Académique Documents
Professionnel Documents
Culture Documents
CONTROL AVANZADO
DE PROCESOS
Pgina 1 de 56
CONTENIDO
1. INTRODUCCIN
2. CARTAS DE CONTROL DE SUMAS ACUMULADAS CuSuM
3. CARTAS DE CONTROL DE PROMEDIO MOVIL
EXPONENCIALMENTE PONDERADO (EWMA)
4. CARTAS DE CONTROL DE MEDIA MOVIL
5. CARTAS DE CONTROL PARA CORRIDAS CORTAS
6. CARTAS DE PRECONTROL
7. CARTAS DE CONTROL MODIFICADAS Y DE ACEPTACIN
8. CARTAS DE CONTROL DE DESGASTE
9. CARTAS DE CONTROL PARA PROCESOS SALIDA MLTIPLE
10. CONTROL DE CALIDAD MULTIVARIADO
11. DISEO ECONMICO DE LAS CARTAS DE CONTROL
12. CEP PARA PROCESOS CORRELACIONADOS
Pgina 2 de 56
(cusum),
promedio
mvil
exponencialmente
ponderado (EWMA).
Pgina 3 de 56
Ci ( x j 0 )
j 1
Como esta carta es eficiente para n=1, es una buena alternativa para
el control de procesos qumicos y el C.E.P. automatizado. Si la media
tiene un corrimiento hacia arriba, la carta mostrar una tendencia
ascendente y viceversa.
La carta Cusum no tiene lmites de control, sin embargo tiene un
mecanismo similar ya sea en forma tabular o por medio de una
mascara en V, como la mostrada en el ejemplo de las pginas
siguientes.
Pgina 4 de 56
max0, (
C i max 0, xi ( 0 K ) C i1
C i
K ) xi C i1
Pgina 5 de 56
max 0,9.5 x
C i max 0, xi 10.5 C i1
C i
C i1
Pgina 6 de 56
0 K , si C i H
N
Ci , si
Ci H
0 K
N
5.28
11.25
7
xi
y por la x =
, aunque se
Pgina 7 de 56
EL PROCEDIMIENTO DE LA MASCARILLA EN V
Un procedimiento alterno al uso del mtodo tabular Cusum, es la
mascarilla en V propuesta por Barnard (1959), esta mascarilla es
aplicada a valores sucesivos del estadstico,
i
C i y j y i C i 1
j 1
O d
2A
1A
1 2 3 4 5 ............................................. i
El procedimiento consiste en colocar la mascarilla en V sobre la carta
Cusum, con el punto O sobre el ltimo valor de C i y la lnea OP
paralela al eje horizontal. Si todos los puntos anteriores C 1, C2,....,Cj se
encuentran dentro de los dos brazos de la mascarilla, el proceso est
en control, sin embargo si cualquier punto de las sumas acumuladas
Pgina 8 de 56
= (1) tan ()
= 26.57
de h = d.k
=>
=> 5 = d (1/2)
d =10
Pgina 9 de 56
2A
tan 1
y
2 1
ln
ln( )
Por ejemplo si = 0.05 y = 0.05 y = 1 que son los defaults del Statgraphics, se
obtiene la mascara en V siguiente:
2 1 0.05
ln
= 5.888
2
1 0.05
1
26.56
2
tan 1
Pgina 10 de 56
CARTA
DE
CONTROL
DE
MEDIAS
MOVILES
2i
1 (1 )
2
zi2
Pgina 11 de 56
2i
1 (1 )
2
LSC 0 L
LC 0
2i
1 (1 )
2
LIC 0 L
LC 0
LSC 0 L
Como ejemplo utilizando los datos de la carta Cusum con = 0.10, L = 2.7, 0 y
=1, se tiene la carta EWMA mostrada en la pgina siguiente.
Para x1= 9.45, calculando z1 = 9.945; LSC = 10.27 y LIC = 9.73 con la frmulas
anteriores.
Para x2= 7.99, calculando z2 = 9.7495; LSC = 10.36 y LIC = 9.64, conforme se
incrementa i los lmites se estabilizan en LSC = 10.62 LIC = 9.38.
Pgina 12 de 56
Mi
xi xi 1 ..... xi w1
w
LSC 0
3
w
LC 0
LIC 0
3
w
Mi
xi xi 1 ....xi 4
5
Para periodos i<5 se grafica el promedio de las observaciones para los periodos 1,
2, 3, ...i.
Pgina 13 de 56
Pgina 14 de 56
Pieza
A
A
A
A
B
B
B
B
B
B
M1
50
49
48
49
24
25
27
25
24
26
M2
51
50
49
53
27
27
26
24
25
24
M3
52
51
52
51
26
24
23
23
25
25
D1
0
-1
-2
-1
-1
0
2
0
-1
1
D2
1
0
-1
3
2
2
1
-1
0
-1
D3
2
1
2
1
1
-1
-2
-2
0
0
Media R
1.00 2
0.00 2
-0.33 4
1.00 4
0.67 2
0.33 2
0.33 4
-1.00 2
-0.33 1
0.00 2
Ri , Ni
RS
R
Ri
x Ti
Ri
Pgina 16 de 56
Carta p
Zi
Carta np
Zi
Carta c
Zi
Carta u
Zi
pi p
p(1 p ) / n
np i n p
n p(1 p )
ci c
c
ui u
u/n
Soto Luis, Quality Control Director, Charles E. Gillman Company, Nogales, Arizona.
Pgina 17 de 56
n de submuestra
4
5
7
10
12
16
19
24
32
46
92
LSCp
28.6%
20.8
15.3
10.4
8.5
6.4
5.4
4.3
3.2
2.2
1.1
Doty, A. Lenard, Statistical Process Control, ASQC Quality Press, USA, 1991, Chapter 5.
Pgina 18 de 56
(MA)
(MR)
Muestra
Medicin
Media mvil
Rango Mvil
1.055
1.062
1.054
1.055
1.0565
0.008
1.060
1.0578
0.008
1.061
1.0575
0.007
1.065
1.0603
0.010
= (LSE LIE) / 6
R d2
LSC = + 3 /
LIC = - 3 /
n
n
Pgina 19 de 56
ZONA AMARILLA
ZONA VERDE
ZONA AMARILLA
ZONA ROJA
Pgina 20 de 56
Pgina 21 de 56
LIEsp.
|---
6 ---|
Pgina 22 de 56
LSEsp.
LIE
LSE
LIC
LSC
Z
nn
Donde:
I LIE Z
S LSE Z
Pgina 23 de 56
LSC S
LIC I
LSE Z
n
n
Z
Z
LIE Z
n
n
Pgina 24 de 56
LSC S
LIC I
LSE Z
n
n
LIE Z
n
n
Se obtiene
Z Z
Z Z
Por ejemplo si delta = 0.01, alfa = 0.00135, gama = 0.05 y beta = 0.20, haciendo
los clculos se obtiene una n = 31.43 32.
3.00 0.84
2.33 1.645
=0.025
LSE-1.96
Amplitud de variacin
0.10
__
Aceptable para X
0.10
3
Duncan A., Control de Calidad y Estadstica Industrial, Alfaomega, Mxico, 1989, pp. 527-530
Pgina 25 de 56
LIE+1.96
LIE
=0.025
n
n
Pgina 26 de 56
LSE
LSE-3x
Distribucin de x
_
LIE+3x
LIE
CARTA DE CONTROL PARA DESGASTE DE HERRAMIENTAS
Pgina 27 de 56
1, , 2
donde:
1 LIE 3 x LIE 3R / d 2
2 LSE 3 x LSE 3R / d 2
1, , 2
es:
M* = ( 1, - 2 ) / b
Pgina 28 de 56
Ejemplo:
El dimetro exterior de una vlvula tiene una especificacin de 1.1555 0.0005.
Se han tomado 13 muestras de 5 piezas cada una sin ajustar la herramienta de
corte, en intervalos de media hora. Los resultados son:
Muestra i 1
2
3
4
5
6
7
8
_
X i 1.15530, 1.15540,1.15544, 1.15546, 1.15550, 1.15556, 1.15568, 1.15570,
Ri
R-medio=0.0001769;
b = 0.0000492
m*
11.056,
los
lmites
de
control
estn
A2 R
0.5768(0.0001769)=0.000102.
Es decir que tienen que pasar 11 puntos o 5.5 horas para reajustar el proceso
LSE
2
Pendiente b
LSC
1,
LIE
LIC
Tiempo t o nmero de muestra
Pgina 29 de 56
Pgina 30 de 56
medias X y el
LICX = X - A2 R
LICR = D3 R
_
LSCX = X + A2 R
LSCR = D4 R
Pgina 31 de 56
ARL0
s r 1
s 1
Pgina 32 de 56
02
__
__
__
n
2 __
2 ( X 1 1 ) 2 12 ( X 2 2 ) 2 2 122 ( X 1 1 ) 2 ( X 2 2 ) 2
2
12
2
1
2
2
__
__
__
__
Hotelling,H. (1947). Multivariate Quality Control,, Techniques of Statistical Analysis, Eisenhart, McGraw
Hill, NY, USA, 1947.
Pgina 33 de 56
__
__
Pgina 34 de 56
02 n( x )'
( x ) .
LSC = 2.2
20
La carta de control T2
T 2 n( x X )'
( x X )
Pgina 35 de 56
Pgina 36 de 56
LSC
LIC 0
LSC
LIC 0
0.0106" ;S
10
(1.23)(0.83) 0.79
__
__
__
2
2
2
2
(0.83)( X 1 115 .59) 1.23( X 2 1.06) 2(0.79)( X 1 115 .59) ( X 2 1.06)
2( 20 1)(10 1)
342
F0.001, 2, 20 (10 ) 20 2 1
F0.001, 2,179 (1.91)(17.18) 13.72
( 20)(10) 20 2 1
179
Pgina 37 de 56
13.72
T2
No muestra puntos fuera de control. Los lmites para la fase II se calculan dando
LSC = 15.16. Si se hubiese utilizado LSC = 2.2 = 13.816 que est cercano a los
lmites de control de las fases I y II. Nota: El LSC que calcula el Statgraphics no es
correcto.
Z / 2 p
T(i2)
di = (T2 - T(i ) )
El caso de n = 1
En industrias qumicas y de proceso, es normal tener una sola muestra
donde medir las diferentes caractersticas, el estadstico T2 se
transforma en:
T 2 ( x x )' S 1 ( x x )
p ( m 1)(n 1)
F , p , m p
m 2 mp
LIC 0
p ( m 1)(n 1)
F , p , m p ;
m p
LSC = 2.2
LIC 0
con
0 1; Z 0 0 .
Ti 2 Z i'
1
Zi
Zi
Pgina 39 de 56
Zi
1 (1 ) 2i
2
Ai )
LSC 2. p ( p 1) / 2 ,
b1
1
( n 1) p
(n i)
i 1
Pgina 40 de 56
con
b2
1
(n 1) 2 p
LSC
LC b1
LIC
i 1
(n i )
j 1
j 1
(n j 2) (n j )]
(b1 3b 21 / 2 )
S / b1
(b1 3b 21 / 2 )
Ejemplo:
Del ejemplo anterior, se construir una carta de control para la varianza
generalizada, en base a las 20 muestras preliminares, con n = 10, la matriz de
covarianza es:
1.23 0.79
S
0.79 0.83
S 0.34968
b1
1
(9)(8) 0.8889
81
b2
1
(9)(8)(11)(10) (9)(8) 41.70
6531
LSC=1.26
Pgina 41 de 56
0.5
Nmero de muestra
Pgina 42 de 56
establecidos,
E ( A)
E (C )
E (T )
n
n
n
n
0 0
es:
12.0
2
11.1
6.65
2
4.4
Pgina 44 de 56
asignables de
h /(1 )
; es el tiempo esperado de
1 (1 h)e h
(1 e h )
E (T )
1
h
gn D
1
a1 a 2 n (costo
E (T ) / h .
Pgina 45 de 56
especial es
a3
y el costo de investigarla es
a 3' ,
el nmero esperado de
E (C ) V 0
a ' e h
E (T )
1
h
V1 (
gn D) a 3 3 h ( a1 a 2 n)
1
h
1 e
E ( A)
Si
E (C )
E (T )
a 4 V 0 V1
h
1 / h /(1 ) gn D
Pgina 46 de 56
Ejemplo:
Para un fabricante de botellas, el costo fijo de tomar una muestra es $1 y el costo
variable $0.10 por botella, tomando un minuto (0.0167 h) para medir y anotar el
espesor de pared de la botella. Normalmente cuando el proceso sale de control
con corrimientos de 2, con una periodicidad de aprox. Uno por cada 20 h de
operacin, as la distribucin de Posisson con = 0.05 es un buen modelo para el
ARL en control. El tiempo necesario para investigar una anormalidad es de 1 h, el
costo de eliminacin de una causa especial es de $25 mientras que el costo de
una falsa alarma es de $50. De acuerdo a registros, el costo de operar fuera de
control es de $100 por hora.
Datos:
a1 $1;a 2 $0.1; a 3 $25; a 3' $50; a 4 $100; 0.05; 2.0, g 0.0167 yD 1.0.
Resumen
1. El tamao de muestra ptimo depende mucho de la magnitud del
corrimiento . Si se encuentra entre 1 2, n se encontrar entre 10
20. Para <=0.5 requiere tamaos de muestra n mayores a 40.
Ver tabla 8.40
2. El costo de penalizacin por producir fuera de control a 4 afecta el
intervalo entre muestras h de manera inversa. Ver tabla 8.38 y 8.39.
Pgina 47 de 56
Pgina 48 de 56
Wt
Tanque con volumen V y flujos de entrada y de salida
Xt
Si se toman muestras en intervalos t, entoces observamos las xt:
x t awt (1 a ) x t 1
T V / f ;V volumen; f flujo
a 1 e t / T
.
La autocorrelacin entre valores sucesivos de x t (xt y xt-1 ) est dado
por:
1 a e t / T
Pgina 49 de 56
*
**
*
*
*
Correlacin positiva
* **
*
Cov ( x t , x i k x)
k
, k 0,1,....
V ( xt )
Pgina 50 de 56
rk
( x t x)( x t k x)
i 1
(x
t 1
x)
, k 0,1,....K
rk
Pgina 51 de 56
Esquemas adaptativos
Un CEP con procedimiento adaptativo es aquel donde puede variar el
intervalo de muestreo o el tamao de muestra o ambos. En trminos
generales se divide en zonas, el rea entre los lmites de control como
sigue:
LIC w LC w LSC
g
ar
Ejemplo:
El volumne nominla de un bote de refresco es de 12 fl. Oz. Su costo es de $0.01/fl
oz., el precio de venta es de $0.20, los botes semillenos se venden en $0.10.
Despus de llevar cartas X-R, dio una R media de 0.15, por tanto:
Pgina 52 de 56
__
R
0.15
0.0645
d 2 2.326
0.0065
ar
0.20 0.10
Pgina 53 de 56
x es un valor ajustado de
xt
entonces los
x t 13.04 0.847 xt .1
En la fig. 8.28 se muestra una carta de control para los residuos, notar
que no se muestran puntos fuera de control, en contraste con la
grfica de la figura 8.13, por tanto se puede concluir que el proceso
est en control estadstico.
Pgina 54 de 56
Pgina 55 de 56
x t1 (t ) zt ; zt x t (1 )zt1
La secuencia de errores un paso adelante son:
et =
xt
- x t(t-1)
cero
La carta EWMA de los residuos et o errores de prediccin, debe estar
acompaada de los datos de las observaciones originales,
superponiendo los valores de prediccin de la EWMA. En el caso de la
viscocidad los mnimos errores de prediccin cuadrados ocurren en
= 0.825, se observa en la figura 8.18 que el proceso se encuentra en
control.
Tambin se puede formar una carta EWMA con lnea central mvil
comparando el valor de
x t 1
LSC t 1 z t 3
LIC t 1 z t 3
Pgina 56 de 56