Control de Procesos Estadisticos

CONTROL DE PROCESOS
POR VARIABLE
(Grficos de Control para el Promedio)
Ing. Guillermo A. Corres - 2006
Control de proceso por Variables

Condicin: caractersticas de calidad que se quiere controlar sea
medible en una escala contnua.
Ventaja: gran cantidad de informacin a obtener (base para la

mejora de la calidad).
En el 99% de los procesos de fabricacin las variables se
distribuyen segn una distribucin contnua del tipo Normal,
caracterizada por:
La Media ( ): ndice de centralizacin hacia el que tienden

los valores de la poblacin.
Desviacin tpica ( ): ndice de dispersin de los valores de

la poblacin.
Control de proceso por Variables

Funcin de densidad de la Distribucin Normal:
-3 -2
+2 +3
68.26%
95.44%
99.74%
Lmites de variacin natural: son aquellos que agrupan el

99.74% de la produccin cuando el proceso est bajo control.
Quedando slo un 0.26% fuera de los lmites de control.
Capacidad de Proceso
Definicin: amplitud de los lmites de variacin natural
(LVS-LVI) = 6 veces la desviacin tpica:
LVS-LVI = +3 ( -3) = 6
Medida de la Capacidad de Proceso

>1
ndice de Capacidad: IC = LTS LTI

6
=1
<1
Situaciones que se pueden presentar:
Proceco Productivo
(caractersticas de calidad)
Proceso cumple especificacin
Proceso No cumple especificacin
LVS LVI =< LTS LTI
LVS LVI > LTS LTI
6 =< LTS LTI

IC >= 1
6 > LTS LTI

IC < 1
Elem entos que no cum plen nivel de calidad es 0.26%
Elem entos que no cum plen nivel de calidad es superior a 0.26%
PROCESO BAJO CONTROL
PROCESO NO EST BAJO CONTROL
Formas de resolver la situacin:
Ing. Guillermo A. Corres -
1- Cambiando las tolerancias si fuese posible

2- Mejorando la tecnologa para alcanzar la
presicin requerida.
3- Separar las unidades defectuosas, lo cual
implica una inspeccin al 100% de la produccin,
lo que suele ser caro.
2006
En un proceso en que se desconoce la desviacin tpica, es
necesario proceder a su estimacin para evaluar la capacidad de
proceso.
La estimacin de la media del proceso se realiza mediante la
media de las medias muestrales:
X = xi
m
i
j
Donde xi es la media de cada muestra: xi = x

n
Ejemplo
1
2
3
4
5
n
x
xi
m1
250.00
276.00
290.00
294.00
305.00
5
1415.00
283.00
La desviacin tpica del proceso se estima a partir del recorrido

muestral medio:
= R
d2
El recorrido muestral medio es la media de los recorridos de las
muestras:
i
R= Ri
donde Ri = Valor max. -Valor min. de la muestra.
j
1
m
Ejemplo
2
3
4
5
x max
x min
Ri
m1
250.00
276.00
290.00
294.00
305.00
305.00
250.00
55.00
Tambin se puede estimar mediante la desviacin tpica

muestral media:
s = si
=s
m
c2
Donde si es la desviacin tpica de cada muestra:
Si =
( x xi )2
n
d2 y c2 son coeficientes que dependen del

tamao muestral.
Tamao
muestral
d2
c2
2
3
4
5
6
1.1280
1.6960
2.0590
2.3260
2.5340
0.5642
0.7236
0.7979
0.8407
0.8686
GRFICOS DE CONTROL PARA EL

PROMEDIO DEL PROCESO
Grficos de control para el promedio del proceso

Uno de los parmetros que es preciso controlar en cualquier
caracterstica de calidad es su promedio. El efecto de un
desplazamiento del promedio de un proceso se aprecia en la figura:
0,6
LTS
LTI
N (0,1)
N (1,1)
0,4
f (x)
0,2
0,1
-4
-3
-2
-1
-4

La herramienta bsica que se utiliza en el Control Estadstico de
calidad es el grfico de control, que se define como un intrvalo
de confianza en una escala de tiempo en el que peridicamente
comprobamos si los valores de la muestra que tomamos en el
proceso se encuentran dentro de los lmites de control marcados.
LCS
LC
LCI
Los lmites de control que se utilizan en el grfico del

promedio son tales que agrupan el 99,74% de los valores, es
decir, ms menos 3 veces la desviacin tpica.
LCS = + 3.
n
LC =
LCI = - 3.
Lmite de atencin: agrupa el 95% de los valores muestrales

cuando el proceso funciona correctamente:
LAS = + 1,96 .
LAI = 1,96 .
Si alguna media muestral se sita entre los lmites de atencin y los

de control, no es necesario parar el proceso pero es conveniente
iniciar etapa de vigilancia.
En caso de procesos en los que no se tiene informacin sobre la

caracterstica de la calidad (se desconocen valores de y ) es
necesarios estimarlos.
Si se utiliza en la estimacin el recorrido muestral medio
LCS = x + 3. R
LC= x
LCI = x - 3. R
d2. n
d2. n
Si en la estimacin de la desviacin tpica se usa s, se tiene:
LCS = x + 3.
LC = x
LCI = x 3.
c2 . n
s
c2 . n
LCS
754,00
753,00
LAS
752,00
751,23
751,00
750,00
751,37
751,09
751,00
LC
750,48
749,75
749,00
749,62
LAI
749,09
748,96
748,83
748,00
LCI
747,00
746,00
1
muestras
10
CONTROL DE PROCESOS
POR VARIABLES
(Grficos de Control para la
dispersin)
El N de unidades defectuosas de un
proceso puede incrementarse por:
Una desviacin respecto a su media
Un aumento de la variabilidad o
dispersin de dichas unidades en torno
a la media
Grficos de control
Para el RECORRIDO MUESTRAL
Para el DESVIACIN TPICA
IR
IR
Para el RECORRIDO MUESTRAL

A partir de la variable R (recorrido
muestral), que posee:
R d 2
R d3
Si la desviacin tpica es conocida, los

lmites se calculan:
LCS d 2 3d 3
LC d 2
LCI d 2 3d 3
O bien:
LCS D2
LC d 2
LCI D1
Donde
D2 d 2 3d 3
y
D1 d 2 3d 3
Si la desviacin tpica es desconocida:

La media se estima con la media de los
recorridos muestrales R
La desviacin tpica de la poblacin con:
Y la desviacin tpica del recorrido:
los lmites se calculan:
R
d2
R
R d3
d2
R
LCS R 3d 3
D4 R
d2
LC R
LCI R 3d 3
R
D3 R
d2
Para la DESVIACION TIPICA

MUESTRAL
A partir de la variable s (desviacin tpica muestral):
n
s
Con:
( x x)
j 1
s c2
1
s (1 c )
n
2
2
Si la desviacin tpica es conocida, los

lmites se calculan:
1
LCS c2 3 (1 c )
n
2
2
1
2
c2 3 (1 c2 ) B2
n
LC c2
1
LCI c2 3 (1 c )
n
2
2
1
2
c2 3 (1 c2 ) B1
n
Si la desviacin tpica es desconocida:

La media se estima con la media de las
desviaciones tpicas muestrales
La desviacin tpica de la poblacin con:
La media de las desviaciones

tpicas muestrales, se estima:
s
c2
s
s c2 c2 s
c2
Su desviacin tpica se estima con: s (1 c 2 ) 1

s
2
c2
Los lmites se calculan:
s
1
2
LCS s 3
(1 c2 )
c2
n
3
1
2
1
(1 c2 ) s B4 s
n
c2
LC s
s
1
2
LCS s 3
(1 c2 )
c2
n
3
1
2
1
(1 c2 ) s B3 s
n
c2
Control de procesos por atributos

(defectos)
Control de procesos por atributos (defectos)

En el caso de producciones con grandes mquinas,
equipos industriales o proyectos de ingeniera, es
ms conveniente controlar defectos que
defectuosos.
El control de defectos en el proceso de produccin
se hace a travs de diagramas = distribucin de
Poisson.
Grficos de control para el nmero de

defectos por muestra.
Realizan un recuento de defectos, no clasifica las unidades
en correctas o defectuosas.
e c . c x
P(x) =
xi
C = nmero medio de defectos por muestra.
Desviacin tpica de la muestra =
c
LCS = c + 3 . c
LC = c
LC = 3 veces la desviacin tpica de la muestra
LCI = c 3 .
c
Grficos de control para el nmero de

defectos por muestra.
Cuando no se conoce el valor de c, hay que
estimarlo mediante un conjunto de muestras dando
lugar a unos lmites de control de prueba.
LCS = c + 3 . C
LC = c
LCI = c 3 .
C
Grficos de control para tamao muestral

variable.
Se utilizan grficos de u en procesos de produccin con
control de defectos con muestras que contienen distintos
nmeros de unidades de inspeccin
LCS = u + 3 . U / nj
LC = u
LCI = u 3 .
U / nj
Donde nj es el n de unidades de inspeccin de la muestra j
Los LC varan inversamente proporcional al tamao de la
muestra
CONTROL DE PROCESOS
POR ATRIBUTOS
HERRAMIENTA ESTADISTICA BASICA:
DISTRIBUCION BINOMIAL
CONTROL DE PROCESOS POR

ATRIBUTOS
Permite establecer controles respecto al
nmero de unidades defectuosas producidas
Si la caracterstica de la calidad es medible,
cabe la posibilidad de darle un tratamiento
como variable o como atributo
Se utiliza cuando una caracterstica de
Calidad no se puede medir en forma
continua.
CONTROL DE PROCESOS POR

ATRIBUTOS
VENTAJAS
Inspeccin rpida
Mediante un solo grfico de control se pueden realizar el
seguimiento de varias caractersticas de calidad al mismo
tiempo
Menor complejidad
Abaratamiento de control de calidad
DESVENTAJAS
Menor informacin sobra la caractersticas de calidad que
se estan controlando. No sabemos como se distribuyen.
GRAFICOS DE CONTROL PARA EL

NUMERO DE ELEMENTOS
DEFECTUOSOS
El cociente entre elementos defectuosos y
producidos es la fraccin disconforme
n de elementos defectuosos en la poblacin
p=
nmero de elementos de la poblacin
GRAFICOS DE CONTROL PARA EL

NUMERO DE ELEMENTOS
DEFECTUOSOS
De acuerdo a la distribucin Binomial la
probabilidad de encontrar elementos
defectuosos es:
n!
x
n-x
P(x)=
p (1-p)
x! (n-x)!
Siendo: n (tamao de la muestra)
X (n de elementos defectuosos)
p (fraccin disconforme)
GRAFICOS DE CONTROL PARA EL NUMERO DE

ELEMENTOS DEFECTUOSOS
Media Muestral: n.p

Desviacin tpica muestral: n.p (1- p)
Limites de control:
LCS= n.p + 3. n.p (1- p)

LC = n.p
LCI = n.p 3. n.p (1- p)
Si LCI<0 LCI = 0
ESTIMACIONES
Cuando la fraccin disconforme p del proceso es
desconocida se estima a partir de la media de la
fraccin disconforme muestral de un conjunto de
muestras de tamao n (normalmente > 20)
dj
Pj=
n
La estimacin de p es la media de estas fracciones. p= pj
m
GRAFICOS DE CONTROL PARA LA

FRACCION DISCONFORME
Limites de control:
LCS= p + 3 p (1- p)
n
LC = p
LCI = p 3 p (1- p)
n
Planes de Muestreo
Tabulados
Planes tabulados y muestreo continuo
Planes de Muestreo Tabulados

NORMA MILITAR STANDARD 105D (MIL STD 105D)
Establece tres tipos de Inspeccin:
Normal
Reducida
Rigurosa
Segn riesgos del

Vendedor y Comprador
El paso de Inspeccin de normal a rigurosa (o de reducida a

normal) supone un aumento del riesgo del vendedor y una
disminucin del riesgo del comprador.

Criterios para pasar de un tipo a otro de inspeccin:
De normal a rigurosa: dos de cinco lotes consecutivos han
sido rechazados.
De rigurosa a normal: cinco lotes consecutivos has sido
aceptados.
De normal a reducida: 10 lotes consecutivos han sido
aceptados en inspeccin normal y , adems, el nmero de
elementos defectuosos encontrados en las 10 muestras es
inferior al numero dado en la Tabla 9.5.
De reducida a normal: cuando un lote es rechazado en
inspeccin reducida o cuando el nmero de elementos
defectuosos encontrados es superior al nmero de aceptacin
pero inferior al nmero de rechazo.
GESTION DE LA CALIDAD

Tanto el tamao muestral como el nmero de
aceptacin se determinan a partir del tamao del lote (N) y
del Nivel de Calidad Aceptable (NCA).
Se procede de la siguiente manera:
Ejemplo: Se trata de establecer un plan de muestreo para

lotes de 1000 unidades. La inspeccin se realiza
clasificando cada unidad de producto en correcta o
defectuosa segn cumpla o no las especificaciones
tcnicas establecidas. El nivel de calidad aceptable
establecido entre comprador y vendedor es del 1%.

El primer paso es elegir, en la Tabla 9.1, la letra cdigo en
funcin del tamao del lote. En este caso se toma la letra
cdigo es J y nivel de aceptacin II.
Se va a la Tabla 9.2 (Plan muestreo simple inspeccin
normal) con el dato de la letra cdigo J , aparece el
tamao muestral, 80. Luego se busca la interseccin de la
fila de la letra cdigo y de la columna del NCA (1%), en
este caso hay dos nmeros 2, nmero de aceptacin, y 3
nmero de rechazo.

Quedara de la siguiente manera:
Se toma del lote de 1000 unidades una muestra aleatoria

de 80 elementos que se inspecciona y se clasifican en
correctos o defectuosos. Si aparecen 0, 1, 2 defectuosos
se acepta el lote y si aparecen 3 o ms de 3 se rechaza el
lote.
Si el NCA fuera 0,1% en la interseccin figura una flecha
hacia abajo, esto quiere decir que hay que tomar el plan
de muestreo situado justo debajo de la flecha, ejemplo de
una muestra de 125 unidades el nmero de aceptacin 0 y
de rechazo 1.

PLANES DE MUESTREO DODGE-ROMIG
Establecen planes mediante el establecimiento previo del %
defectuosos tolerable en el lote (PDTL) o del lmite de la
calidad saliente media LCSM.
Los planes se determinan a partir del tamao del lote y de un
promedio de elementos defectuosos que contienen lotes.
Planes basados en PDTL
Estos planes proporcionan una probabilidad de aceptacin
del 10% para el % de defectuosos tolerable el lote (PDTL)
especificado. Los valores de PDTL entre los que se puede
elegir son: 0.5%, 1%, 2%, 3%, 3%, 4%, 5%, 7%, 10% (Tabla
9.6).

Planes basados en LCSM
Existen tablas para garantizar los siguientes LCSM: 0.1 %,
0.25 %, 0.75 %, 1 %, 1.5 %, 2 %, 3 %, 4 %, 5 %, 7 %, 10%. Para
cada uno de estos LCSM se proporcionan planes simples y
dobles.
Ejemplo: se requiere inspeccionar lotes de 1000un. Que son

recibidos con una calidad media del 1% y se pretende
conseguir un LCSM del 2.5%.
Solucin: Tabla 9.7 se toma el estrato de promedio del
proceso1.01-1.5% y el tamao del lote 801-1000. Plan
seleccionado es n=50 y c=2.
Planes Continuos
Son de gran utilidad cuando existen dificultades para
formar lotes homogneos y cuando es aconsejable realizar
muestreo de aceptacin por atributos en procesos de
produccin continuos.
Consisten en alternar la inspeccin al 100% hasta que se
obtiene una cantidad I de artculos correctos (nmero de
aprobacin). En ese momento comienza a inspeccionarse
por muestreo: una fraccin f de la produccin continua se
selecciona aleatoriamente del proceso de produccin y se
inspecciona. Se vuelve a inspeccin 100%& cuando se
encuentra un nmero dado de elementos defectuosos.
Control de aceptacin por variables

Es preciso inspeccionar cada caracterstica por
separados (engorroso).
De uso menos frecuente que el control por atributos.
La mayora de las variables de calidad se distribuyen
segn una normal.
Mtodos de inspeccin:
1. Mtodo de M
2. Mtodo de k
3. Mtodo LOT-PLOT
4. NORMA MIL-STD-414

1. Mtodo de M
Se toma una muestra y en cada unidad de la misma se mide

la caracterstica de calidad que se pretende controlar.
Se estiman los parmetros poblaciones ( y ).
Se calcula la proporcin de elementos fuera de las

especificaciones establecidas (LTS y LTI):
P(xLTI) + P(xLTS) M/100
donde M: valor mximo que est dispuesto a tolerar el
comprador
Se acepta el lote si esta relacin se cumple, sino se

rechaza.

2. Mtodo de k
Es un procedimiento alternativo cuando la especificacin

es unilateral.
Consiste en estimar la distancia de la media al lmite de

tolerancia, tomando como medida la desviacin tpica:
- LTI , s existe un LTI
LTS - , s existe un LTS
Se acepta el lote si esta distancia es mayor que un cierto

valor k fijado previamente.

3. Mtodo LOT-PLOT
Consiste en extraer e inspeccionar una muestra de 50

unidades, independientemente del tamao del lote.
La muestra se divide en 10 submuestras de 5 unidades y se

mide la variable que se est controlando.
Se estima la media poblacional como la media de las media

muestrales.
Se estima la desviacin tpica poblacional mediante el

recorrido muestral medio (R = xmx xmn).
A partir de estas estimaciones ya se puede calcular la

proporcin de elementos fuera de las especificaciones,
utilizando la tabla deIng.laGuillermo
Normal.
A. Corres - 2006

4. NORMA MIL-STD-414
Establece valores del tamao muestral y de k y M, en

funcin del nivel de calidad aceptable (AQL) y del tamao
del lote.
Ofrece tres tipos de inspeccin: normal, reducida y

rigurosa.
Ofrece cinco niveles de inspeccin: I a V, siendo el nivel IV

el recomendado en planes de aceptacin para productos
normales.
Existen distintos tipos de planes dependiendo de si la

variabilidad es conocida o desconocida.
En el caso de variabilidad desconocida, se pueden realizar

mediante la desviacin tpica muestral o mediante el
recorrido.
Se tabulan planes por el mtodo de k, si la especificacin

es unilateral, y por el mtodo de M si es bilateral.
Procedimiento para planes de aceptacin por variables con

variabilidad desconocida y estimacin mediante la
desviacin tpica, mtodo de k (inspeccin normal):
1. Se selecciona la letra cdigo de tamao muestral, segn el

tamao del lote (Tabla 10.1).
2. Con la letra cdigo se determina el tamao muestral (Tabla
10.2).
3. Se determina el valor de k, siguiendo en la fila del tamao
muestral, hasta la interseccin con la columna del AQL
fijado (Tabla 10.2).
Procediendo de la misma forma se puede establecer un

valor para un plan de M (Tabla 10.3).

Control de Procesos Estadisticos

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

Control de Procesos Estadisticos

Caricato da

Copyright:

Formati disponibili

CONTROL DE PROCESOS

Ing. Guillermo A. Corres - 2006

Control de proceso por Variables

Ventaja: gran cantidad de informacin a obtener (base para la

La Media ( ): ndice de centralizacin hacia el que tienden

Desviacin tpica ( ): ndice de dispersin de los valores de

Control de proceso por Variables

Lmites de variacin natural: son aquellos que agrupan el

Medida de la Capacidad de Proceso

ndice de Capacidad: IC = LTS LTI

Ing. Guillermo A. Corres - 2006

Proceso cumple especificacin

Proceso No cumple especificacin

LVS LVI =< LTS LTI

LVS LVI > LTS LTI

6 =< LTS LTI

6 > LTS LTI

Elem entos que no cum plen nivel de calidad es 0.26%

Elem entos que no cum plen nivel de calidad es superior a 0.26%

PROCESO BAJO CONTROL

PROCESO NO EST BAJO CONTROL

Formas de resolver la situacin:

Ing. Guillermo A. Corres -

1- Cambiando las tolerancias si fuese posible

Donde xi es la media de cada muestra: xi = x

La desviacin tpica del proceso se estima a partir del recorrido

Ing. Guillermo A. Corres - 2006

Tambin se puede estimar mediante la desviacin tpica

d2 y c2 son coeficientes que dependen del

GRFICOS DE CONTROL PARA EL

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Los lmites de control que se utilizan en el grfico del

Ing. Guillermo A. Corres - 2006

Grficos de control para el promedio del proceso

Lmite de atencin: agrupa el 95% de los valores muestrales

Si alguna media muestral se sita entre los lmites de atencin y los

Grficos de control para el promedio del proceso

En caso de procesos en los que no se tiene informacin sobre la

Grficos de control para el promedio del proceso

Ing. Guillermo A. Corres - 2006

Ing. Guillermo A. Corres - 2006

Ing. Guillermo A. Corres - 2006

Ing. Guillermo A. Corres - 2006

Para el RECORRIDO MUESTRAL

Ing. Guillermo A. Corres - 2006

Si la desviacin tpica es conocida, los

Si la desviacin tpica es desconocida:

Y la desviacin tpica del recorrido:

los lmites se calculan:

Ing. Guillermo A. Corres - 2006

Para la DESVIACION TIPICA

Si la desviacin tpica es conocida, los

Ing. Guillermo A. Corres - 2006

Si la desviacin tpica es desconocida:

La desviacin tpica de la poblacin con:

La media de las desviaciones

Su desviacin tpica se estima con: s (1 c 2 ) 1

Ing. Guillermo A. Corres - 2006