Académique Documents
Professionnel Documents
Culture Documents
Captulo 5
Cmo medir
Estratificacin
Cuando se investiga un problema, una medicin general simple no siempre es suficiente y puede confundir. Por ejemplo, al medir fallas, se pueden agregar medidas adicionales que permiten estratificarlas, tales como: mtodo utilizado, personal que realiz la tarea, mquinas o herramientas usadas, tiempo de ejecucin, etc.
Muestreo
Generalmente no es posible medir todos los productos o elementos de inters. Entonces se utiliza una muestra limitada, a partir de la cual se deducen las caractersticas de la poblacin. Para ello se debe cumplir: Tamao adecuado de la muestra Muestreo no debe ser sesgado.
Estadsticas Bsicas
Ubicacin
Media, Mediana Moda
Variabilidad
Varianza Desviacin estndar Rango
Asimetra
Mediana (P50)
Punto medio (ms probable)
Moda (Mo)
Lo ms frecuente
Me, P50, Mo
Mo P50 Me
2) Variabilidad o Variacin
Todo indicador de calidad tiene variacin y es una expresin de mala calidad para el cliente. Al existir una variabilidad importante, el indicador cae parcialmente fuera de las especificaciones.
A B
rea A y B: Proporcin de unidades (de producto o servicio) rechazadas por estar fuera de especificaciones
Ing. Boris Heredia Rojas M.Cs. 6
Variabilidad o Variacin
Varianza (V):
Mide la dispersin de los datos alrededor de la media Valores pequeos indican bajo riesgo V = 2
Desviacin Estndar (S )
Es la raz cuadrada de la varianza = ((x-x)2)/n Para una distribucin normal cerca del 68% de los valores estn con una desviacin estndar alrededor de la media (95% para dos desviaciones y 99% para tres)
Rango (R):
La diferencia entre el mnimo y el mximo de los valores observados
Ing. Boris Heredia Rojas M.Cs. 7
3) Asimetra
Es una medida de alargamiento hacia uno de los dos extremos de una distribucin Una distribucin es simtrica y tiene un coeficiente de asimetra de 0 Si la distribucin tiende a alargarse hacia la derecha, tiene asimetra positiva, en caso contrario (hacia la izquierda) es negativa. En distribuciones asimtricas, la diferencia entre el resultado ms probable y el promedio puede ser significativa
0 + -
La distribucin normal
68%
95%
99.74% -3 -2 -1 = 0 1 2 3
11
Un indicador de calidad con slo variacin comn est bajo control, si hay variacin especial importante, se dice que el indicador est fuera de control Si slo hay variacin comn, la variacin es estable en el tiempo, predecible, estudiable y mejorable (reducible) y, por lo tanto, entendemos la variabilidad del indicador y estamos en control de l. Si hay variacin especial de importancia, la situacin es ms bien de caos, no compresible ni predecible.
Ing. Boris Heredia Rojas M.Cs. 12
Grficos de Control
Para estudiar si un indicador de calidad est Bajo Control (slo variacin comn) Entre los grficos de control se encuentran grficos para variables y grficos para atributos. Ambos establecen lmites de control de un proceso . Tipos de datos: Atributos: caractersticas de un producto evaluadas de acuerdo a eleccin discreta Bueno/malo, cumple/no cumple, defectuoso / no defectuoso, etc. Variables: caractersticas de un producto que pueden ser medidas Longitud, tamao, peso, altura, tiempo, velocidad, temperatura, resistencia, etc.
Ing. Boris Heredia Rojas M.Cs. 13
Los grficos de control estn basados en el comportamiento de la Distribucin Normal (o Campana de Gauss):
u (media)
Muchas variables, o transformaciones de ellas, siguen, al menos aproximadamente, una Distribucin Normal. Media de n valores, es igual a la suma de todos ellos dividida entre n
Ing. Boris Heredia Rojas M.Cs. 14
Tipos de Grficos de Control Grficos de Control para Variables Media (x) Rango (R)
Grficos de Control para Atributos p c
15
10
Nmero de muestra
Ing. Boris Heredia Rojas M.Cs. 16
Un grfico indica que el indicador est fuera de control cuando ocurre(n) alguna(s) de las situaciones siguientes: 1) Uno o ms puntos caen fuera de las lneas superior e inferior de control.
2) Ocho puntos o ms estn dentro de los lmites de los lmites de control en forma creciente o decreciente.
17
3) Ocho puntos o ms estn dentro de los lmites de control pero todos sobre (o bajo) la lnea central
4) Aunque los puntos estn dentro de los lmites de control, forman ciclos o estructuras determinadas.
18
Grficos de control para variables Grfico de Media (Grfico x ) Usa el promedio de una muestra Es el grfico de control ms usado
Grfico de Rango (Grfico R) Usa la dispersin (variabilidad) en una muestra
19
Datos de ejemplo
n = tamao de la muestra
Muestra 1 2 3 10
Dimetro del anillo de unin (cm) 1 2 3 4 5 x R 5.02 5.01 4.94 4.99 4.96 4.98 0.08 5.01 5.03 5.07 4.95 4.96 5.00 0.12 4.99 5.00 4.93 4.92 4.99 4.97 0.08 5.01 4.98 5.08 5.07 4.99 5.03 0.10 50.09 1.15 5.01 0.115
k = nmero de muestras
Ing. Boris Heredia Rojas M.Cs. 21
El Grfico de la Media o x
UCL x z x LCL x z x
22
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173 3,258 3,336 3,407 3,472 3,532 3,588 3,640 3,689 3,735 3,778 3,819 3,858 3,895 3,931
A2 1,881 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285 0,266 0,249 0,235 0,223 0,212 0,203 0,194 0,187 0,180 0,173 0,167 0,162 0,157 0,153
d3 0,853 0,888 0,880 0,864 0,848 0,833 0,820 0,808 0,797 0,787 0,779 0,770 0,763 0,756 0,750 0,744 0,739 0,734 0,729 0,724 0,720 0,716 0,712 0,708
D3 0 0 0 0 0 0,076 0,136 0,184 0,223 0,256 0,283 0,308 0,328 0,347 0,363 0,378 0,391 0,403 0,414 0,425 0,434 0,443 0,452 0,460
D4 3,269 2,574 2,282 2,114 2,004 1,924 1,864 1,816 1,777 1,744 1,717 1,692 1,672 1,653 1,637 1,622 1,609 1,597 1,586 1,575 1,566 1,557 1,548 1,540
23
L k
50 . 09 5 . 01 cm 10
UCL x LCL x
A A
2 2
24
Ejemplo de Grfico x
5.10 5.08 5.06
5.04
Promedio muestra
5.02
5.00 4.98 4.96 4.94 4.92
4
Nmero de muestra
10
25
Grfico de Rango o R
R R
26
Clculos de Grfico R
R 1.15 0.115 R
k 10 UCL D 4 R 2.11(0.115) 0.243 LCL D3 R 0(0.115) 0
27
Ejemplo de Grfico R
0.3
0.25 0.2
Rango
Nmero de muestra
28
29
30
Grfico p
El grfico p permite estudiar la proporcin de unidades defectuosas producidas. Para ello se toma una muestra o eventualmente el total de unidades producidas (tamao de la muestra = n) durante un perodo de tiempo (por ejemplo una hora, medio da, un da completo), por k perodos (nmero de muestras = k). El nmero de perodos es del orden de 20 a 25.
32
Grfico p
UCL p z LCL p z
p p
33
Ejemplo grfico p
20 muestras de 100 tejas cada una Muestra # 1 2 3 # Defectos Proporcin Defectuoso 6 0 4 .06 .00 .04
20
18 200
.18
34
Clculos de Grfico p
p total defectuosos total observaciones muestra 200 = 20(100) 0.10
UCL p z
p (1 p ) 0.10(1 0.10) 0.10 3 0.190 n 100 p (1 p ) 0.10(1 0.10) LCL p z 0.10 3 0.010 n 100
35
Ejemplo grfico p
0.2 0.18 0.16 Proporcin defectuoso 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 0 2 4 6 8
12
10
16
14
..
Nmero de muestra
18
20
36
Grfico c
UCL c + z c LCL c - z c
37
Ejemplo grfico c
Nmero de defectos en enfierradura Muestra # 1 2 3 # Defectos 12 8 16
15
15 190
38
190 c 12.67 15 UCL c + z c 12.67 3 12.67 23.35 LCL c - z c 12.67 3 12.67 1.99
39
Ejemplo grfico c
24 21
18
Nmero de defectos 15 12
9 6
3 0
10
Nmero de muestra
12
14
40
Capacidad de un Proceso
La capacidad de un proceso, o ms bien, de un indicador de calidad de ste, es el rendimiento del proceso cuando est bajo control. Mide si el indicador del proceso satisface los requerimientos del cliente.
41
Un proceso es capaz, en relacin a un indicador de calidad, cuando es muy pequea la proporcin de rechazos, es decir, la proporcin de unidades producidas (bienes o servicios fuera de especificaciones.
LIE LSE LSE : Lmite Superior de Especificaciones. LIE : Lmite Inferior de Especificaciones.
Ing. Boris Heredia Rojas M.Cs. 42
Para medir la capacidad, en relacin a variables, podemos utilizar e ndice de Capacidad Potencial:
LSE LIE Cp 6
6, es decir, seis desviaciones estndar, es la distancia entre el Lmite Superior de Control (LSC) y el Lmite Inferior de Control (LIC).
Ing. Boris Heredia Rojas M.Cs. 43
En la Distribucin Normal, en un rango de tres sigma a cada lado de la media est el 99.74% de las observaciones.
Tenemos el problema que se desconoce ; por ello debemos estimarla, es decir, aproximar el verdadero valor a partir de los datos:
R /d 2
Ing. Boris Heredia Rojas M.Cs.
(d 2 3 /(A 2
n)
)
44
LSE LIE Cp 6
El proceso es capaz, en relacin al indicador bajo observacin, si al menos C p 1.0 . El clculo de Cp como ndice de capacidad de un proceso supone que el proceso est centrado.
45
Ejercicio
Una empresa de distribucin de hormign premezclado desea saber si los tiempos de entrega a los clientes estn bajo control. Para ello, toma muestras en una semana (de lunes a viernes), obteniendo lo siguientes valores (en minutos): Hora L M Mi J V Valores 150 100 300 140 150 190 120 180 90 130 230 130 200 240 150 160 200 160 220 220 220 100 220 190 200 180 80 150 220 120 Estudie si la media y el rango se encuentran bajo control. De no ser as, seale dnde se encuentran puntos fuera de control. Suponiendo que es aceptable que la distribucin tome a lo ms 180 minutos, determine si la proporcin de despachos inaceptables est bajo control. Si no lo estuviera, seale qu puntos o tramos se encuentran fuera de control. Determine la capacidad del proceso en trminos del indicador tiempo de entrega, sabiendo que los lmites de especificacin son 80 y 200 minutos respectivamente.
47
1.
2. 3.