Graficas de Control
-
Upload
independent -
Category
Documents
-
view
0 -
download
0
Transcript of Graficas de Control
Gráficas de control.
Introducción. Principales objetivos de las gráficas de
control. Tipos de gráficas de control. Gráficas de control
con variables continuas, (valores continuos). Interpretación
de las gráficas. Proceso bajo y fuera de control estadístico.
Gráficas de control con variables atributos, (valores
discretos). Gráficas para control de unidades no conformes
con grupos constantes y con grupos variables. Gráficas para
control de no conformidades. Interpretación de las gráficas.
Indice de inestabilidad. Resumen general
Introducción. Todo proceso presenta variaciones
debido a múltiples causas, unas evidentes otras no. Estas
variaciones se pueden presentar en un tiempo especifico o a
medida que transcurre el tiempo. Por esto, para aumentar la
eficiencia de los procesos es necesario realizar 3
actividades principales:
1. Estabilizarlos, mediante la identificación y
eliminación de las causas especiales, para lo cual nos
valemos del control estadístico.
2. Mejorarlos, es decir, reducir las variaciones
existentes debido a causas comunes.
3. Vigilarlos para asegurarnos que las mejoras se
mantienen en el tiempo y para detectar oportunidades de
nuevas mejoras.
Como lo señalamos anteriormente, los procesos siempre
tienen variaciones ocasionadas por factores como: los
materiales, métodos, mediciones, mano de obra, el medio
ambiente, la gerencia y otros. En condiciones normales, esos
factores contribuyen individualmente o simultáneamente a
variaciones en las variables de los procesos.
En general, las causas que originan esas variaciones se
pueden agrupar en dos grandes grupos:
1. Las causas comunes, fortuitas, naturales o por
azar, que son aquellas que siempre están presentes, no son
fáciles de identificar, no es práctico eliminarlas y en
general, son inherentes al proceso mismo. Por ejemplo, en
una empresa que elabora jugos, las frutas no son iguales unas
a otras, pudiéndose originar variaciones en el producto
final.
Estas causas se pueden controlar
estadísticamente.
2. Las causas especiales, no naturales, asignables o
atribuibles, que son aquellas que son esporádicas, son
estables, no se pueden obviar, se originan por las
operaciones irregulares, por métodos inadecuados y en
general, no son inherentes al proceso. Por ejemplo, un
descuido de un trabajador, la falla originada por un operario
que no ha recibido el entrenamiento adecuado, la falla
ocasionada por el mal funcionamiento de una pieza de una
máquina. Estas causas no son controlables
estadísticamente.
Un proceso que trabaja solo con causas comunes
de variación se dice que está bajo control estadístico o
estable, es decir, sus variaciones a través del tiempo son
estables. Independiente de que sus variaciones sean pocas o
muchas, el desempeño del proceso es predecible, en el sentido
de que su tendencia central y la amplitud de sus variaciones
se espera que se mantengan al menos a corto plazo.
Un proceso en donde existen causas especiales de
variación, se dice que está fuera de control estadístico o
inestable. Su futuro es impredecible.
Es necesario distinguir estas variaciones para no
caer en el error de reaccionar frente a una variación como si
se originara de una causa especial, cuando su origen es más
profundo, causa común, o al contrario, tratar un problema
como causa común cuando en realidad se debe a una causa
especial.
Ahora bien, como cometer estos errores originan pérdidas
y en vista que no se pueden evitar uno u otro, es necesario
controlarlos. A la salud, el adecuado funcionamiento de un
proceso y el cumplimiento de su objetivo final, se le puede
hacer seguimiento a través de dos vías principales
1. La estabilidad del proceso, la cual nos permite
conocer si el proceso productivo está cumpliendo los
requerimientos máximos y mínimos establecidos por las
especificaciones establecidas.
2. La capacidad del proceso, el cual nos permite
conocer si el producto del proceso cumple con condiciones
establecidas para su uso.
Para conocer si un proceso productivo es estable o
no, se utiliza el control estadístico, el cual se puede
ejecutar preferentemente a través de las llamadas gráficas
de control.
Las gráficas de control las podemos elaborar a
partir de las variables o características continuas,
cuantitativas, (VC), del proceso es decir, con
características que se puedan medir, como longitud, peso,
etc. o a partir de variables o características discretas o
atributos, (VA), que no se pueden medir pero si contar, como
son el porcentaje de desechos, o el porcentaje de defectos
existente en un producto o servicio.
Para conocer si un proceso es capaz, debemos
efectuar lo que se llama un Estudio de Capacidad del proceso.
Principales objetivos de las gráficas de control.
El objetivo principal de una gráfica de control es
observar y analizar con datos estadísticos, la variabilidad y
el comportamiento de un proceso a través del tiempo para
distinguir las causas comunes de las causas especiales,
caracterizar el funcionamiento del proceso y decidir las
mejoras que aplican. Los gráficos se pueden elaborar en
cualquiera etapa con las variables de entrada, con las
variables de control del proceso mismo y con variables de
salida del proceso.
Adicionalmente permiten:
1. Mejorar la calidad de ejecución del proceso.
2. Establecer la capacidad del proceso.
3. Tomar decisiones sobre las especificaciones
establecidas para la elaboración del producto.
4. Tomar decisiones sobre el proceso de producción.
5. Tomar decisiones relacionadas con los productos
elaborados por el proceso.
Tipos de gráficas de control.
Existen 2 tipos principales de gráficos:
1. Para variables continuas, que son aquellas que se
pueden medir a través de algún instrumento como el peso,
volumen, longitudes, voltajes, temperatura, etc.
Las gráficas de control que se elaboran para el
control estadístico de un proceso utilizando las variables
continuas son:
1.1 Gráficas para puntos individuales Xm.
1.2 Gráfica de Xm (media) - Gráfica de
Rm (rango)
1.3 Gráfica de Xm (media) - Gráfica de
S (desviación estándar)
2. Para variables atributos, que son aquellas que no se
pueden medir con un instrumento pero si se pueden contar,
como el número de defectos o de desechos, como mencionamos
anteriormente.
Las gráficas de control que se elaboran para el control
estadístico de un proceso a partir de las variables
atributos. son principalmente:
2.1. Gráfica del porcentaje de defectos en una muestra,
de artículos defectuosos. (p)
2.2. Gráfica del número de defectos en una muestra.
( np )
2.3 Gráfica del número de defectos por productos. ( c
)
2.4 Gráfica de defectos en un producto. ( μ )
1.1 Gráfica para puntos individuales.
Estos gráficos se utilizan para representar un
dato a la vez, como puede ser las ventas. Representan los
datos ordenados en el tiempo. Se utiliza como referencia
la mediana de los datos.
Los patrones que se puedan ubicar permiten
detectar causas especiales.
Existen causas especiales cuando:
-En pocos puntos existen cambios en el promedio del
proceso o del ciclo.
- Existen muchos puntos creciendo o decreciendo
continuamente.
- Existe una secuencia de puntos del
mismo lado de la mediana
Las gráficas de puntos individuales se pueden
utilizar para representar:
Ventas, costos, despachos, eficiencias, perdidas
en Bs, tiempo de mantenimiento, análisis químico, niveles
de contaminación, tiempo perdido en producción, presión,
velocidad, humedad, conductividad, etc.
Construcción del gráfico de puntos individuales.
1. Escoja los datos. Idealmente 20 puntos, mínimo 15.
2. Graficar los datos en orden cronológico.( son las
X )
3. Trazar la mediana y haga corridas de pruebas para
detectar causas especiales. Si se detectan,
encuéntrelas y prevenga su ocurrencia.
4. Calcule los rangos móviles de puntos adyacentes
( las R y grafique)
5. Calcular la mediana del rango R.
6. Calcular los promedios y los limites recontrol
superior e inferior.
LCS = Xm + 3.14 Rm
LC = Xm
LCI = Xm - 3.14 Rm
7. Graficar el promedio y los límites de control.
8. Cualquier punto fuera de los límites de control
indica una causa especial.
9. Si existen puntos que señalan causas especiales,
buscar hasta identificar las causas especiales y
tomar acción para prevenir su recurrencia.
10. Elaborados los gráficos, agregar los puntos y
verificar la existencia de causas especiales
utilizando los mismos limites de control. Los
límites de control pueden ser actualizados si se
percibe que han cambiado.
Ventajas y desventajas del gráfico de puntos
individuales.
Ventajas.
- Se puede utilizar cuando es extremadamente
difícil la formación de subgrupos apropiados.
- Se puede usar cuando hay pocos datos.
- Es fácil de construir.
- Puede se usado para establecer la capacidad del
proceso.
Desventajas.
- No es tan poderoso como otros gráficos
especializados para ciertas situaciones. Puede
ser lento para detectar cambios.
- Requiere estimados indirectos y a veces inflados,
de variación local.
- No es fácil diferenciar entre desplazamientos en
el proceso e incrementos en la variación del
proceso
- A veces es difícil de interpretar.
1.2 Gráficas Xm - Rm.
Existen muchos procesos industriales que son de
producción masiva, como son líneas de ensamblajes,
empacadoras, procesos de llenado, etc. Algunos realizan miles
de operaciones y otros pocas, pero son de producción masiva.
Si adicionalmente las variables de salida son continuas,
podremos aplicar las gráficas Xm- Rm.
A la salida del proceso, salen uno a uno o por lotes los
productos del proceso. Cada cierto o cantidad de piezas, se
toman un pequeño número de productos (subgrupo) a los cuales
se les medirá una o más características de calidad. Con las
mediciones de cada subgrupo se calculan la media y el rango
de manera que cada periodo de tiempo, media hora por ejemplo,
se tendrá una media y un rango que suministrarán información
sobre la tendencia central y la variabilidad del proceso.
Con la gráfica de Xm, se analiza la variación entre las
medias de subgrupos para detectar cambios en la media del
proceso. Si dichas medias varían de un subgrupo a otro por
causas que van mas allá de la variación natural del sistema,
se dice que existen causas especiales. El gráfico del Rm, se
analizan la variación entre los rangos de los subgrupos. Si
dichos rangos varían de uno a otro por cosas que van más allá
de la variación natural del sistema, se dice que existen
causas especiales. Permite detectar cambios en la amplitud o
magnitud de la variación del proceso.
Cuando no existen causas especiales, la variación total
del proceso es conocida y se puede determinar. Las
condiciones para que no haya defectos son que no existan
causas especiales y que la variación total del sistema sea
menor que los limites de las especificaciones técnicas.
Al afirmar que el proceso es estable, se dice que es
predecible sobre el futuro inmediato y no necesariamente la
distribución del proceso será normal. Puede estar inclinada
hacia un lado, por lo cual es necesario determinar las
causas.
Para hacer un estudio inicial del desempeño de un proceso
en el tiempo y determinar así los limites de control, es
usual obtener por lo menos entre 20 y 25 subgrupos de tamaño
pequeño, usualmente entere 5 a 10. Estos subgrupos deben
estar espaciado, por lo menos 2 días. De esta manera se toma
del proceso una cantidad pequeña de productos o partes
consecutivas, cada determinado período, para estudiar la
estabilidad, en lugar de analizar la mediciones individuales
de cada pieza, se analizan las medias y los rangos de los
subgrupos o muestras.
Límites de control de Xm.
Hay que aclara que los límites establecidos en un gráfico
de control no son las especificaciones o las tolerancias del
proceso. Al contrario, estas se calculan a partir de las
variaciones del estadístico que se presenta en el gráfico.
Por tanto, se deben establecer los limites que cubran cierto
porcentaje de la variación natural del proceso, pero sin que
el porcentaje sea muy alto, por que será muy difícil detectar
los cambios en el proceso, pero tampoco muy pequeños porque
se incrementa la posibilidad de decir que hubo un cambio
cuando no lo hubo.
Para calcular los límites de control debemos proceder de
manera que en condiciones de control estadístico, los datos a
graficar tengan alta probabilidad de caer dentro de los
límites. Sabemos que cuando los datos siguen una distribución
normal, el 99,73 % de ellos están en los limites µ ± 3σ.
Cuando no siguen una distribución normal, aplicamos la
distribución de Chebyshev x ± s, 99.7 %.
Resumiendo, si W es el estadístico que queremos graficar
y su media es µ y su desviación estándar es σ, los límites de
control del gráfico serán:
Limite de control superior = µ + 3σ.
Línea central = µ
Limite de control inferior = µ - 3σ.
Con estos limites y en condiciones de control
estadístico, se tendrá altas posibilidades que los valores de
W estará dentro de ellos.
Los límites de control del grafico Xm seran:
Limite de control superior = Xm + A2 R
Limite medio = Xm
Limite de control inferior = Xm – A2 R.
Los valores de A2 dependen del número de
observaciones n en cada subgrupo, a saber n
A2
2 1.880
3 1.023
4 0.729
5 0.577
6 0.483
7 0.419
8 0.373
9 0.337
10 0.308
Interrelación de los límites de control de Xm
Los límites reflejan la variación esperada para las
medias muestrales de tamaño “ n ” mientras el proceso no
tenga cambios importantes. No permiten evaluar la capacidad
del proceso ya que estos limites de control no son de las
especificaciones o tolerancias, son elaborados a partir de la
información del proceso y no de la especificaciones que las
fija el diseñador del producto.
Interpretación del gráfico de promedios Xm.
Para interpretar este gráfico debemos dividir la
distancia entre los limites de control en 2 zonas, 3 por
encima del promedio Xm, que llamaremos As, Bs, y Cs y 3
por debajo del promedio Xm, que llamaremos Ci, Bi y Ai.
- Un punto mas allá de la zona As o Ai, indica cambios en
maquinarias o en el posicionamiento del proceso, cambios en
la calidad de los insumos, en la velocidad de las máquinas,
cambio en cualquier parámetro significativo del proceso tal
como temperatura, presión, etc.
- 8 puntos sucesivos de un lado de Xm, señalan que
pequeños cambios persisten en el promedio del proceso
- Puntos con tendencia hacia arriba o hacia abajo.
Representa un cambio continuo y despacio en la distribución
del proceso. Algunas veces las causas especiales son
predecibles al punto que son partes de proceso. Indican
desgaste consistente de las operaciones de las maquinarias,
deterioro de las soluciones utilizadas en la industria
electrónica y química, incremento del calor, lo cual ocasiona
una tendencia en la dimensión del producto, cambios en la
concentración de químicos.
- 14 puntos en fila alternándose hacia arriba y hacia
abajo, en general se debe a muestreo sistemático de subgrupos
en 2 herramientas diferentes, posiciones, etc, e incluidos en
los gráficos.
- 2 de cada 3 puntos en las zonas As y Ai, esto suministra
un alerta temprano, particularmente si la causa especial no
es tan drástica, como la primera de estas interpretaciones.
- 4 de cada 5 puntos situados en las zonas Bs y Bi o mas
allá. Esto es similar al punto anterior.
- 15 puntos en fila en las zonas Cs y Ci, conocida también
como estratificación, muestra pequeñas fluctuaciones poco
naturales o una ausencia de puntos cerca de los limites de
control. Esto indica que no se está efectuando un buen
control, sino un mal cálculo de los límites de control o una
escogencia errónea de los subgrupos
Gráfico Rm.
Con la gráfica Rm se detectan cambios en la amplitud
de la variación del proceso y sus limites se determinan a
partir de la media y la desviación estándar de los rangos de
los subgrupos. Los límites se obtienen con la expresión:
µ (rangos) ± 3σ (desviación estándar de los
rangos).
Los límites quedan definidos de esta manera:
Limite de control superior = D3 R.
Limite de central = R
Limite de control inferior = D4 R.
Los valores representados por D3 y D4, dependen del
número de observaciones, a saber: n
D3 D4
2 0
3.267
3 0
2.575
4 0
2.282
5 0
2.115
6 0
2.004
7 0.076
1.924
8 0.136
1.864
9 0.184
1.816
10 0.223
1.777
Interpretación de los límites de control del gráfico
Rm.
Los límites reflejan la variación esperada para los
rangos de las muestras de tamaño n, mientras el proceso no
tenga cambios significativos. Permiten detectar cambios en la
amplitud o magnitud de la variación del proceso y para ver
que tan estable permanece a través del tiempo. No se pude
utilizar para evaluar la capacidad del proceso.
Interpretación del gráfico de Rangos
-Un punto por encima o debajo de los límites de
control, indica cambios repentinos en la variación a corto
plazo.
- 8 puntos o más puntos en secuencia de un solo lado
del promedio de los rangos es probable que sea debido a
desgaste de los engranajes o decrecimiento de la eficiencia
de mezclado.
- 7 puntos incrementando o decreciendo indican que la
herramienta se afloja de su receptáculo o un deterioro
gradual del mezclado de un químico.
- 14 puntos en fila alternándose hacia arriba o abajo,
dentro o fuera de los límites de control se deben a una
selección incorrecta de los subgrupos o muestreo sistemático
de 2 fuentes diferentes.
Ventajas del grafico Xm-Rm.
El gráfico Xm-Rm puede señalar cuando una causa
especial es debido a la inestabilidad de la media o de la
capacidad del proceso o de ambos. También, es más sensible
que el gráfico de corrida para detectar cambios en la media
del proceso. Un gráfico Rm bajo control estadístico y sin
causas especiales puede señalar lo que el proceso es capaz de
alcanzar en términos de variación, debido a que el gráfico Xm
también está bajo control estadístico.
Cuando ambos gráficos Xm y Rm están bajo control
estadístico, la amplitud del proceso puede ser establecida al
calcular los límites del proceso.
Uso de los gráficos Xm- Rm
Estos gráficos se elaboran basados en datos de
procesos que probablemente tendrán causas especiales. Estos
gráficos se pueden usar inicialmente para identificar causas
especiales y luego eliminarlas. Después de eliminarlas, hay
que construir nuevos gráficos con nuevos datos del proceso
que ahora, idealmente solo tiene causas comunes. Esto se
repite hasta eliminar las causas especiales.
Pasos para la construcción del gráfico Xm-Rm.
1. Escogemos los datos. Seleccionamos la frecuencia
de medición y el tamaño de la muestra (subgrupos).
2. Calculamos el promedio de X y R para cada
subgrupo.
3. Calculamos el Rango promedio, Rm y el promedio del
proceso Xm.
4. Calculamos los limites de control: LCS y LCI
para el promedio y
Para el rango.
5. Graficamos los puntos X y R para cada subgrupo.
Trazamos Xm y Rm
y los limites de control.
Gráfico Xm-Sm.
Cuando con un gráfico Xm-Rm se quiere tener mayor
capacidad de detectar cambios pequeños en el proceso, se
aumenta el tamaño de los subgrupos. Pero si “n” es mayor que
10, es recomendable utilizar el gráfico Xm-Sm, a cada
subgrupo se le calcula la media X y su desviación estándar S
y con el gráfico Xm se analiza el comportamiento de las
medias para determinar cambios en la tendencia central del
proceso y con el gráfico Sm se representan las desviaciones
estándar de los subgrupos, para detectar cambios en la
amplitud de la dispersión del proceso.
Límites del gráfico Sm.
Los límites se obtienen a partir de la media y de la
desviación estándar de S, con la expresión, µ ± σn
Interpretación de los límites del gráfico S.
Estos limites reflejan la variación esperada para las
desviaciones estándar de muestras de tamaño N, mientras el
proceso no tenga cambios importantes, por lo que son útiles
par detectar cambios significativos en la magnitud de la
variación del proceso.
Interpretación de los gráficos de control Xm -Sm y causas
de inestabilidad.
Una señal de que se ha detectado una causa especial en un
proceso es cuando un punto cae fuera de los límites de
control o cuando los puntos graficados siguen un
comportamiento aleatorio. Los gráficos indican que un
proceso es estable o bajo control estadístico, cuando los
puntos caen dentro de los límites de control o fluctúan
aleatoriamente cerca de la línea central.
Un proceso muy inestable tiene pobre estandarización, hay
cambios continuos, muchas variaciones atribuibles a
maquinarias o desajustes, diferencias condiciones de
operación, etc.
Un proceso está operando con causas especiales cuando:
Patrón 1. Existen desplazamientos o cambios en el nivel
del proceso, cuando 2 o más puntos se salen de los limites de
control o cuando hay una tendencia a que los puntos
consecutivos caigan de un solo lado de la línea central.
Estos cambios pueden ser originados por:
1.1 Introducción de nuevos trabajadores, maquinarias,
materiales o métodos principalmente.
1.2 Cambios en los métodos de inspección
1.3 Una mayor o menor atención de los trabajadores
Patrón 2. Tendencia en el nivel central del proceso, es
decir, tendencia a incrementarse o disminuir los valores de
los puntos en el grafico. Esto puede deberse a algunas de las
siguientes causas especiales:
2.1 Deterioro o desajuste gradual de equipos de
producción
2.2 Desgaste de las herramientas de corte.
2.3 Acumulación de productos o desperdicios en tuberías.
2.4 Calentamiento de las máquinas.
2.5 Cambios graduales en las condiciones del medio
ambiente
Aun cuando estas causas son raras. Pueden deberse a
disminución de la habilidad de un operario, fatiga del
operario, cambio de la homogeneidad de la materia prima. La
tendencia la podemos determinar cuando 6 o más puntos
consecutivos ascienden o bajan o existe un movimiento
demasiado largo hacia arriba o hacia abajo.
Patrón 3. Ciclos recurrentes o periodicidad. Otro
movimiento no aleatorio es el comportamiento cíclico de los
puntos, suben luego bajan, luego suben. Cuando esto sucede
las causas son:
3.1 Cambios periódicos en el medio ambiente
3.2 Diferencias en los instrumentos de medición que se
utilizan en cierto orden
3.3 Rotación regular de máquinas o de operarios.
3.4 Efectos sistémicos de 2 máquinas, operarios o
materiales que se usan alternativamente.
Si el comportamiento cíclico se presenta en el gráfico Rm
o Sm, una de la causas puede ser mantenimiento preventivo
programado o fatiga de los trabajadores.
Patrón 4. Mucha variabilidad. Se manifiesta mediante la
alta proporción de puntos cerca de los límites de control, a
ambos lados de la línea central y pocos o ninguno en la parte
central del gráfico. Algunas causas de esto son las
siguientes:
4.1 Sobre control o ajustes innecesarios en el proceso.
4.2 Diferencias sistémicas en la calidad del material o
en los métodos de prueba.
4.3 Control de 2 o mas procesos en el mismo grafico con
diferentes promedios.
Patrón 5. Falta de variabilidad. Cuando los puntos se
concentran en la parte central del grafico, los puntos
reflejan poca variabilidad. Algunas de las causas son:
Límites de control equivocados.
Agrupación de muestras diferentes.
Grafico de control inapropiado.
Cuando alguno de los patrones anteriores se observa en el
gráfico, es señal de que en el proceso hay una situación
especial, proceso inestable o fuera de control, que origina
que los puntos no estén variando aleatoriamente dentro del
gráfico.
Esto no significa que no se pueda seguir produciendo con
el, sino que el proceso trabaja con variaciones debidas a
alguna causa especifica material homogéneo, cambios de
operadores, desgaste, diferencia entre maquinarias. Por
tanto, es necesario buscar la causas ara conocer mejor el
proceso y aplicar la medidas correctivas.
Indice de inestabilidad .St
El índice de inestabilidad proporciona una medición de
que tan inestable es un proceso, por lo cuales se podrán
diferenciar los procesos
St = (número de puntos especiales/ numero de
puntos) x 100.
Pasos para elaborar la gráfica de control con
variables continuas.
1. Definimos la característica que queremos
controlar, la cual como se estableció debe ser medible,
expresable en números, tal como longitud, peso, temperatura,
etc. Hay que escoger preferentemente la que más afecte el
proceso. Cuando los procesos son muy complejos, se pueden
escoger varias características y en consecuencia, elaborar
varias gráficas de control.
2. Luego escogemos el subgrupo de mediciones de la
característica. Los datos los agrupamos en subgrupos,
desechando los que sean aleatorios. Estos subgrupos deben de
cumplir lo siguiente:
- Los elementos deben ser homogéneos, del mismo
proceso; por ejemplo, los mismos operadores en igualdad de
condiciones.
- Las muestras tienen que ser de igual tamaño,
preferiblemente muestras pequeñas y frecuentes. Usualmente
cada subgrupo tiene 4 o 5 elementos.
- Deben ser tomadas a una frecuencia definida,
regular según el régimen de producción, a cada 5 minutos o
cada 15 minutos, tomadas de igual forma, sin cambiar el
procedimiento.
- El origen debe estar definido; día, hora y
operador.
- El número de subgrupos preferible por lo menos 25,
para que la gráfica sea confiable.
También pueden escogerse las características a través de
un análisis específico del producto.
3. Luego escogemos la gráfica que vamos a elaborar para
controlar el proceso.
4. Luego recopilamos los datos.
Supongamos que escogimos la gráfica Xm – Rm,
para controlar un proceso
Ejemplo.
Supongamos que estamos controlando un proceso de
producción de una pieza, cuya dimensión la establecimos en
6.35 cms. y nos interesa controlar las variaciones sobre los
35 mm.
Tomamos muestras y tenemos los siguientes datos:
Subgrupo. Fecha. Hora. X1 X2 X3
X4 Xp. Rp.
1 12/02 8.00 35 40
32 37 6.36 0.08
2 9.00 46 37
36 41 6.40 0.10
3 10.00 34 40
34 36 6.36 0.06
4 11.00 69 64
68 59 6.65 0.10
5 12.00 38 34
44 49 6.39 0.10
…. ……. …… ….. …. ….. …..
…. …… …..
25
160.25 2.19
5. Calculamos la media, la desviación estándar y el
rango de cada subgrupo.
6. Luego calculamos la media de la media y la media de
los rangos obtenidos.
Xm = 160.25 / 25 = 6.41 mm.
Rm = 2.19 / 25 = 0.0876
mm.
7. Luego calculamos los límites de control superior e
inferior del proceso.
Para esto aplicamos las siguientes ecuaciones:
Lim sup promedio Lim
inf.
X Xm + A2Rm Xm Xm – A2Rm
R D4Rm Rm D3Rm
Los valores de las constantes A y D se deben buscar en una
tabla que los específica según el número de subgrupos. Para
los datos más frecuentes que son 4 o 5 componentes por
subgrupo, los valores son:
Observ. Gráfica promedio
Gráfica desviación estándar.
A A2 A3 C4
B3 B4 B5 B6
4 1.5 0.729 1.628 0.9213
0 2.266 0 2.088
5 1.342 0.577 1.427 0.9400 0
2.089 0 1.964
Gráfica de rangos.
d2 d1 D1 D2 D3
D4
4 2.059 0.880 0 4.698 0
2.282
5 2.326 0.864 0 4.918 0
2.114
Lcsx = 6.41 + 0.729 (0.0876) = 6.47 mm
Ldix = 6.41 - 0.729 (0.0876) = 6.35 mm
Rs = (2.282) (0.0876) = 0.020
Ri = (0) (0.0876) = 0
8. Luego dibujamos las gráficas.
En el eje de las Y trazamos 3 líneas con los valores de
límite superior, promedio y límite inferior.
En el eje de las X, representamos los valores de
las medias de cada subgrupo, de manera que el gráfico
representa las medias de cada subgrupo.
La variación dentro de cada subgrupo la representa el
rango
Xm.
* 6.65
* 6.51
--------------------------------------------------------
------------------- 6.47 mm
* 6.40
--------------------------------------------------------
------------------- 6.41 mm
* 6.39
* 6.36 * 6.36
---------------------------------------------------.----
-------------------- 6.35 mm
Rm.
* 0.030
--------------------------------------------------------
------------------- 0.020 mm
* 0.10 * 0.10
--------------------------------------------------------
------------------- 0.0876 mm
* 0.08
* 0.06
--------------------------------------------------------
-------------------- 0.00 mm
9. luego debemos interpretar el gráfico elaborado.
Proceso bajo control estadístico.
Decimos que el proceso está bajo control estadístico,
cuando solo existen causas naturales de las variaciones. Para
esto se debe cumplir lo siguiente:
- Todos los puntos del gráfico están dentro de los
límites superior e inferior de control.
-La distribución de esos puntos deben seguir la
distribución de una curva normal de manera que:
- - El 34 % deben estar
comprendido dentro del valor de la desviación
estándar
(σ), 13,5% dentro de 2 y 3 σ y 2.5 % entre 2
y 3 σ.
La línea central es representativa del proceso.
Los valores obtenidos en este caso, pueden convertirse
en valores estándares del proceso.
Proceso fuera de control estadístico.
Decimos que el proceso está fuera de control
estadístico, cuando está afectado por causas especiales, lo
cual lo hace un proceso inestable.
La gráfica nos señala que el proceso está fuera de
control cuando ocurre al menos una de estas situaciones:
- Cuando existen subgrupos cuyo valor medio está fuera
del limite superior e inferior de control, aunque sea uno
solo.
- Cuando la distribución de los subgrupos es
diferente a la curva normal.
- Cuando existen 8 o más puntos seguidos que
están ubicados por encima o por debajo de la línea
central.
- Cuando existen 7 puntos consecutivos
ascententes o descendentes
- Cuando hay un cambio de nivel o salto, los
puntos están por encima y luego comienzan a estar por
debajo de la línea central, se comporta de una manera y
cambia de repente.
- Cuando existen 15 puntos consecutivos muy
cerca de la línea central, lo cual indica que el proceso
se está comportando de una manera normal.
- Cuando existe en el gráfico algún ciclo
completamente definido.
- Cuando existen 2 o 3 puntos consecutivos
fuera de la línea de 2σ.
- Cuando exista alguna periodicidad,
alternando arriba y abajo.
En este caso la línea central que calculamos no es
representativa del proceso
Cuando el proceso está fuera de control, esto
indica que en el funcionamiento del proceso existen causas
especiales, como son fallas en los insumos, falta de
adiestramiento del personal, fallas eléctricas, problemas de
mantenimiento, etc. Esta es la función principal del gráfico,
señalarnos la existencia de causas especiales, por lo cual
debemos tomar la acciones necesarias a nivel técnico,
supervisorio o gerencial para corregirlas.
Cuando las causas especiales no están bien definidas, se
puede elaborar un diagrama de Pareto, para analizar los
indicios de causas especiales y luego concluir.
Los puntos que están fuera de control y que representan
causas especiales, se excluyen y se calculan los nuevos
valores estándares.
10. Como tenemos en el primer gráfico 2 subgrupos
fuera de los valores límites establecidos, el proceso está
fuera de control. La existencia de estos puntos nos indica
que hay causas especiales y no naturales en el proceso.
Analizamos que sucedió en ese subgrupo y llegamos a la
conclusión por ejemplo, que ese día el operador no tenía el
entrenamiento adecuado o se produjo una falla eléctrica o se
realizó mantenimiento correctivo, etc. Eliminamos estas
causas y continuamos con el control con otros datos, pero
aprovechando los existentes como base.
Estos puntos se excluyen y calculamos nuevos valores
para la media y el rango. .
Xmn = 160.25 -6.65-6.51 / 25 – 2 = 6.40 mm
Rmn = 2.19 -0.30 / 25-1 = 0.079 mm
Para el Rango tenemos:
σ = Rm / d2 = 0.079 / 2.059 = 0.038
Con lo cual calculamos los nuevos limites y
continuamos tomando muestras para continuar el control del
proceso.
Lcxn = Xmn ± A σ 6.40 ± (1.5) (0.038) = 6.46
mm y 6.34 mm
Lcrs = D2σ = (4.698) (0. 038) = 0.018 mm
Lcri = D1σ = (0) (0.038) = 0
Supongamos que escogimos las gráficas Xm y Sm.
Los pasos para este caso son muy parecidos a los
anteriores.
La gráfica de Sm es más precisa para tamaños de
subgrupos mayores a 10.
Se utilizan los mismos datos y solo cambian las
fórmulas.
Ejemplo.2
Subgrupo Fecha Hora X1 X2 X3 X4
Xp Sp
1 12/02 8.00 35 40
32 37 6.36 0.034
2 9.00 46 37
36 41 6.40 0.045
3 10.00 34 40
34 36 6.36 0.028
4 12.00 69 64
68 59 6.65 0.045
….. ….. ……. …. … ………………………….
25
160.25 0.975
Si = √ n Xi ² - ( Xi) ² / n( n-1)∑ ∑
Sm = 0.975/ 25 = 0.039 mm Xm = 160.25 / 25 =
6.41 mm
En la tabla buscamos los valores:
A3 = 1.628 B3 = 0 B4 = 2.266 luego
Lcx = 6.41 ± A3 Sm = 6.41 ± ( 1.628 ) ( 0.039) =
6.47 mm y 6.35 mm
Scs = B4 Sm = ( 2.266) ( 0.039) = 0.088 mm
Sci = B3 Sm = ( 0 ) ( 0.039 ) = 0 mm
Ahora podemos elaborar las gráficas:
*
6.65 * 6.61
-------------------------------------------------------------
---- 6.47
Xm
-------------------------------------------------------------
--- 6.41
* 6.40
*6.36 * 6.36
------------------------------------------------
---------------- 6.35
En el eje de las X, anotamos los valores de Xp, para
cada subgrupo
* 0.0125
--------------------------------------------------------
------------ 0.088
* 0.045 * 0.045
Sm
-------------------------------------------------------------
-------- 0.039
* 0.034
* 0.028
--------------------------------------------------
------------------- 0.00
En el eje de las X, anotamos los valores de Sp de cada
subgrupo
Cuando todos los valores están dentro de la línea
superior e inferior, el proceso está controlado, pero en los
gráficos notamos que:
en el primero hay 2 puntos fuera, 6.65 y 6.51
y en el segundo 1 punto fuera, 0.0125
Buscamos las causas especiales que originaron
esto; fallas en equipos, ruptura de una manguera, obrero
inexperto, etc, las solucionamos y continuamos con el
control excluyendo a esos puntos y efectuando las
correcciones necesarias.
Xmn = 160.25 – 6.65 – 6.51 / 25 – 2 = 6.40 mm
Smn = 0.975 – 0.125 / 25 – 1 = 0.0354 mm
σ = S / C4 C4 lo obtenemos de la Tabla B =
0.9213
σ = 0.0354 / 0.9213 = 0.038 mm
calculamos los nuevos valores limites.
LXn = Xmn ± A σ = 6.40 ± (1.500) ( 0.038 )
LXsn = 6.46 mm LXin = 6.34 mm
LSsn = B6 σ = ( 2.088) ( 0.038 ) =
0.079 mm
LSin = B5 σ = ( 0 ) ( 0.038 ) =
0 mm
Corregidas las causas especiales, podemos continuar con
el control del proceso, utilizando como base, los últimos
valores encontrados.
B) Gráficas de control con variables atributos. (
valores discretos )
En calidad se llaman atributos aquellas características
que no se pueden medir o no tiene sentido medirlas, pero si
se pueden contar, como son los rayones o los cambios de
color. También se incluyen aquellas características que
siendo medibles, por problemas de costo o de tiempo, no tiene
sentido efectuarlo. En estos casos el producto o proceso se
juzga como conforme o no conforme, dependiendo de si posee
ciertos atributos o también se les puede contar el número de
defectos o de no conformidades que tiene.
Decimos que un producto o servicio es no conforme cuando
no cumple con los requisitos establecidos en las
especificaciones, cuando tiene por lo menos un elemento no
conforme.
Decimos que un producto o servicio es defectuoso, cuando
no cumple por lo menos uno de los requerimientos para su uso.
En estos casos, para el control estadístico del proceso,
podemos elaborar 4 tipos diferentes de gráficos:
1. Según el número de unidades no conformes, el cual a
su vez tiene 2 posibilidades:
- Según la fracción de artículos defectuosos o no
conformidades en la muestra ( p )
- Según el número de artículos defectuosos o unidades no
conformes de la muestra ( np )
2. Según el número de productos con defectos, que
también tiene 2 posibilidades:
-Según el número de defectos de la muestra. ( c )
-Según el número de defectos del producto. ( μ )
La elaboración de estas gráficas se basa en la
distribución binomial; una gráfica de proporción p, muestra
la proporción de no conformidades de una muestra.
2.1 Gráfica para control de unidades defectuosas. (
p)
En estos casos los datos están formados por la fracción
resultante de dividir el número de veces que ocurre un
suceso, entre el número de acontecimientos, es decir la
proporción de artículos defectuosos por muestra o por
subgrupos.
Se emplea en control de calidad para dar a conocer la
fracción de no conformidades de un producto, en una
característica de calidad o un grupo de características.
P = np / n proporción de no conformidades
Cantidad de no conformes / cantidad de elementos.
El gráfico se construye de la siguiente manera:
.- De cada lote, embarque, pedido o cierta parte de la
producción se toma una muestra o subgrupo de n artículos, que
puede ser la totalidad o una parte de las piezas en estudio.
-Las n piezas de cada subgrupo son inspeccionadas y
cada una catalogadas como defectuosa o no, según los
atributos de calidad convenidos.
-Si de las n piezas, i se encuentran con di defectos, es
decir, no pasan, en el grafico p se incluyen la variación de
la proporción pi, de unidades defectuosas por subgrupo.
- .
Ejemplo.
Se inspecciona 250 embarques de un calzado y se detectan
5 no conformidades de una producción de 10.000 unidades.
no conformes = 5 / 250 = 0.002
Este valor es generalmente muy pequeño, a menos que la
empresa tenga dificultades, por lo cual el tamaño de los
subgrupos generalmente es muy grande, para que sea confiable.
Los límites de control de un grafico p. son:
LC = p ± 3 √(p(1-p))/n
Linea central = p
Interpretación de lo limites de control p
Los limites de control reflejan la realidad del proceso,
de acuerdo a como se hace la inspección. Mientras la
proporción de defectos caiga dentro de las líneas de control
y no haya otro patrón especial, será indicativo de que el
proceso funciona igual que siempre, bien o mal, pero su
desempeño esta dentro de lo previsto. No se debe fijar los
límites de control según deseos o metas.
Objetivos de la gráfica de no conformidades.
Los principales objetivos al elaborar este tipo de
gráfico son:
1. Calcular el nivel promedio de calidad, es decir, la
proporción de no conformidades.
2. Alertar sobre desviaciones acerca del promedio de no
conformidades.
3 Permite realizar mejo ras en la calidad de los
atributos.
4. Permite evaluar el desempeño de calidad del
personal.
5. Dar indicios de donde se originan los problemas.
6. Permite decidir antes de comercializar el producto.
Cómo se construye la gráfica ( p ), para grupos
constantes.
1. Seleccionamos la ó las características de calidad
que queremos controlar; la proporción de no conformidades de
una característica de un grupo o de una parte, de una parte
de un producto completo, del desempeño de un operador, de un
color, incluso podemos elaborar antes un Diagrama de Pareto.
2. Calculamos el tamaño del subgrupo de la muestra y el
método a emplear. Hay que tener en cuenta el número promedio
de no conformidades. Se pueden utilizar entre 25 y 50
subgrupos.
3 Recopilamos los datos que pueden ser históricos o
recolectados con Hojas de control.
Ejemplo.
Subgrupos Unid. Insp, (n) Cant. no confor.
( np ) Proporc. No confor, (p).
1 300
12 0.04
2 300
3 0.010
3 300
9 0.030
…… …….. …..
……..
25 7500 138
3. Calculamos los valores limites de control con la
expresión:
Lcsi = pm ± 3 √ pm ( 1 – pm) / n
La línea central es pm = 138 / 7500 = 0.018
Luego Lcs = 0.041 Lci = - 0.005 = 0
Ahora podemos elaborar el gráfico en forma parecida a
los anteriores.
* 0.053
----------------------------------------------------
-------- Lcs = 0.041
* 0.04
No conf. * 0.03
----------------------------------------------------
-------- Lc = 0.018
* 0.013
* 0.01
----------------------------------------------------
-------- Lci = 0
Como hay un punto fuera de lo límites, el proceso no
está estabilizado; buscamos las causas especiales que
determinaron esa no conformidad, las solucionamos y luego
hacemos correcciones para continuar con el control con
nuestras mediciones.
pn = 138 – 16 / 7500 – 300 = 0.017
16 fue el número de no conformidades del punto fuera
del gráfico.
Aplicamos de nuevo la fórmula anterior.
Lc = 0.017 ± 3 √ 0.017( 1 – 0.017) / 300 y obtenemos:
Lcs = 0.039 Lci = - 0.005 = 0
Con los valores 0.017, 0.039 y 0 elaboramos un nuevo
gráfico parecido al anterior, para continuar efectuando el
control de calidad con otros datos.
Gráficos cuando los grupos son variables.
Este caso puede suceder cuando la producción no es
constante o varía día a día o también cuando varía mes a mes.
El problema en estos casos es que los limites de control
dependen del valor de n, si es pequeño los limites son
grandes y al contrario.
En estos casos, existen 3 posibilidades:
- Utilizar el tamaño de subgrupos promedio
para calcular los limites de control, cuando la
variación entre los subgrupos no es demasiado.
- Calcular para cada subgrupo los límites de
control.
- Utilizar un gráfico de p normalizado
El procedimiento de recopilación de datos, cálculo de
líneas límites y central, y correcciones es igual al
anterior, pero las líneas limites hay que calcularlas para
cada subgrupo.
Ejemplo.
Subgrupo Cant. Insp.(n). No conf.( np) fracc. no conf.
Lim sup. Lim inf.
Mar. 29 2.385 55
0.023 0.029 0.011
30 1.451 18
0.012 0.031 0.009
31 1.935 50
0.026 0.030 0.010
Abril 1 2.450 42
0.017 0.028 0.012
2 1.997 39
0.020 0.029 0.011
------ …….. …….
…….. ……. ……..
30 ----------- ---------
------- ------ -------
50.515 1.015
p = 1.015 / 50.515 = 0.020
calculamos los límites para cada día:
Marzo 29 L29 = 0.020 ± 3 √ 0.020( 1- 0.020) / 2.385 =
0.029 y 0.011
L30 = 0.020 ± 3 √ 0.020( 1-0.020) /
1.451 = 0.031 y 0.009
Ahora se representamos los límites de control para cada
día.
* 0.031
------------------------
*0.030-------------------------------------- 0.030
* 0.029
* 0.026
* 0.023
---------------------------------------------------------
------------- 0.020
* 0.012
* 0.011
------------------------*
0.011--------------------------------------- 0.010
* 0.009
Representando los gráficos sucede que durante el 9,22 y
23 de abril hay una situación fuera de las líneas límites,
debido a una causa atribuible como fue el instrumento de
calibración desequilibrado. Ejecutamos las medidas
correctivas, excluimos los puntos y obtenemos nuevos valores
de p, para continuar con el Control.
pn = 1.015 – 53-113-17 / 50515 -1.236-2.678 –
2.382 = 0.019
Con este valor base, podemos calcular los límites
superior e inferior del período siguiente, Mayo, para
continuar con el Control.
2.2 Gráficos de número de defectuosos o no
conformidades ( np ).
El gráfico es igual al anterior, aunque no se usa para lo
mismo. El tamaño del subgrupo debe ser igual. Se debe indicar
el tamaño de la muestra. Este gráfico presenta la ventaja que
es muy fácil de visualizar.
Los límites de control son:
LC = np ± 3 √ np( 1 – p)
Linea central = np
Interpretación de los límites de control de la carta np .
Los límites indican la cantidad esperada de piezas
defectuosas por cada n artículos inspeccionados.
Ejemplo.
En una empresa se hace un muestreo de 200 uniformes
diarios de un lote de 600. Según datos históricos, se sabe
que las conformidades son p = 0.075.
Se quiere elaborar las gráficas de control
np = 200 (0.075) = 15.0 Lc = np ± 3 √ np( 1 – p)
Lc = 15 ± 3 √ 15( 1 – 0.075 ) = 26.2 y 3.8
Con estos valores, elaboramos las líneas límites
-----------------------------------------------------
26.2
----------------------------------------------------- 15
----------------------------------------------------- 3.8
y comenzamos a graficar las cantidades no conformes
diarias.
Este gráfico es efectivo en la fase inicial de arranque
de un nuevo producto proceso o también cuando es muy
errático.
Se puede utilizar para medir el desempeño de la calidad
más que como gráfica de control.
.
Graficas para defectos. c y µ
Es frecuente en procesos industriales, que existan
variables de atributos como las siguientes: numero de
defectos por artículos (rollo fotográficos, zapatos, prenda
de vestir, circuitos electrónicos, muebles, etc), en las que
cada producto se puede tener mas de un defecto o atributo no
satisfactorio y sin embargo no catalogarlo como defectuoso.
Por ejemplo, un mueble pude tener varios defectos en su
acabado y sin embargo se pude utilizar con normalidad, es
decir, son n variables de atributos que al estar presentes en
un articulo no necesariamente implica que no siga o no pase a
la siguiente etapa del proceso, al contrario de los gráficos
n y np. Hay otras variables que conviene evaluar, como número
de errores por trabajador, cantidad de accidentes, número de
quejas por mal servicio, etc.
Las variables de este tipo se pueden ver como el número
de eventos que ocurren por unidad y se comportan segunda
distribución de Poisson. Tienen 2 características esenciales:
el número de oportunidades para encontrar defectos es grande,
pero la probabilidad de encontrar un defecto es pequeña y la
dispersión de la variable es igual a la magnitud de la
variable.
2.3 Gráfico c. (número de defectos)
El objetivo de este gráfico es analizar la variabilidad
del número de defectos por subgrupo. Se grafica c que es
igual al número de defectos o eventos en el último subgrupo.
Los límites de control se obtienen suponiendo que el
estadístico sigue una distribución de Poisson.
µ = c =Total de defectos/ total de subgrupos.
LC = c ± 3 √c
Línea central = 3
Interpretación de los límites de control del gráfico c .
Los límites de este gráfico reflejan la variación
esperada para el número de defectos por subgrupos. Es
aplicable donde el tamaño de subgrupos o muestra pueda verse
como constante, por ejemplo, una semana, una pieza, 100
artículos, un metro de tela o cualquier otro subgrupo de
tamaño constante. Cuando no permanece constante se aplica μ.
Gráfico por número de defectos por unidad μ
Cuando en los gráficos el tamaño de los subgrupos no es
constante o cuando lo sea y se prefiere cuantificar el número
promedio de defectos por artículo o por unidad, en lugar del
total de defectos en el subgrupo, se usa el grafico μ.
En este gráfico para cada subgrupo se indica el número
promedio de defectos por unidad μi, que se obtiene al dividir
el total de defectos encontrados en el subgrupo entre el
total de artículos en el subgrupo.
μ = ci / ni ci =
defectos en el subgrupo0
ni=
tamaño del subgrupo.
Para calcular los límites se supone que sigue la
distribución de Poisson
µ i = Total de defectos / Total de
artículos inspeccionado
Los limites de control son: LC = µ
i + 3 √ µ i / n
Línea central = n
Cuando el tamaño de los subgrupos no es el mismo, se
puede tomar el tamaño promedio de los subgrupos u obtener un
grafico con límites variables según los subgrupos.
Interpretación de los límites de control en el gráfico μ
En el grafico esta el numero de defectos por artículos.
Se debe seguir monitoreando el proceso para identificar y
eliminar causas especiales de variación
Gráfico μ con límites variables.
Lo que necesitamos es calcular un límite para cada tamaño
de subgrupo. La línea central es la misma, independiente del
tamaño del subgrupo. Los límites de control serán
escalonados.
Resumen general.
Un gráfico es útil en la medida que aplica a una
necesidad percibida por los responsables del proceso, por
esto debemos:
1. Describir el problema percibido en el área donde se
va a desarrollar el gráfico de control.
2. Explicar la utilidad del gráfico para evaluar,
entender y mejorar la situación.
3. Definir el propósito del gráfico.
4. Listar las variables que intervienen en el
problema.
5. Preseleccionar las que mejor apliquen a solucionar
el problema en términos de calidad, costos,
productividad o tiempo general del ciclo.
6. De la preselección, elegir una variable y
desarrollar las actividades señaladas mas adelante
y luego las otras seleccionadas.
7. Escoger el gráfico apropiado.
Gráficos Xm- Rm y Xm – Sm.
-Se inicia un nuevo proceso o se desarrolla un
nuevo producto con el proceso existente.
- En procesos con mal desempeño respecto a la
especificaciones.
- Se mide la variable pero se conoce poco
- Se quiere definir especificaciones para unas
características de calidad.
-Se quiere reducir las inspecciones.
-Se utilizaron gráficos de atributos pero el proceso
sigue inestable o su capacidad mala.
- Procesos con desgaste o desajustes naturales y hay
que compensar.
- Hay que demostrar continuamente a la gerencia que
el proceso es estable.
Gráficos p , np, c , μ.
- La variable es un atributo y no hay
información sobre su estabilidad y capacidad.
- El proceso es complejo y la calidad del
producto se mide en términos de ocurrencia de
defectos o de pasa o no pasa.
- Es necesario que el proceso sea estable y
capaz pero no se pueden obtener mediciones continuas.
- Se requiere información global sobre el
desempeño de proceso.
8. Pensar en reagrupar. Cada punto de un gráfico
representa un subgrupo. La selección de los
elementos del subgrupo debe ser de manera que
aparezcan las cusas especiales si las hay. A través
de grupos homogéneos, subgrupos de una maquina y no
mezclarlos.
9. Decidir la forma de seleccionar los elementos del
subgrupo, por instante de tiempo, tan pequeños como
sea posible, piezas consecutivas, o seleccionadas
de una misma tanda de artículos. Al pasar cierto
tiempo se vuelve a tomar otra muestra. También se
puede utilizar periodos de tiempo, turnos o lotes
10. Elegir el tamaño y frecuencia de muestro. Es
preferible muestra pequeñas con mas frecuencia que
muestras grandes con poca frecuencia.
11. Estandarizar los datos, como se van a tomar y con
los instrumentos adecuados.
12. Determinar límites de control y su revisión futura.
Por lo menos 20 o 30 subgrupos. Si los daos
reflejan que el proceso es estable se seguirán
usando los limites para analizar el proceso en el
futuro. Si aparecen puntos fuera de los limites de
control, investigar las causas, para excluirlos y
recalcular los limites de control sin la influencia
de estos puntos. Si muchos puntos se salen de los
limites, recalcularlos.
Los límites de control definitivos no se cambian
hasta que la realidad del proceso sea otra.
13. Involucrar a los relacionados con el problema
14. Adiestrar a los usuarios de los gráficos.
15. Analizar los resultados
16. Asegurarse de su efectividad. Que el llenado se
haga conciente y correctamente.
17. Mantener el interés y modificar los gráficos de ser
necesarios
18. Desechar el gráfico cuando ha cumplido su
función...
Problemas generales.
1. Con los datos siguientes, elaborar las gráficas Xm y Rm
correspondientes a una pieza de dimensiones en mm. Los datos se
obtuvieron de subgrupos de 4 cada uno. Calcular los límites de control y
la línea central. Si las causas presentes son asignables o no naturales,
modificar la línea central y las líneas límites.
Subgrupo. 1 2 3 4 5 67 8 9 10
X 20.35 20.40 20.36 20.65 20.20 20.40 20.4320.37 20.48 20.42
R 0.34 0.36 0.32 0.36 0.36 0.350.31 0.34 0.30 0.37
2 El promedio y el rango en kilos de la resistencia a la
tensión de una cuerda se muestra a continuación. El tramo de los
subgrupos es de 4. Calcular la línea promedio central y los límites de
control. Si existen puntos fuera de la líneas de control, suponga causas
no naturales y calcule los limites revisados y la nueva línea promedio.
Subgrupo 1 2 3 4 5 67 8 9 10
X 476 466 484 466 470 494486 496 488 482
R 32 24 32 26 24 2428 23 24 26
3. Se elaboran gráficas de control Xm y Rm para el peso en
Kilogramos de un pigmento a color, en un proceso de fabricación por
lotes. Se formaron 25 grupos de tamaño 4. Se calculó X = 52.08 Kgs y∑
R = 11.82 Kgs. Si el proceso está bajo control estadístico, calcular∑
la línea central y las líneas limites de control de X y R para el
siguiente periodo de producción.
4. Se mantienen gráficas de control X y R de la resistencia
en Ohm de un equipo eléctrico. El tamaño del subgrupo es 4. Después de
examinar 25 subgrupo se calcula X = 2046.5 y S = 17.4. Si el∑ ∑
proceso esta bajo control estadístico, cuales son los limites de control
y la línea central.
5. Según un gráfico Xm-Rm de un proceso de producción de piezas,
la media de la longitud de las piezas es 50 mm y el rango medio es 06, en
muestra de tamaño 5. Calcular:
a) la desviación estándar del proceso.
b) los limites de control para Xm, con tamaño de subgrupo 5.
c) los limites de control para el gráfico Rm y que significan.
d) Si las especificaciones señalan valores entre 49 y 51 mm,
calcular los límites reales.
6. Se revisan las solicitudes de pagos de servicios médicos y
se obtienen los resultados siguientes. Calcular la línea central y las
líneas limites central de una grafica p, y diga si el proceso es
estable. Si hay puntos fuera de control suponga que es debido a causas
no naturales y calcule la línea central y las limites del proceso
corregido.
Subgrupo 1 2 3 4
5 6 7 8 9 10
Cant. Inspeccionada 300 300 300 300 300 300
300 300 300 300
Num. de no conformidades. 3 6 4 20 2
6 7 3 0 6
7. Con los datos anteriores, calcular la línea central y los límites
de control corregidos de una grafica np.
8. En un proceso estable se inspeccionan 50 generadores de motor por
día. El ciclo mas cercano de la fracción de no conformidades es 0.076.
Calcular la línea central y los límites de control. En un día
determinado, se detectaron 5 generadores no conformes. Está el proceso
controlado o no.
9. Se elabora la gráfica np de un proceso de pintura que está sujeto
a control estadístico. Si se inspecciona 35 piezas cada 4 horas y la
fracción de no conformidad es de 0.06, calcular la línea central y los
limites de calidad.
10. Los datos siguientes muestran las no conformidades encontradas en
1000 mts cuadrados de una superficie. Calcular la línea central y los
límites de control así como la línea central corregida y los límites
corregidos, suponiendo que existen causas atribuibles.
Inspección. 10 11 12 13 14 15 16 17
18 19 20 21 21 22
No conformidades. 10 8 6 6 2 10 8 8
10 0 2 8 2 20
Bibliografía:
- Control de Calidad. Dale H. Besterfield. Editorial
Prentice Hall.
- Herramientas Estadísticas Básicas para el Mejoramiento
Continuo de la Calidad.
Hitoshi Kume. Grupo Editorial Norma.
- Control Total de la Calidad. . Armand Feigenbaum. CECSA.
- Control de la Calidad y Estadística Industrial.
Achenson J. Duncan.
Editorial Alfaomega.
Nota.
Para el planteamiento y solución de problemas
asociados al texto anterior se pueden usar los programas
STATGRAPHICS y SPSS 12.0