallas (MTBF):
se aplica para productos que se puedan
reparar, es el tiempo medio entre fallas.
Tiempo entre fallas
}

= = = dt t f t MTBF o MTTF t E )) ( ( ) (
Tasa de fallas:
Tiempo entre fallas
) ( 1
) ( ) (
z F
t f t Z
=
=
Funciones de probabilidad
Exponencial:
Cuando la tasa de fallas es constante, la
funcin de probabilidad que describe la
vida de un producto es exponencial.
0 ;
1
) ( > = =

t e e t f
t
t

exponencial
= nmero de fallas por ud. de tiempo.
= tiempo medio por fallas (MTBF) o
tiempo medio para fallas.
= =
= =
) (
1 1
t z f allas de tasa
Esta distribucin es til para representar la
tasa de fallas en la etapa de madurez en la
grfica similar a la tina de bao.
exponencial
exponencial

f(t)
tiempo
1
R(t)
tiempo
) ( ) ( 1 ) ( t T P t F t R > = =
exponencial
Tasa de fallas
Z(t)
tiempo
| |
| | dad conf iabili e e dt e t T P t R
f alla prob e e t T P t F
e dt e dt t f t T P
t
t t t
t t
t
t t
t t
}
} }

= = = > =
= = s =
(
= = = s

1 1 ) ( ) (
. 1 1 1 ) ( ) (
1
) ( ) (
0
0 0
Normal:
Esta distribucin puede representar situaciones en
las cuales no se presentan fallas durante un
periodo de tiempo, y repentinamente muchas o
todas las pzas. comienzan a fallar, alrededor de
cierto tiempo que coincide con la media .
Como la tasa de fallas tiene un
comportamiento creciente, la distribucin
puede modelar algunas situaciones en el
periodo de envejecimiento.
normal
normal
f(t)
tiempo
f(t)
tiempo
0 , 0 , 0 ;
2
) (
2
) (
5 .
> > > =

o
t o
o
t
e
t f
t
normal
Z(t)
tiempo
Tasa de fallas
o

= =
t
z z f t R ; ) ( 1 ) (
Weibull:
Esta distribucin es la ms utilizada en
estudios de confiabilidad, ya que puede
modelar casi cualquier situacin ya sea en
periodos con tasa creciente, constante o
decreciente.

La tasa de falla es:
weibull
o
m
t t m
o
t t e
t t m
t f
o
>
(

=
(

, ) (
) ( 1
u
u u
1
) (

(

=
m
o
t t m
t Z
u u
Confiabilidad:
weibull
m
t t
o
e t R
(

=
u
) (
) (
La media es:
) 1 ( ) (
) (
1
1
I = I
= I
|
.
|
\
|
+ I + = = =
v v v
v de gamma f uncin v
m
t MTBF MTTF
o
u
Los parmetros de la distribucin son:
m: representa la forma de la distribucin
u: representa la magnitud de la media
t
o
: es un parmetro de posicin
La combinacin apropiada de valores de los tres,
es lo que facilita su uso en diversas condiciones.
weibull
weibull
f(t)
u
2u
m =.5
m =1
m =2
m =4
weibull
m =.5
m =1
m =2
m =4
R(t)
u
2u
weibull
m =.5
m =1
m =2
m =4
Z(t)
u
2u
Para m<0 la tasa de falla es decreciente y para
m>0 creciente.
Con m=1 la tasa de falla es constante y la
distribucin weibull es identica a la exponencial.
El efecto del parmetro t
o
es desplazar la funcin
hacia la derecha, ya que se supone que no
ocurren fallas para un periodo t<t
o
weibull
Modelo exponencial en
confiabilidad
Confiabilidad del sistema en serie:
=
=
|
|
.
|
\
|
=
=
= H =
=
n
i
i
n
i
i s
t
t
MTBF
e e t R
n
i
i
1
1
1
) (
1

Modelo exponencial en
confiabilidad
Confiabilidad del sistema en paralelo:
( )
( )
|
.
|
\
|
+ + + + =
=
v
H =
=
n
MTBF
e t R
entonces igual es toda si
e t R
n
t
p
i i
t
n
i
p
i
1
3
1
2
1
1
1
1 1 ) (
:
1 1 ) (
1

Pruebas de vida
fallas observadas
En base a fallas observadas se selecciona de un
lote una muestra aleatoria de n pzas y es
sometida a pruebas bajo condiciones ambientales
determinadas, observndose los tiempos de falla
de los componentes individuales, los tiempos de
falla observados son:
r
t t t t s s s s
3 2 1
Si el tamao de la muestra es n, la vida
acumulada por las uds probadas hasta la falla
r, sera T
r
. Si en la prueba se reemplazan los
elementos que fallan, entonces:
r r
nt T =
Pruebas de vida
fallas observadas
Si las piezas que fallan no se reemplazan,
entonces:
Pruebas de vida
fallas observadas
( )
r
r
i
i r
t r n t T

=
+ =
1
Para ambos casos, el estimador de vida
normal ser:
r
T
r
=

Un intervalo de confianza para vida media, se
puede encontrar ya que el estadstico 2T
r
/
tiene una distribucin ji cuadrada con 2r
grados de libertad.
Pruebas de vida
fallas observadas
2
2 ,
2
1
2
2 ,
2
2 2
r
r
r
r
T T
o o
_
_

< <
En base al tiempo transcurrido, otro
porcedimiento de prueba de vida
consiste en suspender la prueba
despus de transcurrido cierto tiempo
fijo T y considerar el nmero de fallas
observadas k como una variable
aleatoria.
Pruebas de vida
tiempo transcurrido
En el caso de que la prueba se realice
con reemplazo, entonces:
Pruebas de vida
tiempo transcurrido
nT T
k
=
Si las pruebas se realizan sin
reemplazo, entonces:
Pruebas de vida
tiempo transcurrido
=
+ =
k
i
i k
T k n t T
1
) (
El estimador y el intervalo de confianza
para la vida media ser:
Pruebas de vida
tiempo transcurrido
2
) 1 ( 2 ,
2
1
2
) 1 ( 2 ,
2
2 2
+ +
< <
=
k
k
k
k
k
T T
k
T
o o
_

Modelo Weibull en
confiabilidad
Confiabilidad en componentes:
o
|
|
o
|
>
|
.
|
\
|

=
|
.
|
\
|

t e
t
t f , ) (
1 1
En relacin a la expresin vista
anteriormente:
Modelo Weibull en
confiabilidad
( ) ( )
|
|
|
o
|
o
o
|
|
o
u o |
1
) (
) (
) ( ) (
1
1
) ( 1 ) (

= = =
|
|
.
|
\
|
+ I =
= =
= = =
t
t t
o
t R
t f
t r t Z
MTBF
e t R e t F
t m
Funcin gamma
Resultados conocidos:
0 ; ) (
0
1
> = I

}
x dx e x k
x k
o
( )
( ) ( )
( ) entero n para n n
k k k k
; )! 1 (
1 ; 1 ) 1 (
2
1
1 ) 1 (
= I
> I = I
= I
= I
t
Si o=1 y |=3.5, la tasa de falla
aumenta y la distribucin weibull es til
para modelar la vida de productos en la
etapa de envejecimiento. Tambin en
este caso la distribucin weibull se
aproxima a la distribucin normal.
Funcin weibull
Si o=1 y |=.5, la tasa de fallas decrece
y la distribucin es til para modelar el
tiempo de vida de los componentes en
la etapa inicial o depuracin.
Funcin weibull
Si o=0 y |=1, entonces la distribucin
weibull se convierte en la exponencial.
Funcin weibull
o
o
o
= =

;
1
) (
t
e t f

Controlestadisticodelacalidad 090304210357 Phpapp02

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Controlestadisticodelacalidad 090304210357 Phpapp02

Caricato da

Copyright:

Formati disponibili

Carlos Viesca Gonzlez 1

Lmite superior de control (LSC)

+ = (LSTN) Tolerancia de Superior Lmite

= (LITN) Tolerancia de Inferior Lmite

Carlos Viesca Gonzlez 120

Carlos Viesca Gonzlez 189

Carlos Viesca Gonzlez 206

Carlos Viesca Gonzlez 207

Carlos Viesca Gonzlez 210

Carlos Viesca Gonzlez 215

Potrebbero piacerti anche