Vous êtes sur la page 1sur 14

TALLER: ANÁLISIS DE CAPACIDAD

BUITRAGO PÉREZ STEFFANY GISETT

DOC. MAURICIO QUINTANA TORRES

CONTROL ESTADÍSTICO DE PROCESOS

IV SEMESTRE

FUNDACION UNIVERSITARIA TECNOLOGICO COMFENALCO

FACULTAD DE INGENIERÍAS

TECNOLOGÍA EN CONTROL DE CALIDAD

CARTAGENA

2018
Tabla de control Shewhart para datos de variables

6.3 La tabla de control debe mantenerse en las mediciones de espesor para un


proceso que ruede hojas de cobre de calibre 10. La especificación actual en las
hojas es 0.1340 ± 0.0010 pulgadas. Después de recolectar 30 muestras
racionales de tamaño n = 4 medidas a intervalos de aproximadamente media
hora, los datos se usaron para determinar ∑𝑋̅i= 4.014 pulgadas y ∑ Ri = 0.027
pulgadas, i=1,30. Se desea configurar cuadros de control
̅
𝑋 y R para este proceso. Use la información anterior para determinar las líneas
centrales y los límites de control superior e inferior para el proceso.

Línea central del proceso:

LCI: 𝑋̿ - A2 𝑅̅ : -(0.729) (

LCS: 𝑋̿ + A2 𝑅̅ : +(0.729)

6.4 Los promedios y rangos de muestras de tamaño n = 5 se muestran en la


tabla adjunta. Los datos se refieren a la medición de la profundidad hasta el
hombro de las cajas de guantes fabricadas por una compañía automotriz
estadounidense. Las medidas están en pulgadas.

Muestra Promedio Rango Muestra Promedio Rango


1 0.4402 0.015 16 0.4362
0.015
2 0.4390 0.018 17 0.4380 0.019
3 0.4448 0.018 18 0.4350 0.008
4 0.4432 0.006 19 0.4378 0.011
5 0.4428 0.008 20 0.4384 0.009
6 0.4382 0.010 21 0.4392 0.006
7 0.4358 0.011 22 0.4378 0.008
8 0.4440 0.019 23 0.4362 0.016
9 0.4366 0.010 24 0.4348 0.019
10 0.4368 0.011 25 0.4338 0.015
11 0.4360 0.011 26 0.4366 0.004
12 0.4402 0.007 27 0.4346 0.019
13 0.4332 0.008 28 0,4374 0.015
14 4356 0.017 29 0.4339 0.024
15 0.4314 0.010 30 0.4368 0.014

De las primeras 25 muestras, configure e interprete los cuadros de control X y


R que indican si el control es o no evidente. Si el cuadro muestra que el
proceso está en control, trace las siguientes cinco muestras y comente los
resultados.
Gráfico X-bar para Promedio
LIE = 0,42; Nominal = 0,44; LSE = 0,46

0,46

0,45
0,45
X-bar

0,44
0,44

0,43
0,43

0,42
0 5 10 15 20 25 30
Subgrupo

Gráfico de Rangos para Rango


LIE = 0,42; Nominal = 0,44; LSE = 0,46

0,04
0,04

0,03
Rango

0,02
0,02

0,01

0 0,00
0 5 10 15 20 25 30
Rango
Curva ARL para X-bar

400

Tamaño Promedio de Corrida

300

200

100

0
0,42 0,424 0,428 0,432 0,436 0,44 0,444
Media de proceso

Pruebas de Rachas
Reglas
(A) secuencias arriba o abajo de la línea central con longitud 8 o mayor.
(B) secuencias arriba o abajo de longitud 8 o mayor.
(C) conjuntos de 5 subgrupos con al menos 4 más allá de 1,0 sigma.
(D) conjuntos de 3 subgrupos con al menos 2 más allá de 2,0 sigma.

Violaciones
Subgrupo Gráfico X-bar Gráfico de Rangos
4 D
5 CD

El StatAdvisor
Esta tabla busca e identifica cualquier patrón inusual en los datos. Esto a
menudo es útil para detectar procesos que se están alejando lentamente del
valor meta, aún cuando ningún punto caiga fuera de los límites de control. 3
secuencias inusuales se han detectado. La tabla muestra el subgrupo u
observación en la cual se detectó el patrón inusual, así como la regla particular
que se ha violado. Por ejemplo, la regla D fue violada en el punto 4. En ese
momento, había un grupo de 2 de 3 puntos más allá de 2,0 sigmas, todos del
mismo lado de la línea central.

Índices de Capacidad para Promedio & Rango


Especificaciones
LSE = 0,46
Nom = 0,44
LIE = 0,42
Capacidad Desempeño
Corto Plazo Largo Plazo
Sigma 0,00739467 0,00620236
Cp/Pp 0,90155 1,07486
Cpk/Ppk 0,714929 0,852364
K -0,207
DPM 16533,1 12614,5
Con base en límites 6,0 sigma. La sigma de corto plazo se estimó a partir del
rango promedio.

El StatAdvisor
Se han calculado varios índices de capacidad para resumir la comparación de
los datos con las especificaciones. Un índice común es el Cp, que es igual a la
distancia entre los límites de especificación, dividida entre 6 veces la
desviación estándar. En este caso, el Cp es igual a 0,90155, el cual
generalmente no se considera bueno. Cpk es un índice de capacidad
unilateral, el cual, en el caso de una distribución normal, divide la distancia de
la media al límite de especificación más cercano, entre 3 veces la desviación
estándar. En este caso, el Cpk es igual a 0,714929. La diferencia más bien
grande entre el Cp y el Cpk es un signo de que la distribución no está bien
centrada entre los limites de especificación. K es igual a la media menos el
valor nominal, dividida entre la mitad de la distancia entre las
especificaciones. Puesto que K es igual a -0,207, la media está localizada
20,7% desde el centro de las especificaciones hacia el límite inferior de
especificación.

6.13 Haga coincidir cada uno de los pares de cartas ̅ X y R (i) a (vi) que se
muestran aquí con uno de los comportamientos de proceso variables en el
tiempo (1) a (10), que podría haber llevado a los datos en los gráficos.
Identifique claramente la ubicación y la naturaleza de cada una de las señales
estadísticas producidas, pero no necesariamente coinciden exactamente en
todo el gráfico, pero la naturaleza general de los patrones puede coincidir.

6.14 Considere los gráficos (i) a (vi), que representan el gráfico X̅ para un
cierto proceso, algunos de las cartas de control tienen instancias de variación
de causa especial, mientras que otras pueden mostrar un buen control
estadístico.

a) Para cada carta, identifique (circulo) los puntos donde las señales
estadísticas muestran que la variación de causa especial está ocurriendo.
Indique la regla exacta que se aplica.
b) Identifique de la lista a continuación ((1) a (9)) el comportamiento del
proceso o falla de muestreo que es responsable de la aparición de una causa
especial en el cuadro.

1. Cambio hacia arriba en la media.

2. Desplazamiento hacia abajo en la media

3. Cambio hacia arriba en la varianza

4. Cambio hacia abajo en la varianza

5. Cambio gradual en el promedio

6. Muestreo inapropiado

7. Mezcla / sobrecontrol

8. Solo sistema de causa común

9. Tendencia.

6.16 Los ingenieros de una planta de fabricación acaban de asistir a un curso


para aprender los principios básicos de SPC. Han decidido configurar su
primera aplicación de gráficos en un centro de torneado CNC donde se está
mecanizando un eje de motor. La característica de calidad que desea
monitorear es el diámetro exterior que tiene un valor nominal de 2.125
pulgadas y una tolerancia de ± 0.001 pulgadas. Recientemente, sin embargo,
han estado sintiendo la presión de la compañía a la que suministran las piezas
para mejorar la consistencia de la dimensión de la pieza en cuestión, y los
ingenieros consideran que los métodos de SPC pueden ayudarlos a reducir la
variabilidad. Inicialmente, recopilan datos sobre el diámetro exterior en
subgrupos / muestras de cinco partes consecutivas a intervalos de
aproximadamente ½ hora, con los resultados que se muestran en la tabla. La
medida fue en pulgadas a la diezmilésima de pulgada más cercana (por
ejemplo, 2.1248 y 2.1259 pulgadas). Los datos están codificados usando los
dos últimos dígitos.

Muestra X1 X2 X3 X4 X5 Muestra X1 X2 X3 X4 X5
1 2,1248 2,1259 2,1242 2,1240 2,1232 31 2,1243 2,1243 2,1249 2,1231 2,1247
2 2,1248 2,1252 2,1251 2,1250 2,1252 32 2,1229 2,1242 2,1243 2,1242 2,1243
3 2,1250 2,1249 2,1260 2,1244 2,1248 33 2,1236 2,1243 2,1243 2,1249 2,1248
4 2,1250 2,1241 2,1248 2,1243 2,1241 34 2,1248 2,1242 2,1243 2,1239 2,1246
5 2,1251 2,1249 2,1260 2,1260 2,1247 35 2,1245 2,1251 2,1243 2,1239 2,1229
6 2,1244 2,1247 2,1254 2,1245 2,1250 36 2,1250 2,1254 2,1251 2,1245 2,1255
7 2,1251 2,1257 2,1253 2,1248 2,1245 37 2,1254 2,1246 2,1240 2,1253 2,1251
8 2,1246 2,1263 2,1263 2,1241 2,1241 38 2,1260 2,1255 2,1244 2,1247 2,1257
9 2,1254 2,1253 2,1253 2,1246 2,1255 39 2,1246 2,1261 2,1251 2,1256 2,1241
10 2,1254 2,1246 2,1255 2,1258 2,1262 40 2,1239 2,1257 2,1254 2,1256 2,1263
11 2,1257 2,1256 2,1253 2,1237 2,1242 41 2,1252 2,1239 2,1245 2,1248 2,1256
12 2,1251 2,1249 2,1267 2,1250 2,1248 42 2,1249 2,1251 2,1249 2,1254 2,1251
13 2,1242 2,1247 2,1248 2,1239 2,1261 43 2,1251 2,1246 2,1244 2,1250 2,1239
14 2,1243 2,1250 2,1244 2,1238 2,1240 44 2,1254 2,1251 2,1249 2,1248 2,1248
15 2,1241 2,1254 2,1259 2,1253 2,1237 45 2,1254 2,1254 2,1257 2,1250 2,1245
16 2,1260 2,1245 2,1252 2,1246 2,1255 46 2,1254 2,1257 2,1249 2,1247 2,1241
17 2,1248 2,1250 2,1245 2,1240 2,1263 47 2,1246 2,1245 2,1248 2,1251 2,1246
18 2,1246 2,1239 2,1243 2,1231 2,1241 48 2,1249 2,1249 2,1255 2,1253 2,1241
19 2,1252 2,1232 2,1254 2,1245 2,1250 49 2,1245 2,1251 2,1244 2,1255 2,1246
20 2,1262 2,1250 2,1247 2,1257 2,1247 50 2,1254 2,1254 2,1251 2,1247 2,1249
21 2,1258 2,1252 2,1257 2,1254 2,1263 51 2,1243 2,1251 2,1256 2,1242 2,1248
22 2,1250 2,1256 2,1244 2,1244 2,1238 52 2,1251 2,1247 2,1247 2,1256 2,1248
23 2,1247 2,1253 2,1242 2,1240 2,1246 53 2,1250 2,1247 2,1255 2,1259 2,1248
24 2,1256 2,1255 2,1244 2,1258 2,1249 54 2,1248 2,1260 2,1245 2,1249 2,1238
25 2,1239 2,1254 2,1254 2,1244 2,1263 55 2,1254 2,1247 2,1249 2,1250 2,1252
26 2,1240 2,1243 2,1259 2,1236 2,1246 56 2,1241 2,1246 2,1246 2,1248 2,1255
27 2,1248 2,1248 2,1234 2,1243 2,1262 57 2,1252 2,1257 2,1247 2,1258 2,1260
28 2,1236 2,1245 2,1243 2,1232 2,1238 58 2,1253 2,1253 2,1255 2,1252 2,1253
29 2,1251 2,1248 2,1224 2,1255 2,1254 59 2,1255 2,1248 2,1252 2,1256 2,1250
30 2,1243 2,1250 2,1240 2,1253 2,1241 60 2,1248 2,1249 2,1243 2,1254 2,1246

a) Encuentra 𝑋̅ y 𝑅̅ para cada muestra.

Calculando el promedio y el rango para cada muestra obtenemos:

Muestra Promedio Rango Muestra Promedio Rango


1 2,1244 0,0027 31 2,1243 0,0018
2 2,1251 0,0004 32 2,1240 0,0014
3 2,1250 0,0016 33 2,1244 0,0013
4 2,1245 0,0009 34 2,1244 0,0009
5 2,1253 0,0013 35 2,1241 0,0022
6 2,1248 0,0010 36 2,1251 0,0010
7 2,1251 0,0012 37 2,1249 0,0014
8 2,1251 0,0022 38 2,1253 0,0016
9 2,1252 0,0009 39 2,1251 0,0020
10 2,1255 0,0016 40 2,1254 0,0024
11 2,1249 0,0020 41 2,1248 0,0017
12 2,1253 0,0019 42 2,1251 0,0005
13 2,1247 0,0022 43 2,1246 0,0012
14 2,1243 0,0012 44 2,1250 0,0006
15 2,1249 0,0022 45 2,1252 0,0012
16 2,1252 0,0015 46 2,1250 0,0016
17 2,1249 0,0023 47 2,1247 0,0006
18 2,1240 0,0015 48 2,1249 0,0014
19 2,1247 0,0022 49 2,1248 0,0011
20 2,1253 0,0015 50 2,1251 0,0007
21 2,1257 0,0011 51 2,1248 0,0014
22 2,1246 0,0018 52 2,1250 0,0009
23 2,1246 0,0013 53 2,1252 0,0012
24 2,1252 0,0014 54 2,1248 0,0022
25 2,1251 0,0024 55 2,1250 0,0007
26 2,1245 0,0023 56 2,1247 0,0014
27 2,1247 0,0028 57 2,1255 0,0013
28 2,1239 0,0013 58 2,1253 0,0003
29 2,1246 0,0031 59 2,1252 0,0008
30 2,1245 0,0013 60 2,1248 0,0011

b) Use las 35 muestras para calcular las líneas centrales y los límites de control
para los gráficos 𝑋̅ y 𝑅̅

LCI: 𝑋̿ - A2 𝑅̅ : (47,61) - (0.577) (16,77): 37.93371 in

LC: 47,61 in

LCS: 𝑋̿ + A2 𝑅̅ : (47,61)+(0.577) (16,77): 57.28629 in

c) Construya los cuadros, trazando todos los valores ̅


X y R e incluyendo toda la
información apropiada en los cuadros.

xbar Chart
for Diámetro
60

UCL
Diámetro de Piezas en in

55
50

CL
45
40

LCL

1 3 5 7 9 12 15 18 21 24 27 30 33

Subgrupo
Number of groups = 35
Center = 48.50476 LCL = 37.16334 Number beyond limits = 0
StdDev = 6.547971 UCL = 59.84618 Number violating runs = 4
R Chart
for Diámetro

UCL
Diámetro de Piezas en in

10 15 20 25

CL
5
0

LCL

1 3 5 7 9 12 15 18 21 24 27 30 33

subgrupo
Number of groups = 35
Center = 11.08571 LCL = 0 Number beyond limits = 0
StdDev = 6.547971 UCL = 28.53677 Number violating runs = 0

Process Capability Analysis


for Diámetro
Target
USL
LSL

0 20 40 60

Number of obs = 105 Target = 2.125 Cp = 5.09e-05Exp<LSL 0%


Center = 48.50476 LSL = 2.124 Cp_l = 2.36 Exp>USL 100%
StdDev = 6.547971 USL = 2.126 Cp_u = -2.36 Obs<LSL 0%
Cp_k = -2.36 Obs>USL 100%
Cpm = 7.12e-06

d) Aplicar todas las reglas apropiadas para interpretar los cuadros, indicando
cada incidencia de una condición fuera de control, e identificando la regla que
se viola en cada caso.

e) ¿Qué se puede decir sobre la estabilidad del proceso?

6.17 Los resultados preliminares de la investigación en el Ejercicio 6.16


indicaron que las herramientas de corte utilizadas por uno de los proveedores
no tenían la preparación adecuada de los bordes, lo que causaba un desgaste
más rápido de la herramienta. Una vez que esto se determinó y se verificó, el
̅ pareció exhibir un buen control estadístico. Para continuar el trazado,
gráfico X
se propuso utilizar límites de control determinados a partir de las primeras 25
muestras. Se recogieron veinticinco muestras más, nuevamente a intervalos de
aproximadamente media hora, con los datos resultantes que se muestran en la
tabla. Estos datos se presentan en forma codificada como en el Ejercicio 6.16,
utilizando los dos últimos dígitos de la medición real.

Muestra X1 X2 X3 X4 X5 ̅
X Rango
36 50 54 51 45 55 51 10
37 54 46 40 53 51 48,8 14
38 60 55 44 47 57 52,6 16
39 46 61 51 56 41 51 20
40 39 57 54 56 63 53,8 24
41 52 39 45 48 56 48 17
42 49 51 49 54 51 50,8 5
43 51 46 44 50 39 46 12
44 54 51 49 48 48 50 6
45 54 54 57 50 45 52 12
46 54 57 49 47 41 49,6 16
47 46 45 48 51 46 47,2 6
48 49 49 55 53 41 49,4 14
49 45 51 44 55 46 48,2 11
50 54 54 51 47 49 51 7
51 43 51 56 42 48 48 14
52 51 47 47 56 48 49,8 9
53 50 47 55 59 48 51,8 12
54 48 60 45 49 38 48 22
55 54 47 49 50 52 50,4 7
56 41 46 46 48 55 47,2 14
57 52 57 47 58 60 54,8 13
58 53 53 55 52 53 53,2 3
59 55 48 52 56 50 52,2 8
60 48 49 43 54 46 48 11

a) Determine las líneas centrales y los límites de control para los cuadros X y R
usando los datos de las primeras 25 muestras del ejercicio 6.16. Construya los
cuadros, graficando los primeros 25 resultados de muestra, X y R. Verifique
que los cuadros hasta este punto muestren un buen control estadístico.

Nota: Lea la parte b antes de comenzar a trazar para la parte a.

b) Extienda los límites y trace los siguientes 25 resultados de muestra (muestra


36 a 60)
c) Evalúe los cuadros usando todas las reglas aplicables.

d) Comente sobre lo que los gráficos nos dicen sobre él

6.18 Nuestros amigos ingenieros de los Ejercicios 6.16 y 6.17 han decidido
usar sus habilidades de mejora de la calidad recientemente adquiridas en otro
problema que se ha desarrollado. Se ha necesitado mucho tiempo de retrabajo
para corregir la profundidad de un chavetero que se está fresando en el eje
previamente estudiado. Se ha descubierto que muchos de los chaveteros son
demasiado poco profundos, lo que hace que la tecla no encaje correctamente
durante el montaje. Se muestra un boceto de la parte. Las mediciones se
recopilan en muestras de tamaño n = 4 partes consecutivas a intervalos de
aproximadamente 30 minutos en el transcurso de tres turnos. Las mediciones
de la profundidad de la ranura se realizaron en pulgadas a la diezmilésima de
pulgada más cercana (por ejemplo, 0.1501 y 0.1494 pulgada). Los datos se
codifican utilizando los últimos dígitos allí.

Muestra X1 X2 X3 X4 Promedio Rango


1 0,1501 0,1501 0,1494 0,1496 0,1498 0,0007
2 0,1505 0,1493 0,1509 0,1497 0,1501 0,0016
3 0,1497 0,1486 0,1503 0,15 0,14965 0,0017
4 0,1507 0,1507 0,1503 0,1494 0,150275 0,0013
5 0,1488 0,1496 0,1496 0,1503 0,149575 0,0015
6 0,1505 0,1505 0,1505 0,1488 0,150075 0,0017
7 0,1507 0,1496 0,1506 0,1486 0,149875 0,0021
8 0,149 0,1501 0,1494 0,1505 0,14975 0,0015
9 0,149 0,1495 0,1489 0,1505 0,149475 0,0016
10 0,149 0,1493 0,1497 0,1491 0,149275 0,0007
11 0,1492 0,1489 0,1485 0,1496 0,14905 0,0011
12 0,1496 0,1503 0,1511 0,1499 0,150225 0,0015
13 0,151 0,1507 0,1491 0,1504 0,1503 0,0019
14 0,1503 0,1492 0,1496 0,1497 0,1497 0,0011
15 0,1503 0,1492 0,1496 0,1497 0,1497 0,0011
16 0,1493 0,15 0,15 0,1494 0,149675 0,0007
17 0,1499 0,1494 0,1512 0,1504 0,150225 0,0018
18 0,1505 0,1492 0,1505 0,1493 0,149875 0,0013
19 0,1501 0,1505 0,1497 0,1497 0,15 0,0008
20 0,1498 0,1507 0,1496 0,1506 0,150175 0,0011
21 0,1502 0,15 0,1501 0,1501 0,1501 0,0002
22 0,1496 0,1492 0,1504 0,1505 0,149925 0,0013
23 0,1503 0,1489 0,1501 0,1503 0,1499 0,0014
24 0,149 0,1498 0,1494 0,1509 0,149775 0,0019
25 0,1493 0,1502 0,1493 0,1499 0,149675 0,0009
26 0,1498 0,1503 0,149 0,1486 0,149425 0,0017
27 0,15 0,1507 0,1489 0,1491 0,149675 0,0018
28 0,1497 0,1502 0,1499 0,1506 0,1501 0,0009
29 0,1491 0,1504 0,1506 0,1502 0,150075 0,0015
30 0,1502 0,1493 0,15 0,1501 0,1499 0,0009
31 0,1499 0,1504 0,1506 0,1495 0,1501 0,0011
32 0,1503 0,1497 0,1502 0,1493 0,149875 0,001
33 0,1493 0,1508 0,1494 0,1496 0,149775 0,0015
34 0,1496 0,1495 0,1509 0,1496 0,1499 0,0014
35 0,1503 0,15 0,1508 0,1507 0,15045 0,0008
0,1498693 0,00129

a) Use los datos en la tabla adjunta para construir gráficos X y R para el


proceso.

b) Interpreta los cuadros usando las reglas apropiadas. Indique cada indolencia
de una condición fuera de control.

c) ¿Cuáles son los gráficos que nos dicen sobre el comportamiento del proceso
en términos de su desviación media y / o estándar?

6.19 Se inició un estudio sobre un proceso de llenado. Los datos en la tabla


adjunta representan los pesos netos en libras (más de 20 libras) para bolsas de
20 libras de comida seca para perros. Las muestras de n = 5 representan cinco
bolsas consecutivas producidas por el cabezal de llenado 2 en una máquina de
llenado de cuatro cabezas. Las muestras se recogieron a intervalos de 30
minutos. En última instancia, el objetivo es llenar las bolsas lo más cerca
posible de 20 libras sin pasar por debajo de este peso nominal. Las
regulaciones permiten que solo el 0.1% de las bolsas esté por debajo de este
valor. El primer paso en este estudio fue examinar el proceso de llenado desde
el punto de vista del control estadístico.

Muestra Día Tiempo X1 X2 X3 X4 X5 Promedio Rango


1 1 7:30 0.92 1.01 0.95 1.04 0.90 0.964 0.14
2 1 8:00 1.15 1.02 0.98 0.94 0.99 1.016 0.21
3 1 8:30 0.94 0.91 1.00 1.05 0.95 0.970 0.14
4 1 9:00 1.11 0.94 0.89 1.11 1.00 1.010 0.22
5 1 9:30 0.95 0.97 0.97 0.98 0.86 0.946 0.12
6 1 10:00 1.02 0.89 0.97 0.95 0.97 0.960 0.13
7 1 10:30 1.18 0.84 0.95 1.39 1.03 1.078 0.55
8 1 11:30 0.94 1.15 1.07 0.99 1.03 1.036 0.21
9 1 12:00 1.03 1.20 1.00 1.10 1.09 1.084 0.20
10 1 12:30 0.98 0.82 0.98 1.02 1.13 0.986 0.31
11 1 1:00 0.98 0.95 0.97 1.04 0.89 0.966 0.15
12 1 1:30 1.10 1.12 1.01 1.12 1.04 1.078 0.11
13 1 2:00 1.10 0.94 0.88 0.92 0.91 0.950 0.22
14 1 2:30 1.01 0.99 1.11 0.96 1.05 1.024 0.15
15 1 3:00 1.17 1.30 1.21 0.69 0.82 1.038 0.61
16 2 7:30 0.97 1.03 1.09 1.04 0.94 1.014 0.15
17 2 8:00 0.92 0.88 0.83 0.94 0.87 0.888 0.11
18 2 8:30 0.99 1.00 0.95 1.00 0.90 0.968 0.10
19 2 9:00 0.88 1.09 1.05 1.05 1.01 1.016 0.21
20 2 9:30 0.87 1.08 0.99 0.97 1.04 0.990 0.21
21 2 10:00 1.08 0.99 1.18 1.02 1.07 1.068 0.19
22 2 10:30 0.60 1.28 0.97 0.84 1.01 0.940 0.68
23 2 11:30 0.89 0.99 1.02 0.95 0.99 0.968 0.13
24 2 12:00 1.01 0.90 0.97 1.09 1.13 1.020 0.23
25 2 12:30 0.95 1.01 1.09 1.10 1.10 1.050 0.15
26 2 1:00 1.10 0.96 1.02 1.03 1.01 1.024 0.14
27 2 1:30 0.92 1.05 1.03 0.99 1.08 1.014 0.16
28 2 2:00 1.00 0.87 1.00 1.05 0.97 0.978 0.18
29 2 2:30 0.96 1.03 1.03 1.11 1.05 1.036 0.15
30 2 3:00 1.15 0.84 1.02 1.18 1.05 1.048 0.34
31 3 7:30 0.91 0.85 0.89 0.82 0.95 0.884 0.13
32 3 8:00 0.95 0.92 0.95 0.84 0.92 0.916 0.11
33 3 8:30 0.98 0.98 1.01 1.12 1.19 1.056 0.21
34 3 9:00 0.89 0.90 1.05 1.05 0.87 0.952 0.18
35 3 9:30 1.16 0.96 0.96 1.06 1.00 1.028 0.20
36 3 10:00 1.10 0.87 0.95 1.05 1.14 1.022 0.27
37 3 10:30 0.83 0.75 1.04 1.25 0.77 0.928 0.50
38 3 11:30 0.98 1.02 1.06 0.87 1.00 0.986 0.19
39 3 12:00 0.95 0.88 0.97 1.01 0.85 0.932 0.16
40 3 12:30 1.04 0.95 1.00 1.14 1.06 1.038 0.19
41 3 1:00 0.98 0.96 1.04 1.09 1.05 1.024 0.13
42 3 1:30 0.80 0.99 0.98 1.03 0.89 0.938 0.23
43 3 2:00 1.04 1.00 0.87 1.02 0.91 0.968 0.17
44 3 2:30 0.94 1.02 0.92 1.00 1.01 0.978 0.10
45 3 3:00 0.71 1.36 1.10 1.24 0.81 1.044 0.65

a) Use los datos en la tabla para establecer gráficos ̅


X y R para el proceso.
b) Interpreta los cuadros. Si hay señales estadísticas / condiciones fuera de
control, suponga que se identificó la causa física. Elimine los subgrupos
fuera de control y vuelva a calcular las líneas centrales y los límites de
control.
c) Continúe hasta que los gráficos muestren un buen control estadístico.

Después de tomar estos pasos, se formó un grupo para estudiar más el


proceso con la esperanza de reducir la variación en el proceso.

Uno de los primeros pasos fue crear un diagrama de causa y efecto, como se
muestra. Usando esto como una guía, se determinó que la causa más probable
de la variación se centraba en el hecho de que los ajustes se hicieron
asumiendo un tamaño de partícula mucho más pequeño que el que realmente
estaba presente en la comida para perros. Una vez que se abordó este
problema de causa común / crónica, se continuó con el trazado de los gráficos
y se recopilaron los datos en la tabla adjunta.

Muestra Dìa Tiempo X1 X2 X3 X4 X5 Promedio Rango


46 4 7:30 0.97 0.99 1.05 0.98 0.96 0.990 0.09
47 4 8:00 1.02 0.99 1.00 1.00 1.00 1.002 0.03
48 4 8:30 0.96 1.05 0.96 1.02 0.97 0.992 0.09
49 4 9:00 1.05 1.00 1.00 0.98 0.99 1.004 0.07
50 4 9:30 0.98 1.00 0.95 0.97 0.97 0.974 0.05
51 4 10:00 0.98 0.97 0.98 1.04 0.99 0.992 0.07
52 4 10:30 0.99 1.05 1.03 0.99 0.99 1.010 0.06
53 4 11:30 0.95 0.94 0.99 1.03 1.00 0.982 0.09
54 4 12:00 0.97 1.01 1.01 1.01 1.02 1.004 0.05
55 4 12:30 1.02 0.99 0.97 0.99 1.02 0.998 0.05
56 4 1:00 0.99 1.00 1.01 1.05 1.02 1.014 0.06
57 4 1:30 0.99 0.99 1.00 0.98 1.01 0.994 0.03
58 4 2:00 1.02 1.00 1.01 0.99 0.97 0.998 0.05
59 4 2:30 0.99 0.94 0.98 0.99 0.95 0.970 0.05
60 4 3:00 1.04 1.00 1.01 0.98 0.98 1.002 0.06

d) Use los cuadros establecidos en la parte (c) para continuar


monitoreando este proceso para el día 4. Trace los resultados de los 15
subgrupos anteriores. Comente sobre el comportamiento continuo del
proceso.

6.20 El fabricante de pesas de ejercicio hace una gama completa de pesas.


Recientemente se ha desarrollado un nuevo conjunto de moldes para la
fundición de mancuernas de hierro de 6 libras. Sin embargo, muchas de las
mancuernas hechas han estado cayendo fuera de las especificaciones de 96 +
1.0 onzas, -0.0 onzas.

a) Utilice los datos de la tabla adjunta (32 muestras de tamaño n = 4),


recopilados de uno de los nuevos moldes aproximadamente a intervalos de una
hora, para establecer líneas centrales y límites de control para cartas de control
̅
X y R . Los datos están en onzas por encima de 90 onzas.

b) Trace los valores de 𝑋̅ y R en los cuadros de control. Deje espacio para


trazar 12 muestras adicionales.
c) ¿Cuáles son los gráficos que nos dicen sobre el proceso en términos de la
media y el rango / variación?

Vous aimerez peut-être aussi