Mtodosestadsticos para el control de calidad

CONTENIDO

LRgsreosrrcl nNLRpRcrrcR:
DOWCHEMICALCOMPANY

yueRco 2o.l Frlosones

DE REFERENCIA Malcolm Baldrige National Quality Award ISO 9000 Seissigma

Cartas i: mediay desviaciones estndar del proceso desconocidas CartasR Cartasp Cartasnp Interpretacin de las cartas de control 20.3 MUESTREODE

ecgprecrN
KALI, Inc., un ejemplo de muestreode aceptacin Clculo de la probabilidad de aceptarun lote Seleccinde un plan de muestreode aceptacin Planesde muestreomltiple

20.2coNTRolesrepsrrco
DEPROCESOS Cartasde control Cartasi: mediay desviaciones estndar del procesoconocidas

lo estodstico en lo prctico

847

DOW CHEMICAL COMPANYX

FREEPORT. TEXAS

En 1940,la empresa Dow Chemicaladquiriun tenenode 800 acresen Texas,en la costadel Golfo, para construir una plantade produccin de magnesio. La plantaoriginal se ha extendidohastacubrir ms de 5 000 acresy engloba uno de los complejos petroqumicosms grandesdel mundo. Entre los productosde Dow TexasOperationsse encuentran magnesio, estireno,plsticos,adhesivos, sol_ ventes, glicol y cloro.Algunosde los productos seobtienen nicamentepara usarlos en otros procesos,pero muchos terminancomo ingredientes esenciales de productos farmacuticos, pastasdentales, alimentospara perros,mangueras,refrigeradores, envases de cartnparaleche,bolsas parabasura, y muebles. champs El control estadstico de calidad ha permitido a la Dow's Texas Operations produce ms del 3OVodel empresa Dow Chemicalmejorar sus mtodosde magnesio del mundo;el magnesio es un metalextremadaproducciny susproductos.O PR Newswire Dow mente ligero que se emplea en productostan diversos Chemical USA. como raquetasde tenis y rines de ntagnesio.El Departamento del Magnesio fue el primer grupo de TexasOperatro de los lmitesprevistos. Medianteun examenmscui_ tions que capacit a su personal tcnico y a sus dadosode las cartasde control y de la operacin misma, administrativos parausarel controlestadstico de calidad. los analistas encontraron que las variaciones podan deber_ Algunosde los primerosacertados empleos del controlesse a algnproblemarelacionado con el operador. Despus tadstico de calidadfueronen los procesos qumicos. de capacitar nuevamente al operador. lascartas x indicaron En una aplicacin en la que intervena la operacin de una mejorasignificativa en la calidaddel proceso. un secador, se tomabanmuestras del productoa intervalos En cualquier parteque Dow aplicael controlestadsti_ regulares,se calculabael promedio de cada muestray se co de calidad,se lograuna mejorade la calidad.Se han loregistrabaen una carlax. Estascartaspermitana los anagradoahorrosdocumentados de cientosde miles de dlares listasde Dow vigilar tendencias en los productos que pupor aoy continuamente sehandescubierto nuevas aplica_ dieran indicar que el procesono se estaba desarrollando ciones. correctamente. En una ocasin los analistasempezarona En estecaptulose mostrar cmoelaborar unacarta,r observar que las medias muestralespresentaban valores como las empleadas por Dow. Estascartasson partedel que no correspondan a un procesoque se desarrollara dencontrolestadstico de calidadconocidocomo controlesta_ dsticode procesos. Tambinse vernmtodos de control * Los de calidadque se usanen situaciones ouloresogrodeceno Clifford B. Wilson, odministrodor en que Ia decisin de de Mognesium Technicol,The Dow Chemicol Compony, por proporcionor este ortculo aceptaro rechazarun conjunto de afculos se basanica_ poro Lo estodsticoen lo prctco. menteen una muestra. La American Society fbr Quality (ASQ) define la calidad como "la totalidad de rasgosy caractersticasde un producto o servicio relacionados con su capacidadpara satisfacerdeterminadas necesidades". Las organizaciones reconocenque en la actual economaglobal, para ser competitivas tienenque esforzarse por lograr un alto nivel de calidad.De ah que cadavez se le d ms importanciaa los mtodospara el monitoreo y el mantenimientode la calidad. En la actualidadel enfoqueorientadoal cliente, fundamentalpara las organizaciones de alto desempeo, ha transformado el mbito de las cuestiones de calidad,de la simple eliminacinde defectosen la lnea de produccin a la elaborcinde estrategias corporativasde calidad con baseamplia. La ampliacindel mbito de la calidad conduce,de maneranatural,al concepto<Ie calidad total (CT). La calidadtotal (CT) es un sistema de gestinenfocado a la persona que buscamejorarcadavez msla satisfaccin delcliente concostos reales cada vezmsbajos. La CT esun sistema (no un

848

20 Coptulo

poro el control de colidod Mtodos estodsticos

de alto nivel; la CT funciocletrabajo)y parteintegralde unaestrategia o un programa reaaparte el de desde los empleados, a todos involucra y departamentos, las funciones todas na a travsde a la cadey hacia incluyendo atrs adelante hacia el de msbajoy seextiende msaltonivelhasta y en la adaptaen el aprendizaje hincapi La CT hace y a la cadena de clientes. na clepr6veedores una organizacin.* para el xito de comoclaves continuo cinal cambio la calidad total Sin importar la maneraen que se implementeen las distintasorganizaciones, y los implicados; todos centrarla atencinen el cliente se basaen tres principios fundamentales: la mejora cona participaciny trabajode equipo de toda laorganizacin,y dar especialatencin introduccin breve una En la primera seccinde estecaptulo se presenta tinua y al aprendizaje. principalesen la gestinde calidad: el Malcolm Baldrige Award, acercade las tres referencias se estudiandos ISO 9000 y la filosofa Seis sigma. En las dos ltimas secciones los estndares de proceque se usanpara monitorearla calidad:el control estadstico estadsticas herramientas sos y el muestreode acePtacin.

6)
I)e.spu.t tle l.a Segunda (jutrra Mundictl el dor;tor W. Edtards Deming.lue t ottsulor tle lu industriu.iaplne\u: a l .sele atribuve haber t;tntenr ido a lo: alto: dirtttito.s jttporrcse.stle u.utr el nlodo del r ontntl rstud.stir t de t alidttd-

y marco de referencia Filosofas

que han tenido una gran influencia en las cuestionessobrela calidad son el doctor W. Dos personas Deming y JosephJuran. Estos dos personajescolaboraron,poco despusde la Segunda Eclwarcls en gestinde calidad.Aunque la calidades un de los japoneses Guena Mundial, en la educacin atencina la caasuntodel trabajode toclomundo,Deming hizo hincapien que el ponerespecial y directivos;elaboruna lista de 14 puntosque l consideraser asuntode los gerentes cleba liclacl y directivos. Por ejemplo,Deming clavede los gerentes las responsabilidades ba que representaban clecaquc los gcrentesy directivos debanabandonarla inspeccinen masa;acabarcon la prctica la mejoracontinuade toen el precio;que debabuscarse con basenicamente e hacernegocios dos rs procesoscleproduccin y servicios; fomentar un ambiente orientado al trabajo en equipo, de en cuotasnumricas y metasde trabajobasados los objetivos,eslganes y que dcbaneliminarse trabajo. Lo ms importanteera que los directivos debancrear un ambientede trabajo en el que, en un compromisocontinuocon la calidady la productividad. tocloslos niveles,se mantuviera Juran propuso una definicin simple de calidad: adecuacin al uso. El mtodo de calidad de en tres procesos:planeacinde la calidad, control de la calidad y mejoramienJuran se concentraba to clela calidad.A dif'erenciade la filosofa de Deming, que requeraun cambio cultural importanlos programasde Juran tenan como fin mejorar la calidad al trabajar con el te en la organizaci<in, en que se centranen la las dos filosofasse parecen No obstante, existente. sistemaorganizacional de un mejoramiende que los directivosse involucreny haganhincapien la necesidad necesiclad to continuo, en la importancia de la capacitaciny en el uso de tcnicasde control de calidad. que tuvieron un papel importanteen el movimiento de la caliHubo otras muchaspersonas Philip B. Crosby,A. V. Feigenbaum,Karou Ishikawa y Genichi dad. Entre ellos se encuentran deal tema de Ia calidad,se encuentran nicamente dedicados Taguchi.En textosespecializados, de todos los involucrade cada uno de ellos. Las contribuciones talles sobre las contribuciones dos en el movimiento de calidad ayudaron a definir el conjunto de las mejores prcticas y programas de premiosy de certificacin.Los dos programas llevaron a la creacinde numerosos ms importantesson el Malcolm Baldrige National Quality Award, de EstadosUnidos, y el protambinel uso ceso internacionalde certificacinISO 9000. En los ltimos aosha aumentado que se baorganizacional de Seis Sigma, una metodologaparael mejoramientodel desempeo sa en la recoleccinde datosy en el anlisisestadstico.

Molcolm Boldrige Notionql Gluolity Awqrd

El Malcolm Baldrige National Quality Award es entregadopor el presidentede EstadosUnidos a en sietereas:liderazgo; planeaque apliquen y que se les conslderedestacadas las organizaciones enfoque al cliente y al mercado;gestinde medicin, anlisisy conocimiento;escin estratgica; pecial atencin al recurso humano; gestin de procesos y resultados econmicos. El congreso
.J. R. Evons 2005), pp. l8-19 OH: South-Western, ond Controlof Quolity, 6o. ed. (Cincinnoti, y W M. Lindso The Monogement

y morcode referencio 20.1 Filosofos

El Ntionul Institute of Stanlards anl Techno lo gy (NIST) clependientedel Dep.rtamentode Comercio de Estacls Unitks es el que se ocupa del Baldrige National Quulity Program. M.s puede obteinfitmacin .se gov. ner en www.quality.ni st.

849

estableci el programade estepremio en 1987para reconocer a las organizaciones estadounidensespor suslogrosen calidady desempeo, y parallamar la atencinacerca de la importancia de Ia calidadcomo ventajacompetitiva.Malcolm Baldrige trabajcomo secretario de comerciofle EstadosUnidos,desde1981hastasu muerteen 1981 , el premio lleva su nombreen su honor. Desdela ceremonia de entrega de los primerospremiosen 1988,el BaldrigeNationalQuality Program ha crecido en estaturay en impacto. Desde 1988 se han distribuido aproximadamente2 millonesde copiasde los criterios, a lo que se sumanlas reproducciones en gran escala por las organizaciones hechas y el acceso electrnico. Por octavoao consecutivo, un ndiceaccionariohipottico, formadopor empresas estadounidenses que cotizanen la bolsay que han recibido el Baldrige Award, superael Standar & Poor's 500. En el 2003, el "ndrce Baldrige" superal S&P 500 por 4.4 a l. En la ceremonia de premiacin de 2003,Bob Barnetr, viccpre srdente ejecutivo de Motorola, Inc., dijo, "lngresamosa esteprogramade calidad, no con la iilca de ganar,sino con el objetivode obtenerla evaluacin de los examinadores cleBal<lrige. Esta evaluacin fue cabal,profesional y clara...haciendo de ella la consultora msrentable y con mayor valor agregadoque se puedeobtener,actualmente, en todo el mundo."

tso 9000
ISO 9000 es una serie de cinco estndares internacionales publicadosen 1987 por la Organiza(ISO), Gnova,Suiza.Las empresas parala Estandarizacin cin Internacional puedenusarcstos estndares como ayuda, para determinar lo que se necesitapara mantener un sistemade conformidadde calidad eficiente,para garanttzar que los instrumentos de medicin y de prueba seancalibradosregularmente y, para mantener, y adecuar,un sistemaapropiat.lo de d<tcumentcin. El registroISO 9000 determina si una empresa cumplecon su propio sistema clecalidad. En general,el registro ISO 9000 cubre menos del lja/a de los criterios del Bal<Jrige Award.

Seis Sigmo
Al final de los aosochenta,Motorola advirti la necesidad de mejorar la calidaclde susproductos y servicios; su objetivofue lograr un nivel de calidadtan buenoque en cadamilln de opcracionesno se presentaran ms de 3.4 errores.A estenivel de calidad se le con<tce como el nivcl de calidad seis sigma y a la metodologacreadapara lograr esteobjetivo de calidad se le conoce como Seis Sigma Una organizacin puedeemprenderdos tipos de proyectosSeis Sigma: . . DMAIC (Definir, Evaluar,Analizar,Mejorar y Controlar)como ayudapararedisear proya exislentes. cesos DFSS (DiseoparaSeissigma)paradisear nuevosproductos, procesos o servicios.

Paraayudaren el rediseode procesos ya existentes y en el diseode nuevosprocesos, SeisSigma hacehincapien el anlisisestadstico y en la evaluacin cuidadosa. Actualmente, SeisSigma es una herramienta importanteparaayudara las organizaciones a alcanzar nivelesBaldrigecledesempeoen negociosy muchosde los examinadores del Baldrigeconsideran a SeisSigma comcr un mtodoideal paraponeren marchaprogramas de mejoramiento de Baldrige. limires de Seis Sigmo y defectos por milln dc opcrccioncs En la terminologade Scis je caSigma,un defecto es un errorque llegaal cliente.El proceso SeisSigmadefinedesempco lidad en trminosde defectos (dpmo).Como ya se indicr,Scis sigpor millonesde operaciones ma representa un nivel de calidadde por lo menos3.4 dpmo. Parailustrarctimo sc cvalacste nivel de calidad se tomar como ejemplo un casode la emprcsaempacadora KJW KJW tiene una lnea de produccin en la qu'ellena paquetescle cereal.En este proceso,la mediaesp : 16.05onzasy Ia desviacin estndar es o : 0. I0 onzas.Suponga que los pcsosde llenadosiguenunadistribucinnormal.Enlafigu ae 2m 0 .u e s t r a l a d i s t r i b u c i r i n Irs ep e s o s kd ls que los directivosconsideran de llenado.Suponga como lmitesde calidadaccptables paraeste proceso de 15.45a | 6.65 onzas. Por tanto,todo paquete de cerealque contenga menosqu 15.4-5

850

decolidod poroel control estodsticos 20 Mtodos Coptulo DE LLENADO NORMAL DE LOS PESOS 2O.I DISTRIBUCIN FIGURA LA MEDIA EST: 6.65 DE CEREALES, DE LOS PAQUETES

t5.45 Lmiteinferior de calidad

16.0.5 ,/
Media r,del proceso

16.65 Lmitesuperior de calidad

como defecto.MedianteExcel o Minitab se puedemoso ms que 16.65onzasserconsiderado de los paquetesllenadospesarentre 16.05 - 6(0. l0) = 15.45 onzas y trar que 99.9999998Vo llenadosconde los paquetes slo 0.0000002%o | 6.05 + 6(0. I 0) = I 6.65 onzas.En otraspalabras, tendrnmenosde | 5.45 onzaso ms de | 6.65 onzas.Por tanto, la posibilidadde que en esteproya que pequea, pareceser extremadamente de cerealseadefectuoso cesode llenado,un paquete de cada l0 millones serndefectuosos. en promedio slo 2 paquetes Motorola se cercior,en sus primerostrabajoscon Seis Sigma,de que la media de un procePor ejemplo, supongaque la estndar. en promediohasta 1.5 desviaciones so se puededesplazar l0) = 0. l5 ones decir 1.5(0. estndar, en 1.5desviaciones de KJW aumente mediaen el proceso la distribucinnormal de los pesosde llenadotendrcomo centro zas.Con estedesplazamiento, la probabilidad onzas, est = 16.05 Cuandola mediadel proceso onzas. + 0. 15 = 16.20 u = 16.05 pequea. Pero, de obtenerun paquetede cerealque pesems de 16.65onzases extremadamente muestraque figura 20.2 se En la 16.20 onzas? a se desplaza si la media probabilidad es esta cul estndar a la dea 4.5 desviaciones en estecaso,el lmite superiorde calidad, I 6.65 se encuentra rechade la nuevamedia 16.20onzas.En Excel o Minitab se ve que con estamedia, la probabilidad de que un paquetepesems de 16.65onzases 0.0000034.Por tanto, si la media del proceso = 3'4 I 000 000(0.0000034) aproximadamente estndar, haciaaniba 1.5desviaciones se desplaza el lmite superiorde 16.65onzas.En la terminologade SeisSigpaquetes de cerealsobrepasarn Si ma, se dice que el nivel de calidad del procesoes de 3.4 defectospor milln de operaciones. este que 15.45a 16.65onzasson lmites de calidadaceptables, los directivosde KJW consideran un procesoSeisSigma.Por tanto,si la mediadel proprocesode llenadode KJW serconsiderado se de la media deseada estndar a no ms de l '5 desviaciones ceso permanece F = 16'05 onzls' llenados. por milln de paquetes defectuosos puedenesperarcomo mximo 3.4 paquetes que desean alcanzary mantenerun nivel de calidadSeisSigma debenpoLas organizaciones de la calidad.El .rner especialcuidadoen emplearmtodospara la vigilancia y conservacin y lineamientos de polticas,procedimientos guratnientode la caliladse refierea todo el conjfunto de la capor la organizacinpara alcanzary mantenerla calidad.El aseguramiento establecidos lidad consisteen dos funcionesprincipales:ingenierade calidad y control de calidad.El objeto e idende la ingenierade calidad es incluir la calidad en el diseode los productosy procesos tificar los problemasde calidadantesde la produccin.El control de calidad consisteen una se-

20.2 Control estodstico de procesos

85r

NORMAL DE LOS PESOS DE LLENADO DE PAQUETES FTGURA 20.2 DISTRTBUCTN ES u : 16.20 DE CEREAL,LA MEDIA DEL PROCESO

0.0)0034o 3.4 dpmo

P= 16'20 / queseha Media del proceso estndar incrementado I .5 desviaciones

16.65 Lmite superior de calidad

rie de inspeccionesy mediciones usadaspara determinar si se estnsatisfaciendolos estndares de calidad. Si no es el caso, se pueden tomar medidas correctivas o preventivas para alcanzary mantener la conformidad. En las dos seccionessiguientes se presentandos mtodos estadsticos que se usan en el control de calidad. En el primero, el control estadsticode procesos, se emplean graficas conocidas como cartas de control para monitorear un proceso; el objerepresentaciones tivo es determinar si puede continuar el proceso o si se deben tomar medidas correctivas para lograr ef nivel de calidad deseado. El segundo mtodo, el muestreo de aceptacin. se emplea cuando la decisin de aceptar orechazar un conjunto de artculos tiene que basarseen la calidad encontrada en una muestra.

@ Control estadsticode procesos

Uno de kts conceptos ms importntes en el movimiento de administracin de la calidad uxal es la me jora continua. El prncipal objetivo de unt carta de control es mejorar la calidad.

En esta seccin se estudiarnprocesosde control de calidad que se emplean en los procesosde produccin en que los bienes se producen de manera continua. Con base en una muestra y en la inspeccin del producto del proceso se decide si se puede continuar con el proceso de produccin o si es necesarioajustarlo para que los artculos o los bienes producidos estn dentro de los de calidad aceptables. estndares altos en las operacionesde fabricacin y de produccin, inAunque se cuente con estndares variablemente habr herramientasy maquinaria que se desgastan,vibraciones que hagan que se desajustela maquinaria, materialesempleadosque puedan presentaranomalasy operadoresque cometan effores. Todos estos factores suelen dar como resultado un producto de mala calidad. Por fortuna, existen procedimientos para vigilar la calidad de los productos, mediante los cuales se puede detectar oportunamenteuna mala calidad y ajustar o corregir el proceso de fabricacin. de Si las variacionesen la calidad del producto se deben a causas asignables como desgaste las herramientas,ajuste incorrecto de la maquinaria, materia prima de mala calidad o errores del operador,es necesarioajustar o corregir el procesolo antesposible. Por otro lado, si las variaciones en la calidad del producto se deben a lo que se conoce como causas comunes ---es decir, variaciones que se presentande manera aleatoria,como variacionesen la temperatura,la humedad, etc., causasque no puede controlar el fabricante-, no es necesarioajustar el proceso.El objetivo

8s2

Copitulo20 IABTA2O.I

poro el controlde colidod estodsticos Miodos

RESUUTADOSDELCONTROLESTADSTICO DE PROCESOS
Situacin del proceso de produccin

trIoes verdadera El procesoest bajo control Que contine el proceso

Decisin

IIu es falsa El procesoest fuera de control Enor tipo II (dejar continuar un proceso queestfuerade control) Decisin correcta

Decisin correcta

Ajustar el pnoceso

Enor tipo I (ajustar que se un proceso bajocontrol) encuentra

Los procedimientos de control de procesos estn estechament e re lac ionado s con los prccedimientos de prueba de hiptesis, ya antes vistos en este libro. Las cartas de control permiten realiwr sobre la marcha pruebas de la hiptesis de que el proceso est bajo contml.

principal del control estadsticode procesoses determinar si las variacionesen el producto se deben a causasasignableso a causascomunes. de control. En tales caCuando se detectancausasasignablesse dice que el proceso est,qfuera sos se toman medidas correctivaspara hacer que el procesoregresea los niveles de calidad aceptables. Si las variaciones que se observanen el producto de un proceso de fabricacin se deben nicamentea causascomunes,se concluye que el producto se encuentrabajo conrol estadsticoo simplementebajo control; en esoscasosno es necesariohacer modificacin o ajustealguno. Los mtodos estadsticospara el control de procesosse basanen la metodologa de las pruebas de hiptesis, presentadaen al captulo 9. La hiptesis nula H,, se formula considerandoque el procesode produccinestbajo control. La hiptesisalternativaH" se formula considerando que el proceso de produccin est fuera de control. En la tabla 20. I se muestra cmo se toman las decisiones correctas de dejar que contine un proceso que est bajo control o de ajustar un proceso que est fuera de control. Como ocurre con las dems pruebasde hiptesis, aqu tambin es posible cometer un error tipo I (ajustar un procesoque estbajo control) o un error tipo Il (permitir que contine un proceso que est fuera de control).

Corlqs de control
en el productose deben decidir si las variaciones Las cartas de controlconstituyen la base.para a causascomunes (en control) o causasasignables(fuera de control). Siempre que se detecteque un procesoest fuera de control es necesariorealizar ajusteso tomar medidas correctivas que hagan que el proceso regresea la situacin bajo control. Las cartas de control se clasifican de acuerdo con el tipo de datos que contienen. Se usa una carta i cuando la calidad del producto de un proceso se mide en trminos de una variable, como longitud, peso, temperatura,etc. En tal caso, la decisin de dejar continuar el proceso de produccin o de ajustarlo se basa en el valor de la media hallada en una muestra del producto. Para introducir algunos de los conceptosque son comunes a todas las cartas de control, se considerarn algunos de los rasgos caractersticosde una carta t. En la figura 20.3 se presentala estructura general de una carta t La lnea central que se observa en esta carta correspondea la media del proceso, cuando el proceso estbajo control. La lnea vertical identifica la escala de medicin para la variable de inters. Cada vez que se toma una muestra del proceso de produccin, se obtiene el valor de su media muestral i y se grafica el punto correspondienteal valor de x en la carta de control. Las dos lneasrotuladascomo UCL y LCL sirven para determinar si el procesoestbajo control o fuera de control. A estaslfneas se les llama lmite de control superior y lmite de contrcl inEstos lmites se eligen de maneraque cuando el procesoest bajo control ferior, respectivamente. exista una gran probabilidad de que los valores e i estn entre estosdos lmites. Si hay valores clarasde que el proceque estnfuera de los lmites de control, stossernevidenciasestadsticas y que necesario tomar medidas correctivas. es fuera de control so se encuentra A medida que pasael tiempo, se van graficando ms y ms puntos en la carta de control. El orestospuntos es de izquierda a derecha,a medida que se van tomanden en el que se van agregando

A las cartas de contrcl que se basan en datos que se pueden medir en una escala continua se les llama cartas de contrcl de variables. Las cartas i son cartas de control de variables,

de procesos 20.2 Controlestodistico FIGURA 20.3 ESTRUCTURADE UNACARTA J

853

UCL
L o

{)

Media del proceso bajo control

LCL

do las muestrasdel proceso.En esencia,cadavez que se grafica un nuevo punto en una carta de control, se est realizandouna prueba de hiptesispara determinar si el procesoest bajo control. Adems de las cartas se puedenusar otras cartas,como cartaspara monitorearel rango de las mediciones en la muestra (cartas R) o para monitorear la proporcin de defectos en la muestra (cartirsp) o para monitorearla cantidadde defectosen la muestra(cartas np).En todosestoscasos,las cartasde control tienen una lnea inferior de control (LCL, por sus siglas en ingls), una lneacentral y una lnea superiorde control (UCL por sussiglasen ingls) como la cartax de la figura 20.3. La principal diferencia entre estascartases la que se mide en el eje vertical; por ejemplo, en una carta p la escalade medicin, en lugar de denotar la media muestral,denota la proporcin de artculosdefectuosos existentesen una muestra.A continuacin se ilustrar la construccinv el uso de las cartas , de las cargasR, de las cartasp y de las carrasnp.

Cqrtqs r: medio y desviociones estndqr del proceso conocidos

Para ilustrar la construccin de una carta x se emplear el ejemplo de la empacadoraKJW. Recuerdeque la empresaKJW, cuentacon na de sus lneasde produccinen la que llena paquetes de cereal. Cuando el proceso se desarrolla correctamente -y por tanto se encuentra bajo del procesoes control- el peso medio de llenado es p : 16.05onzasy la desviacinestndar o: 0. l0 onzas.Se supone,tambin, que los pesosde llenado siguen una distribucin normal. En la figura 20.4 se muestraestadistribucin. Para determinar la variacin que puede esperarseen los valores de i cuando el proceso est bajo control se usa la distribucin muestral de i, vista en el captulo 7. Se recuerdanbrevemente, las propiedadesde la distribucin muestral de i. recuerdeque el valor esperadoo la media de los valoresde es igual a p, el pesomedio de llenado si la lnea de produccinestbajo control. son de tamaon, la ecuacinpara obtenerla desviacinestndar de , que se coSi las muestras noce como error estndarde la media, es o
o^ r : V -n

(2o.r)

Adems, como los pesosde llenado estndistribuidos normalmente,para cualquier tamao de muestra,la distribucinmuestralde es una distribucinnormal. De maneraque la distribucin or. En la figura 20.5 muestralde i es una distribucinnormal con mediap y desviacinestndar se presenta estadistribucin. La distribucinmuestralde se usaparadeterminarculesson valoresrazonables de x cuando el procesose halla bajo control. En el control de calidad se sueleconsiderarcomo razonable estodo valor de que no se aleje de la media, hacia arriba o hacia abajo,ms de 3 desviaciones que al estudiarla distribucinde probabilidadnormal se vio Recuerde tndaro erroresestndar.

854

Coptulo 20

poroel control Mtodos estodsticos de colidod

FIGURA 20.4 DISTRIBUCIN NORMALDE LOS PESOSDE LLENADO DE LoS PAQUETES DE CEREAL

16.05 /
Mediap del proceso

FIGURA 20.5 DISTRIBUCIN MUESTRALDE ' PARAUNA MUESTRADE n PESOS DE LLENADO

que aproximadamente 99.7Vo de los valoresde una variablealeatoriaque tenganuna distribucin normal se encuentran a no ms de +3 desviaciones estndar de su media. Por tanto, si un valor de x se encuentradentro del intervalo de p - 3o, a p * 3o, se admitir que el procesoestba.jo control. En resumen,los lmites de control en una cartax son los sisuientes:

LIMITES DE CONTROL EN UNA CARTA i : MEDIAYDESVIACIN ESTANDARDEL PROCESO CONOCIDAS

U C L : p + 3o, LCL: p 3o,

(2o.21
(2O.3)

de procesos 20.2 Conirolesiodstico 20. CARTAf DEL PROCESODE LLENADO DE LOS PAQUETES DE CEREAL FIGURA

855

16.20 16.15
th

1 6 l.0 16.05 16.00

Media del proceso

l5.95
15.90
5 Procesofuera de control l

Nmero de muestra

en De regreso al ejemplo de la empresaKJW, la distribucin de los pesosde llenado se muestra que peridiSuponga 20'5. figura la en muestra se de muestral la distribucin la figia 20.4i para detercamlnte se toman seis paquetesdel procesode llenado y se calcula su media muestral (20' I se )' encuentra minar si el procesoesti bajo control o fuera de control. Mediantela ecuacin 0'04' Por tanto' como la media que el error estndarde la media es o- : o/t/n : ojo/\'G: : 16.05+ 3(0.04) : 16.17y LCL : 16.05 del procesoes 16.05,los lmites de control son ucl- :'(O.O+): 15.93. En la figura 20.6 se muestrala carta de control con los resultadosde l0 comuestrastomadas a lo largo de un periodo de 10 horas. Para facilitar la lectura, los nmeros la carta' a las muestrasse han colocadoen la parte inferior de rrespondientes La Observeque la media de la quinta muestraindica que el procesoest fuera de control. que indica lo cual inferior), (lmite de control abajo del LCL quinta media muestralse encuentra variacinde la calidad del producto y que el llenado se que ocasionan asignables existencausas En estemomento,se toman medidascoestrealizandocon una cantidadmenor a la estipulada. El hecho de que los demspuncontrol. bajo a estar rrectivaspara hacer que el procesovuelva y superior, indican que la inferior de control los lmites de dentro tos de la carfax se encuentren accin correctiva fue adecuada.

Ccrrtqs : mediq y desviociones estndqr del proceso desconocid<s

la Con el ejemplo de la empresa KJW se mostr cmo elaborar una carta i cuando se conocen necesaes de los casos mayora la en del proceso.Sin embargo, media yia dlsviacin estndar procerio estimar la media y la desviacin estndardel proceso a partir de muestrastomadasdel est proceso que el los en l0 das durante ejemplo, Por bajo control. so cuandostese encuentre por tary las 5 por las maanas paquetes de 5 aleatorias muestras bajo control, KJW puede tomar de promedios los sacar despus muestra, de cada estndar y la desviacin calcular la meia de"s, para la tanto de control, cartas para elaborar y usarlos estndar y las desviaciones de las medias del proceso' media como para la desviacinestndar el rango en lugar En la prctica,para monitorearla variabilidaddel procesosueleemplearse puede servir paraobya que el rango es ms fcil de calcular.El rango de la desviacinestndar, que, mediantealdel proceso;de manera tener una buenaestimacind la desviacinestndar . Para las cartas de y superior gunos clculos,puedeemplearsepara traza los lmites inferior Inc. Supplies, iustrar esto,se tomar un ejemplo de la empresaJensenComputer de 3'5 pulgadasde dimeJcnsenComputerSuppliesdCS) faUrlcadiscosparacomputadora bajo control. Suque funciona manera de ajustado, tro. Su proceso e proOucciOnacabade ser

Es importante c0nlrolr tuo lu media como la r deI desviacin estinda pro( es().

85

Coptulo 20

Mtodos estodsticos poro el controlde colidod

TABTA 20.2 DATOS DEL PROBLEMA DE JENSEN COMPUTER SUPPLIES

Nmero de la muestra

Jensen

I 2
3

CD

4 5 6 7 8 9 l0 ll t2 l3 t4 I5 t6 t7 l8 t9 20

3.5056 3.4882 3.4897 3.5 r53 3.5059 3.4977 3.4910 3.4991 3.5099 3.4880 3.4881 3.5043 3.5043 3.5004 3.4846 3.5 t45 3.5004 3.4959 3.4878 3.4969

Observaciones 3.5086 3.5144 3.5009 3.5085 3.4884 3.5250 3.4898 3.4995 3.5130 3.5120 3.4989 3.4900 3.5il3 3.s0ll 3.4773 3.4961 3.5050 3.50 r4 3.4913 3.4976 3.4831 3.4853 3.4830 3.5083 3.5t62 3.5228 3.4958 3.5015 3.5094 3.5t02 3.4887 3.514r 3.5t75 3.4867 3.4946 3.50 r8 3.4769 3.4944 3.50l4 3.5030 3.5082 3.504s 3.4938 3.5065 3.5089 3.4832 3.5t88 3.4935 3.5042 3.4954 3.5020 3.4823 3.4964 3.5082 3.4864 3.4960 3.5070 3.5t44 3.5053 3.4985

Media muestral
ij

Rango muestral
Rj 0.0t35 0.0368 0.0233 0.03l6 0.0340 0.0099

3.5030 3.503 r 3.4969 3.4837 3.4801 3.5060 3.5044 3.5094 3.5004 3.5146 3.4863 3.4784 3.4904 3.5234 3.50r I 3.4989 3.4889 3.487 | 3.4984 3.4885

3.5065 3.5026 3.4978 3.5000 3.4951 3.5012 3.4935 3.4970 3.5090 3.5047 3.4989 3.4932 3.4935 3.5079 3.4990 3.50t8 3.4982 3.4940 3.4951 3.5007

o.o2t3 o.o2u
0.0270 0.0266 o.o3t2 0.0259 0.0274 0.0230 0.0243 0.0356 0.0| 53 0.0259 0.0206 0.0259

ponga que durantela primera hora de operacinse toma una muestraaleatoria de cinco discos, durantela segundahora de operacinse toma otra muestraaleatoriade cinco discos y as sucesivamente,hastaque se tienen 20 muestras.En la tabla 20.2 se presentanlos dimetrosde las muestrasas como la media i, y el rango R, de cada muestra. La estimacinde la media del procesoI estadada por la media muestralgeneral.

MEDIAMUESTRALGENERAL

r' !-Izi----+ lo
k
donde
ij:

l2o.4l

m e d i ad e l a m u e s t r a j :

1,2, . . .,k

k - nmerode muestras

La media muestralgeneralde los datosde JCS, que se presentan en la tabla2).2,es i : 3.4995. Este valor serla lneacentralde la cartai. El rango de cadamuestraes simplemente la diferencia entre el valor mayor y el valor menor de cada muestra.El rango promedio de las fr -u*ru, se calculacomo se indicaa continuacin.

RANGO PROMEDIO

,. (_ :R,+R2+...*Ro k

(20.s)

de procesos 20.2 Controlestodstico

857

donde j, j = 1,2, ..., k Rj = rango de la muestra k = nmero de muestras

El rango promedio de los datos de JCS, que se presentanen la tabla 20.2, es : O.OZS. En la seccin anterior se mostr que los lmites de control superior e inferior de la carta son
Y r

^ o 1 - : yn

(2o.)

kt media muestral general i se usa para estimar p y los rangos muestrales se usan para obtener una estimacin de o.

Por tanto, para obtener los lmites de control para la cartai es necesarioestimar p y o, la media y la desviacin estndardel proceso. Una estimacin de p es dada por i, y una estimacin de o se obtiene mediante los datos de los rangos. Se puede demostrar que el promedio de los rangos dividido entre d2, una constanteque depende del tamao n de la muestra,es una estimacin de la desviacin estndaro del proceso. Es decir, R d2

Estimador de o

l2o.7l

En el Manual on Presentation of Data and Control Chart Analysis de la American Societyfor Testingand Materials se publican los valores de d, que se muestran en la tabla 20.3. Por ejemplo, para n = 5, dz= 2.326 y la estimacin de s es el rango promedio dividido entre 2.326. Si en la expresin (20.6) se sustituye s por Rldr,los lmites de control de la carta se pueden expresar como

(20.8)
Observe que Ar: 3l(d2\,) es una constanteque dependenicamente del tamao de la muestra; en la tabla 20.3. Paran : 5, Az: 0.577; por tanto, los los valoresde A, tambin se encuentran lmites de control en la carta x sern -f 3.4995 - (0.577X0.0253): 3.4995 0.0146 Por tanto,UCL : 3.514y LCL: 3.485. En la figura 20.7 se muestra la carta obtenida para el problema de JensenComputer Supde control de Miplies. Esta cafa se obtuvo con los datos de la tabla 20.2 y la rutina para cartas - nitab. La lnea central se encuentraen el valor de la media muestral general : 3.4995. El lmite de control superior (UCL) es 3.514 y el lmite de control inferior (LCL) es 3.485. En la carta.i aparecenlas 20 medias muestralesque se fueron graficando. Como todas las medias muestrales se encuentrandentro de los lmites de control, se confirma que el proceso ha estadobajo control durante el periodo de muestreo.

Cqrtqs R
Ahora se estudiarnlas cartas de rango (cartas R) que se emplean para controlar la variabilidad del proceso. Para elaborar una carta R es necesarioconsiderarel rango de una muestra como una vuiablealeatoria con su media y desviacin estndarpropias. El rango promedio R proporciona

858

Coptulo 20 TABTA 20.3

Mtodos esiodsiicos poro el controlde colidod

FACTORES PARALAS CARTAS ' YR

Observaciones en la muestra. n 2
J

d2 1.128 r.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 1.880 1.023 0.729 0.577 0.483 0.4r9 0.373 0.337 0.308 0.285 0.266 0.249 0.235 0.223 0.212 0.203 0.t94 0.1 87 0.1 80 0.r73 0.167 0.162 0.1 57 0.153

d3 0.853 0.888 0.880 0.864 0.848 0.833 0.820 0.808 0.797 0.787 0.778 0.770 0;163 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 0.2s6 0.283 0.307 0.328 0.347 0.363 0.378 0.391 0.403 0.415 0.425 0.434 0.443 0.451 0.459

D4 3.267 2.574 2.282 2.r14 2.004 r.924 1.864 1.816 1.777 1.744 t.7l7 r.693 t.672 1.653 1.637 t.622 1.608 r.597 1.585 1.575 1.566
l.)) /

4 5 6 7 8 9 l0
ll

l2
IJ

t4 l5 t6 l7 t8
l9 20 2l
zz

23 .,^ 25

1.548 t.541

Fuente:Adaptadadelatabla2TdeASTMSTPl5D,ASTM ManualonPresentationofDatsandControlChartAnalysls. Copyright 1976 American Society for Testing and Materials, Filadelfia, pA. Impreso con autorizacin.

FIGURA 20.7

CARTA' PARAEL PROBLEMADE JENSENCOMPUTERSUPPLIES

3.515

UCL = 3.514

L I

3.505
= 3.4995

3.495

3.485
I

LCL = 3.48s 1'0 Nmerode la muestra

15

20

de procesos 20.2 Controlestodistico

859

Adems,se puededemostrarque una estiuna estimacinde la media de estavariablealeatoria. del ranso es macin de la desviacinestndar " . R oa: 4 d,

(2O.el

dondedry d, son constantesque dependendel tamao de la muestra,y cuyos valores se encuentran tambin en la tabla 20.3. Por tanto, el UCL de la carta R est dado por

_/ _ R + 36R: R(r +
y el LCL es

'o;)
,4 \ drl

(2O.rO)

_/ _ R - 3 A R :o ( t Si se hace

( 2 O .rr)

D* ^ : r + 3 4 a
d,

(2O.r2l (2O.r3)

- 3+ D ' r :| cl
2

Los lmites de control de la cartaR se expresancomo UCL: LCL: RD1 RD

(20.r4) (2O.r s)
0 y Do

n : 5, D.: Los valoresde D.y Do se dan tambinen la tabla 20.3. Observeque pIra : O.OZS, los lmites de control son 2.ll4.Por tanto, como n

0.053 UCL : 0.0253(2.114): LCL:0.02s3(o):o

Si la curttR indica que el proceso estfuero de control, la carta no deber interpretdrse hasta que la carta R indique que la tariabilidatl del proceso est bajo control.

En la figura 20.8 se muestrala cartaR del problemade JensenComputer Supplies.Esta cafa se obtuvo con los datos de la tabla 20.2 y la rutina para cartas de control de Minitab. La lnea cenn : O.ZS.El UCL es en el valor de la media generalde los 20 rangosmuestrales, tral aparece que se fueron gra0.053 y el LCL es 0.000. En la cartaR se observanlos 20 rangosmuestrales ficando. Como los 20 rangos muestralesse encuentrandentro de los lmites de control, se confirma que durante el periodo de muestreo el proceso estuvo bajo control.

Cortos p
A las cortas de t:ontrol que se basan en datos que indican lo tresencia de un defectu o un nmero de tlefectos se les llama cartas de control tle atribulos. Una cart p es una corla de c0ntr0l por 0lributos.

A continuacin se considerael casoen que la calidad del producto se mide a partir de los artculos La decisin de dejar que contine el procesode produco los artculosdefectuosos. no defectuosos p,Iaproporcin de artculos defectuosos encontrados en la muestra. cin o que se ajustese basaen proporcin que para la de defectos se le llama cartap. conocer se usa A la carta de control Para ilustrar la elaboracin de una carta p, considere el uso de las mquinas automticas para la clasificacin de las cartasque se emplean en las oficinas de correo. Estas maquinas automticas leen el cdigo postal que apareceen el sobre y asignan la carta a la ruta de entrega correspondiente.Aun cuando la mquina est funcionando en forma ptima, algunas de las cartas

80

Coptulo 20 TIGURA 20.8

Mtodos estodsticos poro el controlde colidod CARIA R PARA EL PROBLEMA DE JENSEN COMPUTER SUPPLIES

0.05
E

UCL = 0.053

t
;

o.o4
U.UJ

o0

o.o2
0.01

R = 0.0253

LCL = 9.96

10 Nmerode Ia muestra

15

20

no son asignadascorrectamente.Supongaque cuando la mquina esten operacin ptima o bajo control, 3Vode las cartasno son asignadascorrectamente.Entonces,p, la proporcin de cartas no asignadas correctamente, con el procesobajo control, es 0.03. Para determinar la variacin que puede esperarseen los valores de p, cuando el proceso est bajo control, se usa la distribucin muestral de P, vista en el captulo 7. Recuerdeque el valor esperado,o la media, de p, es p, la proporcin de defectos cuando el proceso est bajo control. Si las muestrasson de tamao 2,la frmula para calcular la desviacin estindarai p, ata cual se le llama error estndar de la proporcin,es

",: l--np>-5 n(l-p)>5

( 20.r )

En el capitulo 7 se vio tambin que la distribucin muestral de p, siempre que el tamao de las muestras sea grande, es aproximable por medio de una distribucin normal. El tamao de la muestra puede considerarsegrande siempre que se satisfaganlas dos condiciones siguientes.

En resumen, siempre que el tamao de la muestra seagrande, la distribucin muestral de p puede aproximarse mediante una distribucin normal en que la media es p y la desviacin "rines or. Esta distribucin se presenta en la figura 20.9. ' Para establecerlos lmites de control en una cartap, se sigue el mismo procedimiento que se us para establecerlos lmites de control en una carfax. Es decir, los lmites de control se establecen a 3 desviacionesestndar,o errores estndar,aniba y abajo de la proporcin de defectos, cuando el proceso est bajo control. Por tanto, se tienen los siguientes lmites de control.

LMITES DE CONTROL PARA UNA CARTA p

UCL: p * 3o, LCL: p _ 3op

l2o.r7l
(2O.t8)

de procesos 20.2 Controlestodstico 20.9 FIGURA DISTRIBUCIN MUESTRAL DE P

8l

son de tamaon : 200, al emplearla ecuacin(20' l6) se obtiene Como p : 0.03 y las muestras el error estndar,que es

: 0.03 + 3(0.0121) : 0'0663 y LCL : 0'03 Por tanto, los lmites de control son, UCL 3(0.0121): -0.0063.Cuandoconlaecuacin(20.18)seobtieneunvalornegativoparaelLCL. se toma al cero como LCL para la carta de control' puntos La figura 20.10 es la carta de control del proceso de clasificacin de las cartas. Los tocartas de las muestras en halladas defectos de muestreadosson las proporciones muestrales que indilo de control, lmites los de dentro madas del proceso. Todos los puntos se encuentran se encuentre ca que no huy evidencias para concluir que el proceso de clasificacin de las cartas fuera de control. FtcURA2O.l O CARTAp PARA LA PROPORCIN DE DEFECTOS EN EL PROCESO DE CLASIFICACIN DE LAS CARTAS

",: /*ttt;o,ol:o.or2r

UCL - 0.0663 0.06 g 0.05

o o

1o

o.o 'l o.o

F 0.02 0.01 0.00

de Porcentaje defectoscon el procesobajo control.

LCL-0

862

poroel control Coptulo 20 Mtodos estodsticos de colidod (lurndo n() sc conocela proporcitinde del'ectos cn un procesoque se encuentra bajo cclntrol, estevalor st:puedeestimara partir de clalos muestrales. por ejemplo,que de un proceSuponga, so que se encucntrt bajo control,se tornank muestras dc tamaofi. Dcspus se determina la proporciln de del'ectos en cada muestra. Al considerar todos los datos obtenidos como una sola rnuestra grancle, sc calculala proporcin de artculos dcf'ectuosos en todosestos y estevadatos, Itlr se usa paraestimarr, la proporcindc artculos del'cctuosos obscrvada con cl procesobajo control.Obscrvcque dichaestimaci(in de r tambinpcrmitecalcularel error cstndar de la proporcin,con lo que ya se pucdcndeterrninar krs lmitesde control inf'erior y superior.

Corlas np
Una carta,/7es ttna.carta de control que sc usa para detcrminarel nmerode artculcls def'ectuososcn una muestra. Aqu, n es el tarnao y p es la probabilidad de la muestra de observar un artculo delctuoso con el proceso ba.jo control.Siemprcque el tamaode la muestra seagrande, es decir,siemprcque ,tl7= 5 y n(l - p) > 5, la distribucin del nmerode artculos def'ectuosos cn una r.nuestra de tamaon pucdc aproximarsc rnediantc una distribucitn normal con mcdia rrry dcsviaci<in estrnclar \''np(l p). [rntonccs, cn el ejcmplo de la clasificaciln de las carta., corrlor :200 y p - 0.03,cl nmcrodc artculos def'cctu<lsos <lbscrvados en una muestra de 200 cartas se aproximamodiante unadistribucirn normalcon mediade 200(0.03)- 6 y la desviacin estndar \,2(XX0.03X0 .91) : 2.4125. Los lmitcs de control de una cartanp se f ijan 3 desviaciones estrndar arribay abajodel nmerode artculos def'ectuosos espcrado con el proccso bajo control.Por tanto,sc ticnenlos lrites de cclntrol siguicntcs

LMITES DE CONTRoL EN UNA CAI{TAn,

UCl,.: nt 'l 3 \ n p ( l LCL = nP - 3\inp(l t) t)

( 2O.r e) l2o.2ol

En el ejemplodc la clasiflcaci<'rn dc las cartas, corno/) - 0.03 y n :200,Ios lmitesde control : 6 + 3 ( 2 . 4 1 2 5 ) : 1 3 . 2 3 7y s o nU C L 5 l-ClL: 6 3(2.4125): -1.2315. Cuando elLCLes negativo. corno LCL dc la cartade contnrl sc toma igual a cero.Pur tanto,si el nmerode cartts clucno se asignaa la ruta correcta es mayol que 13,sc concluyeque el proceso estfuerade contnrl. La infilrntacitin qr-rc pr()p()rc()nl Lrnlclrtr nres similara la inlbrntaci<in que proporciona una catta/7; la nica dif'crcncia es cuela carlirnp es la grfica del nmcro de artculosdel'cctuoscls ooscrvados.mientrasque unr carta1, es ia grl'icade la propor"cirn de artculosdcl'cctuosos observackrs. De manera que si sc concluye que un proceso estfucrade control,con baseen una carta se concluir apoyndose en una cartanp que el proccso estfucrade control. r, tanrbin

Interpretrcin de los cqrtqs de control

[-a ubicacitin y el patrnque siguenlos puntosen una cartade controlpermitendeterminar, con una pequea pr<lbabilidad dc crrclr, si un proceso se encucntra estadsticamente bajo control.Una primeraindicacitin de que LlnproccsopuedaestarI'uera de control es quc uno de los puntosde Ios datosse encuentrc fucra clelos lmites de control,conlo ocurrecon el punto 5 de la figura 20..Hallar uno de estospuntoscs evidencia esladstica de quc cl proceso se encuentra fuerade control.En talcscasos debern tomarsemedidas correctivlslan prontocomo seaposible. Ademsde [a presencia de puntosfuerade los lmitesde control,hay ciertospatrones de los puntos,dentrode los lmitcs de control,quc puedcnser seales que adviertan de problemas de controlclecalidad. Por ejernplo, que lodoskrs puntosestndentrode los lmitesde consuponga

de procesos estodstico 20.2 Conirol

83

Awt cututdo kttlos los Pun' l|s se encuent,?n entre los Itnites tle control inferior t superio el proceso puede enu)tr0rse fuera de con' trol. Tendenciosen kts Putttos tnuestr0les o secuencias ittusuulntentelurgas de prutt0s que se e,rcuetttrelt sobre o bu.jolo lnea cetr tral, taniltin pueden ittdicor una situttinJera de
t'tttlt1.

de un mismo lado de la lnea central.Este patrn trol, pero que muchos de ellos se encuentran puedeindicar que existe algn problemaen el equipo,que ha habido una variacinen los mateuna variacinde la calidad.Sernecesariales o que algunaotra causaasignableha ocasionado rio hacer una cuidadosainvestigacindel procesopara determinarsi la calidad ha variado. Otro patrn a observar en una carta de control es si existe un desplazamientogradual o una las dimende las herramientas, a 1olargo del tiempo. Por ejemplo,debido al desgaste tendencia, de las medidasestablecisionesen la fabricacinde una pieza puedendesviarsegradualmente das. Variacionesgradualesde la temperaturao de la humedad, el deterioro gradual del equipo, la de un operadorpuedenocasionarla aparicinde tendeno el cansancio acumulacinde suciedad que muestrenuna tendenciadebecias en las cartasde control. Seis o sietepuntos consecutivos dentrode los lmites aun cuandotodos estospuntosse encuentren rn ser causade preocupacin, de control. Siempre que se observen tales patrones,deber revisarse el proceso para determinar tomar medidascoen la calidad.Puedeque seanecesario si hay algn cambio o desplazamiento rrectivas para que el proceso vuelva a estar bajo control.

l. Como en las cartas i los lmitesde controldependendel valor del rangopromedio,estoslque a menos mitesno tienenmuchosignificado bajo 2. la variabilidaddel procesose encuentre control. En la prctica,la carta R se elabora antesque la cartax; si la cartaR indicaque la variabilidaddel procesoestbajo control,entoncesse elaborala cartai. Con la opcin de simultneamente, Minitab Xbar-R se obtienen,

20.I se la carta y la cartaR. En el apndice para pasos Minitab a seguir con los describen caftas. obtener estas un ploce,/)seusunparutnoniloreir Lascartas El nivel de def'ectos. del nmerr so en trtninos de calidadSeissigrnade Motorola tienecomo objetivo producir no ms de 3.4 defectospor este objetivo implica milln de operaciones; p : 0.0000034.

Mfodos
estndar es o: 0.t1. la mediaesp: 12.5y la desviacin queestbajocontrol, En un proceso es 4. las muestras proceso; de el tamao para este control carta de la a. Elabore de tamao8 y 16. b. Repitael incisoa con muestras de la muesel tamao c. Qupasacon los lmitesde la cartade controla medidaqueaumenta tra?Analicepor qu estoes razonable. de tamao 5. La sumade todoslos daqueestbajo controlsetoman25 muestras 2. En un proceso fue 677.5libras. tos recolectados el pro(entrn.rinos de libraspor unidad)cuando de la mediadel proceso a. D unaestimacin cesoestbajo control. que las muestras son de tamao5. b. Elaborela cartade control .t paraesteproceso,considere es 0.5 del proceso estndar estbajo controlla desviacin que cuandoel proceso Suponga que se obtuvoen el incisoa. es la estimacin y la mediadel proceso l. se tomaron 25 muestrasde 100 artculos 3. Mientras un procesofuncionaba satisfactoriamente defectuosos. 135 artculos se encontraron 25 muestras cadanna.En estas que estbajo concuandoel proceso hay proporcin de det'ectos la de a. D una estimacin trol. del procesose usan de la proporcinsi parael control estadstico b. Cules el error estndar de tamao 100? muestras c. Calcule los lmites de control inferior y superiorpara la carta de control. de tamao8 cadauna,i : 28.5y R : 1.6.Calcudel que setoman20 muestras 4. En un proceso y de le los lmites de control inferior superior las cartas y R del proceso.

Orto@

864

Coptulo 20

poro el control Mtodos estodsticos de colidod

Aplicociones
5 . Paramedir los resultados de un procesode produccinse empleala temperatura. Cuandoel procesoestbajo control,la mediadel proceso esp : 128.5y la desviacin estndar es o : 0.4. a. Construyala cartai de esteprocesocon muestras empleadas de tamao6. b. Si los datosque se obtienen de una muestrason los siguientes, estbajo conel proceso trol? 128.8 c. t28.2 129.1 128.7 128.4 129.2

Si los datosque se obtienende una muestrason los siguientes, estbajo control el proceso? 129.3 t28.7 128.6 129.2 t29.5 129.0

6 . En un procesode control de calidad se vigila el pesopor paquetede detergente envasado. Los lmitesde controlestipulados son UCL : 20.12onzasy LCL : 19.90onzas.En esteproceso de muestreo e inspeccin se emplean muestras de tamao5. D la mediay la desviacin estrndar del proceso. La empresaGoodmanTire and Rubberhacepruebasperidicasa sus neumticos para determinar su desgaste. Paraestudiary controlarel procesode fabricacin,durantevarios dasy de los diferentesturnos se tomaron 20 muestras, cada una de tres neumticosradiales.Estosdatos se presentan a continuacin. Si estos datosse obtuvieron cuandosecreaque el proceso estaba bajo control,elabore lascartas R y i. Muestra l 2 3 4 5 6 7 8 9 l0 ll 12 13 14 15 16 17 l8 19 20 2 2 1 3 4 2 3 4 3t 6 5 7 8 1 1 2 1 29 26 23 t7 43 18 30 28 40 18 22 Desgaste* 42 18 30 25 29 42 r7 26
3+

Tires

28 35 34 2l 35 36 29 28
55

t7 31 19 24 35 25 42 36 29 29 34

30 40 25 32 l7 29 3l 32 3r 28 26

*Centsimas de pulgada

A lo largovariassemanas de funcionamiento normal,o bajocontrol,setomaron 20 muestras,cada pararaquetas unade 150paquetes de cuerdas sintticas de tenis,y seprobsu resistencia a la roprobados, tura.De los 3 000 paquetes 141no satisficieron las especificaciones del fabricante. a. D una estimacinde la proporcinde defectosen el procesocuandoel procesose encuentra bajo control. p. b. Calculelos lmitessuperior e inferior dela carta puedeobtener c. De acuerdo con los resultados del incisob, qu conclusiones acerca del procesosi al probaruna nuevamuestra de 150paquetes se encuentran 12 defectuosos. Existen algunas causas asignables en estasituacin? d. Calcule los lmites inferior y superiorde la cartanp.

2O.3 Muestreo de oceptocin

85

e. Responda el incisoc, uselos resultados del incisod. f. Qucartade controlconvendr paraestasituacin? Explique. 9. Un proveedorde la industriaautomotrizproducepistones para varios modelosde automviIes.Cuando el proceso seencuentra bajocontrolsetoman20 muestras, cadaunade 200pistones. A continuacin se presenta el nmerode pistones defectuosos hallados en cadamuestra. 8 14 r0 l0 6 t0 4 7 5 5 7 8 8 6 12 l0 8 4 t5 8

a. D una estimacin de la proporcin de defectos en el proceso de fabricacin cuando el procesoestbajo control. b. Elaborelacartap de esteproceso, si cadamuestra tiene200 pistones. c. De acuerdo con los resultados del incisob, cules la conclusin si en una muestra de 200 pistones se encuentran 20 defectuosos? d. Cafculelos lmitessuperior e inferior de la cartanp. e. Responda el incisoc, uselos resultados del incisod.

(zo.:)Muestreo de aceptacin
En el muestreode aceptacin los objetosde interspuedenser entregas de materiasprimas o de parteso de bienesterminados.Supongaque deseaaceptaro rechazarun conjunto de artculosa partir de determinadas caractersticas de calidad. En la terminologa del control de calidad, al conjunto de artculos se le conocecomo lotq y el muestreo de aceptacines un mtodo estadstico que permite basarla decisinde aceptaro rechazar el lote en la inspeccinde una muestra de los artculosdel lote. En la figura 20.1I se muestranlos pasosque, en general,se siguenen el muestreode aceptacin. Despusde recibir un lote se toma una muestrade artculospara su inspeccin.Los resultadosde la inspeccin se comparan con las caractersticas de calidad especificadas. Si se las caractersticas satisfacen de calidad,el lote se aceptay se enva a produccino al cliente. Si el lote se rcchaz4 los directivos tendrnque decidir cmo se disponedel lote. En algunoscasos la decisinpuedeserquedarse con el lote y eliminar los artculosque no son aceptables. En otros casosse devuelveel lote al proveedor,a su cargo; el trabajo extra y los costosque se le cargan al proveedorpuedeque haganque el proveedormejore la calidad de sus productos.Por ltimo, si el lote rechazado constade bienesterminados,estosbienestendrnque desecharse o adaptarse a los estndares de calidad aceptables. El procedimientoestadsticodel muestreode aceptacinse basaen la metodologade la pruepresentada ba de hiptesis en el captulo9. Las hiptesisnula y alternativa son las siguientes. Hu:La calidad del lote es buena Ho:La calidad del lote es mda En fa tabla 20.4 se muestranlos resultados de la pruebade hiptesis.Observeque las decisiones corectas son aceptarun lote de buenacalidad y rechazarun lote de mala calidad.Sin embargo, como en las demspruebasde hiptesis,hay que tenercuidadode no cometerun etror tipo I (rechazarun lote de buenacalidad) o un error tipo II (aceptarun lote de mala calidad). La probabilidadde cometerun error tipo I representa un riesgo para el productor del lote y se conocecomo el riesgo del productor. Por ejemplo, un riesgo del productorde 0.05 significa que existe 57o de posibilidad de que un lote de buenacalidad searechazadoerrneamente. Por otro lado, la probabilidadde cometerun error tipo II, representa un riesgoparael consumidordel lote y se conocecomo riesgo del consumidor. Por ejemplo, un riesgo del consumidorde 0. l0 significa que existe 1O7o de posibilidadde que un lote de mala calidad seaerrneamente aceptado y usadopara la produccino para surtir un pedido al cliente. La personaque elaborael procedimientode aceptacinde muestraspuedecontrolar los valores que determinanel riesgo del productory el riesgodel consumidor.Parailustrar cmo se determinanestosvaloresde riesgo se tomar un problemaque se le presenta la empresaKALI, Inc.

lns ventajas del muestreo cle aceptacin sobre la inspeccin 100'/oson: l. Mucho menos costoso 2. Menos dao al produckt debido a menor manipulacin y menos pruebas 3. Se requieren menos inspectores 4. Es la nica posibilitlad cuando hay que emplear una prueba deslructiva

Coptulo20

poro el controlde colidod Mtodos estodsticos

20.1I PROCEDIMIENTODE MUESTREO DEACEPTACIN FIGI'RA

Recepcindel lote

Seleccinde muestra

Inspeccinde la calidad de la muestra

La calidad es satisfactoria

Comparacinde los resultados de con las caractersticas calidad especificadas

La calidad no es satisfactoria

el lote I Aceptar

Rechazarel lote

Envo a produccin o al cliente

Decidir cmo se disponedel lote

KAL*, lnc., L$neiermple de r'uesreode oceptocin

para el hogar que se vendenbajo diferentesmarcas.KALI no fabriKALI, Inc., fabrica aparatos que usaen susproductos,varios de ellos los compra.Por ejemplo, uno ca todos los componentes que compra KALI es uno que empleaen sus equipospara aire acondicionade los componentes la compresoracuando un dispositivo que desconecta do, se trata de un protectorde sobrecarga, no funciona adecuadamente, la compresora Si el protectorde sobrecarga sta se sobrecalienta. puede sufrir un grave dao, por lo que KALI pone mucha atencina la calidad de estosprotecde la calidad adecuada de estosdispositivoses Una manerade asegurarse tores de sobrecarga. Sin embargo, probar cada uno de ellos con un mtodo que se conoce como inspeccin 1OO7o.

TABL. 20.4 RESULTADOS DEL MUESTREO DE ACEPTACIN

Flstadode lote lll verdadera La calidad de lote es buena Aceptar el lote
| )t'cisin

In falsa La calidad de lote es mala Error tipo II (aceptarun lote de mala calidad)

Desicin coffecta ,

Rechazar el lote

Decisin correcta Error tipo I (rechazar un lote de buenacalidad)

20.3

Muestreode ocepiocin

867

paraesto,el protector clesobreclrga dcberl sorrcterse a prucbas que cuestan tiernptly clincrg. y KALI encucntra.iustif icablclrobarcadr protector de clrrga que compra. l-<tcuehrce KA[-l cs enrplcarun plan dc muestreo clc accptaci(rn para rnonitrlrear la calidad de ltls protcctorcs de sobrecarga. Parael plan dc nrucstreo cleaceptacirin se requierc que os inspccttlres dc contrtlldc calidaddc KAI-l cli.jan y prucbenuna rnucstra cleproteclores e .s<lbrecargadc cadapcclicltl que rcciben.Si en la rnueslra srilose encuentran unascllantas ullicladcs detectuosts, ersprobableque la calidaddel lote sea buenay entonces perg, si en la se aceplar. muestra se cncuentra un grlrnIttirnero de unidades dcf'ectu<lsas, es probable que la caliclacJ clellote sca rnalay debcrrechazarse. Un plan plra un lnuestl'eo dc aceptacitin constaclc un tamaor ile muestra y un critcrio de aceptacin '.El criterio de aceptacincs el nmcro rnrximode artculosdel'cctuosgs clucse pucdccncontrtr en tlnl ntttestra paraquc el lttese consiclere aceptable. Por ejenrpl1, .n .i .urn dc KALI, suponga quc dc cadalotc o pcdidoqr-re sc recibase tomaruna muestra clc l-5artculos' Adclnis, el gercnte de ctlntrolclecalidadclecide que los lotesslo se pueclen aceptar si no se cncucntra ningnartculodcf'cctuoso. En tal casoel plan de muestreo clcaceptaciiin cstablecidg por el gel-entc de controlcs r - l-5y r. -: 0. Esteplan de muestreo dc accptacin serfcil de realizarpara los inspectoresi clecontrolclc calidad:simplemente tiencnque tomar una muestra cle l5 artculos. realizarla pruebay llegara una conclusin con bascen la siguiente reglade decisin. . Acettutr el ltte si encucntran cero artculosdef'ectuosos . Ret:ha:!r cl lttasi L-ncucntriln uno u nl_is artculos dcfectuosos. Antcs de ponef cn lnarchaestcplan de nruestrco clcaceptacin, el gerente de controlclecalidad quierecvaluarl<lsricsgtts tl posibles crrorescluese pueden teneren csteplan. paraponerel plan cn nlrrcha cs nccesaritl que tantocl riesgodel procluctor'(error tipo I) como el riesgotlel consumidor (errortipo II) estncontrolados en nivelesrazonables.

Clculo de lo probobilidod de oceptqr un lote

[,a clavc paraanalizar tantoel ricsgodcl productor colno el riesgoclelconsumidor es un anlisrs del tipo "y qu pasasi". Es dccir, se supone que el lote ticne un cleteninado nnlerodc artculclsdefectuosos y se calc:ula la probabilidad cleaceptar el lote cclnun cleterminadg plan de nluestreo.Al variarel porccntitie de arlculosdel'ectuosos que se estlclispucsto a aceptir, es posible examinarel cl'cctodcl plan de muestrco sobrelos dos tipos cleriesgos. Paracmpezar, si se ha recibidoun pcdido grandede protectores clesobrecarga y 5% tJelos protectorcs de sobrecarga dc estepedidoestndel-ectuosos. dc quc con Cules la probabilidad ef plan de aceptaci<in rl - l-5,c : 0 se accpteun lote en eue5a/o clc los artculos,est defectur,so'? Ctlmo cacla prtltccttlrtle srlbrecarga quc:se pruebaestardef'ectLloso o no estarr clef'ectu6sg y ctllltlel lotc es grandc,cl nrnertl de artculos delectuosos en una rnueslra de talnao1.5 tcndra unatli'slribut'ititt binttnittLA continuacin sc presenta la luncin cleclistriSuci<in bin'ntial que se prescnk'r en eI captulo5. FTJNCION DE ACEPTACIN I-}INOMIAI, PARAEL MUESTREO DE ACEPTACIN
.k) :
nl.

x\n

-_ -r)r/)'(l

pt" 't

(2O.2rl

dondc : tanrao de la muestra proporcin de affcuktscll'ectuosos /) cn el lote -. nlnerode artctrlos defectuosos crr la muestra de que haya.t artculos li.r) - probabilidad def'ectuos<s en la mucstra

88

20 Coptulo

poro el controlde colidod Mtodos estodisticos 15: por tanto, con un lote en el que hay

de KALI, n : En el plan de muestreode aceptacin : 0.05), se tiene 57o de defectos(p

- o.os;trs-o f(x):;f. j1 ;;f (o.os)'(r

(2O.221

de Mediante la ecuacin(20.22) con/(0) se obtendrla probabilidadde que 0 de los protectores (20.22) recuerde la ecuacin sobrecargaestn defectuososy de que el lote sea aceptado.Al usar : l. El clculo de la probabilidad/(0) es Que0!

- o'ostr:-or : (0.0s)n{l .f(0) oi,,11 ir

:
|5l

or'5r

: (0.95)rs:0.4633 (0.05)0(0.95)r5

Ahora ya sabeque con el plan de muestreon : 15 y c : 0la probabilidadde aceptarun lote con de defectoses 0.4633. Por tanto la probabilidad correspondientede rechazarun lote con 57o 5o/o de defectoses I - 0.4633 : 0'5367. hinoEl uso de las tablasde probabilidadbinomial (vasetabla 5 del apndiceB) facilita los clcukrstntbabili&tdes secult'ulan los para determinar la probabilidad de aceptarun lote. En la tabla 20.5 se presentanalgunas protmnbin miules o Mittitttb' usundo E.r<'el babilidades binomiales paran : 15 y n : 20. Con esta tabla se puede determinar que si el lote

BINOMIALESPARAMUESTRAS TABLA 20.5 ALGUNASPROBABILIDADES I5 Y 20 DE TAMAO

p
II r

0.01
0.8601 0.I 303 o.0092 0.0m4 0.0000 0.00) 0.0000 0.0000 0.0000 0.0000 0.0000 0.8179 0.t652 0.0159 0.00r0 0.0000 0.n0 0.m00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.02
0.7386 0.226r 0.0323 0.0029 0.0002 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.6676 0.2725 0.0528 0.0065 0.0006 0.0000 0.0000 0.0m0 0.0000 0.0000

l5

0 l
L J

4 5 6 8 9 t0

0.03 0.6333 o.2938 0.0636 0.0085 0.0008 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000

20

o
I 2 4 5 7 8 9 l0 ll t2

0.m00
0.0000 0.0000

0.05 0.4633 0.5421 0.3388 0.3658 0.0988 0.I 348 0 . 0 r 7 8 0.0307 o.oo22 0.0049 0.0002 0.0006 0.00m 0.m) 0.0000 0.0000 0.0000 0.0m0 0.0000 0.0000 0.0000 0.0000 0.5438 0.4420 0.3585 0.3364 0.3683 0.3774 0.0988 0.t458 0.I 887 0.0183 0.034 0.059 0.w24 0.0065 0.0r33 0.0002 0.0009 o.oo22 0.0000 0.000r 0.0003 0.0000 0.0000 0.0000 0.0000 0.0000 0.00) 0.0000 0.0000 0.n0 0.0000 0.0000 0.n0 0.0000 0.0000 0.0000 0.00m 0.0000 0.0000

0.04

0.10
0.2059 0.3432 0.2669 0.l 285 0.0428 0.0t05 0.0019 0.0003

0.15

0.0874 0.23t2 0.2856 0.2t84 0 . tr 5 6 0.0449 0.0132 0.0030 0.00m 0.0005

0.0000 0.0m1 0.0000 0.0000 0.t216 0.0388 0.2702 0.r368 0.2852 o.2293 0.1901 0.2428 8 21 0.0898 0 . 1 r9 0.t028 0.03 0.0089 0.0454 0.0020 0.0r60 0.0004 0.0046 0.000r 0.00tl 0.0000 0.0002 0.0m0 0.0000 0.m00 0.0000

0.20 0.0352 0.t3t9 0.2309 0.2501 0.t87 0.r032 0.@30 0.0r38 0.0035 0.0007 0.m01 t5 0.0t 0.0576 0.t369 0.2054 o.2182 0.t746 0.109 | 0.0545 o.0222 0.0074 0.0020 0.0005 0.0001

0.25
0.0t34 0.08 0.| 559 0.2252 0.2252 0 . 1 6r 5 0.09t7 0.0393 0 . 0t 3 t 0.0034 0.0007 0.0032 0.02rI 0.069 0.l 339 0. I 897 0.2023

0.r8 o.n24 0.0609

0.0271 0.0099 0.0030 0.0008

de oceptocin 20.3 Muestreo

89

TABTA 20.

PROBABILIDADESDE ACEPTAREL LOTE DEL PROBLEMADE KALI CONn:15Yc:0

Probabilidad de aceptar el lote 0.8601 0.7386 0.6333 0.5421 0.4633 0.2059 0.0874 0.0352 0.0134

Porcentaje de defectosen un lote

I 2
J

4 5 l0 l5 20 25

contiene l\Vo de artculos defectuososla probabilidad de aceptarlo con el plan de muestreon : 15 y c :0 es 0.2059. En la tabla 20.6 se presentanlas probabilidades de que el plan de muestreon:15yc:0llevealaaceptacindeunloteconl7o,2Vo,3Vo,...artculosdefectuosos. Con las probabilidades de la tabla 20.6, se puede trazar la grfica de la probabilidad de aceptar un lote frente al porcentaje de defectos en el lote como se muestra en la figura 20.12. A esta grfica o a esta curva se le conoce como curva caracterstica de operacin (curva CO) del plan de muestreode aceptacinn: 15 Y c : 0. Quiz se deban considerar otros planes de muestreo, planes con otros tamaos de muestra n o con otros criterios de aceptacinc. Considere primero el caso en que el tamao de la muestra an es n = 15, fiero el criterio de aceptacin aumenta de c : 0 a c : l. Es decir, ahora se aceptar el lote si en la muestra se encuentrancero o un componente defectuoso.En un lote con 5Vo de afculos defectuosos(p = 0.05), en la tabla 20.5 se encuentra que para n : 15 y p : 0.05, 20.12 CURVACARACTERSTTCNDE OPERACIN PARAELPLAN FIGURA DE MUESTREO DEACEPTACIN N : 15, C : O

1.00 0.90

)
J 9 6

0.80 0.70 0.60 0.50

o c!

0.40 0.30 0.20 0.10 10 15

20

Porcentaje de defectosen el lote

870

poroel control Coptulo 20 Mtodos estodsticos decolidod IIGURA 20.13 CURVAS CARACTERSTICES DE OPERACTN DE CUATROPLANES DE MUESTREODE ACEPTACIN

1.00 0.90
qJ

0.80 0.70
I

n=15,c=1

0.60 0.50 0.40 0.30 0.20 0.10

n=15,c=0

l0

15

Porcentajede defectos en el lote

/ ( 0 ) : 0 . 4 6 3 3 y f ( l ) : 0 . 3 6 5 8 . P o r t a n t ol,a p r o b a b i l i d a d d e q u e e l p l a n n : 1 5 , c : l , l l e v e a la aceptacin de un lote con 5Vode defectoses 0.4633 + 0.3658 : 0.8291. Al continuarcon estosclculos se obtiene la figura 20.13,en la que se presentan las curvas caractersticas de operacinde cuatro planesde muestreode aceptacinpara el caso de KALI. Se consideraron muestras de tamaos 15 y 2O.Observeque seacual sea la proporcinde def'ectos en un lote, con el plan de muestreon: 15, r' : I se tiene la mayor probabilidadde aceptar el lote. Con el plan ru : 20, c : 0 se tienen la menor probabilidadde aceptarel lote. Pero con esteplan se tiene tambin la mayor probabilidadde rechazarel lote.

Seleccinde un plon de muesfreo de qceptqcn

Ahora que ya se sabeusar la distribucin binomial para calcular la probabilidadde aceptarun lote con una determinada proporcinde defectos,ya es posibleelegir los valoresde n y c que determinenel plan de muestreode aceptacin parael casoen estudio.Paraobtenerel plan, deseado los directivos tendrnque especificardos valores para la proporcin de defectosen el lote. Un Valor,denotadopu, que se usa para determinarel riesgo del productory otro valor, denotadop,, que se usa para determinarel riesgo del consumidor. Se usarla notacin siguiente: probabilidad o : riesgodel productor; de rechazar p0 artculos el lotecon unaproporcin defectuosos : probabilidad riesgo del consumidor; de lote proporcin/l aceptar el con una artculos def'ectuosos B que en el casode KALI, los directivosespecifican Suponga po : 0.03 y pt :0.15. En la figura : : 20.14, en la curva CO para n 15, c 0, se observaque con pu : 0.03 el riesgo del productor : es, aproximadamente, I 0.63 0.3'7y con p.t : 0.15 el riesgo del consumidores, aproximadamente,0.09. Por tanto, si los directivos estn dispuestosa tolerar, tanto una probabilidadde

de oceptrccin 20.3 Muestreo PARAN: 15,C: O OPERACIN FIGURA 20.14 CURVACARACTERSTICADE : : Yp' 0.15 CONpo 0.03

871

1.00 0.90
e
q)

0.80 0.70

a = riesgo del productor (probabilidad de cometer un error tipo I) P - riesgo del consumidor (probabilidad de cometer un error tipo II)

q)

0.60 0.50 0.40 0.30 0.20 0.10 l0

I Pt

()

15

Porcentaje de defectos en el lote

En el ejercicio 13, que se encuentra al final de esta seccin, se pedini calcular el riesgo del producbr y el riesg,odel consumidor para el plan de muestreo n : 20,

0.37 de rechazarun lote con 3Vode artculos defectuosos(riesgo del productor) como una probabilidad de 0.09 de aceptar un lote con l5%ode artculos defectuosos(riesgo del consumidor), n: 15, c : 0 seraceptable. entoncesel plan de muestreode aceptacin Pero, si los directivos deseanque el riesgo del productor sea c : 0.10 y que el riesgo del consumidor seap :0.20. Como se ve, con el plan de muestreon : 15, c : 0, el riesgodel consumidor es mejor de lo deseado,pero el riesgo del productor es demasiadogrande y no se puecuando errneamente de aceptar.El que o.:0.37 significa eue317o de los lotes se rechazarn tengan slo 37o de artculos defectuosos.El riesgo del productor es demasiado alto y se tendr que considerar otro plan de muestreo de aceptacin. En la figura 20.13 se ve que ptrapo= 0.3, a : 0.10,p' : 0.15 y B :0.20, el plan de acepproductory del c: I estmscercadelos requerimientosparalosriesgosdel tacinn:20y consumidor. Como se muestra en esta seccin, se necesitarnvarios clculos y diversas curvas de operapara el productor y para el concin para determinar el plan de muestreocon los riesgos deseados sumidor. Por fortuna existen tablas de planes de muestreo.Por ejemplo, en la American Military StandardTable, MIL-STD-I05D, se encuentratil informacin para el diseo de planesde muestreo de aceptacin.El uso de estastablas se describe en textos ms avanzadossobre el control de calidad, como los citados en la bibliografa. En los textos ms avanzadosse estudia tambin la importancia del costo del muestreo al determinar el plan de muestreo ptimo.

Plones de muestreo mltiple

El procedimiento de muestreo de aceptacinpresentadopara el caso de KALI es un plan sencillo de muestreo.Se le llama plan sencillo de muestreo porque slo se usa una muestra o un escenario. Una vez determinado el nmero de defectos en la muestra, hay que tomar la decisin de

872

20 Coptulo

poro el controlde colidod estodsticos Mtodos

el lote. Una alternativa al plan sencillo de muestreo es el plan de muestreo aceptar o rechrzar mltiple, en el que se usan dos o ms etapasde muestreo. En cada etapa hay que decidirse entre tres posibilidades: dejar de muestrear y aceptar el lote, dejar de muestrear y rechazar el lote o continuar muestreando.Aun cuando son ms complejos, los planes de muestreo mltiples suelen dar como resultado tamaos de muestra ms pequeosque los planes de muestreo sencillos con las mismas probabilidades a y b. En la figura 20.15 se muestra la lgica del plan de las dos etapas,o de la doble muestra.Al inicio se toma una muestra de n, afculos. Si el nmero de elementosdefectuosos.xtes menor o igual a cl, se aceptael lote. Si r, es mayor o igual x c2, se recbazael lote. Si x' se encuentraentre cr y c2(c, 1x, 1c2), se toma una segundamuestrade n, artculos.Se determinala suma de los artculos defectuososen la primer (x,) y segunda (rr) muestras.Si x' + x2 = ca se acepta el lote, si no es as se rechazael lote. El plan de doble muestra es ms complicado, ya que los ta20.15 FIGURA PLAN DE MUESTREO DE ACEPTACIN DE DOS ETAPAS

de oceptocin 20.3 Muestreo

873

maos muestralesnt y nz y los nmeros de aceptacincr, c, y c, deben satisfacerlos riesgos deseadosdel consumidor y del productor.

nesde muestreopublicadostambinse usannl . El uso de la distribucin binomial en el muestreo que los dicesde calidadcomo el nivel de calidad de inde en la suposicin se basa aceptacin de diferencia (IQL, por sus siglas en ingls) y el lotes sean$andes. Si los lotes son pequeos,la lmite de calidaddel promediosaliente(AOQL, distribucin adecuadaes la distibucin hiperpor sussiglasen ingls).Textosmsavanzados, geomtrica.Los expertos en el campo del conun anen la bibliografa,proporcionan que de listados la distribucin trol de calidad indican lisis completode estosndices. Poissonproporcionauna buenaaproximacinen el muestreode aceptacin,cuandoel tamao de 3. En estaseccinse presentuna introduccina los planes de muesffeopor atributos. En estos la muestraes por lo menos 16, el tamaodel loplanescadaartculo se clasificacomo no defecla de veces el tamao por menos 10 lo te es de En losp/anesde muestreo tuosoo defectuoso. muestray p es menor a 0.10. Cuandose tienen variables se toma una muestray se miden sus grandes sepuedeusarla aproximacin muestras de calidad.Por ejemplo,en el cacaractersticas normal a la distribucinbinomial. , En las tablaspara muestreoMIL-ST:IO5D, apo so de joyea de oro, una medidade su calidad (AQL, podra ser la cantidadde oro que contiene.Para se le llama el nivel de calidad aceptable decidir si aceptaro rechazarun lote podraempor sus siglas en ingls) En algunastablas de plearseun estadstico sencillo,como la cantidad a p, se le llama toleranciade porcenmuestreo, promediode oro en unamuestra dejoyas, el cual taje de defectosen el lote (tjtPD, por sussiglas (RQL. con la cantidadadmitidade oro. secomparara en ingls)o el nivel de calidadrechazable por sussiglasen ingls).En muchosde los pla-

Mrodos

o"o@

10. Determinela probabilidadde aceptarun lote que tiene ZVode defectos,si el plan de muestreo de que se empleaes n = 25, c : 0. Culserla probabilidadde aceptarel lote si el porcentaje defectoses 6Vo? n : 20, c : 0, calculeel riesgodel productoren cadauna de las situal l . Dado el plan de muestreo cionessiguientes. enellote esZVo. de defectos a. El porcentaje b. El porcentajede defectosen el lote es 67o. n = 2O,c : 1. Qupasacon el riesgodel pro12. Repita el ejercicio 1l con el plan de aceptacin c? Explique. ductor cuandoaumentael criterio de aceptacin

Aplicociones
1 3 . Remtaseal problemade KALI que se presenten estaseccin.El gerentede control de calidad
requiereque el riesgo del productorsea0. l0 Y Po : O.3y que el riesgodel consumidorsea0.20 el tamaode la muestraes 20 y el criterio de aceptacin y p, : 0.15. En el plan de aceptacin es l. Resuelvalas preguntassiguientes. es n : 20 y c : l? a. Cuiles el riesgo del productor,si el plan de aceptacin es n : 2Oy c = l? b. Cuifles el riesgo del consumidor,si el plan de aceptacin : : por el gerentede 20, c I satisfacelos requisitosestablecidos c. El plan de muestreon control de calidad?Analice. sepiensaen usarmuesun pedidode materiaprima, recibidopor una empresa, 14. Parainspeccionar binomialesde la tabla 5 del apndiceB para tras de tamao 10, 15 y 20. Use las probabilidades elegir un plan de muestreocon el riesgodel productorc : 0.03 ypo : 0.05 y el riesgodel con: O12ypr: 0.30. sumidorB

874

Copitulo20

poro el controlde colidod Mtodos estodsticos

suiza.Estoscristalesse sur15. Un fabricantede relojesle compracristalesde cuarzoa una empresa piezas. proceso de aceptacin setoman 20 cristaleselede muestreo I Para el lotes de 000 ten en gidos aleatoriamente. para los criterios de aceptacin 0, I y 2. a. Trace las curvascaractersticas y del productorcon cada son los riesgosdel conSumidor b. Si po : 0.01 y p, : 0.08, cules uno de los planesde muestreodel inciso a?

En este captulo se vio cmo usar los mtodos estadsticoscomo ayuda en el control de calidad. Primero se presentaronlas cartas de control i, R, p y np que ayudan en el monitoreo de la calidad de los procesos.En cada una de estascartas se establecenlmites de control, se toman muesen las cartasde control. Si hay tras de maneraperidica y se grafican los puntos correspondientes puntos que caigan fuera de los lmites de control, eso indica que el proceso est fuera de control y que se deben tomar las medidas correctivas correspondientes.Tambin, algunos patrones que suelen seguir los datos, dentro de los lmites de control, pueden indicar posibles problemas de control de calidad y sugerir que se tomen medidas corectivas. Adems se vio la tcnica conocida como muestreode aceptacin.Esta tcnica consisteen tomar una muestra e inspeccionarla.Un lote se aceptao rechaza,de acuerdo con el nmero de defectos encontrados en la muestra. El tamao de la muestra y el criterio de aceptacin pueden ajustarsepara controlar tanto el riesgo del productor (error tipo I) como el riesgo del consumidor (enor tipo II).

Calidad total (CT) Sistema para mejorar la satisfaccindel cliente y bajar los costos reales mediante una estrategiade mejoramiento y aprendizaje continuos. Seis Sigma Metodologa que emplea mediciones y anlisis estadsticospara alcanzar un nivel de calidad tan bueno que en cada milln de operacionesno haya ms de 3.4 defectos. Control cle calidad Una serie de inspeccionesy mediciones que determinan si se han alcanzado los estindaresde calidad establecidos. Causas asignables Variaciones en los resultadosde un proceso debidas a desgastede la maquinaria, mala calidad de los materiales,errores de los operadores,etc. Cuando se detectaque la variacin se debe a causasasignables,es necesariotomar medidas correctivas. Causas comunes Variaciones naturaleso normales en los resultadosde un proceso, que son debidas, nicamente,a la casualidad.Cuando las variaciones en los resultadosde un proceso se deben a causascomunes, no es necesariotomar ninguna medida. Carta de control Herramienta grfica que se usa como ayuda para determinar si un proceso est bajo control o fuera de control. Carta i Carta de control que se usa cuando se mide la calidad de los resultados de un proceso en trminos de longitud, peso, temperatura,etctera. Carta R Carta de control que se usa cuando se mide la calidad de los resultadosde un proceso en trminos del rango de una variable. Carta p Carta de control que se usa cuando se mide la calidad de los resultados de un proceso en trminos de la proporcin de defectos. Carta np Carta de control que se usa para monitorear la calidad de los resultadosde un proceso mediante el nmero de artculos defectuosos. Lote Conjunto de artculos, como pedidos recibidos de materias primas, de piezas o de bienes terminados para obtener un producto final. Muestreo de aceptacin Mtodo estadsticoen el que el nmero de elementosdefectuososque se encuentranen una muestra se usa para determinar si se aceptao se rechazaun lote. Riesgo del productor Es el riesgo de rechazarun lote de buena calidad; error tipo I. Riesgo del consumidor Es el riesgo de aceptar un lote de mala calidad; error tipo II.

Frmulos clove

875

Criterio de aceptacin El nmero mximo de artculos defectuososque se pueden encontruen una muestra, para que a pesar de ello se acepte un lote. Curva caracterstica de operacin (CO) Grfica en la que se muestra la probabilidad de aceptar un lote, en funcin del porcentaje de artculos defectuososencontradosen el lote. Esta curva se emplea para determinar si un plan de muestreo de aceptaciirsatisfacelas exigenciastanto del consumidor como del productor. Plan de muestreo mltiple Una forma de muestreo de aceptacin en la que se usa ms de una muestra o etapas. De acuerdo con el nmero de artculos defectuosos que se encuentran en una muestra, se decide si aceptarel lote, rechazarel lote o seguir con el muestreo.

Error estndar de la media

A '= : \ -; n

( 2O.r )

Lmites de control en una carta t: media del proceso y desviacin estndar conocidas

UCL: p * 3o, LCL: lt _ 30,

Media muestral general
i :

(2o.21 (20.3)

+x + . . . + t

(2O.41

Rango promedio

Rr+R2+...+R*

(20.s)

Lmites de control en una carta.r: media del proceso y desviacirnestndar desconocidas

,1A2R

(20.8)

[,mites de control en una carta R

UCL: RD LCL: RD3

Error estndar de la proporcirn
oP =: 1\/ -

(20.r4) (2O.r 5l

lp(r - p)
n

r-

(2O.r)

Lmites de control en una cartap UCL : p * 3 o , LCL : p . - 3 0 p Lmites de control en una carta np
UCL: LCL: np np
T

(2O.r7l (2O.r8) (2O.re)

(2O.2Ol

3\,;pO - p) 3\Ep0 - p)

876

20 Coptulo

poro el controlde colidod estodisticos Mtodos

Distribucin de probabilidad binomial para un muestreo de aceptacin

f(x): ffir"(r p)('-')

(2O.2r)

arrojade5 elementos lasmuestras bajocontrol, queseconsidera deproduccin 16. En un proceso siguientes. muestrales ron lasmedias 95.72 95.44 95.40 95.50 95.56 95.72 95.60 95.24 95.46 95.44 95.80 95.22 94.82 95.78 95.18 95.32 95.08 95.22 95.04 95.46

est bajocontrol. el proceso cuando dela media d la estimacin datos en estos a. Conbase : prof deeste de control la carta elabore proceso o 0.50, es del estndar b. Si la desviacin el inciobtenida en proceso la estimacin considere media del produccin. Como de ceso
so a. indica que el procesoestfuera de control? Alguna de las 20 mediasmuestrales 17. En un procesolos pesosde llenadotienenuna distribucinnormal, la mediaes de 350 gramosy de l5 gramos. la desviacinestrndar de tamao 10, 20 y 30. a. Obtengalos lmites de control de la carta-r para muestras que el tamaode la muestra? aumenta a medida de control pasa los lmites con b. Qu I? error tipo un se comete pasa cuando c. Qu d. Qupasacuandose cometeun error tipo II? de los tamaos:10,20 y 30' e. Calculela probabilidadde cometerun error tipo I con muestras f. En las cartasde control, quventajatiene incrementarlos tamaosde la muestra?Qu probabilidad de error se reduce a medida que se incrementa el tamao de la muestra? de tamao5 seobtuvo i : 5.42 y R = 2.0. Calculelos lmites de control de 1 8 . A partir de muestras del proceso. y y la desviacinestndar estime las cartas R, c.

t9. Los siguientesdatosde control de calidad se obtuvieronen un Procesode fabricacinde la em-

medidasen cinco en gradoscentgrados presaKensportChemical.Estosdatosson temperaturas en emplearcartasde confrol para estinteresada momentosdel ciclo de produccin.La empresa durantesu procesode fabricacin.Construyalas cartast y R . Quse monitorearla temperatura puedeconcluir acercade la calidad del proceso?

Muestra I 2
5

95.72 95.24 95.18 95.44 95.46 95.32 95.40 95.44 95.08 95.50

n
1.0 0.9 0.8 o.4 0.5 1.1 0.9 0.3 o.2 0.6

Muestra ll l2 t3 t4 l5 16 t7 l8 t9 20

x 95.80 95.22 95.56 95.22 95.04 95.72 94.82 95.46 95.60 95.74

n
0.6 o.2 1.3 0.5 0.8 1.1 0.6 0.5 0.4 0.6

4 ) 6 8 9 10

comPlementorios Eiercicios

877

y son los datosse obtuvierondel procesode produccinde Master Blend coffee 20. Los siguientes y R. las tablas construya datos Quse estos Con libras. p"ro, " ilenadode latasde caf de 3 puedeconcluiracercadelacalidaddeesteprocesodeproduccin?

Observaciones

Muestra I 2
J

Cofi-

4 5 6 8 9 l0

I 3.05 3.t3 3.06 3.09 3.10 3.08 3.06 I 3.1 3.09 3.06

2 3.08 3.07 3.04 3.08 3.06 3.10 3.06 3.08 3.09 3.ll

3 3.O7 3.05 3.t2 3.09 3.06 3 .1 3 3.08 3.07 3.08 3.07

4 3.1I 3.10 3.1I 3.09 3.O7 3.03 3.10 3.07 3.07 3.09

3.1I 3.10 3.10 3.O7 3.08 3.06 3.08 3.07 3.09 3.07

parapreocuparse 21. considerela situacinsiguientey diga si hay razones

por la calidaddel proceso' : proceso estbajo control' la : el Cuando y 0.068. O UCL p, se tiene I-CL a. En una carta sieteresullos siguientes gratique control de carta En esta proporcind defectoses 0.033. y Analice. 0.055. 0.066 0.058, 0.049, 0.055, 0.035,0.062, iadosmuestrales: = 24.5.Cuandoel procesoestbajo control' b. En una cartax, se tiene LCL = 22.2y UCL resultadosmuestrales: la media es l = 23.35.En esta carta grafique los siguientessiete 22.4. 22.6,22.65,23.2.23.4,23.85y 24' |' Analice' a de I 200 comerciosminoristashacenpedidosde reabastecimiento 22. A vecesal mes,los gerentes que se surpedidos delos 4Vo de que cerca la casamatriz. De acuerdocon la experienciase sabe distintaa la solicitada'envo de unacanalgn error,como envo de una mercanca ten presentan la mercancasolicitada' Cada mes se surte se no tidad distinta a la solicitadao, simplemente, surtidascon precisin' fueron si y verifica pedidb se de de 2(D hojas toman muestras situacin' a esta correspondiente de control a. Construyala carta de pedidoscon uno o mserroresson: b. En los datosde los ltimos seismeseslas cantidades dice estacarta acer. 10, 15, 6' 13, 8 y 17. Grafique estosdatosen la carta de control. Qu ca de esteProceso?

23. S e t i e n e e l p l a n d e m u e s t r e o d e a c e p t a c i n n : 1 0 , c : 2 ' s u p o n g a q u e p 0 : 0 ' 0 5 y p ' : 0 ' 2 O '

calcule el riesgo del consumidor. Paraesteplan de muestreode aceptacin propuesto? o amboscon el plan de muestreo ei consumidor inconformeel productor, Estar jRecomendaraustedlgunamodificacin al plan de muestreo? Cul? n: 15, c : I con un riesgo para el produc24. Seelaborel plan de muestreode aceptacin tor de 0.075. a.Culesalvalordepo.0.0l,0.02,0'03,0'04o0'05?Qusignificaestevalor? : 0'25? b. fCuat "t el riesgo del consumidorcon esteplan si p, las especique no satisfacen 25. Una empresaproducecarneenlatada.Seap la proporcin de lotes rt = 25' va a usar se de aceptacin muestreo plan de Como ficacionesde calidad del producto. a. b. c. c=0, a p : 0' 0l' de operacincorresponden a. Calcule los puntos que en la curva car,acterstica 0.03,0.10 Y 0.20. de operacin' b. Grafique la curva caracterstica se rechaceun lote c. Cules la probabilidadde que coniste plan de muestreode aceptacin que contenga0.01 defectos?