Académique Documents
Professionnel Documents
Culture Documents
1. Objetivo de la práctica
Utilización de herramientas estadísticas para el Control de Procesos. En
particular utilizaremos los gráficos de control por atributos: p-chart, np-chart,
c-chart y u-chart.
2. Datos
Las bujías son el elemento encargado de provocar el comienzo de la quema de
la mezcla, y lo hacen mediante la generación de un arco voltaico entre sus
electrodos.
3. Estudio Inicial
El estudio inicial consiste en estimar los parámetros del proceso “bajo control”.
Para ello se toman K muestras del proceso y mediante un procedimiento
iterativo se eliminan las que son sospechosas de haber sido tomadas cuando el
proceso estaba “fuera de control”.
Procedimiento iterativo:
1. Se extraen K muestras
2. Se estiman los parámetros
3. Se grafican las muestras en el grafico de control correspondiente
4. Se eliminan las muestras fuera del gráfico.
5. Se vuelve al paso 2.
2
En el archivo de datos:
o La variable NumBujias contiene el tamaño de las muestras recogidas.
o DefBujias el número de bujías que resultaron defectuosos.
o PropBujiasDef, la proporción de bujías defectuosas en la muestra.
Aparece la ventana
Observación:
o Avg. Subgroup Size indica si la media del tamaño de los grupos debe
ser utilizada para realizar los gráficos de control
o Normaliz indica si los gráficos de control se realizan con los datos
estandarizados
Aparece la estimación de p:
4
Number of subgroups = 20
Average subgroup size = 948,0
0 subgroups excluded
p Chart
-------
UCL: +3,0 sigma = 0,0214267
Centerline = 0,0111814
LCL: -3,0 sigma = 0,000936147
1 beyond limits
Estimates
---------
Mean p = 0,0111814
Sigma = 0,0034151
12
8
4
0
0 4 8 12 16 20
Subgroup
o Opciones:
- Automatic, el programa realiza la operación eliminación/recálculo de
límites recursivamente hasta que todas las observaciones se
encuentren dentro de los límites de control. El programa actualizará
los gráficos y los análisis. Los subgrupos eliminados aparecen
marcados para poder identificarlos.
6
- Reset, sirve para incluir todos los grupos (solo útil si hubiéramos
eliminado alguno)
7
3.5. Resultado
Una vez eliminadas todas las muestras que se salen fuera de los límites de
control, obtenemos la estimación de p.
Number of subgroups = 19
Average subgroup size = 949,895
1 subgroups excluded
p Chart
-------
UCL: +3,0 sigma = 0,0205755
Centerline = 0,0106049
LCL: -3,0 sigma = 0,0006343
0 beyond limits
Estimates
---------
Mean p = 0,0106049
Sigma = 0,00332354
3.6 Conclusión
Se han observado 20 muestras, 1 ha sido eliminada por suponer que fue
tomada cuando el proceso estaba fuera de control. Con las 19 restantes se ha
estimado la proporción de defectuosos:
pˆ = 0.0106049
Así, la capacidad del proceso, cuando el proceso está bajo control, definida
como 1-p, se estima como:
1 − pˆ = 0.9893951
8
4. Control en línea
Con el fin de monitorizar el proceso de fabricación de las bujías y así poder
detectar rápidamente la presencia de causas asignables en el proceso, se
decide establecer un control estadístico del proceso. Para ello se toma una
muestra de tamaño 100 cada 2 horas.
No sólo los puntos fuera de las líneas de control 3 sigma (muestra 29 y 30) dan
la alarma de que el proceso esta fuera de control. Comportamientos poco
aleatorios de los puntos también indican situaciones de fuera de control. Si
queremos la razón de por qué la muestra 10,11, 12 y 13 indican situaciones
fuera de control, elegimos la opción Runs Test dentro de Tabular Options.
Runs Tests
Rules
-----
(A) runs above or below centerline of length 8 or greater.
(B) runs up or down of length 8 or greater.
(C) sets of at least 5 subgroups with at least 4 beyond 1,0 sigma.
(D) sets of at least 3 subgroups with at least 2 beyond 2,0 sigma.
Violations
----------
Observation p Chart
10 A
11 A
12 A
13 A
29 D
30 D
donde se indica la regla (rules) que se ha aplicado en cada uno de esos seis
puntos.
5. Gráficos np
Produce gráficos de control basados en el número de artículos defectuosos.
Este análisis usa el número de defectuosos en la muestra, en lugar de la
proporción de defectuosos.
Number of subgroups = 24
Subgroup size = 50,0
1 subgroups excluded
np Chart
--------
UCL: +3,0 sigma = 8,69709
Centerline = 3,375
LCL: -3,0 sigma = 0,0
0 beyond limits
Estimates
---------
Mean np = 3,375
Sigma = 1,77403
np = 3.375⎫
Como ⎬ ⇒ p = 0.0675
n = 50 ⎭
6. Gráficos C
Produce gráficos de control basados en el número de sucesos ocurridos en
cierto intervalo, como el número de defectos por unidad de medida, o el
número de clientes por unidad de tiempo.
6.2. Resultado
c - Initial Study for Def_tarjeta
c Chart for Def_tarjeta
15 Number of observations = 12
UCL = 13,21
12 CTR = 5,92 0 observations excluded
LCL = 0,00
9
c
6 c Chart
3
-------
UCL: +3,0 sigma = 13,2139
0
0 2 4 6 8 10 12 Centerline = 5,91667
Observation LCL: -3,0 sigma = 0,0
0 beyond limits
Estimates
---------
Mean c = 5,91667
Sigma = 2,43242
7. Gráficos U
Produce gráficos de control basados en el número de sucesos ocurridos por
unidad de medida, por ejemplo, número de defectos por metro de cable. Sin
embargo, a diferencia del grafico C, el tamaño de la muestra puede ser
variable.
7.2. Resultado
u - Initial Study for DefCable/MetrosCable
u Chart for DefCable/MetrosCable
0,3
UCL = 0,24
0,25
Number of subgroups = 12
CTR = 0,09
0,2 LCL = 0,00
Average subgroup size = 37,5833
0 subgroups excluded
u
0,15
0,1
0,05
u Chart
0
0 2 4 6 8 10 12 -------
Subgroup UCL: +3,0 sigma = 0,242461
Centerline = 0,0931264
LCL: -3,0 sigma = 0,0
0 beyond limits
Estimates
---------
Mean u = 0,0931264
Sigma = 0,0497781