Académique Documents
Professionnel Documents
Culture Documents
AGROINDUSTRIAL
DEPARTAMENTO ACADÉMICO DE INGENIERÍA
AGROINDUSTRIAL
ADMINISTRACION DE LA CALIDAD
CONTROL DE PROCESOS
JUANJUI_PERU
2017
I. INTRODUCCION
II. HISTORIA
Atributos
Es una característica que no puede ser medido, sólo se cualifica. Estas gráficas
se emplean cuando se tienen datos discretos o cuando se desea clasificar una
serie de medidas continuas como aceptables o no. Para estos se utilizan las
gráficas de defectos o dé % defectuosos.
De acuerdo a estos en un lote se puede tener varios variables y varios atributos.
Una variable puede ser tratada como un atributo más no un atributo como una
variable. En general la gráfica de atributos se usa cuando:
No es posible tomar medidas, como en la inspección visual de una parte.
Cuando no es práctico tomar medidas, debido a que los calibradores son
caros o el tiempo necesario para tomarlas es excesivo.
La parte tiene muchas características para evaluar.
La gráfica se basa en una inspección al 100%.
Se usa gráfica variable cuando:
Se involucra una característica crítica, tal como es una localización
de un punto.
Se desea un control más preciso que el control de características
Distribución de Frecuencias
Es aquella que resulta de dividir cada una de las frecuencias absolutas entre
el número total de datos. Las frecuencias relativas se designan con las letras
hi. La suma de todas las frecuencias relativas es igual a la unidad.
Distribución Binomial
Si realizamos n veces un experimento en el que podemos obtener éxito, E, con
probabilidad p y fracaso, F, con probabilidad q (q = 1 − p), diremos que estamos
ante una distribución binomial de parámetros n y p, y lo representaremos por Bin
(n;p). En este caso la probabilidad de obtener k éxitos viene dada por:
Distribución de Poisson
X ~ Ps (λ)
La distribución de Poisson se caracteriza por las siguientes propiedades:
Sea una población de tamaño ∞.
Sea una muestra de tamaño n bastante elevado (se suele hablar de que
tiende a ∞)
Los sucesos son independientes entre sí.
Sea A un suceso que tiene una probabilidad p de suceder durante un
periodo de tiempo, siendo esta probabilidad de ocurrencia durante un
periodo de tiempo concreto muy pequeña (se suele hablar de que tiende
a 0).
El producto n*p, tiende a aproximarse a un valor promedio o número
medio, al que llamaremos λ. Por ejemplo, promedio de llamadas recibidas
en una centralita por minuto o número medio de accidentes producidos en
una carretera durante el fin de semana.
X: número de individuos de la muestra que cumplen A.
El conjunto de posibles valores de A es, E = {0,1,2,3,4....}
Su función de probabilidad viene definida por:
Media Aritmética
La media aritmética (X) o simplemente la media es la medida de posición de más
importancia y utilización en las aplicaciones estadísticas por su fácil calculo e
interpretación. Se trata del valor medio de todos los valores que toma la variable
estadística de una serie de datos. La media es el valor más representativo de la
serie de valores, es el punto de equilibrio, el centro de gravedad de la serie de
datos. Por lo general se le designa con X.
La media aritmética de una serie de n valores de una variable X1, X2, X3; X4,
.........Xn, es el cociente de dividir la sumatoria de todos los valores que toma la
variable Xi, entre el número total de ellos. La fórmula se puede expresar así:
La Mediana
La mediana es el valor que divide en dos partes iguales, al conjunto de
observaciones ordenadas respecto de sus magnitudes, de tal manera que el
número de datos por encima de la mediana sea igual al número de datos por
debajo de la misma. Se designa por las letras Me. Tal como sucede con la media,
el método de determinación depende de si los datos son agrupados o no.
Para encontrar la mediana en una serie de datos no agrupados, lo primero que
se hace es ordenar los datos en una forma creciente o decreciente y luego se
ubica la posición que esta ocupa en esa serie de datos; para ello hay que
determinar si la serie de datos es par o impar. Si el número n es impar, entonces
la posición de la mediana se determina por la fórmula:
Luego el número que se obtiene indica el lugar o posición que ocupa la mediana
en la serie de valores, luego la mediana será el número que ocupe el lugar de lo
posición encontrada.
Causas de Variación
Cartas de Control
La carta de control es una técnica muy útil para el monitoreo de los procesos,
cuando se presentan variaciones anormales donde las medias o los rangos salen
de los límites de control, es señal de que se debe tomar acción para remover esa
fuente de variabilidad anormal. Su uso sistemático proporciona un excelente
medio para reducir la variabilidad.
Un punto que se encuentre fuera de los límites de control mostrará evidencia que
el proceso está fuera de control y será necesario una investigación de la causa
especial y la acción correctiva necesaria para eliminarla. También se tendrá un
alto riesgo de situación fuera de control si los puntos se agrupan es forma
sistemática dentro de los límites de control o muestran una tendencia.
Por ejemplo, la carta de control de medias prueba la hipótesis de que la media
del proceso está en control y tiene un valor 0 si un valor de media muestral X i
cae dentro de los límites de control; de otra forma se concluye que el proceso
está fuera de control y que la media del proceso tiene un valor diferente del de
0, por decir 1, donde 1 0.
Se puede decir que las probabilidades de los errores tipo I y tipo II de la carta de
control, son esquemas de prueba de hipótesis para analizar el desempeño de
las cartas de control.
LSC = w + Lw
LC = w
LIC = w - Lw
Tendencia Central
Característica típica de la mayoría de las distribuciones de frecuencia, por lo cual
el grueso de las observaciones se agrupa en una zona determinada de las
mismas.
Media Aritmética " X "
Medida de la tendencia central, correspondiente a la suma de todos los valores,
dividida por el número de los mismos.
Dispersión
Alcance de la diseminación con la que los datos de una distribución de
frecuencia se distribuyen alrededor de la zona de tendencia central.
Recorrido "R"
Medida de la dispersión, correspondiente a la diferencia entre el valor máximo
y el valor mínimo de un conjunto de datos.
LSC = w + Lw
LC = w
LIC = w - Lw
pi = Di / n i = 1, 2, 3…, m
Di p i
p i 1
i 1
mn m
Una vez hecha la gráfica trazando los límites anteriores, cualquier punto que se
encuentre fuera de control debe ser investigado, si se encuentra una causa
asignable o especial, deben tomarse medidas correctivas para prevenir su
recurrencia, los puntos correspondientes a la situación fuera de control se
eliminan y se calculan de nuevo los límites de control preliminares.
VI. CONCLUSIONES