Académique Documents
Professionnel Documents
Culture Documents
Lnea central
LCI
=
=
+ 3
n
3
n
(1)
Lnea central
LCI
s
+3
x
c2 n
x
s
x
3
c2 n
(2)
LCS
30.11 + 3
Lnea central
30.11
1.82
= 27.54
30.11 3
0.8686 6
LCI
(3)
Lnea central
LCI
sT
+3
x
c4 n
x
sT
3
x
c4 n
(4)
LCS
30.11 + 3
Lnea central
30.11
2.00
= 27.54
30.11 3
0.9515 6
LCI
(5)
es
El grfico de medias utilizando el estimador R
LCS
+3
x
Lnea central
LCI
d2 n
R
3
x
d2 n
(6)
LCS
30.11 + 3
Lnea central
30.11
5.40
= 27.50
30.11 3
2.534 6
LCI
(7)
=
=
=
B4 sT
sT
B3 sT
=
=
=
es
El grfico de control para la dispersin utilizando R
LCS
Lnea central
LCI
=
=
=
D4 R
D3 R
=
=
=
1 =
s
1.82
=
= 2.10 Capacidad=12.6
c2
0.8686
2 =
y con el rango:
3 =
(c)
sT
2.00
=
= 2.10 Capacidad=12.6
c4
0.9515
R
5.40
=
= 2.13 Capacidad=12.8
d2
2.534
Indice de capacidad Cp :
LTS-LTI
20
=
= 1.58
6
12.6
Es mayor que 1, luego el proceso es capaz. Adems es mayor que 1.33, por lo que el proceso
tiene un nivel de calidad aceptable.
obtendremos
Indices de capacidad unilaterales. Si utilizamos la distancia de cada extremo a x
una idea de lo centrado que est el proceso en cada lado comparado con la distancia 3. Puede
.
interpretarse como el ndice de capacidad a cada lado de x
Cp =
LTI
x
30.11 20
=
= 1.60,
3
6.3
LTS-x
40 30.11
=
=
= 1.57.
3
6.3
CpL =
CpU
Ambos coeficientes son similares. El CpL es algo superior, indicando que las especificaciones
inferiores se estn cumpliendo con ms holgura que las superiores. Si se usa el valor nominal
N = 30 obtendremos un indice de capacidad a cada lado del nominal. Si el proceso est muy
.
descentrado, este ndice ser menos informativo que si se calculase con x
N LTI
30 20
=
= 1.58,
3
6.3
LTS-N
40 30
=
=
= 1.58.
3
6.3
CpL =
CpU
Como el nominal est en el centro de las tolerancias se obtiene de nuevo el ndice de capacidad
Cp
Indice de capacidad unilateral mnimo Cpk . Dadas las caractersticas del proceso, es ms intere. Por tanto
sante utilizar en los ndices unilaterales el valor x
Cpk = min (CpL , CpU ) = 1.57.
Indice de capacidad recproco:
Cr =
1
= 0.63
Cp
Como es menor que 1 es capaz. Adems, como es menor que 0.75 puede considerarse que el nivel
de calidad es bastante satisfactorio.
Coeficiente K:
N
x
30.11 30
K= 1
= 0.011.
=
10
2 (LTS-LTI)
El proceso est bastante centrado. El sesgo es muy pequeo y hacia el lmite de tolerancias superior. El proceso est desplazado hacia el lmite de tolerancia superior una distancia equivalente
al 1.1% de la distancia que hay entre el nominal y el LTS (esta interpretacin se hace al coincidir
el nominal con el centro del intervalo de tolerancias).
2.102
x
N 30.11,
N 30.11, 0.8572 .
6
mientras que los lmites de control siguen siendo LCS=32.69, LCI=27.54. Se detectar el cambio si
la media muestral se sale de los lmites. La probabilidad de que eso ocurra es
P (fuera de lmites) = 1 P (dentro de lmites)
= 1 P (27.54 y 32.69)
27.54 33.11
32.69 33.11
=1P
z
0.857
0.857
= 1 P (6.50 z 0.49)
= 1 0.312 = 0.688.
Luego la probabilidad de detectar el cambio en una muestra es p = 0.688. El nmero medio de
muestras para detectar el cambio ser:
Nmero medio de muestras=
1
= 1.45
p
Como se recoge una muestra cada media hora, se tardar en detectar el desajuste una media de 43
minutos
2. Para controlar el proceso de fabricacin de piezas metlicas se establece un control para la longitud
mediante grficos de control de medias y rangos. Se ha comprobado que la variable tiene una distribucin
normal. Para disear los grficos de control se han tomado 30 muestras de tamao n = 6 con los siguientes
resultados:
30
30
X
X
x
i = 6000;
Ri = 150.
i=1
i=1
donde x
i y Ri son la media y el rango, respectivamente, de cada muestra. Se pide:
(a) Calcular los lmites de control de los grficos de media y rango.
(b) Si ambos grficos indican que el proceso est bajo control y las especificaciones o lmites de tolerancia
para la longitud son de 2005; determinar el ndice de capacidad Cp del proceso y el porcentaje de
piezas defectuosas que fabricar en estado de control.
(c) Si se desajusta el proceso y fabrica con media igual a 199 cul es la probabilidad de detectar el
cambio con el diagrama de la media en la muestra siguiente? (Tomar como varianza del proceso, la
estimada en los apartados anteriores).
(d) Cuntas muestras habr que tomar, por trmino medio, para detectar este desajuste?
SOLUCIN:
(a) El grfico para la media es:
x
i x
3
R
,
d2 n
y para el rango:
D4 R),
(D3 R,
donde los valores d2 , D3 y D4 se obtienen de las tablas.La media total y el rango medio son
x
=
6000
= 150 = 5.
= 200; R
30
30
5
R
=
= 1.9732.
d2
2.534
Operando:
Cp =0.8447.
Si se denomina X a la variable aleatoria resistencia a la tensin de la pieza, y tomando
= 1.9732
y = 200 se tiene que, cuando el proceso est bajo control
X N (200, 1.97322 ).
El porcentaje de piezas defectuosas ser:
P (defectuosas) = 1 P (195 < X < 205)
= 1 P (2.53 < z < 2.53) = 0.0114
= 1.14%.
(c) Lo que se pide es
p = P (197.6 > x
i > 202.4) = 1 P (197.6 < x
i < 202.4),
pero utilizando que
"
x
i N 199,
Estandarizando:
1.97
2 #
197.6 199
202.4 199
<z<
1.97/ 6
1.97/ 6
= 0.0409 = 4.09%
p=1P
= 1 0.9591
(d) Si la probabilidad de detectar el desajuste es de p = 0.0409, sern necesarias, por trmino medio:
nmero medio de muestras para detectar el desajuste=
1
= 24.
p
3. En una fundicin se efecta un control de procesos por variables haciendo mediciones de la dureza de
lingotes X. Se supone que X se distribuye normalmente con media y desviacin tpica , ambas
conocidas. Si se toman muestras de tamao n, se pide:
(a) Calcular cuntos lingotes (n) debemos emplear si queremos detectar cambios en la dureza media de
magnitud +2, con probabilidad 0.8, mantenindose la varianza constante.
(b) Si las muestras se obtienen cada media hora, calcular el tamao muestral mnimo necesario para
detectar el anterior desajuste en menos de una hora, por trmino medio.
SOLUCIN:
(a) Hay que calcular n tal que P (fuera de los lmites)=1 P (dentro de los lmites) = 0.8. Por tanto
P ( 3/ n x + 3/ n|0 = + 2) = 0.2.
( 3/ n) ( + 2)
( + 3/ n) ( + 2)
P
z
/ n
/ n
= P 3 2 n z 3 2 n P z 3 2 n = 0.2
El valor z0 tal que P (z z0 ) = 0.2 es -0.84. Por tanto
(b) Si el tiempo medio hasta la deteccin ha de ser menos de una hora, se tendr que detectar el desajuste,
por trmino medio, en menos de dos muestras. Por tanto, el suceso que se ha de detectar ha de tener
una probabilidad mnima de p = 0.5. El problema es similar al del apartado anterior con p = 0.5
en lugar de p = 0.8. Si se detecta el desajuste cuando la media muestral est fuera de los lmites de
control, el problema consiste en encontrar n tal que
P ( 3/ n x + 3/ n|0 = + 2) = 0.5
P 3 2 n z 3 2 n P z 3 2 n = 0.5
El valor z0 tal que P (z z0 ) = 0.5 es 0. Por tanto
3 2 n = 0 n > 2.25 = n = 3.
4. Un proceso produce un componente elctrico cuya principal caracterstica viene medida por la variable x.
Cuando el proceso se encuentra bajo control, la variable x sigue una distribucin normal de media 200 y
varianza 25. Un ingeniero (ingeniero A) de la empresa propone controlar la calidad del proceso evaluando
el valor de cada componente y comparndolo (cada uno) con un intervalo que contenga al 99,7% de la
poblacin. Si algn valor se encuentra fuera del intervalo se interpretar como seal de que el proceso
est fuera de control. Se pide:
(a) Construir un intervalo de confianza que contenga al 99.7% de los componentes que se fabrican.
SOLUCION:
El intervalo corresponder a 3 desviaciones tpicas. Sea xi el valor de un componente genrico. Entonces
xi 200 3 25 = 200 15
xi (185, 215)
5. En la misma empresa del problema anterior, otro ingeniero (ingeniero B) propone controlar la calidad
promediando lo valores de x obtenidos en muestras de 25 componentes, en lugar de hacerlo con las
observaciones individuales. Sea x
a la media muestral de estas 25 medidas. Se considerar que el proceso
est fuera de control si el valor de x
est fuera de un intervalo de confianza que contenga al 99.7% de los
valores posibles de x
.
(a) Construir un intervalo de confianza que contenga el 99.7% de estas medias cuando el proceso est
bajo control.
(b) Por qu este intervalo es diferente al del problema 4?
SOLUCION:
(a) La media muestral tiene distribucin
x
N
25
200,
25
= N (200, 1) .
Si examinan los 25 componentes uno a uno, la probabilidad de detectar el desajuste ser igual a la
probabilidad de que alguno de ellos est fuera del intervalo. Entonces
P (detectar desajuste) = P (algun componente fuera del intervalo)
= 1 P (ninguno fuera del intervalo)
= 1 P (todos dentro del intervalo)
25
= 0.44
Luego el ingeniero A detecta que se est bajo control con probabilidad pA = 0.44.
(b) La nueva media muestral seguir la distribucin
25
x
N 195,
= N (195, 1).
25
La probabilidad de que esta variable aleatoria est fuera del intervalo (197;203) es igual a
P (
x < 197) + P (
x > 203) = 0.977 + 0 = 0.977
Por tanto, el ingeniero B detecta la desviacin con una probabilidad pB = 0.977 que es muchsimo
ms alta que haciendo el anlisis individual. Este ejercicio demuestra que es mucho ms eficaz basar
la deteccin de un desajuste utilizando medias que valores individuales. A mayor tamao muestral,
mayor ser la probabilidad de detectar el desajuste y ms eficaz ser el control estadstico.
Nombre(s):
7. En un proceso de produccin que se encuentra en estado de control se toman muestras de n = 4 artculos
cada 10 minutos para construir con ellas grficos de control. La variable que interesa en cada artculo
es su peso x, que sigue una distribucin normal x N (, 2 ). En cada muestra se anota el valor medio
de las cuatro mediciones x
i y el rango Ri . Despus de inspeccionar 24 muestras se tiene que la media de
=
= 4.82. Se pide
todas las mediciones es x = 203.88 y la media de los 24 rangos es R
(a) Estimar la media y la desviacin tpica de la distribucin de x (1 punto)
=
Capacidad=
l.c.:
LCI=
l.c.:
LCI=
(e) Si se produjese un aumento del peso medio de 3 unidades Cul es la probabilidad de detectarlo en
la siguiente muestra? (1 punto)
Probabilidad de detectarlo=
(f) Cunto tiempo se tardar, por trmino medio, en detectar dicho desajuste? (1 punto)
Tiempo medio=
(g) Utilizando las estimaciones de y del apartado (a) calcula el tamao muestral mnimo n que sera
necesario para, por trmino medio, detectar un desajuste de 3 unidades en menos de una hora.
Tamao muestral=
(h) Obtener el grfico de control para las medias que se utilizara en el caso de usar el tamao muestral
del apartado anterior
LCS=
l.c.:
LCI=