Académique Documents
Professionnel Documents
Culture Documents
Introducción Introducción
La característica considerada sigue habitualmente Fuera de control. El proceso está fuera de
distribución normal N(µ,σ). Así, cuando el proceso está control si ha ocurrido una causa asignable que
bajo control, el 99’73% de los artículos se encuentra en haya modificado la característica del artículo
un intervalo de amplitud 6σ correspondiente a (µ ± 3σ). de forma significativa.
0.4
-4 -2 0 2 4
Ignacio Cascos Depto. Estadística, Universidad Carlos III 11 Ignacio Cascos Depto. Estadística, Universidad Carlos III 12
r
Gráficos de control Gráficos de control
Representación de la evolución temporal de la Fuera de control.
característica
Gráfico de control
Gráfico de control 60
58 57
LCS
55 LCS
54
Media
Media
52 51
linea central
línea central 48
49
45
46 LCI
42
43 LCI
0 5 10 15 20 25
0 5 10 15 20 25
Tiempo
Tiempo
Ignacio Cascos Depto. Estadística, Universidad Carlos III 13 Ignacio Cascos Depto. Estadística, Universidad Carlos III 14
Ignacio Cascos Depto. Estadística, Universidad Carlos III 17 Ignacio Cascos Depto. Estadística, Universidad Carlos III 18
n n n −1 c2 k
Ignacio Cascos Depto. Estadística, Universidad Carlos III 19 Ignacio Cascos Depto. Estadística, Universidad Carlos III 20
Gráfico de control para la media Gráfico de control para la media
El gráfico de control será: Para realizar un gráfico de control:
Construimos gráficos a partir de un conjunto de
muestras iniciales.
E[ S j ] s
LCS = µ + 3 LCS = x + 3 Si algún punto correspondiente a las muestras iniciales
c2 n c2 n
se saliese de los límites del gráfico, (proceso fuera de
Línea central = µ Línea central = x
control), lo eliminamos y recalculamos parámetros.
E[ S j ] s
LCI = µ − 3 LCI = x − 3 Se utiliza el gráfico de control para representar nuevas
c2 n c2 n
muestras y no se modifica (salvo actualización).
Ignacio Cascos Depto. Estadística, Universidad Carlos III 21 Ignacio Cascos Depto. Estadística, Universidad Carlos III 22
Media
Línea central 28
24 Línea central
25
21
18 LCI 22
15 19 LCI
0 3 6 9 12 15 0 3 6 9 12 15
Tiempo Tiempo
Ignacio Cascos Depto. Estadística, Universidad Carlos III 23 Ignacio Cascos Depto. Estadística, Universidad Carlos III 24
Gráfico de control para la media Gráfico de control para la media
Utilizando la cuasivarianza, tenemos: El gráfico de control será:
∑
n
j =1
( X ij − X i ) 2
Sˆi =
n −1 E[ Sˆ j ]
LCS = µ + 3 sˆT
c4 n LCS = x + 3
La media total es un estimador insesgado de la c4 n
Línea central = µ
Línea central = x
media del proceso, pero E[ Sˆi ] = c4σ . Debemos E[ Sˆ j ] sˆT
LCI = µ − 3 LCI = x − 3
transformar Ŝi para obtener un estimador insesgado c4 n c4 n
∑
k
de σ, σ=
ˆ
SˆT
donde S =
ˆ i
Sˆ
=1 i
T
c4 k
Ignacio Cascos Depto. Estadística, Universidad Carlos III 25 Ignacio Cascos Depto. Estadística, Universidad Carlos III 26
Range
1,2
Tendencias o rachas. Rachas crecientes
0,8
decrecientes o bien por encima o debajo de la línea
0,4
central (7 puntos).
0
Patrones no aleatorios. Periodicidades, 0 10 20 30 40
inestabilidad, sobreestabilidad. Subgroup
Ignacio Cascos Depto. Estadística, Universidad Carlos III 45 Ignacio Cascos Depto. Estadística, Universidad Carlos III 46
Gráfico P Gráfico P
di Los gráficos de control por variables eran dos,
como tenemos que la proporción muestral pˆ i =
ni uno para la media y otro para la dispersión.
Sabemos que: E[ pˆ i ] = p
p (1 − p ) En el control por atributos, tanto la media como
Y además: Var[ pˆ i ] =
ni
la variabilidad de la proporción muestral,
Finalmente, por el Teorema Central del Límite:
dependen de un único parámetro, por eso
⎛ p (1 − p ) ⎞⎟
pˆ i ≈ N⎜⎜ p, ⎟
construimos sólo un gráfico de control.
⎝ ni ⎠
Ignacio Cascos Depto. Estadística, Universidad Carlos III 51 Ignacio Cascos Depto. Estadística, Universidad Carlos III 52
Gráfico P Gráfico P
El gráfico de control será: Gráfico P
0,024
p (1 − p )
LCS = E[ pˆ i ] + 3 Var[ pˆ i ] LCS = p + 3 0,02
ni
Línea central = E[ pˆ i ] Línea central = p
0,016
0,012
p
línea central = 0,0
LCI = E[ pˆ i ] − 3 Var[ pˆ i ] p (1 − p )
LCI = p − 3 0,008
ni
0,004
∑
k
di 0
donde p= i =1 0 4 8 12 16 20
∑
k
i =1 i
n Muestra
Ignacio Cascos Depto. Estadística, Universidad Carlos III 53 Ignacio Cascos Depto. Estadística, Universidad Carlos III 54
Gráfico P Gráfico P
Si en lugar del tamaño muestral ni, utilizamos su Gráfico P
promedio, obtenemos límites de control que son 0,024
0,02
rectas
0,016
p (1 − p ) 0,012
p
LCS = p + 3 línea central = 0,0
n 0,008
∑
k
Línea central = p n
i =1 i
0,004
donde n= 0
p (1 − p ) k
LCI = p − 3 0 4 8 12 16 20
n Muestra
Ignacio Cascos Depto. Estadística, Universidad Carlos III 55 Ignacio Cascos Depto. Estadística, Universidad Carlos III 56
Gráfico P Gráfico P
Para construir un gráfico P: Valores estandarizados. Al no tener los límites
Tomamos k muestras (al menos 20) de tamaño constantes, los gráficos P son difíciles de
muestral ni (habitualmente al menos 30) interpretar (localizar tendencias y rachas).
Se calcula la proporción de artículos defectuosos
Se construye el gráfico P estandarizado con los
en cada muestra
Se calcula la estimación global de p valores pˆ − p
zi = i
Gráfico P Gráfico P
Gráfico estandarizado. Tenemos que Gráfico P
5
E[zi] = 0 ; Var[zi] = 1
3
El gráfico de control será:
Z
1 línea central = 0,0
LCS = 3
-1
Línea central = 0
-3
LCI = −3 0 4 8 12 16 20
Muestra
Ignacio Cascos Depto. Estadística, Universidad Carlos III 59 Ignacio Cascos Depto. Estadística, Universidad Carlos III 60
Gráfico P Gráfico P
Una vez construido el gráfico y fijada la Capacidad. Proporción de elementos
estrategia de muestreo, para controlar el aceptables fabricados en condiciones de
proceso: control
Tomamos una muestra de tamaño ni
Calculamos LCS y LCI para ni y los dibujamos Capacidad = 1 − p
Calculamos la proporción muestral de piezas
defectuosas Capacidad estimada = 1 − p
Colocamos el nuevo punto en el gráfico
Ignacio Cascos Depto. Estadística, Universidad Carlos III 61 Ignacio Cascos Depto. Estadística, Universidad Carlos III 62
Gráfico NP Gráfico NP
Es idéntico al gráfico P salvo que en lugar de Tomamos ni = n constante.
contabilizar la proporción de artículos Por el TCL
defectuosos en una muestra, consideramos el d i = npˆ i ≈ N np, np (1 − p ) ( )
número de artículos defectuosos di.
LCS = E[d i ] + 3 Var[d i ] LCS = np + 3 np (1 − p )
Es útil si: Línea central = E[d i ] Línea central = np
Número más relevante que proporción. LCI = E[d i ] − 3 Var[d i ] LCI = np − 3 np (1 − p )
Tamaño muestral constante.
Ignacio Cascos Depto. Estadística, Universidad Carlos III 63 Ignacio Cascos Depto. Estadística, Universidad Carlos III 64
Gráfico NP Descripción breve del tema
Capacidad. Al igual que en el gráfico P, la 1. Introducción, gráficos de control
capacidad es la proporción de elementos 2. Gráfico de control para la media
aceptables fabricados en condiciones de 3. Gráficos de control para la dispersión
control
4. Capacidad de un proceso. Índice de capacidad
Capacidad = 1 − p 5. Gráficos P y NP (atributos)
Capacidad estimada = 1 − p 6. Muestreo de recepción: Plan Military
Standard
Ignacio Cascos Depto. Estadística, Universidad Carlos III 65 Ignacio Cascos Depto. Estadística, Universidad Carlos III 66
Ignacio Cascos Depto. Estadística, Universidad Carlos III 75 Ignacio Cascos Depto. Estadística, Universidad Carlos III 76
Military Standard Military Standard
Tamaño del lote Nivel S-1 Nivel S-2 Nivel S3 Nivel S-4 Nivel I Nivel II Nivel III
Pasos a seguir: 2-8 A A A A A A B
9-15 A A A A A B C
Decidir el AQL 16-25 A A B B B C D
26-50 A B B C C D E
Determinar el nivel de inspección (I, II ó III) 51-90 B B C C C E F
91-150 B B C D D F G
Determinar el plan de inspección (varía) 151-280 B C D E E G H