Elementos del Control de Calidad Estadstico

Definicin de la calidad (Calidad del Diseo y la Calidad del Producto):

{

Calidad del Diseo: grado de concordancia entre el diseo y el fin para el cual fue creado. Calidad del Producto: grado de conformidad entre el producto y su diseo.

Los defectos: Un defecto es el incumplimiento de una caracterstica p de un lmite de calidad respecto especificado. Qu causa los productos defectuosos? La variacin.

Son todos los defectos iguales? Por supuesto que no. Debemos tratar a todos los defectos por igual? Claro que no.

Clasificacin de los defectos, , muestrario de defectos.

Defectos crticos: son aquellos que violan leyes, agreden al consumidor o p hacen inservible al producto. Defectos mayores: producen una disminucin en el correcto funcionamiento o utilizacin del producto y es notado por el consumidor.

Defectos menores: producen una disminucin leve en el correcto funcionamiento o utilizacin del producto, probablemente no lo note el consumidor Pero si lo nota consumidor. nota, el personal calificado de produccin y de control de calidad calidad,

Cada tipo de defecto ser objeto de un estudio acabado por las partes interesadas y deber finalizar en un muestrario de defectos, debidamente clasificado por tipo de defecto y firmado por las partes involucradas. involucradas

Distribuciones de frecuencia e Histogramas

Poblacin y muestras.
{

Poblacin: total de las unidades que se consideran. Muestra: cantidad estadsticamente calculada de unidades de dicha poblacin, cada unidad deber ser extrada al azar.

Distribucion de los valores de las variables que medimos: En general g un comportamiento p llamado siguen gaussiano o normal. La grfica de este comportamiento tiene una forma de campana.

Tipos de variables

Variables continuas: son aquellas que se miden. Variables discretas: son aquellas que se cuentan. L primeras Las i d dan origen i al l control t l por variables y las segundas al control por atributos.

Variables: son todas aquellas caractersticas de calidad que podemos representar p p p por una cifra. Ejemplos, la medida de un perno, la resistencia de resistores de alambre alambre, el contenido de cenizas en carbn, etc etc. etc., etc

Atributos: son aquellas caractersticas de calidad lid d no mensurables, bl cuya di dimensin i en general no se puede representar con una cifra. if Ejemplo podemos tomar las imperfecciones visuales de las superficies de los productos, tales como manchas, diferencias de tono, aspectos de una soldadura, etc., etc.

Se debe tener en cuenta, que tanto los procesos como los lotes terminados pueden ser inspeccionados p p p por atributos o por variables.

Distribuciones de frecuencias

Veamos el caso de control por variables: estamos midiendo con un y resolucin nos instrumento cuya permite medir las variaciones que produce nuestro proceso. proceso

Lo primero que deberemos hacer es clasificarlas de menor a mayor, luego g p en clases siguiendo g algn g agruparlas criterio que nos permita acumular los datos dentro de clases clases, esto es dentro de valores que contengan varios de estos datos datos.

Consideremos la siguiente tabla de valores experimentales

Total, n: 40 datos Valor mnimo: 19, 19 valor mximo: 76 Rango, 76-19= 57 Nmero de clases: (clculo emprico): Raz de 40 y se redondea: 6 Ancho de clase: 9 57 dividido 6 y se lleva al nmero impar ms cercano: 9

Se toma el ancho de clase como nmero impar, para que la marca de g q que clase sea un nmero entero igual los datos que se estn estudiando. Si se utilizara un nmero par par, el ancho de clase resulta con un decimal que habra que conservar hasta el final del clculo y esto es fuente de errores.

Con estos datos procedemos a construir la siguiente i i t t tabla: bl

LI 18 27 36 45 54 63 72 LS 26 35 44 53 62 71 80 Marca de Clase ( (mediana) )( (x) ) 22 31 40 49 58 67 76 ( 18 + 26 ) / 2

Una vez obtenido este cuadro procedemos al l recuento t y anotamos t la l frecuencia: f i

LS 26 35 44 53 62 71 80 total X 22 31 40 49 58 67 76 recuento /// //// //// //// //// //// // //// //// // 40 frecuencia 3 5 9 12 5 4 2 40

LI 18 27 36 45 54 63 72

El cuadro anterior es el diagrama de frecuencias obtenido de los 40 datos g p obtenidos como variables y agrupados convenientemente en clases, este recuento ya nos est informando de que es lo que pasa con esta variable.

HISTOGRAMA
HISTOGRAMA
14 12 12 FR RECUENCIAS S 10 8 6 4 2 0 0 21 22 31 40 49 58 67 76 85 MARCAS DE CLASE 0 3 2 5 5 4 9

Medidores de tendencia central y de dispersin

Los dos ms frecuentes y tiles en Control de Calidad, son :

{

la Media Aritmtica , medidor de la tendencia central. Desviacin Tpica, medidor de la dispersin de los datos alrededor de la Media Aritmtica

Media aritmtica
fX
j j=1 k k

f . X + f . X + ...+ fk . Xk X= 1 1 2 2 = f1 + f2 + ...+ fk

f
j=1

fX fX = = N f

k f u j fu j=1 = A + c X = A +c N k fj j=1

Desviacin tpica
f (X
k j j= 1 k j

X
j

S=

f
j= 1

f( X X )
N

S= c*

fu
N

fu N

Mtodo de clculo por compilacin

X 22 31 40 49 58 67 76 f 3 5 9 12 5 4 2 U -3 -2 -1 0 1 2 3 fu -9 -10 - 9 0 5 8 6 fu = - 9 fu2 27 20 9 0 5 16 16 fu2 = 95

donde: c = 9 y A = 49 Media aritmtica: 46,98 Desviacin tpica: 13.72 13 72 Este clculo tiene un error como consecuencia i d de suponer a t todos d l los datos dentro de cada clase como iguales.

Distribucin Continua, o Distribucin Gaussiana, o Distribucin Normal

Curva Normal de Gauss

+1

+2

+3

+4

En muchos casos, cuando la variacin de una caracterstica de calidad es causada por la suma de un gran nmero de errores infinitesimales independientes debidos a diferentes factores, la distribucin de la caracterstica de calidad se aproxima a una distribucin normal. La forma de la Distribucin Normal puede describirse como la de una campana.

Propiedades de la Distribucin Normal

La curva caracterstica queda determinada totalmente por dos p parmetros:

Un suceso es ms o menos probable segn la frecuencia con que ocurre. a y frecuencia de ocurrencia mayor pasada ser mayor la probabilidad de ocurrencia futura futura.

Los histogramas y los grficos de frecuencia, tambin pueden interpretarse como grficos de probabilidades de ocurrencia. En particular, particular la Campana de Gauss Gauss, o Curva Normal, es una funcin de probabilidades. probabilidades La superficie que se encierra debajo de la curva y limitada por dos valores de x es curva, directamente una medida de la probabilidad de ocurrencia de un suceso determinado.

Aceptando estos conceptos veremos como se puede hacer los clculos partiendo de la Curva Normal. p En primer trmino, la Curva Normal hay que transformarla en lo que se llama forma cannica, esto significa que el cero de las X ir al medio del g grfico.

Para lograrlo se usa una variable llamada z y es:

X X) ( z=

Esta transformacin hace que siempre el l valor l d de l la d desviacin i i t tpica, i en una curva cannica, sea igual a uno. El valor de z no es ms que un dato p p medido en relacin a su propia desviacin. Esto hace que la curva tenga caractersticas muy particulares.

Esta E t variable i bl d depende d d de d datos t conocidos, es decir la media de la muestra t y su desviacin d i i Por lo tanto p para determinados valores de x, se hace el clculo y las tablas dan p en trminos de p probabilidad la respuesta de ocurrencia. Este punto es muy importante pues de aqu parte todos los criterios del control de la calidad calidad.

La superficie, y por lo tanto la probabilidad de ocurrencia del suceso, vale:

Grficamente
AREA BAJO LA CURVA NORMAL IGUAL A 68.27%
45 40 PROBABILIDADE ES 35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -1 A +1 DESVIACION TIPICA

AREA BAJO LA CURVA NORMAL IGUAL A 95,45%

40 35 PROBABILIDADES 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -2 A +2 DESVIACION TIPICA

AREA BAJO LA CURVA NORMAL IGUAL A 99,73%

45 40 PROBABILIDAD DES 35 30 25 20 15 10 5 0 -3 -2 -1 0 1 2 3 DESDE -3 A +3 DESVIACION TIPICA

Ejercicios-uso de tablas de Gauss