Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Antonio Ruiz
de Montoya
Control de
Calidad
Ing. Norman
Reyes
Mayo 2015
Temas
9.1. Introduccin
Introduccin
Una desventaja de las cartas de control tradicionales (tipo shewart) que
se estudiaron en los captulos 7 y 8, es que no son rpidas para detectar
cambios pequeos en el proceso. Un cambio de nivel se considera
pequeo si es menor a 1.5 veces la desviacin estndar de la media
La carta tradicional (que es interpretada solo con la regla 1, un punto
fuera de los lmites) tarda 43.89 puntos en promedio en detectar un
cambio de magnitud
detectar un cambio de
9.1. Introduccin
9.2. Diferencias
Diferencias
La diferencia entre las cartas CUSUM, EWMA y la carta Shewart es la
forma como se ponderan los datos.
Carta CUSUM
Esta carta fue propuesta por Page (1954), y el nombre de CUSUM se
debe a que es una carta en la cual se grafica la suma acumulada de las
desviaciones con respecto a la media global (si el proceso est centrado,
se podran considerar las desviaciones con respecto al valor nominal de
la caracterstica de inters).
Sean
la
alrededor de cero.
Existen 2 maneras de construir esta carta: la CUSUM de dos lados, que
se interpreta con un dispositivo especial llamado mscara, y la CUSUM
tabular o de un solo lado, en la cual se consideran de manera separada
las sumas acumuladas por arriba y las sumas acumuladas por abajo.
Control de Calidad Ing. Norman Reyes
Si se considera el error
en funcin de d y k
como,
, se elige el valor
en el margen izquierdo y el
en
monitorear
esta
mquina
para
detectar
cambios
Muestra
Media
Rango
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
79.90
79.91
79.89
80.05
79.94
79.95
79.88
79.96
80.27
79.87
79.87
80.04
80.04
80.04
80.23
80.23
80.28
80.13
80.05
80.15
0.35
0.43
0.63
0.50
0.50
0.18
0.45
0.36
0.65
0.23
0.50
0.23
0.56
0.15
0.33
0.62
0.34
0.33
0.45
0.47
Suma
acumulada
-0.10
-0.19
-0.30
-0.25
-0.31
-0.36
-0.48
-0.52
-0.25
-0.38
-0.51
-0.47
-0.43
-0.39
-0.16
0.07
0.35
0.48
0.53
0.68
, e interesa detectar un
unidades
, se lee que
como:
Con
.
Control de Calidad Ing. Norman Reyes
donde las sumas se mantienen distintas de cero, son tiles para estimar
la nueva media del proceso una vez que sale de control. Tal estimacin se
hace mediante una de las siguientes frmulas:
Figura 5. Representacin de la
CUSUM tabular
Carta EWMA
La carta EWMA (por sus siglas en ingls: Exponentially Weighted MovingAverage) significa promedios mviles exponencialmente ponderados y fue
propuesta
determina la profundidad de la
La
experiencia
ha
mostrado
que
lo
adecuado
es
El trmino
que la varianza de
Para obtener una carta EWMA del peso de paquetes del ejemplo
1, se obtienen las sumas, se aplican las frmulas previas y,
usando el valor tpico de
se obtienen las sumas ponderadas:
, etc. Los lmites de control se obtienen con las frmulas previas,
usando tamao de muestra o subgrupo
Con estos elementos se obtiene la carta EWMA de la figura 6.
17. 16. 16. 16. 17. 16. 16. 17. 17. 17. 16. 17. 17. 17. 17. 17. 17. 17.
0 6 3 1 1 9 8 4 1 0 7 4 2 4 4 0 3 2
17. 16. 17. 17. 17. 17. 17. 17. 17. 17. 17. 17. 17. 18. 17. 17. 17. 17.
4 8 1 4 4 5 4 6 4 3 0 8 5 1 5 4 4 1
17. 17. 17. 17. 17. 17. 16. 17. 17. 17. 17. 17. 16. 17. 17. 16. 16. 16.
6 7 4 8 6 5 5 8 3 3 1 4 9 3 6 9 7 8
16. 17. 16. 17. 17. 16. 17. 16. 16. 18. 17. 17. 17. 16. 17. 16. 17. 17.
8 2 8 6 2 6 1 9 6 0 2 3 0 9 3 8 3 4
17. 16. 16. 17. 16. 17. 16. 16. 16. 16. 16. 16. 16. 16. 16. 16. 16. 16.
7 8 9 0 9 0 6 7 8 7 4 5 4 6 5 7 4 4
16. 16. 16. 16. 17. 16. 17. 17. 16. 16. 16. 17. 16.
17. 17. 16. 16. 16.
Control de Calidad Ing. Norman Reyes
Donde
sucesivamente.
Modelos ARIMA
Una de las familias de modelos ms usuales para describir datos
autocorrelacionados son los autoregresivos o AR. Por ejemplo, el modelo
autoregresivo de primer orden, AR (1), est dado por:
Otra familia muy til para modelar datos autocorrelacionados son los
modelos de medias mviles, el de orden q, MA (q), est dado por:
ejemplo
la
primera
segunda
diferencia,
estn
dadas,
respectivamente por:
Modelo
FAC (funcin de
autocorrelacin
simple)
FACP (funcin de
autocorrelacin
parcial)
AR (p)
Coeficientes
diferentes de cero
con decaimiento
exponencial o
sinoidal hasta
converger a cero
MA (q)
Solo las primeras q
autocorrelaciones
simples son distintas
de cero
ARMA (p,q)
Comportamiento
irregular de las
primeras q
autocorrelaciones, y
despus convergen a
Las autocorrelaciones
parciales convergen a
cero.
Sucesin que
converge a cero.
Estado de un proceso
Una de las tareas bsicas para caracterizar y mejorar un proceso es
evaluar su estado en cuanto a su capacidad y estabilidad, ya que en
funcin de esto el proceso tendr 4 categoras, y para cada una de estas
se recomiendan estrategias de mejora diferente.
Es necesario mencionar que para que tenga sentido que un proceso sea
capaz, primero se debe garantizar que es estable a travs del tiempo. Sin
embargo, es posible afirmar que un proceso es capaz, con independencia
de su estabilidad, si el nivel de disconformidades es suficientemente bajo
como para garantizar que no habr esfuerzos inmediatos para tratar de
disminuirlas y mejorar su capacidad.
Control de Calidad Ing. Norman Reyes
Lapso
En un proceso masivo
en el que se producen
cientos o miles de
piezas o partes por da,
y que a diario se
muestrean y se miden
decenas de tales partes
Es suficiente
contemplar las
mediciones realizadas
en las ltimas dos a
cuatro semanas. En este
lapso se podra tener de
300 a 500 subgrupos
Es necesario contemplar
un periodo mayor (tener
los datos de los ltimos
100 a 200 puntos gra
ficados en la carta de
control correspondiente
es un buen punto de
partida)
En los procesos
semimasivos
Se aplica un criterio
intermedio. Control de Calidad Ing. Norman Reyes
Estrategias de mejora
Proceso tipo D (inestable e incapaz)
Esta estrategia se aplica a los procesos que tienen baja capacidad para cumplir
con especificaciones y que, adems, son altamente inestables. Por ello, se
recomienda orientar los esfuerzos de mejora a detectar y eliminar las causas de la
inestabilidad.
Ms que tratar de identificar qu pas en cada punto especial, es mejor orientarse
a identificar los patrones que sigue tal inestabilidad, para de esa manera generar
conjeturas (hiptesis) sobre las posibles causas de la inestabilidad.
Es necesario considerar que un proceso muy inestable se caracteriza por estar
pobremente estandarizado, en donde es posible que haya cambios continuos o
mucha variacin atribuible a materiales, mtodos, mediciones, diferencias en las
condiciones de operacin de la maquinaria y desajustes, distintos criterios y
capacitacin de operarios, etctera.
Control de Calidad Ing. Norman Reyes
Con base en los registros disponibles se observa que de los 150 lotes reportados
en la figura 12, en 21 se ha utilizado materia prima del otro proveedor y que son
los lotes 4, 20, 23, 28, 29, 47, 50, 53, 63, 66, 68, 83, 85, 110, 115, 117, 118, 123,
127, 134 y 147.
Para confirmar que efectivamente en estos lotes la proporcin de defectuosos es
mayor que en el resto, se realiza un anlisis por separado en funcin del
proveedor.