Académique Documents
Professionnel Documents
Culture Documents
LAB-1477
Ph.D.Ing. Luz Dvalos Z.
Univ. Peafiel Herrera Pamela
Ingeniera Industrial
INFORME N 2
GRFICOS DE CONTROL CARACTERSTICAS TIPO VARIABLE
Introduccin
Un proceso industrial est sometido a una serie de factores de carcter aleatorio
que hacen imposible fabricar dos productos exactamente iguales. Dicho de
otra manera, las caractersticas del producto fabricado no son uniformes y
presentan una variabilidad. Esta variabilidad es claramente indeseable y el
objetivo ha de ser reducirla lo ms posible o al menos mantenerla dentro
de unos lmites. El Control Estadstico de Procesos es una herramienta til para
alcanzar este segundo objetivo. Dado que su aplicacin es en el momento de la
fabricacin, puede decirse que esta herramienta contribuye a la mejora de la
calidad de la fabricacin. Permite tambin aumentar el conocimiento del proceso
(puesto que se le est tomando el pulso de manera habitual) lo cual en algunos
casos puede dar lugar a la mejora del mismo.
1. Objetivos
El presente trabajo tiene como finalidad dar un amplio panorama de las
tcnicas estadsticas aplicadas al Control de Calidad e informar
adecuadamente de las tcnicas de Gestin aplicadas al Control de Calidad.
Conocer y ser capaz de seleccionar y utilizar grficos de control para realizar
el control estadstico de productos y procesos cuando la caracterstica a
controlar tiene naturaleza de variable.
2. Materiales y equipo
Calculadora
Computadora
Potencimetro
Horno de secado
Galletas Crakers
Pilfrut
3. Procedimiento
4. Datos y resultados
DATOS PH
PILFRUT
10
11
12
13
14
15
3,75 3,77
%HUMEDAD
CRACKERS
2
3
5,79 4,66
4,21 6
2
4,96
6,65
5
3,76 1
3,87 4,76 4,95
4
3
8
4,13 5,33 6,09
7
9
7
4
5,22
1
5,26
2
6,17
7
5,31
5
5
5,90
1
6,03
5
5,71
8
6,12
4
6
3,07
2
5,83
8
5,03
8
4,71
1
8
9
5,67 7,21
10,62 2
7
6,97
7,813 5,14 8
5,92 7,20
8,607 2
6
7,3,5, 6,18 5,81
1
5
9
10
6,05
6,03
2
5,72
8
5,59
2
11
6,20
6
6,53
9
8,20
9
5,29
9
12
7.00
5
6,45
3
6,70
8
5,67
4
13
4,98
6
5,32
9
6,23
6
3,83
5
14
5,84
5
17,2
5
5,20
4
6,32
2
15
7,81
9
4,89
7
5,25
9
5,44
1
=
3,768
=
0,729
=
2,282
=
0
control para:
Grfico (x,R)
Grfico R
LCS=D 4 R LCI =D 3R
0.70
0.60
0.50
R
0.40
LCS
0.30
LCI
0.20
0.10
0.00
1 2 3 4 5 6 7 8 9 1011121314151617181920
x media
LSC
LIC
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
3,763
3,775
3,773
3,765
3,740
3,733
3,755
3,750
3,825
3,778
3,775
3,808
3,795
3,755
3,795
3,793
3,728
3,758
3,740
3,765
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,768
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,8409
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
3,6951
X
x media
LSC
LIC
3.650
3.600
3,768
0,729
2,282
0
para:
Grfico (x,R)
Grfico R
LCS=D 4 R LCI =D 3R
Datos para la Grfica R
N
1
2
3
4
5
6
7
8
R
1,09
1
2,03
6
1,98
9
0,95
6
0,40
6
2,76
6
3,26
9
1,04
5
LCS
LCI
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
9
10
11
12
13
14
15
16
17
18
19
20
1,39
8
0,45
8
2,91
1,33
1
2,40
1
1,11
8
2,92
2
3,18
2
3,78
2
2,47
6
1,98
9
0,22
1,88
7
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
4,306
0,000
1.000
4.5
0.900
0.800
3.5
0.700
0.600
2.5
0.500
0.400
1.5
0.300
0.200
0.5
0.100
0.000
1 2 3 4 5 6 7 8 9 1011121314151617181920
R
LCS
LCI
7
x
X media
LSC
LIC
3
1 2 3 4 5 6 7 8 9 1011121314151617181920
( x , R)
Cuando n = variable
Se escogi esta grafica porque el tamao de la muestra est
comprendida entre 4 y 5 por lo que es necesario utilizar este grafica ya
que en nuestro caso nuestro n=4 y en esta se tiene dos grficos uno de
medias y otro de rangos.
2) Qu significa las lneas medias de cada grfico?
La lnea central te da la tendencia central de lo que se grfica y esta es
importante para la interpretacin de la dispersin en los grficos.
3) Cmo tienen que comportarse los lmites en un proceso de
mejora?
Un proceso de mejora es cuando la dispersin mejora es decir reduce esta
por lo que sabemos que mientras los puntos representativos del proceso se
mantengan dentro del espacio acotado por los lmites de control, este se
encuentra Bajo control estadstico, por tanto para un proceso de mejora
continua estos deben aproximarse cada vez ms a la media de todos los
puntos y si disminuye la dispersin entonces los lmites de control reducen, y
de esta manera se tendr una mejora continua.
4) Qu porcentaje de los datos deben estar entre el lmite de
control superior y el inferior, por qu?
En ocasiones, no se pueden detectar las pautas de no aleatoriedad
solamente con la referencia de los lmites de control, dado que los propios
lmites se ven afectados por estas pautas de una forma que viola la teora a
partir de la que estn construidos. Las Reglas de la Western Electric (RWE)
son tiles para detectar estas condiciones y, en particular, los pequeos
cambios permanentes sucedidos en la media del proceso.
n
1
N
20 a 30
4a5
10
25
25
( x , R)
MINICRAKERS GRAFICO XR
Para realizar los clculos y la grfica se elimin un dato por este estaba
re alejado de los otros datos.
En el grfico R se puede ver que los puntos estn dentro de los lmites
de control.
Para el grfico x se observ que en la muestra 7 y 11 el punto se sali
de los lmites de control debido a que el dato es errneo o no se us
correctamente el horno de secado.
Analizando los puntos 3,4,5,8,10,13,14,19,20 estn cerca de la lnea
central por lo que nos indica que la dispersin no es tan mala y que el
proceso est mejor solo que un dos puntos estn fuera de control
debido a datos errneos.
Se sugiere tener cuidado al manejar el horno de secado ya que se
empieza cuando esta puesta a cero por lo que se debe seguir las
instrucciones de la docente.